一种基于改进遗传算法的非侵入式负荷分解方法技术

本发明专利技术公开了一种基于改进遗传算法的非侵入式负荷分解方法，输入负荷历史数据；提取负荷各个状态的功率特征，并对负荷历史数据打上负荷状态标签；统计各负荷状态组合在负荷历史数据中出现的概率；输入要分解的总负荷功率数据，根据改进的遗传算法完成寻优迭代；输出负荷分解结果。本发明专利技术使得非侵入式负荷分解的结果更与实际情况接近。针对传统非侵入式负荷分解方法中负荷状态辨识度不高的问题，选取负荷的功率特征作为基本特征，根据线性叠加原理，即总负荷功率将约等于分解出的各负荷设备的功率之和，将负荷分解问题转换为组合优化问题，在遗传算法的目标函数中融入新的惩罚项，使工作状态组合的概率尽可能较大，可有效提高负荷辨识的准确度。

【技术实现步骤摘要】
一种基于改进遗传算法的非侵入式负荷分解方法
本专利技术涉及非侵入式负荷分解
，具体的涉及一种基于改进遗传算法的非侵入式负荷分解方法。
技术介绍
随着大数据时代的到来，如何有效利用负荷历史数据进行信息分析成为当前的热点问题。智能用电作为坚强智能电网的关键部分，能实现电网和用户的灵活双向互动，负荷监测是智能用电的一个重要环节，一方面可以引导用户改善用电习惯，节约用电成本，另一方面能够帮助电网深入分析用户用电行为，对负荷调峰及节能减排具有重要的现实意义。非侵入式负荷分解相对于传统的侵入式负荷分解具有可操作性强，成本低廉，推广简单等特点。非侵入式负荷分解技术可以利用智能电表内部记录的总负荷数据，通过负荷分析模块来分析各类电器的工作状态和能耗水平。当前非侵入式负荷分解技术大多使用暂态特征完成负荷识别，而暂态特征需要高频采样条件下可以获取，在低频条件下对各类电器的状态识别精度不高。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于改进遗传算法的非侵入式负荷分解方法，在遗传算法的目标函数中融入新的惩罚项，使工作状态组合的概率尽可能较大，可有效提高负荷辨识的准确度。为解决上述问题，本专利技术所采取的技术方案是：一种基于改进遗传算法的非侵入式负荷分解方法，包括以下步骤：步骤S1，输入负荷历史数据；步骤S2，提取负荷各个状态的功率特征，并对步骤S1中所述负荷历史数据打上负荷状态标签；步骤S3，统计各负荷状态组合在负荷历史数据中出现的概率；步骤S4，输入要分解的总负荷功率数据，根据改进的遗传算法完成寻优迭代；步骤S5，输出负荷分解结果。作为本专利技术的进一步改进，所述步骤S1中，输入的负荷历史数据为各个负荷电器在历史时段内各个采样点的功率数值；所述历史时段为1分钟以上。作为本专利技术的进一步改进，所述步骤S2中，通过聚类算法对负荷电器的历史数据功率点进行聚类分析，将各个数据点进行归类即打上负荷状态标签，并输出各个类中心点的代表功率值，作为负荷功率模板如下：P＝[p1p2…pm](1)；其中m是该负荷电器的状态总数，pm为该负荷电器第m个状态的功率特征值。作为本专利技术的进一步改进，所述步骤S3中，统计各负荷状态组合在历史数据中出现的概率的方法包括以下步骤：步骤S31，通过步骤S2对负荷状态数据打标签后，输出历史各个时刻负荷电器的状态组合向量L；步骤S32，统计每种不同负荷状态组合向量出现次数，对历史数据各个采样点中状态组合向量为某一负荷状态组合的时刻点进行统计，其数目则为该负荷状态组合的出现次数；步骤S33，历史数据的总采样点个数设为W,负荷状态组合向量L的出现次数为CL，则负荷状态组合向量L的在历史数据的出现概率为作为本专利技术的进一步改进，所述步骤S32中，电器数量为一个以上，将电器状态分为1状态和2状态。作为本专利技术的进一步改进，在电器数量为3个时，假设3个电器状态分别为1状态、2状态、1状态，则负荷状态组合向量为[1,2,1]；对历史数据各个采样点中状态组合向量为[1,2,1]的时刻点进行统计，其数目则为出现次数。作为本专利技术的进一步改进，引进出现概率惩罚函数项，所述步骤S4中，设定的遗传算法目标函数如下：其中i是电器编号，C是电器总数目，P是负荷总功率，L是负荷状态组合，Li是第i个负荷的状态编号，HL是该负荷状态组合的出现概率。作为本专利技术的进一步改进，所述遗传算法中染色体编码方案中，染色体长度为负荷电器的数量，每个位置点代表不同负荷的状态编号。作为本专利技术的进一步改进，染色体变异即某一位置点负荷的状态编号在该负荷的状态范围内发生变化，染色体交叉即两条染色体相同位置点负荷的状态编号发生交换。作为本专利技术的进一步改进，通过改进遗传算法进行变异、交叉和选择操作，并根据目标函数计算函数值，输出最优子代，完成负荷分解。采用上述技术方案所产生的有益效果在于：本专利技术涉及一种非侵入式负荷分解
，具体的涉及一种基于改进遗传算法的非侵入式负荷分解方法。设计一种新的惩罚函数，使得非侵入式负荷分解的结果更与实际情况接近。针对传统非侵入式负荷分解方法中负荷状态辨识度不高的问题，选取负荷的功率特征作为基本特征，根据线性叠加原理，即总负荷功率将约等于分解出的各负荷设备的功率之和，将负荷分解问题转换为组合优化问题，在遗传算法的目标函数中融入新的惩罚项，使工作状态组合的概率尽可能较大，可有效提高负荷辨识的准确度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的步骤流程图；图2为本专利技术实施例一的染色体编码方案示意图；图3为本专利技术实施例二的染色体编码方案示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。在本申请的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的非侵入式负荷分解方法，其特征在于，包括以下步骤：/n步骤S1，输入负荷历史数据；/n步骤S2，提取负荷各个状态的功率特征，并对步骤S1中所述负荷历史数据打上负荷状态标签；/n步骤S3，统计各负荷状态组合在负荷历史数据中出现的概率；/n步骤S4，输入要分解的总负荷功率数据，根据改进的遗传算法完成寻优迭代；/n步骤S5，输出负荷分解结果。/n

【技术特征摘要】
1.一种基于改进遗传算法的非侵入式负荷分解方法，其特征在于，包括以下步骤：
步骤S1，输入负荷历史数据；
步骤S2，提取负荷各个状态的功率特征，并对步骤S1中所述负荷历史数据打上负荷状态标签；
步骤S3，统计各负荷状态组合在负荷历史数据中出现的概率；
步骤S4，输入要分解的总负荷功率数据，根据改进的遗传算法完成寻优迭代；
步骤S5，输出负荷分解结果。


2.根据权利要求1所述的一种基于改进遗传算法的非侵入式负荷分解方法，其特征在于，所述步骤S1中，输入的负荷历史数据为各个负荷电器在历史时段内各个采样点的功率数值；
所述历史时段为1分钟以上。


3.根据权利要求1所述的一种基于改进遗传算法的非侵入式负荷分解方法，其特征在于，所述步骤S2中，通过聚类算法对负荷电器的历史数据功率点进行聚类分析，将各个数据点进行归类即打上负荷状态标签，并输出各个类中心点的代表功率值，作为负荷功率模板如下：
P＝[p1p2…pm](1)；
其中m是该负荷电器的状态总数，pm为该负荷电器第m个状态的功率特征值。


4.根据权利要求1所述的一种基于改进遗传算法的非侵入式负荷分解方法，其特征在于，所述步骤S3中，统计各负荷状态组合在历史数据中出现的概率的方法包括以下步骤：
步骤S31，通过步骤S2对负荷状态数据打标签后，输出历史各个时刻负荷电器的状态组合向量L；
步骤S32，统计每种不同负荷状态组合向量出现次数，对历史数据各个采样点中状态组合向量为某一负荷状态组合的时刻点进行统计，其数目则为该负荷状态组合的出现次数；
步骤S33，历史数据的总采样点个数设为W,负荷状态组合向...

【专利技术属性】
技术研发人员：李飞，张旭东，王鸿玺，高波，付文杰，王学婧，孙毅，
申请(专利权)人：国网河北省电力有限公司电力科学研究院，国网河北能源技术服务有限公司，国家电网有限公司，
类型：发明
国别省市：河北;13