负荷分解中功率信号自适应重构方法技术

本发明专利技术提供一种负荷分解中功率信号自适应重构方法，能够重构生成没有缺失数据的功率信号序列。所述方法包括：采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列。本发明专利技术涉及电力领域。

【技术实现步骤摘要】
负荷分解中功率信号自适应重构方法
本专利技术涉及电力领域，特别是指一种负荷分解中功率信号自适应重构方法。
技术介绍
负荷分解(也可以称为：能量分解)是将电表处读取的功率值分解为单个负载所消耗的功率值，如图1所示，其中，图1中的数据为模拟数据，非实测数据。随着智能电网的发展，家庭用电负荷的分析变得越来越重要。通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据。同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。非侵入式负荷分解方法所使用的功率数据来自于智能电表的读数，智能电表一般安装在家庭用电入户线处，以检测家庭用户所使用的总电量。由于负荷分解属于典型的欠定问题(即：方程数远远小于未知变量的个数)，所以数据的完备性在负荷分解中显得尤其重要。但是来自智能电表的实际数据可能有缺失(例如，智能电表故障、通信故障、数据接收装置故障等等均会造成数据的缺失)，有缺失的数据会进一步恶化欠定问题的求解，造成负荷分解结果具有较大的误差。
技术实现思路
本专利技术要解决的技术问题是提供一种负荷分解中功率信号自适应重构方法，以解决现有技术所存在的智能电表数据缺失的问题。为解决上述技术问题，本专利技术实施例提供一种负荷分解中功率信号自适应重构方法，包括：采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列。进一步地，所述采集功率信号序列，将其转换为功率矩阵包括：采集功率信号序列pori＝[P1,P2,…,PN]，其中，N为功率信号序列的长度；按照功率信号序列的先后次序，将功率信号序列分为NR段，每段含有NC个数据，其中，符号表示上取整；如果N<NR×NC，则将最后一段不足的部分补零；将分段后的数据重新排列为矩阵的形式，一段数据为一行，得到功率矩阵进一步地，所述对所述功率矩阵按行进行行傅立叶变换包括：功率矩阵P按行进行行傅立叶变换FR，得到矩阵并记：矩阵其中，进一步地，所述基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正包括：对第k-1步迭代得到的矩阵按列进行列傅立叶变换FC，得到矩阵确定第k步的阈值矩阵Tk；根据阈值矩阵Tk，调整矩阵tk，得到矩阵对矩阵按列进行列傅立叶反变换FC，得到功率信号修正因子根据得到的功率信号修正因子修正矩阵得到矩阵进一步地，所述阈值矩阵Tk中的元素Tk(i,j)表示为：sk＝Smaxea(k-1)其中，tk-1(i,j)表示第k-1步列傅立叶变换得到的矩阵tk-1的第i行第j列元素，并且矩阵Smax表示中所有元素的最大值；Smin表示中所有元素的最小值。进一步地，所述若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列包括：若k＝N，则对得到的按行进行行傅立叶反变换得到矩阵重新排列矩阵Prec中的数据，得到没有缺失数据的功率信号序列。进一步地，所述重新排列矩阵Prec中的数据，得到没有缺失数据的功率信号序列包括：将得到的矩阵Prec的第一行数据作为第一段，第二行数据作为第二段，以此类推，最后一行数据作为最后一段，将这些段按照顺序连接起来，并截取前面的N个数据组成一数据序列，此数据序列就是没有缺失数据的功率信号序列。本专利技术的上述技术方案的有益效果如下：上述方案中，采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列，从而快速重构智能电表数据，解决智能电表数据缺失问题。附图说明图1为负荷分解示意图；图2为本专利技术实施例提供的负荷分解中功率信号自适应重构方法的流程示意图；图3为本专利技术实施例提供的负荷分解中功率信号自适应重构方法的详细流程示意图；图4为本专利技术实施例提供的数据分段和矩阵排列示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术针对现有的智能电表数据缺失的问题，提供一种负荷分解中功率信号自适应重构方法。如图2所示，本专利技术实施例提供的负荷分解中功率信号自适应重构方法，包括：S101，采集功率信号序列，将其转换为功率矩阵；S102，对所述功率矩阵按行进行行傅立叶变换；S103，基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；S104，判断当前迭代次数是否等于功率信号序列的长度；S105，若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列。本专利技术实施例所述的负荷分解中功率信号自适应重构方法，采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列，从而快速重构智能电表数据，解决智能电表数据缺失问题。为了更好地理解本专利技术实施例所述的负荷分解中功率信号自适应重构方法，对其进行详细说明，如图3所示，所述负荷分解中功率信号自适应重构方法具体可以包括以下步骤：A1，采集功率信号序列采集功率信号序列pori＝[P1,P2,…,PN]，其中，N为功率信号序列的长度，其中，功率信号序列也可称为功率数据序列。A2，将功率信号序列pori＝[P1,P2,…,PN]进行分段并将分段后的数据重新排列为一功率矩阵P，数据分段和矩阵排列如图4所示。A21，按照功率信号序列的先后次序，将功率信号序列分为NR段，每段含有NC个数据，其中，符号表示上取整，例如，这样做的目的是所有的数据都参与运算，不舍弃数据。一般情况下，NR＝256或512或1024，在实际应用中，NR的取值由实际应用场景确定。A22，如果N<NR×NC，则将最后一段不足的部分补零。A23，将分段后的数据重新排列为矩阵的形式，一段数据为一行，故此功率矩阵P共有NR行、NC列。A3，行傅立叶变换功率矩阵P按行进行行傅立叶变换FR，得到矩阵本实施例中，为下面迭代计算，将进行行傅立叶变换FR后得到的矩阵重新表示为A4，进行迭代运算，假设当前进行第k步迭代，k＝1,2,…,NA41，对上一步(即第k-1步)迭代得到的矩阵按本文档来自技高网...

【技术保护点】
1.一种负荷分解中功率信号自适应重构方法，其特征在于，包括：采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列。

【技术特征摘要】
1.一种负荷分解中功率信号自适应重构方法，其特征在于，包括：采集功率信号序列，将其转换为功率矩阵；对所述功率矩阵按行进行行傅立叶变换；基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正；判断当前迭代次数是否等于功率信号序列的长度；若是，则对当前得到的修正结果，按行进行行傅立叶反变换生成没有缺失数据的功率信号序列。2.根据权利要求1所述的负荷分解中功率信号自适应重构方法，其特征在于，所述采集功率信号序列，将其转换为功率矩阵包括：采集功率信号序列pori＝[P1,P2,…,PN]，其中，N为功率信号序列的长度；按照功率信号序列的先后次序，将功率信号序列分为NR段，每段含有NC个数据，其中，符号表示上取整；如果N<NR×NC，则将最后一段不足的部分补零；将分段后的数据重新排列为矩阵的形式，一段数据为一行，得到功率矩阵3.根据权利要求2所述的负荷分解中功率信号自适应重构方法，其特征在于，所述对所述功率矩阵按行进行行傅立叶变换包括：功率矩阵P按行进行行傅立叶变换FR，得到矩阵并记：矩阵其中，4.根据权利要求3所述的负荷分解中功率信号自适应重构方法，其特征在于，所述基于得到的行傅立叶变换结果，迭代计算功率信号修正因子，对得到的行傅立叶变换结果进行修正包括：对第k-1步迭代得...

【专利技术属性】
技术研发人员：翟明岳，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东,44