一种基于二分递推SVD分解的居民电器开关事件检测方法技术

本发明专利技术涉及一种基于二分递推SVD分解的居民电器开关事件检测方法，包括以下步骤：(1)数据采集；(2)对居民电器的总有功功率数据进行二分递推SVD分解，通过计算奇异熵以确定最佳分解层数；(3)利用硬阈值滤波函数滤波获得居民电器的开关时刻；本发明专利技术基于二分递推SVD分解的居民电器开关事件进行检测，优点在于采用方法简单易操作且计算速度快，降低了漏检、误检率，提高了检测精度，检测结果稳定。

A Method for Detecting Switch Events of Residential Electrical Appliances Based on Binary Recursive SVD Decomposition

【技术实现步骤摘要】
一种基于二分递推SVD分解的居民电器开关事件检测方法
本专利技术涉及非侵入式负荷监测
，尤其是涉及一种基于二分递推SVD分解的居民电器开关事件检测方法。
技术介绍
随着我国城镇化推进和经济结构调整，居民生活用电量占全社会总用电量比例越来越大。居民的用电数据既可以帮助用户调整用电行为，积极参与需求响应，又可以帮助电力公司合理安排调度，削峰填谷。负荷监测技术是获得居民用电数据的重要途径，其可分为“侵入式”和“非侵入式”两种，传统的侵入式监测技术需要为每个用电设备安装采集装置和传感装置，消耗大量人力和物力。20世纪80年代Hart教授提出了非侵入式负荷监测(NILM)技术，该技术无需安装大量监测设备，仅在用户进户端采集总负荷信息，便可通过负荷分解获得户内各电器的耗电信息。随着智能化水平的提高，该技术逐步成为国内研究热点。非侵入式负荷监测技术包括负荷开关事件检测、特征提取、负荷识别三个环节，其开关事件准确检测是实现非侵入式负荷监测的重要前提和基础。目前居民电器开关事件检测方法主要有非参数化的双边滑动窗CUSUM变点检测方法、小波分解方法。滑动窗CUSUM变点检测方法通过检测滑动窗口内有功功率的变化，可检测出电器开关事件的发生时刻，但是该方法受限于设定的功率序列滑动窗口及阈值，易存在漏检和误检。小波分解方法是通过对功率信号进行小波分解，检测出有功功率信号中突变点的位置，但是该方法难于选择合适的小波基，且检测位置易发生偏移，检测精度不高。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于二分递推SVD分解的居民电器开关事件检测方法，提高非侵入式负荷监测技术中居民电器开关事件检测准确率。本专利技术的目的可以通过以下技术方案来实现：一种基于二分递推SVD分解的居民电器开关事件检测方法，包括以下步骤：步骤1：数据采集：在电力入户点采集居民家庭的用电信息数据并得出居民家庭的总有功功率数据；步骤2：利用二分递推SVD分解总有功功率数据：对步骤1中采集到的居民电器开关事件总有功功率数据进行Hankel矩阵变换，再进行二分递推SVD分解，通过计算奇异熵以得到最优分解层数；步骤3：利用硬阈值滤波函数获得居民电器的开关时刻：利用硬阈值滤波函数对步骤2中获得的最优分解层数下的细节信号进行滤波，实现总有功功率中突变点位置的准确检测，即居民电器的开关时刻。优选地，所述步骤1中的用电信息数据包括居民电器的总电流、电压数据，所述居民家庭的总有功功率数据通过MATLAB得出并将其作为开关事件检测的目标对象。优选地，所述步骤2包括以下分步骤：步骤21：构造针对总有功功率数据的二维Hankel矩阵；步骤22：利用二分递推SVD分解二维Hankel矩阵后通过反变换得到近似信号A和细节信号D；步骤23：重复步骤22将原始总有功功率数据分解为一系列的近似和细节信号；步骤24：针对步骤23中得到的一系列细节信号计算奇异熵增量。优选地，所述步骤3包括以下分步骤：步骤31：取最优值：判断若奇异熵增量大于设定值，利用近似信号构造新的Hankel矩阵重复进行分解，直到异熵增量小于设定值，分解层数达到最优；步骤32：采用硬阈值函数对最优分解层数下的细节信号进行滤波后得到居民电器的开关时刻。优选地，所述步骤21中的二维Hankel矩阵H为：式中，[x1x2x3…xn]为居民电器总有功功率数据对应的一维离散信号，H∈R2×n-1。优选地，优选地，所述步骤22中经二分递推SVD分解后的二维Hankel矩阵H，其描述公式为：H＝USVT式中，二维正交矩阵U＝(u1，u2)，U∈R2×2；V＝(v1,v2,…vn-1)，n-1维正交矩阵V∈R(n-1)×(n-1)；对角矩阵S＝(diag(λ1,λ2),O)，S∈R2×(n-1)，λ1>>λ2，λ1和λ2分别为第一和第二奇异值。优选地，所述步骤32中的硬阈值函数为：式中，d为硬阈值函数，dk为变量。与现有技术相比，本专利技术具有以下优点：一、在不同层次空间上进行二分递推SVD正交分解，通过计算奇异熵来确定最佳分解层数，以不同层次空间的细节信号体现出了原信号中的突变点特征。二、采用硬阈值函数滤除细节信号的微小噪声，实现了总有功功率中突变点的位置准确检测，且该方法简单易操作且计算速度快，能有效消除细节信号中的微小噪声。三、基于不同噪声条件下实验室数据和REDD数据，与已有小波分解方法和非参数化的双边滑动CUSUM变点检测方法进行对比后，证明本专利技术技术漏检、误检率低，受噪声影响小，检测精度高。附图说明图1为本专利技术提供的一种基于二分递推SVD分解的居民电器开关事件检测方法的流程图；图2为本专利技术中近似矩阵H1的矢量和细节矩阵H2的矢量图，其中，图2(a)为近似矩阵H1的矢量图，图2(b)为细节矩阵H2的矢量图；图3为本专利技术中有功功率的多尺度SVD分解图；图4为本专利技术中单个线性恒功率电器开关事件检测结果对比图，其中，图4(a)为饮水机有功功率曲线图，图4(b)为非参数化的滑动双边CUSUM变点检测方法的0.86s～0.98s的检测结果图，图4(c)为非参数化的滑动双边CUSUM变点检测方法的3.18s～3.3s的检测结果图，图4(d)为小波分解方法的0.82s～0.98s的检测结果图，图4(e)为小波分解方法的3.16s～3.32s的检测结果图，图4(f)为本专利技术方法的0.82s～0.98s的检测结果图，图4(g)为本专利技术方法的3.14s～3.3s的检测结果图；图5为本专利技术中单个非线性变功率电器开关事件检测结果对比图，其中，图5(a)为微波炉有功功率曲线图，图5(b)为非参数化的滑动双边CUSUM变点检测方法的检测结果图，图5(c)为小波分解方法的检测结果图，图5(d)为本专利技术方法的检测结果图；图6为本专利技术实施例中的实验中多个电器开关事件检测结果对比图，其中，图6(a)为多个电气总有功功率曲线图，图6(b)为非参数化的滑动双边CUSUM变点检测方法的检测结果图，图6(c)为小波分解方法的检测结果图，图6(d)为本专利技术方法的检测结果图；图7为本专利技术实施例中REDD数据集开关事件检测结果对比图，其中，图7(a)为REDD数据功率曲线图，图7(b)为非参数化的滑动双边CUSUM变点检测方法的检测结果图，图7(c)为小波分解方法的检测结果图，图7(d)为本专利技术方法的检测结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。实施例总体的基于二分递推SVD分解的居民电器开关事件检测方法的流程图如图1所示。如图1所示，一种基于二分递推SVD分解的居民电器开关事件检测方法，包括以下步骤：1)数据采集：采集居民电器的总电流、电压数据，计算居民电器的总有功功率；2)二分递推SVD分解居民电器总有功功率数据；21)构造二维Hankel矩阵：对所述步骤1)中采集到的居民电器总有功功率数据进行Hankel矩阵变换，构造二维Hankel矩阵H。居民电器的总有功功率数据是一维离散信号X＝[x1x2x3…本文档来自技高网...

【技术保护点】
1.一种基于二分递推SVD分解的居民电器开关事件检测方法，其特征在于，包括以下步骤：步骤1：数据采集：在电力入户点采集居民家庭的用电信息数据并得出居民家庭的总有功功率数据；步骤2：利用二分递推SVD分解总有功功率数据：对步骤1中采集到的居民电器开关事件总有功功率数据进行Hankel矩阵变换，再进行二分递推SVD分解，通过计算奇异熵以得到最优分解层数；步骤3：利用硬阈值滤波函数获得居民电器的开关时刻：利用硬阈值滤波函数对步骤2中获得的最优分解层数下的细节信号进行滤波，实现总有功功率中突变点位置的准确检测，即居民电器的开关时刻。

【技术特征摘要】
1.一种基于二分递推SVD分解的居民电器开关事件检测方法，其特征在于，包括以下步骤：步骤1：数据采集：在电力入户点采集居民家庭的用电信息数据并得出居民家庭的总有功功率数据；步骤2：利用二分递推SVD分解总有功功率数据：对步骤1中采集到的居民电器开关事件总有功功率数据进行Hankel矩阵变换，再进行二分递推SVD分解，通过计算奇异熵以得到最优分解层数；步骤3：利用硬阈值滤波函数获得居民电器的开关时刻：利用硬阈值滤波函数对步骤2中获得的最优分解层数下的细节信号进行滤波，实现总有功功率中突变点位置的准确检测，即居民电器的开关时刻。2.根据权利要求1所述的一种基于二分递推SVD分解的居民电器开关事件检测方法，其特征在于，所述步骤1中的用电信息数据包括居民电器的总电流、电压数据，所述居民家庭的总有功功率数据通过MATLAB得出并将其作为开关事件检测的目标对象。3.根据权利要求1所述的一种基于二分递推SVD分解的居民电器开关事件检测方法，其特征在于，所述步骤2包括以下分步骤：步骤21：构造针对总有功功率数据的二维Hankel矩阵；步骤22：利用二分递推SVD分解二维Hankel矩阵后通过反变换得到近似信号A和细节信号D；步骤23：重复步骤22将原始总有功功率数据分解为一系列的近似和细节信号；步骤24：针对步骤23中得到的一系列细节信号计算奇异熵增量。4.根据权利要求1所述的一种基于二分递推SVD分解的居民电器开关事件检测方法，其特...

【专利技术属性】
技术研发人员：林顺富，于俊苏，顾乡，刘持涛，颜昕昱，李东东，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31