一种节能电器负荷类型的分类识别方法技术

本发明专利技术提供一种节能电器负荷类型的分类识别方法，通过判断当前节能电器的类型；获取单体节能电器的特征类中心向量；根据SVM算法得到SVM核函数；得到单体节能电器负荷类型中的单体节能电器训练集；根据AdaBoost算法识别单体节能电器的负荷类型，得到单体节能电器的单体节能电器训练模型：判断节能电器的类型；得到变工况负载辨识模型；将各个单体节能电器的单体节电器训练模型与变工况负载辨识模型结合，得到组合节电器训练模型。本发明专利技术提出的方法能够快速、准确地识别节能电器的负荷类型，改进电能计量算法以保证节能电器性能；为电能计量能够进行针对性的算法改进研究提供基础；进而保证了节能电器的运行稳定性及可靠性。

【技术实现步骤摘要】

本专利技术涉及节能与电工仪器仪表领域，具体涉及一种节能电器负荷类型的分类识别方法。
技术介绍
随着全球各国日益重视节能减排，各种节能电气设备大量投入使用，对电力系统的负荷特性和电能计量的精度产生影响；节能装置与传统用电设备相比，其工作原理更加复杂，大量使用时影响系统的负荷特性，同时新型节能电气设备一般采用电力电子器件作为控制元件，在快速开关控制时难免对电网产生扰动和谐波污染，从而影响电能计量的精度。节能电器种类繁多，目前要包括：变频器、节能灯、可控硅交流调压器、无功补偿、永磁电机、多速电动机、开关磁阻驱动系统(<SRD)等，这些设备都能够降低用电负荷的电能消耗，但工作机理差异很大。目前各类节能电器的研究主要集中在节能效率、拓展领域，而且对节能电器运行噪声的研究主要在电磁干扰影响以及对电力线载波通信的影响方面，但对电能计量影响专利技术的研究较少。而主流的电能表计基本采用电子计量方式，由传感器、A/D、MCU组成，其计量算法主要采用传统的面积积分和傅里叶方式，抗干扰能力较差，其计算结果极易受到影响从而照成严重误差，有些电能表在节能和变工况环境下误差高达20～30％。在此情况下，根据不同节能电器对电能计量的影响情况，改进电能计量算法来保证精度非常必要；由于节能电器工作机理和电能计量的影响因素差异很大，通过相关技术手段分识别节能电器类型，从而为节能环境下改进电能计量算法以保证性能，具有重要意义。
技术实现思路
有鉴于此，本专利技术提供的一种节能电器负荷类型的分类识别方法，该方法能够快速、准确地识别节能电器的负荷类型，改进电能计量算法以保证节能电器性能；为电能计量能够进行针对性的算法改进研究提供基础；进而保证了节能电器的运行稳定性及可靠性。本专利技术的目的是通过以下技术方案实现的：一种节能电器负荷类型的分类识别方法，所述方法包括如下步骤：步骤1.判断当前所述节能电器的类型；若所述节能电器为单体节能电器，则直接进入骤2；若所述节能电器为组合节能电器，则识别出所述组合节能电器中包括的各个所述单体节能电器；进入骤2；步骤2.获取所述单体节能电器的特征类中心向量；步骤3.根据SVM算法，得到SVM核函数；步骤4.计算得到所述单体节能电器负荷类型中的单体节能电器训练集；步骤5.根据AdaBoost算法，识别所述单体节能电器的负荷类型，得到所述单体节能电器的单体节能电器训练模型：步骤6.判断所述节能电器的类型；若当前所述节能电器为单体节能电器，则所述单体节电器训练模型即为所述节能电器的最终识别模型，识别结束；若所述节能电器为组合节能电器，则进入步骤7；步骤7.根据SVM算法、AdaBoost算法及各单体节能电器的功率因数变化值，得到变工况负载辨识模型；步骤8.将所述组合节能电器中的各个单体节能电器的所述单体节电器训练模型与 所述变工况负载辨识模型结合，得到所述组合节电器训练模型，识别结束。优选的，所述步骤2包括：2-1.采集所述单体节能电器的环境参数，得到所述环境参数的样本分布D；所述环境参数包括电压、电流及功率因数；2-2.根据所述样本分布D，得到所述单体节能电器的特征类中心向量Centeri： Center i = 1 N i Σ j = 1 N i D i j - - - ( 1 ) ]]>式(1)中，Ni为第Ci类中电流样本的数目；Dij为第Ci类中的第j个向量；Ci为所述单体节能电器的样本集。优选的，所述步骤3包括：3-1.根据所述单体节能电器的特征类中心向量Centeri，得到将所述单体节能电器正类和其余节能电器负类分开的最大分类间隔，将所述单体节能电器采集的各个样本值分为正类和负类；3-2.根据SVM算法，选择径向基函数作为SVM核函数K(xi,xj)： K ( x i , x j ) = exp ( - | | x i - x j | | 2 σ ) - - - ( 2 ) ]]>式(2)中，xi,xj为负类样本中的两个样本，σ为调整数据分布的离散程度的参数。优选的，所述步骤4包括：4-1.根据所述SVM核函数，将线性不可分的低维空间转化为线性可分的高维空间，得到负类中样本到正类集中心向量的距离d(ni,CenterY)： d ( n i , C e n t e r Y ) = | | n i - 1 | N | Σ i = 1 N D i | | 2 - - - ( 3 ) ]]>Y为正类样本集；N为负类样本集；ni为样本；4-2.根据欧式空间抽样法，计算负类集中每个样本到正类集的欧氏距离并选出距离最大的样本作为可靠样本；4-3.将可靠样本与正类样本组和，得到所述单体节能电器负荷类型中的单体节能电器训练集。优选的，所述步骤5包括：5-1.根据AdaBoost算法，识别所述单体节能电器的负荷类型；5-2.根据所述单体节能电器的负荷类型，得到所述单体节能电器的单体节能电器训练模型。优选的，所述步骤5-1包括：a.设置所述单体节能电器训练模型中的节能电器的负样本参数的权重，初始化N个负类样本集的权值ω： ω = { ω j = 1 本文档来自技高网...

【技术保护点】
一种节能电器负荷类型的分类识别方法，其特征在于，所述方法包括如下步骤：步骤1.判断当前所述节能电器的类型；若所述节能电器为单体节能电器，则直接进入骤2；若所述节能电器为组合节能电器，则识别出所述组合节能电器中包括的各个所述单体节能电器；进入骤2；步骤2.获取所述单体节能电器的特征类中心向量；步骤3.根据SVM算法，得到SVM核函数；步骤4.计算得到所述单体节能电器负荷类型中的单体节能电器训练集；步骤5.根据AdaBoost算法，识别所述单体节能电器的负荷类型，得到所述单体节能电器的单体节能电器训练模型：步骤6.判断所述节能电器的类型；若当前所述节能电器为单体节能电器，则所述单体节电器训练模型即为所述节能电器的最终识别模型，识别结束；若所述节能电器为组合节能电器，则进入步骤7；步骤7.根据SVM算法、AdaBoost算法及各单体节能电器的功率因数变化值，得到变工况负载辨识模型；步骤8.将所述组合节能电器中的各个单体节能电器的所述单体节电器训练模型与所述变工况负载辨识模型结合，得到所述组合节电器训练模型，识别结束。

【技术特征摘要】
1.一种节能电器负荷类型的分类识别方法，其特征在于，所述方法包括如下步骤：步骤1.判断当前所述节能电器的类型；若所述节能电器为单体节能电器，则直接进入骤2；若所述节能电器为组合节能电器，则识别出所述组合节能电器中包括的各个所述单体节能电器；进入骤2；步骤2.获取所述单体节能电器的特征类中心向量；步骤3.根据SVM算法，得到SVM核函数；步骤4.计算得到所述单体节能电器负荷类型中的单体节能电器训练集；步骤5.根据AdaBoost算法，识别所述单体节能电器的负荷类型，得到所述单体节能电器的单体节能电器训练模型：步骤6.判断所述节能电器的类型；若当前所述节能电器为单体节能电器，则所述单体节电器训练模型即为所述节能电器的最终识别模型，识别结束；若所述节能电器为组合节能电器，则进入步骤7；步骤7.根据SVM算法、AdaBoost算法及各单体节能电器的功率因数变化值，得到变工况负载辨识模型；步骤8.将所述组合节能电器中的各个单体节能电器的所述单体节电器训练模型与所述变工况负载辨识模型结合，得到所述组合节电器训练模型，识别结束。2.如权利要求1所述的方法，其特征在于，所述步骤2包括：2-1.采集所述单体节能电器的环境参数，得到所述环境参数的样本分布D；所述环境参数包括电压、电流及功率因数；2-2.根据所述样本分布D，得到所述单体节能电器的特征类中心向量Centeri： Center i = 1 N i Σ j = 1 N i D i j - - - ( 1 ) ]]>式(1)中，Ni为第Ci类中电流样本的数目；Dij为第Ci类中的第j个向量；Ci为所述单体节能电器的样本集。3.如权利要求2所述的方法，其特征在于，所述步骤3包括：3-1.根据所述单体节能电器的特征类中心向量Centeri，得到将所述单体节能电器正类和其余节能电器负类分开的最大分类间隔，将所述单体节能电器采集的各个样本值分为正类和负类；3-2.根据SVM算法，选择径向基函数作为SVM核函数K(xi,xj)： K ( x i , x j ) = exp ( - | ...

【专利技术属性】
技术研发人员：李贺龙，于海波，杨湘江，章欣，卢文冰，李立，陈伟，刘佳，吴守建，王锐，王春雨，郭亚辉，樊佳兴，赵康弘，甄冲，郑宝，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网天津市电力公司，
类型：发明
国别省市：北京;11