【技术实现步骤摘要】
用于电力负荷识别的机器学习模型训练方法及系统
本申请涉及电力负荷监测
，尤其涉及一种用于电力负荷识别的机器学习模型训练方法及系统。
技术介绍
电力负荷特征是电力负荷从电力系统的电源吸取的有功功率和无功功率随负荷端点的电压及系统频率变化而改变的规律；电力负荷特征是电力系统的重要组成部分；通过电力负荷特征识别用电设备对于智能电网技术的发展有重要作用。电力负荷识别最为常用的方法为侵入式和非侵入式识别方法。其中，侵入式识别方法需要建立监测系统把传感器安装至各负荷处，这种方法虽然可以直接获得负荷的测量数据，但是安装成本高、安装过程复杂且维护也相对困难；而非侵入式识别方法只需要在电力供给的总入口处安装监测设备即可以对整个系统内的各负荷分解、监测和识别。具体地，非侵入式识别方法是基于电器负荷印记特征提取和识别的；其中，电器负荷印记特征能反映用电设备在运行中的独特的信息，如电压、有功的波形、启动电流等；在设备运行中这些负荷印记特征会重复出现，基于此，我们就可以把用电设备识别出来。其中，负荷印记特征的设计和提取是整个方法...
【技术保护点】
1.一种用于电力负荷识别的机器学习模型训练方法，其特征在于，所述方法包括：/n获取各个电器的历史电气参数数据集；/n清洗各个电器的所述历史电气参数数据集；/n将单个电器的清洗后的历史电气参数数据集按照比例划分成训练集、验证集及测试集；/n对所述训练集做平衡化处理得到新的训练集；/n使用平衡化后新的训练集训练目标电器的机器学习模型的参数，再根据训练集和测试集得到优化模型；/n采集用户电力负荷的当前数据，并将所述当前数据输入每个目标电器的优化模型中，分离出电器的工作状态，输出电力负荷的类别结果。/n
【技术特征摘要】
1.一种用于电力负荷识别的机器学习模型训练方法，其特征在于，所述方法包括：
获取各个电器的历史电气参数数据集；
清洗各个电器的所述历史电气参数数据集；
将单个电器的清洗后的历史电气参数数据集按照比例划分成训练集、验证集及测试集；
对所述训练集做平衡化处理得到新的训练集；
使用平衡化后新的训练集训练目标电器的机器学习模型的参数，再根据训练集和测试集得到优化模型；
采集用户电力负荷的当前数据，并将所述当前数据输入每个目标电器的优化模型中，分离出电器的工作状态，输出电力负荷的类别结果。
2.根据权利要求1所述的用于电力负荷识别的机器学习模型训练方法，其特征在于，所述对所述训练集做平衡化处理得到新的训练集，包括：
按一定比例从已清洗的用户数据片段集合中划分出训练集、验证集和测试集；
将数据片段按照是否包含电器开启状态的标准划分为两类；
预设包含开启状态的数据片段目标占比p％，对所有此类片段进行过采样处理，随机多次复制此类片段，使其占比提升至p％；
将增广重组后的数据集作为新的训练集。
3.根据权利要求1所述的用于电力负荷识别的机器学习模型训练方法，其特征在于，所述获取各个电器的历史电气参数数据集，包括：
将各原始公共数据集的数据格式进行统一构成公共数据集，整合与汇总当今公共数据集得到第一数据集；
在用户总的进线端安装电能表获取一个或多个空间内的总体和单个用电负荷的电气参数得到第二数据集；
根据所述第一数据集和所述第二数据集汇总得到各个电器的历史电气参数数据集。
4.根据权利要求3所述的用于电力负荷识别的机器学习模型训练方法，其特征在于，所述将各原始公共数据集的数据格式进行统一构成公共数据集，包括：
提取各原始公共数据集中的信息，所述信息包括时间戳、电压、电流、有功功率及无功功率；
以所述时间戳为标志，每个新的时间戳产生一行数据，所述数据包括电压、电流、有功功率及无功功率；
使用元数据描述文件描述各原始公共数据集代表的电路、用电负荷。
5.根据权利要求1所述的用于电力负荷识别的机器学习模型训练方法，其特征在于，所述清洗各个电器的所述历史电气参数数据集，包括：数据格式的统一、下采样到指定频率、电压归一化。
6.根据权利要求5所述的用于电力负荷识别的机器学习模型训练方法...
【专利技术属性】
技术研发人员：李波，张林山，罗永睦，周年荣，曹敏，王浩，轩辕哲，朱全聪，利佳，邹京希，
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
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。