The invention relates to a non-invasive household intelligent load detection method, including: the main entrance collecting at least one household load in a stable working state in a preset voltage signal and current signal acquisition point in each cycle threshold; the voltage signal and current signal are analyzed respectively, obtaining at least each corresponding load the voltage signal of a load and the voltage current signal; current trajectory of each load were determined according to the voltage signal corresponding to each of the corresponding load and current signal; according to the current voltage diagram trajectory of each load corresponding to the load information of each feature extraction and the corresponding load; the appliance category support vector machine SVM classification algorithm to identify each corresponding load according to the load characteristic information corresponding to each load. The invention has the advantages that: through the analysis of current voltage diagram trajectory on the load, the load type electric appliance can recognize high.
【技术实现步骤摘要】
一种非侵入式家用负荷智能检测方法及系统
本专利技术涉及家用负荷智能检测领域,并且更具体地,涉及一种非侵入式家用负荷智能检测方法及系统。
技术介绍
随着传统电网中出现的诸多问题,智能电网的发展迫在眉睫。实施智能电网发展战略不仅能使用户获得高安全性、高可靠性、高质量性、高效率和价格合理的电力供应,还能提高国家的能源安全,改造环境,推动可持续发展。在智能电网的建设中智能电表的研究是其中重要的一个环节。智能电表的关键技术就是能够识别出家庭中不同用电负荷的类型及其用电信息。现有技术是在每个负荷电器前面安装电表仪器,但这需要大量的电表仪器,会大大的增加安装成本,存在很大的缺点。因此,为了降低财务费用、提高可靠性、提出了非侵入式负荷监测系统,无需在每个负荷电器前面安装电表仪器,仅通过在总的电力负荷入口处对电压、电流及功率信息进行测量、分析,便可得到每个不同负荷电器的实时的功率消耗比例。目前,对负荷电器的检测、识别、分类的方法主要有稳态分析与暂态分析,使用时域特征、频域特征或者时频域结合的方法进行特征提取,最后使用K近邻规则、反向传播人工神经网络和人工免疫算法等,然而在识别上还存在很多缺陷,主要表现在如下几个方面:算法的复杂程度高,主要是算法的时间复杂度,在分析数据时采集数据的速率和分析数据的速率不能及时的测出当前的信息;在对于相似电器进行分析时,特征相近,分辨成功率低;以及对于小功率的电器难以进行识别。
技术实现思路
为了解决上述问题,根据本专利技术的一个方面,提供了一种非侵入式家用负荷智能检测方法,所述方法包括:在处于稳定工作状态的至少一个家用负荷的总入口处采集在预设周期 ...
【技术保护点】
一种非侵入式家用负荷智能检测方法,其特征在于,所述方法包括:在处于稳定工作状态的至少一个家用负荷的总入口处采集在预设周期阈值内的每个采集点的电压信号和电流信号;对所述每个采集点的电压信号和电流信号进行分析,分别获取处于稳定工作状态的至少一个负荷中的每个负荷对应的电压信号和分电流信号;根据所述每个负荷对应的电压信号和分电流信号分别确定所述每个负荷对应的电压‑电流轨迹图;根据所述每个负荷对应的电压‑电流轨迹图分别提取每个负荷对应的负荷特征信息;以及根据所述每个负荷对应的负荷特征信息通过支持向量机SVM分类算法识别每个负荷对应的电器类别。
【技术特征摘要】
1.一种非侵入式家用负荷智能检测方法,其特征在于,所述方法包括:在处于稳定工作状态的至少一个家用负荷的总入口处采集在预设周期阈值内的每个采集点的电压信号和电流信号;对所述每个采集点的电压信号和电流信号进行分析,分别获取处于稳定工作状态的至少一个负荷中的每个负荷对应的电压信号和分电流信号;根据所述每个负荷对应的电压信号和分电流信号分别确定所述每个负荷对应的电压-电流轨迹图;根据所述每个负荷对应的电压-电流轨迹图分别提取每个负荷对应的负荷特征信息;以及根据所述每个负荷对应的负荷特征信息通过支持向量机SVM分类算法识别每个负荷对应的电器类别。2.根据权利要求1所述的方法,其特征在于,在所述对所述每个采集点的电压信号和电流信号进行分析前,对所述每个采集点电压信号和电流信号进行低通滤波处理,并将经过低通滤波处理的电压信号和电流信号转换为数字信号。3.根据权利要求1所述的方法,其特征在于,所述负荷特征信息包括:电压-电流轨迹图的闭合区域面积、曲线的交点数目、区间段斜率、左右区间段的面积和轨迹的非线性关系。4.一种非侵入式家用负荷智能检测系统,其特征在于,所述系统包括:信号采集单元、信号分析单元、电压-电流轨迹...
【专利技术属性】
技术研发人员:殷波,朱治丞,丛艳平,魏行昊,
申请(专利权)人:中国海洋大学,
类型:发明
国别省市:山东,37
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。