一种基于非侵入负荷终端数据的负荷辨识方法技术

本发明专利技术公开了一种基于非侵入负荷终端数据的负荷辨识方法，包括如下步骤：对负荷数据进行采样；对用户的各类电器的历史用电数据进行均值漂移聚类，得到聚类后的用户电器数据集的不同簇，对电器簇提取电器的负荷辨识特征，从而对历史负荷类型负荷进行辨识，并建立电器运行特征的多元高斯分布模型；另一方面，以负荷运行数据作为输入特征，以朴素贝叶斯算法计算电器的运行特征对应各个簇的发生概率；以其中最大概率的一簇作为电器的实际类别，将该簇的电器类型作为电器的电器类型。本发明专利技术通过对非侵入负荷终端数据上送的用户历史负荷运行数据进行聚类建模，实现了云平台对用户负荷的再次辨识，能够有效的对非侵入终端上送的电器属性进行比对校正。

【技术实现步骤摘要】
一种基于非侵入负荷终端数据的负荷辨识方法
本专利技术属于智能用电
，具体涉及一种基于非侵入负荷终端数据的负荷辨识方法。
技术介绍
智能用电使居民负荷成为一种相对可控的资源，通过直接负荷控制、分时电价等手段，实现负荷转移和削峰填谷。而负荷监测则是智能用电的核心环节，利用智能电表分析用户内部负荷成分和负荷特性，获得详细的用户用电行为和电器用能信息。负荷监测分为侵入式电力负荷监测(IntrusiveLoadMonitoring，ILM)和非侵入式电力负荷监测(Non-intrusiveLoadMonitoring，NILM)。现有的监测系统为了对用户所有电器设备进行在线监测，需要入户安装许多用于感应测量的传感器和数据传输的装置，这不仅使得安装成本和维护费用大幅增加，而且这种“侵入式”的安装方式和维护管理会对用户的生产生活带来干扰，会降低用户对用能管理服务的满意度，因此亟需提升智能用电中的负荷监测技术水平。非侵入式方法是将监测设备安装在用户电力入口处，通过负荷识别算法分析用户的用电信息，获悉用户内部各设备的用电情况，大大简化硬件结构、降低成本，适本文档来自技高网...

【技术保护点】
1.一种基于非侵入负荷终端数据的负荷辨识方法，其特征在于：包括如下步骤：/nS1：通过非侵入负荷终端对负荷数据进行采样；/nS2：对负荷数据进行整理，其具体包括以下两个方面：/n一方面，对用户的各类电器的历史用电数据进行均值漂移聚类，得到聚类后的用户电器数据集的不同簇，对电器簇提取电器的负荷辨识特征，从而对历史负荷类型负荷进行辨识；/n另一方面，根据簇内各样本点的用户用电特征，建立电器运行特征的多元高斯分布模型，以负荷运行数据作为输入特征，以朴素贝叶斯算法计算电器的运行特征对应各个簇的发生概率；/nS3：以其中最大概率的一簇作为电器的实际类别，获得该簇所属电器类型，将该簇的电器类型作为电器的电...

【技术特征摘要】
1.一种基于非侵入负荷终端数据的负荷辨识方法，其特征在于：包括如下步骤：
S1：通过非侵入负荷终端对负荷数据进行采样；
S2：对负荷数据进行整理，其具体包括以下两个方面：
一方面，对用户的各类电器的历史用电数据进行均值漂移聚类，得到聚类后的用户电器数据集的不同簇，对电器簇提取电器的负荷辨识特征，从而对历史负荷类型负荷进行辨识；
另一方面，根据簇内各样本点的用户用电特征，建立电器运行特征的多元高斯分布模型，以负荷运行数据作为输入特征，以朴素贝叶斯算法计算电器的运行特征对应各个簇的发生概率；
S3：以其中最大概率的一簇作为电器的实际类别，获得该簇所属电器类型，将该簇的电器类型作为电器的电器类型。


2.根据权利要求1所述的一种基于非侵入负荷终端数据的负荷辨识方法，其特征在于：所述步骤S2中均值漂移聚类的具体步骤如下：
A1：确定滑动窗口半径r，以随机选取的中心点C、半径为r的圆形滑动窗口开始聚类；
A2：在每一次迭代过程中，计算新的滑动窗口内的均值即窗口新中心点，滑动窗口内的点的数量为窗口内的密度；
A3：继续按照均值移动滑动窗口直到圆内密度不再增加为止；
A4：对步骤A2到A4产生的滑动窗口进行过滤，当存在多个窗口重叠时，保留包含最多点的窗口，并根据数据点所在的滑动窗口进行聚类；
A5：保存各个数据集的质心坐标，作为类别的标准特征值，同时统计族群内各个特征的分布情况，作为电器特征分布范围。


3.根据权利要求1所述的一种基于非侵入负荷终端数据的负荷辨识方法，其特征在于：所述步骤S2中电器的历史用电数据包括电器的电器总用电量、峰值功率、启停次数、开启时间和运行时长。


4.根据权利要求2所述的一种基于非侵入负荷终端数据的负荷辨识方法，其特征在于：所述步骤S2中圆形滑动窗口的半径参数r的确定过程为：
给定数据集P＝{p(i)；i＝0,1,…n}，对于任意点P(i)，计算点P(i)到集合D的子集S＝{p(1),p(2),...

【专利技术属性】
技术研发人员：周赣，徐欣，黄莉，傅萌，冯燕钧，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32