电力信号非侵入式负载分解方法技术

本发明专利技术公布了一种电力信号非侵入式负载分解方法，实现对用电器负载进行高效准确的分解；包括：选取数据并进行预处理；进行时序数列边缘检测，得到用电器用电的阶跃值；提取用电器时序数列特征，得到用电器在总出口的“电器指纹”；对电力总出口处的用电行为进行分类。通过本发明专利技术所提供的电力信号非侵入式负载分析方法，提高了电器负载分解的效率，节省了用户电力消耗。

【技术实现步骤摘要】
电力信号非侵入式负载分解方法
本专利技术提供一种电力信号非侵入式负载分解方法，属于物联网数据分析

技术介绍
针对家庭用电器的负载分解问题，现有技术包括文献[1](C.M.Ho,W.K.Lee,andY.S.Hung,“SignatureRepresentationofUndergroundCablesanditsApplicationstoCableFaultDiagnosis”.In:Proc.ofIEEEInt.Conf.onAdvancesinPowerSystemControl,OperationandManagement.Dec.1993,pp.861-865.)记载的EchoResonance(ERLM)技术、文献[2](G.P.Hanke,andD.Very,“ElectricLoadMonitoringandControlintheDomesticEnvironment”.In:Proc.ofIEEEConf.onInstrumentationandMeasurementTechnology,vol.2,May1994,pp.560-562)记载的负载注册(SULR)方法，其中，ERLM技术基于信号分析和信号响应来进行家庭电力负载分解，SULR方法基于网络残差，上线负载注册的方法来进行家庭电力负载分解，这两种方法的时间消耗过大。文献[3](E.Tapia,S.Intille,andK.Larson,“ActivityRecognitioninhomesettingusingsimpleandubiquitoussensors”.In:Ferscha,A.,Mattern,F.(eds)Pervasive2004.LNCS,vol.3001,pp.158-175.Springer,Heidberg(2004))和文献[4](E.Tapia,S.Intille,L.Lopez,andK.Larson,“Thedesignofaportablekitofwirelesssensorsfornaturalisticdatacollection”.In:Fishkin,K.,SchieleB.,Nixon,P.,Quingley,A(eds).Pervasive.LNCS,vol.3968,pp.117-134.Springer,Heidelberg,2006.)使用的是低消耗的侵入式设备部署方式，侵入式的方式拓展性不高，两户用电器使用相同用电器的可能性不高，难以实现高效准确地对家庭用电器负载进行分解。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种家庭电力信号非侵入式负载分解方法，采用时序数列边缘检测算法和时序数列特征提取方法，可以高效准确地对家庭用电器负载进行分解。由于各个厂商之间硬件配置不同，难以制造统一接口来连接所有用电器，因此一整套的侵入式家庭用电检测系统费用高昂。本专利技术能够通过使用有限的智能插座，使用户不需要接受高昂额外的花费来购买侵入式的家庭用电检测系统。本专利技术提供的技术方案是：一种电力信号非侵入式负载分解方法，可实现对家庭用电器负载进行高效准确的分解；包括如下步骤：A.数据选取和预处理，实现方法为：首先在读入用电器数据的时候，需要做一定预处理，包括：1.清理极端数据，2.由于数据收集时往往是独立收集，可能处于不同的时间段和时间周期上，因此需要对线路总出口和各个用电器在时间上对齐，3.对用电器数据进行插值，补全数据；B.进行时序数列边缘检测，得到用电器用电的阶跃值；图1所示为进行边缘检测的方法流程；具体执行如下操作：B1.顺时间序列查找用电器功率数值序列的变化，当变化值大于设定用电器功率值(如20W)时，标记此用电器在该时间节点为潜在“可变点”，而在该时间点之前的时间点因为功率的变化平稳，波动较小，称为“平衡点”，计入一次可能的状态变化(转化)，但是否是真实的“可变点”，还需继续检验，检验方法如B2步骤所示；B2.由于数据的极端性存在的可能性(例如由于家电故障或数据错误，家电的功率值持续上下浮动)，在某些情况下，功率的突变会在数秒内继续波动，无法达到平衡状态，这种变化不被认为是阶跃，只有当状态变化的时间持续指定时间以上，我们才认为这是一个有效的状态变化，该指定的时间长度称为最小平稳长度，即说明该时间范围内，该用电器经历了连续一段时间的平稳期，才可认为用电器在最近的一个可变点发生了阶跃。记录该“可变点”，检测方法如下：平稳长度计数器初始化为零；若在“可变点”之后进行平衡点的查找，每记录一个平衡点，平稳长度计数器加1，当遇到前后时间点的用电器功率数值数据残差大于给定值(这里的目的是检测变化是否平稳，对于变化值的容忍度一般小于可变点检测的阈值如20W)，则记该时间点为非平衡点，平稳长度计数器重新归零。B3.设置有效状态变化的最小平稳长度；计算可变点前后时刻该用电器用电的功率差值，作为阶跃值；C.用电器时序数列特征提取，得到用电器在总出口的“电器指纹”：C1.时序数列特征分类；时序数列特征包含三种，对应的三种特征提取的方法分别为：a.距离特征，即区间中每个值到当前序列最大值的距离或到当前序列最小值的距离:距离特征包括两个值，即用电器当前功率值到时间滑动窗口内的能量消耗的最大值dM(t)的距离和当前值到时间滑动窗口内的能量消耗的最小值dm(t)的距离，距离特征表现了当前值的属性：是否是该时间滑动窗口的最大值、最小值或者其他。例如，1，2，4，5，6，7，8，0，2，5最小距离特征(距离最小值0的距离)分别是7，6，5，4，3，2，1，0，1，2。b.差分特征，即时间滑动窗口中的时间差分特征：差分特征采用时间序列中相邻的两个用电器功率数值相减来表示，以此更好地表示两个时间序列值的差值关系，这个特征有一个巨大的优势是它消除了时间序列中的基础能量值，只保留了两个序列的差，使得两个处于不同数量级的时间序列能够通过相减计算距离。c.能量比特征。可以让分类结果更加着重于能量消耗的趋势：能量比特征采用时间序列中相邻的两个数据之间进行相除来表示，以此更好地表示两个时间序列值的比例关系。设用电器功率时间序列为[a1,a2,a3,a4,a5,a6,a7]，则能量比特征为C2.数据对齐：利用时间窗口为用电器数据和家庭总出口处的功率数据进行对齐，当检测到用电器或者总出口数据发生变化时，以当前时间为中心，向两侧时间构造时间窗口，在时间窗口中寻找最匹配的时间子序列(利用动态时间规整距离或者欧式距离的方法求最短距离，以欧式距离为例：设两个用电器功率时间序列分别为A＝[a1,a2,a3,a4,a5,a6,a7],B＝[b1,b2,b3,b4,b5,b6,b7,b8,b9,b10,b11]D(A,B)代表A，B两个等长时间序列之间的距离MD(A,B)代表两个长度分别为k,j的时间序列之间的距离B[p,q]为由B的第p个值到第q个值组成的序列则使MD(A,B)达到最小的i值组成的B[i,i+k]即和A对齐)；C3.构造时间窗口之后，需要对时间进行精确对齐，在滑动时间窗口中选取一段有效的时间段进行匹配，将提取出来的用电器时序数列特征作为该用电器在总出口的一个“电器指纹”，本专利技术使用动态时间规整方法来提取本文档来自技高网...

【技术保护点】
1.一种电力信号非侵入式负载分解方法，对用电器负载实现高效准确的分解；包括如下步骤：A.选取数据并进行预处理；B.进行时序数列边缘检测，设置有效状态变化的最小平稳长度，得到用电器用电的阶跃值；C.提取用电器的时序数列特征，得到用电器在总出口的电器指纹；包括如下操作：C1.将用电器时序数列特征分为距离特征、差分特征和能量比特征；C2.利用时间窗口为用电器数据和电力总出口处的功率数据进行对齐，当检测到用电器或者总出口数据发生变化时，以当前时间为中心，向两侧时间构造时间窗口，在时间窗口中寻找最匹配的时间子序列；C3.构造时间窗口之后，对时间进行精确对齐，具体在滑动时间窗口中选取一段有效的时间段进行匹配，将提取得到的用电器的时序数列特征作为用电器在总出口的电器指纹；D.对电力总出口处的用电行为进行分类；执行如下操作：载入电力总出口处的电能使用数据；利用时间滑动窗口遍历总出口处的电能使用数据，利用边缘检测方法检测出经历状态变化的时间子序列，作为测试元组输入分类算法；遍历测试元组，通过分类得到用电器时序数列特征，由此识别得到分别属于距离特征、差分特征和能量比特征的用电器；通过上述步骤，实现电力信号非侵入式负载分解。...

【技术特征摘要】
1.一种电力信号非侵入式负载分解方法，对用电器负载实现高效准确的分解；包括如下步骤：A.选取数据并进行预处理；B.进行时序数列边缘检测，设置有效状态变化的最小平稳长度，得到用电器用电的阶跃值；C.提取用电器的时序数列特征，得到用电器在总出口的电器指纹；包括如下操作：C1.将用电器时序数列特征分为距离特征、差分特征和能量比特征；C2.利用时间窗口为用电器数据和电力总出口处的功率数据进行对齐，当检测到用电器或者总出口数据发生变化时，以当前时间为中心，向两侧时间构造时间窗口，在时间窗口中寻找最匹配的时间子序列；C3.构造时间窗口之后，对时间进行精确对齐，具体在滑动时间窗口中选取一段有效的时间段进行匹配，将提取得到的用电器的时序数列特征作为用电器在总出口的电器指纹；D.对电力总出口处的用电行为进行分类；执行如下操作：载入电力总出口处的电能使用数据；利用时间滑动窗口遍历总出口处的电能使用数据，利用边缘检测方法检测出经历状态变化的时间子序列，作为测试元组输入分类算法；遍历测试元组，通过分类得到用电器时序数列特征，由此识别得到分别属于距离特征、差分特征和能量比特征的用电器；通过上述步骤，实现电力信号非侵入式负载分解。2.如权利要求1所述电力信号非侵入式负载分解方法，其特征是，步骤A包括操作：A1.清理极端数据；A2.对线路总出口和各个用电器在时间上进行对齐；A3.对用电器数据进行插值，补全数据。3.如权利要求1所述电力信号非侵入式负载分解方法，其特征是，步骤C提取用电器时序数列特征，所述距离特征用于指示当前值是否是时间滑动窗口的最大值或最小值；包括：能量消耗的当前值到时间滑动窗口内的能量消耗的最大值的距离，和/或当前值到时间滑动窗口内的能量消耗的最小值的距离。4.如权利要求1所述电力信号非侵入式负载分解方法，其特征是，步骤C提取用电器时序数列特征，所述差分特征为时间滑动窗口中的时间差分特征，表示为时间序列中相邻的两个用电器功率数值相减；所述差分特征消除时间序列中的基础能量值，使得两个处于不同数量级的时间序列能够通过相减计算距离。5.如权利要求1所述电力信号非侵入式负载分解方法，其特征是，步骤C提取用电器时序数列特征，所述能量比特征用于指示两个时间序列值的比例关系，表示为时间序列中相邻的两个数据之间进行相除。6.如权利要求1所述电力信号非侵入式负载分解方法，其特征是，步...

【专利技术属性】
技术研发人员：王平，林蔚澜，马萌，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11