一种基于支持向量机的家电负荷识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于支持向量机的家电负荷识别方法及装置，该方法包括：获取已开启家电设备的总负荷数据；将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。本发明专利技术实施例提供的一种基于支持向量机的家电负荷识别方法及装置，采用非侵入式负荷识别，无需监测每个电器的运行状态和功率消耗，安装工作无需进入电器内部，投入较小，不影响正常的生产工作，适宜全面推广，将支持向量机算法应用到家电识别中，提高了家电负荷识别的准确率。

【技术实现步骤摘要】
一种基于支持向量机的家电负荷识别方法及装置
本专利技术涉及非侵入式负荷检测领域，尤其涉及一种基于支持向量机的家电负荷识别方法及装置。
技术介绍
对电力系统而言，电力负荷监测意义重大，它不但有利于改善负荷组成，引导用户合理消费，降低用电成本，同时还有利于国家电力资源的优化配置。电力负荷分解数据能够使电力用户更为详细的了解其不同时段各类用电设备的电能消耗，帮助其制定合理的节能计划，调整用电设备的使用，降低电能消耗，减少电费开支，同时还助于电力公司更为真实的了解电力系统的负荷组成，规范负荷用电，合理安排各类负荷的使用时间，提高电网利用效率，减少电力系统投资，降低系统的运行网损，因此，建设高效的负荷监测系统是十分必要的，以尽量少的投资代价，提高我国电力监测水平，实现系统优化运行、故障监测准确、系统损耗降低等目的，对电力行业具有重要的现实意义和经济价值。近年来针对暂态波形识别家电的研究逐渐增多，随着采样率的提高人们对家电识别精度要求的也在不断提高，大批量的负荷数据和复杂情况将影响负荷识别模型的准确度。现有的居民电力负荷监测技术是为每个电器配备一个传感器来获取其用电信息，属于侵入式负荷监测。侵入式将带有数字通信功能的传感器安装在每个电器与电网的接口，从而监测每个电器的运行状态和功率消耗。这种方法计量准确，但是是投入较大，安装工作需要进入电器内部，影响正常的生产工作，不适宜全面推广。
技术实现思路
为了克服上述技术缺陷，本专利技术实施例提供一种基于支持向量机的家电负荷识别方法及装置。第一方面，本专利技术实施例提供一种基于支持向量机的家电负荷识别方法，包括：获取已开启家电设备的总负荷数据；将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。第二方面，本专利技术实施例提供一种基于支持向量机的家电负荷识别装置，包括：获取模块，用于获取已开启家电设备的总负荷数据；识别模块，用于将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。第三方面，本专利技术实施例提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如第一方面所述的一种基于支持向量机的家电负荷识别方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如第一方面所述的一种基于支持向量机的家电负荷识别方法。本专利技术实施例提供的一种基于支持向量机的家电负荷识别方法及装置，采用非侵入式负荷识别，无需监测每个电器的运行状态和功率消耗，安装工作无需进入电器内部，投入较小，不影响正常的生产工作，适宜全面推广，将支持向量机算法应用到家电识别中，提高了家电负荷识别的准确率。附图说明图1为本专利技术实施例一种基于支持向量机的家电负荷识别方法的流程示意图；图2为本专利技术实施例利用PSO对SVM参数寻优的算法流程示意图；图3为本专利技术实施例一种基于支持向量机的家电负荷识别方法的又一流程示意图；图4为本专利技术实施例待识别家电开启时段波形图；图5为本专利技术实施例家电1训练模型的SVM参数选择与准确率分布3D视图；图6为本专利技术实施例粒子群算法参数寻优适应度曲线图；图7为本专利技术实施例家电1事件检测误差为500数据点内时SVM参数选择与准确率分别3D视图；图8为本专利技术实施例家电1事件检测误差为1000数据点内时SVM参数选择与准确率分布3D视图；图9为本专利技术实施例一种基于支持向量机的家电负荷识别装置的结构示意图；图10为本专利技术实施例一种电子设备的实体结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术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，而不是全部的实施例。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，都属于本专利技术保护的范围。图1为本专利技术实施例一种基于支持向量机的家电负荷识别方法的流程示意图，如图1所示，包括：步骤11，获取已开启家电设备的总负荷数据；步骤12，将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。本专利技术实施例中，采用的家电识别方法，属于非侵入式负荷识别领域，非侵入式负荷监测(non-intrusiveloadmonitoring,NILM)装置可以测量获得总负荷的电压、电流等承载电力信息的信号，这些信息包含了不同特性负荷成分的信息。通过提取这些电气量的特征信息，NILM系统就能实现负荷分解。也就是说，通过探测总负荷的电压、电流或功率等电力信号，就能探测用户在使用什么电器。通过从建筑物或用户住宅外部的主电路获取非侵入式负荷检测的数据，该负荷检测的数据的类型可选取为功率信号。利用在建筑物外侧的仪表入口处检测已开启活跃家电设备聚合后的总功率信号。本专利技术实施例基于负荷识别模型进行识别，将总功率信号输入训练好的负荷识别模型，得到识别数据，即各个特殊设备的功率信号，从而实现对各家电设备的分解与识别。本专利技术实施例提供的一种基于支持向量机的家电负荷识别方法，采用非侵入式负荷识别，无需监测每个电器的运行状态和功率消耗，安装工作无需进入电器内部，投入较小，不影响正常的生产工作，适宜全面推广，将支持向量机算法应用到家电识别中，提高了家电负荷识别的准确率。在上述实施例的基础上，所述训练好的负荷识别模型通过以下步骤获取：利用负荷识别类型构建训练样本集；将所述训练样本集中的数据输入到负荷识别模型中训练，基于交叉验证中的K-CV方法获得预训练的负荷识别模型；利用所述预训练的负荷识别模型计算分类准确率，基于所述分类准确率和粒子群优化算法调整所述预训练的负荷识别模型，得到训练好的负荷识别模型。首先根据负荷识别类型构建训练样本集，负荷识别类型能反映一个用电设备在运行中所体现的独特的反映用电状态的信息，比如电压、有功的波形、启动电流等。这些特征由用电设备的工作条件决定的，据此可将负荷识别类型分为稳态、暂态、运行模式3类，其中稳态和暂态取决于设备内部的元器件特征；运行模式由设备的运行控制策略决定。在设备运行过程中，这些负荷识别类型会重复出现，基于此，我们就可以把各个电器识别出来。本专利技术实施例中，采用的是暂态类型。得到训练样本集后，根据支持向量机算法，将训练样本集中的数据输入到负荷识别模型中训练。惩罚参数c和核函数参数g是SVM中需要调节的主要参数，c代表负荷识别模型中对负荷波形与学习过程不同时的宽容度，g为映射的核函数的参数。将训练样本集作为原始数据集并利用交叉验证(CrossValidation，CV)中的K-foldCrossValidation(K-CV)得到此组惩罚参数c和核函数参数g下训练样本集的分类准确率以及对应的预训练的负荷识别模型。设置c和g的参数寻优范围，利用粒子群优化算法辅助进行参数寻优。PSO的适应度为在确定参数c、g后利用K-CV法求得的分类准确率，从而找到最优参数c、g使得其在CV下得到最高分类准确率，根据最优的参数c和g，调整预训练的负荷识别模型，得到训练好的负荷识别模型。本专利技术实施例提供的一种基于支持向量机的家电负荷识别方法，采用非侵入式负荷识别，无需监测每个电器的运行状态和功率消耗，安本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的家电负荷识别方法，其特征在于，包括：获取已开启家电设备的总负荷数据；将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。

【技术特征摘要】
1.一种基于支持向量机的家电负荷识别方法，其特征在于，包括：获取已开启家电设备的总负荷数据；将所述总负荷数据输入训练好的负荷识别模型，得到识别数据。2.根据权利要求1所述的方法，其特征在于，所述训练好的负荷识别模型通过以下步骤获取：利用负荷识别类型构建训练样本集；将所述训练样本集中的数据输入到负荷识别模型中训练，基于交叉验证中的K-CV方法获得预训练的负荷识别模型；利用所述预训练的负荷识别模型计算分类准确率，基于所述分类准确率和粒子群优化算法调整所述预训练的负荷识别模型，得到训练好的负荷识别模型。3.根据权利要求2所述的方法，其特征在于，所述利用负荷识别类型构建训练样本集，具体包括：根据负荷识别类型将预处理后的负荷数据生成对应的模拟数据集；按预设比例将所述模拟数据集分为训练集和测试集；对所述训练集和所述测试集进行归一化处理，得到所述训练样本集。4.根据权利要求3所述的方法，其特征在于，所述根据负荷识别类型将预处理后的负荷数据生成对应的模拟数据集，具体包括：获取一定数量的家电设备在单位时间内单独开启时的负荷数据，根据预设规则筛选所述负荷数据，得到生成模拟数据；利用所述生成模拟数据合成所述模拟数据集。5.根据权利要求2所述的方法，其特征在于，所述基于交叉验证中的K-CV方法获得预训练的负荷识别模型，具体包括：将所述训练样本集等分成K组训练子集；将每个训练子集做一次验证集，余下K-1组训练子集作为训练集，分别进行训练验证，得到K个所述预训练的负荷识别模型。6.根据权利要求2所述的方法，其特征在...

【专利技术属性】
技术研发人员：王江波，罗依雯，史彤晖，井天军，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11