The invention provides a non-intrusive load identification method which integrates transient and steady-state characteristics. In order to prevent the problem of differentiating types and states of electrical appliances caused by the similarity of steady-state characteristics, realize the effect of intellectualized system optimization for identifying electrical appliances and improve the effect of identifying transient and steady-state processes of electrical appliances, the invention adopts a monitoring storage method when the fundamental wave electricity is used. When the current amplitude changes, the sampling period is stored. When no more than one sampling period is detected, the improved CUSUM method is used to identify the transient process and steady-state process of the electrical appliances. At the same time, the invention identifies the transient process of electrical appliances by convolution neural network and the means of combining the changing process of electrical appliances in steady state by C-means clustering method, and identifies the types of electrical appliances and their working state. In addition, by utilizing the essential attributes of the C-means clustering algorithm, the invention can construct a dynamic and personalized database of electrical appliances characteristics for users. Finally, based on the sinusoidal superposition formula, the present invention can obtain more accurate changes of current amplitude at various frequencies between the front and back steady states.
【技术实现步骤摘要】
一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
本专利技术涉及智能电网领域,尤其涉及一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法。
技术介绍
随着不可再生能源的减少,以及温室效应导致的世界极端气候的增加,如何提高能源的使用效率成为了各国实现环保节能的政策中的重要一环。电能做为一种与居民密切相关的能源。在过去,居民通过传统的电表,仅仅只能了解家庭的总的用电情况,难以了解每一个具体的用电器的耗电情况,从而有针对性的选择更加高效节能的用电器,进而降低能耗。因此如何实现像手机电池管理一样让用户能够看见每一个用电器消耗电能情况,同时更进一步的利用大数据为居民推荐节能环保、价廉物美的用电器,是实现智能化节能环保的关键。而随着计算机技术的发展,各个国家的研究机构和公司都开始了相关领域的研究。目前,国际上识别用电器的方式主要采取侵入式和非侵入式两种。虽然侵入式识别方式具有识别效果精确的优势,但是由于装置安装的不便捷和产品价格高昂,导致这种方式难以进行广泛的市场推广。而非侵入式负荷监测(Non-IntrusiveLoadMonitoring,缩写为NILM)只需要在居民用电的总线上安装监测装备,基于当前发展已较为完善的人工智能识别算法、云计算和大数据分布式管理技术,能够仅通过家庭电路总线上的电流和电压的变化,大概率准确的识别用电器种类和状态,能够有效地为用户提供详细的家庭用电系统中各个用电器工作状态,受到了国内外大部分研究机构和公司的青睐。当前,大多数的NILM主要采取是首先对用电器工作的稳态和暂态识别,提取出用电器的稳态特征进行分析。通过采集大量的用 ...
【技术保护点】
1.一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法,其特征在于:包括以下步骤,S1,采取监测存储方式,当基波电流幅值发生变化后,开始存储采样周期;S2,当未检测到多个变化的采样周期后,再识别用电器的暂态过程和稳态过程,针对识别出的用电器的暂态过程,执行步骤S3;针对识别出的用电器的稳态过程,执行步骤S4;S3,通过卷积神经网络识别用电器的暂态过程,进而识别用电器的种类和状态;S4,通过C均值聚类法识别用电器稳态间的变化过程,进而识别用电器的种类和状态;S5,结合步骤S3和S4确定用电器的种类和状态。
【技术特征摘要】
1.一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法,其特征在于:包括以下步骤,S1,采取监测存储方式,当基波电流幅值发生变化后,开始存储采样周期;S2,当未检测到多个变化的采样周期后,再识别用电器的暂态过程和稳态过程,针对识别出的用电器的暂态过程,执行步骤S3;针对识别出的用电器的稳态过程,执行步骤S4;S3,通过卷积神经网络识别用电器的暂态过程,进而识别用电器的种类和状态;S4,通过C均值聚类法识别用电器稳态间的变化过程,进而识别用电器的种类和状态;S5,结合步骤S3和S4确定用电器的种类和状态。2.如权利要求1所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法,其特征在于:所述步骤S1包括,S1-1,在用电器的总线上监测采样,得到去噪的电流信号,利用滑窗提取基波电流的幅值;S1-2,利用步骤S1-1中的二维图像进行波峰检测;S1-3,对步骤S1-2中的二维图像,采用滑窗进行双边CUSUM检测,通过峰值间增加变化或减少变化的累积和与阈值的判断,判断滑窗内基波电流的峰值间是否发生改变;S1-4,根据阈值,将步骤S1-3中检测到基波电流变化过程的距离靠近的滑窗段进行融合;S1-5,当采样的样例中检测到变化后开始存储变化前的稳态过程,检测变化开始后的电流信号,直到之后多个采样中均未检测到变化。3.如权利要求2所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法,其特征在于:所述步骤S1-1中,利用时段长度为一个基波长度的滑窗,在经过去噪后的采样数据上滑动,在滑窗内部做快速傅里叶变化,提取在基波长度内,基波电流的幅值,忽略掉谐波电流的影响,然后以基波幅值为纵坐标,以采样值中滑窗的序数为横坐标,构建二维图像。4.如权利要求1所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法,其特征在于:步骤S2包括,S2-1,当未检测到多个变化的采样周期后,将步骤S1中的检测到的电流信号进行去噪、拼接,获得暂态过程的电流变化图像,以及暂态前后总电路上的稳态过程的特征值;S2-2,比较暂态过程两边的稳态过程的有功功率间的变化是否超过阈值,判断该暂态过程后总电路是否加入用电器;若有功功率变化超过...
【专利技术属性】
技术研发人员:胡彦杰,周任飞,杨旸,
申请(专利权)人:武汉中原电子信息有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。