一种基于融合决策的非侵入式负荷识别方法及装置制造方法及图纸

本申请公开了一种基于融合决策的非侵入式负荷识别方法及装置，涉及电力系统技术领域，为解决不能准确识别电网负荷的问题而发明专利技术。该方法主要包括：获取用电终端的电器负荷特征数据，电器负荷特征包括稳态有功功率特征数据和电流谐波特征数据；按照预置周期，获取用电终端的当前功率；根据电器负荷特征数据和当前功率，分别构建用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数；根据预置约束条件，求解功率谐波目标函数的功率最优解和高次谐波目标函数的谐波最优解；根据预置融合规则，回归验证功率最优解和谐波最优解，识别用电终端的电器负荷。本申请主要应用于识别用电终端负荷的过程中。

【技术实现步骤摘要】
一种基于融合决策的非侵入式负荷识别方法及装置
本申请涉及电力系统
，尤其涉及一种基于融合决策的非侵入式负荷识别方法及装置。
技术介绍
智能电网就是电网的智能化，是指通过信息化手段，使能源资源开发、转换(发电)、输电、配电、供电、售电及用电的电网系统的各个环节，进行智能交流，实现精确供电、互补供电、提高能源利用率、供电安全，节省用电成本的电力网络。家用能源管理终端作为智能电网的延伸，通过其监测电器工作状态、分项统计电器用电量具有重要意义。用户可以随时了解家庭总体用电量、分析电器节能情况、对电器进行管理，并提高用电的经济性、安全性，提升用户智能化体验。监测数据同时作为电网公司优化负荷模型、响应需求、开发增值服务的数据基础，形成用户和电网公司之间的数据交互。目前，电器用电细节监测技术主要有侵入式和非侵入式两种。相比于侵入式负荷识别，非侵入式负荷识别虽然在识别准确性上有所不足，但在便捷性、可维护性、用户接受程度上更具有优势。近年来，科研人员在负荷特征数据选取、数据处理、负荷识别算法等方面对非侵入式负荷识别做了许多研究工作。负荷特征主要有瞬态特征和稳态特征两大类，具体包括电器投切时的瞬时电流、功率信息，稳态运行时的有功功率、无功功率、电流谐波等。负荷识别算法主要有差分进化算法、粒子群算法、整数规划算法、聚类算法、人工神经网络等。由于瞬态特征发生在投切时刻，稍纵即逝，对硬件的采集和计算能力要求较高，而稳态特征持续存在，降低了监测难度。而且，特征数据存在波动、某些特征不突出、不同电器的某些特征类似的情况，例如有些电器功率特征相对稳定，但电流谐波特征不突出；有些电器功率波动较大，但电流谐波特征具有某些明显的特性。单一识别方法有时会削弱部分电器特征数据的表征性，不能准确识别电网负荷。
技术实现思路
本申请提供了一种基于融合决策的非侵入式负荷识别方法及装置，以解决现有技术中不能准确识别电网负荷的问题。第一方面，本申请提供了一种基于融合决策的非侵入式负荷识别方法，该方法包括：获取用电终端的电器负荷特征数据，所述电器负荷特征包括稳态有功功率特征数据和电流谐波特征数据；按照预置周期，获取所述用电终端的当前功率；根据所述电器负荷特征数据和所述当前功率，分别构建所述用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数；根据预置约束条件，求解所述功率谐波目标函数的功率最优解和所述高次谐波目标函数的谐波最优解；根据预置融合规则，回归验证所述功率最优解和所述谐波最优解，识别所述用电终端的电器负荷。第二方面，本申请还提供了一种基于融合决策的非侵入式负荷识别装置，该装置包括：获取单元，用于获取用电终端的电器负荷特征数据，所述电器负荷特征包括稳态有功功率特征数据和电流谐波特征数据；所述获取单元，还用于按照预置周期，获取所述用电终端的当前功率；构建单元，用于根据所述电器负荷特征数据和所述当前功率，分别构建所述用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数；求解单元，用于根据预置约束条件，求解所述功率谐波目标函数的功率最优解和所述高次谐波目标函数的谐波最优解；识别单元，用于根据预置融合规则，回归验证所述功率最优解和所述谐波最优解，识别所述用电终端的电器负荷。本申请提供了一种基于融合决策的非侵入式负荷识别方法及装置，通过获取用电终端的电器负荷特征数据，然后按照预置周期，获取用电终端的当前功率，再根据电器负荷特征数据和当前功率，分别构建用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数，再根据预置约束条件，求解功率最优解和谐波最优，最后根据预置融合规则，回归验证功率最优解和谐波最优解，识别用电终端的电器负荷。与现有技术相比，本申请能够以具有表征性和稳定性的电器负荷特征数据，构建目标函数，准确识别用电终端负荷。对于小功率电器的功率和谐波特征不够明显，数据波动容易造成误识别，分别构建功率谐波目标函数和高次谐波目标函数，充分并合适度量用电终端电器功率和谐波特征，通过融合决策提高识别准确率。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请提供的一种基于融合决策的非侵入式负荷识别方法流程图；图2为本申请提供的一种获取用电终端的电器负荷特征数据的方法流程图；图3为本申请提供的一种判断电器特征数据是否为功率事件的方法流程图；图4为本申请提供的一种构建目标函数的方法流程图；图5为本申请提供的一种求解目标函数的方法流程图；图6本申请提供的一种识别用电终端的电器负荷的方法流程图；图7为本申请提供的一种基于融合决策的非侵入式负荷识别装置组成框图；图8为本申请提供的另一种基于融合决策的非侵入式负荷识别装置组成框图。具体实施方式加强智能电网的建设，将推动智能小区、智能城市的发展，提升人们的生活品质。家庭智能用电系统既可以实现对空调、热水器等智能家电的实时控制和远程控制；又可以为电信网、互联网、广播电视网等提供接入服务。在使用家庭智能用电系统的过程中，由于用电终端连接不通的电器，不同电器的工作时间是随机的，为了准确的监控用电终端，需要对应用电终端的负荷进行识别，也是就识别用电终端中实时的耗电电器有哪些，耗电量如何，产生的功率如何。为了准确地识别电网负荷，本申请提出了一种基于融合决策的非侵入式负荷识别方法。参见图1，为本申请提供的一种基于融合决策的非侵入式负荷识别方法流程图，该方法包括如下步骤：步骤101，获取用电终端的电器负荷特征数据。在用电终端电力入口处采集端电压、总电流信息，同时计算用电终端的电器负荷特征数据。电器负荷特征数据包括稳态有功功率特征数据和电流谐波特征数据。步骤102，按照预置周期，获取用电终端的当前功率。用电终端的电力使用情况，是随着时间的变化而变化的，与用户是否使用电器，以及用户同时使用电器的数量有关。所以按照预置周期，定期检测用电终端的当前功率。当前功率是指当前周期，获取到的用电终端的功率。功率不能通过测量直接得到，通常检测用电终端的入户总线的总线电压与总线电流，再计算得到用电终端的当前功率。步骤103，根据电器负荷特征数据和当前功率，分别构建用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数。电器工作状态特征数据，用于表示用电终端的电器使用状态，也就是用电终端的负荷。考虑功率和谐波的共同影响，构建功率谐波目标函数和高次谐波目标函数，并且目标函数的最优解即为电器工作状态特征数据。步骤104，根据预置约束条件，求解功率谐波目标函数的功率最优解和高次谐波目标函数的谐波最优解。功率谐波目标函数和高次谐波目标函数，从两个角度总体衡量解的准确程度，但某些电器工作状态特征数据波动较大，只有明显的局部特性，通过功率谐波目标函数和高次谐波目标函数总体衡量时，会削弱其局部特性，降低区分度，此时将这些明显的局部特性转化为规划问题的约束条件。局部特性的排他性是确定约束条件的主要依据。如果有多项明显局部特性，则设定多项约束条件；如果没有明显的局部特性，则不设定约束条件，直接求解目标函数的全局最优解。示例性的，在用电终端包括台式电脑、笔记本电脑和L本文档来自技高网...

【技术保护点】
一种基于融合决策的非侵入式负荷识别方法，其特征在于，所述方法包括：获取用电终端的电器负荷特征数据，所述电器负荷特征包括稳态有功功率特征数据和电流谐波特征数据；按照预置周期，获取所述用电终端的当前功率；根据所述电器负荷特征数据和所述当前功率，分别构建所述用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数；根据预置约束条件，求解所述功率谐波目标函数的功率最优解和所述高次谐波目标函数的谐波最优解；根据预置融合规则，回归验证所述功率最优解和所述谐波最优解，识别所述用电终端的电器负荷。

【技术特征摘要】
1.一种基于融合决策的非侵入式负荷识别方法，其特征在于，所述方法包括：获取用电终端的电器负荷特征数据，所述电器负荷特征包括稳态有功功率特征数据和电流谐波特征数据；按照预置周期，获取所述用电终端的当前功率；根据所述电器负荷特征数据和所述当前功率，分别构建所述用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数；根据预置约束条件，求解所述功率谐波目标函数的功率最优解和所述高次谐波目标函数的谐波最优解；根据预置融合规则，回归验证所述功率最优解和所述谐波最优解，识别所述用电终端的电器负荷。2.如权利要求1所述的方法，其特征在于，所述获取用电终端的电器负荷特征数据，包括：按照所述预置周期，获取所述用电终端的电器特征数据；根据预置基准功率，判断所述电器特征数据是否为功率事件；如果判断结果为否，则根据所述电器特征数据的平均值，选取所述电器负荷特征数据，所述平均值是指在当前所述预置周期，以及预置数量的与所述当前所述预置周期邻接的周期，获取的所述电器特征数据的平均值；如果判断结果为是，则判断所述电器特征数据中的电压波动是否大于预置波动阈值；如果所述电压波动大于所述预置波动阈值，则根据所述电器特征数据，选取所述电器负荷特征数据；如果所述电压波动不大于所述预置波动阈值，则根据所述电压波动，计算所述电器负荷特征数据。3.如权利要求2所述的方法，其特征在于，所述根据预置功率判断参数，判断所述电器特征数据是否为功率事件，包括：根据所述电器特征数据，计算所述用电终端的当前周期与前一周期的功率偏差；如果所述功率偏差大于所述预置基准功率，则确定所述用电终端在当前周期发生功率事件；如果所述功率偏差不大于所述预置基准功率，则确定所述用电终端在当前周期未发生功率事件。4.如权利要求1所述的方法，其特征在于，所述根据所述电器负荷特征数据和所述当前功率，分别构建所述用电终端的电器工作状态特征数据的功率谐波目标函数和高次谐波目标函数，包括：建立所述稳态有功功率特征数据与所述当前功率的第一关系式，P(n)＝S(n)×PF+εp，其中，P(n)为n时刻测量的所述当前功率，S(n)为n时刻所述电器工作状态特征数据，PF为所述稳态有功功率特征数据，εp为功率误差；建立所述电流谐波特征数据与所述当前功率的第二关系式，H(n)＝S(n)×HF+εh，其中，H(n)为n时刻测量的谐波矩阵，HF为所述电流谐波特征数据，εh为谐波误差；根据所述第一关系式和所述第二关系式，构建所述功率谐波目标函数，其中fηph为所述功率谐波目标函数，M为所述用电终端的电器工作状态的状态种类数量；建立所述电流谐波特征数据与所述当前功率的第三关系式，Hs(n)＝S(n)×HFs+εhs，其中，Hs(n)为n时刻测量的二次及以上谐波矩阵，HFs为二次及以上的所述电流谐波特征数据，εhs为二次及以上谐波误差；根据所述第三关系式，构建所述高次谐波目标函数，fR＝λ×||S(n)||1+||εhs||1，其中fR为高次谐波目标函数，λ为权重系数。5.如权利要求4所述的方法，其特征在于，所述根据预置约束条件，求解所述功率谐波目标函数的功率最优解和所述高次谐波目标函数的谐波最优解，包括：判断所述状态种类数量是否大于预置状态数量；如果判断结果为是，则选取遗传算法或蚁群算法，求解所述功率最优解和所述谐波最优解；如果判断结果为否，则选取枚举算法，求解所述功率最优解和所述谐波最优解。6.如权利要求1所述的方法，其特征在于，所述根据预置融合规则，回归验证所述功率最优解和所...

【专利技术属性】
技术研发人员：魏龄，曹敏，周年荣，黄星，张林山，沈鑫，邹京希，赵旭，唐立军，翟少磊，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南,53