【技术实现步骤摘要】
一种基于胶囊网络的非侵入式负荷监测方法与系统
本专利技术涉及负荷监测
,尤其涉及一种基于胶囊网络的非侵入式负荷监测方法与系统。
技术介绍
随着越来越多家用电器的普及,电能在居民日常开销中所占比重逐渐增加,无论从全社会还是居民用电节约的角度考虑,智能用电都是必然的趋势。智能用电的前提是了解用电设备的运行特性及个人用电习惯,合理计划用电,减少不必要的浪费,对损坏和故障的用电设备及早进行修理或更换,避免既浪费电能又无法发挥其最大能力的情况。了解家庭用电设备的运行,最简单的方法是在各个用电设备前加装数据采集装置,收集用电信息。这种方法可以直观地了解到用电设备的使用情况,但现代家庭用电设备繁多,此方法需要大量数据采集装置,有一定经济上的要求。随着科技的发展,非侵入式负荷监测方法应运而生。该方法仅在房屋总线处安装用电数据采集装置,使用总线数据或总线数据所提取的特征,通过适宜的负荷分解方法,得到各个用电设备的运行信息。当前非侵入式负荷辨识的方法主要分为两大类:无监督学习方法和监督学习方法。监督学习方法占据了研究的主流,又可细分为数据信号处理和人工智能方法两类。人工智能技术飞速发展,神经网络的使用越来越广泛,卷积神经网络、长短期记忆网络、去噪自动编码器、生成对抗网络等都是常用的人工智能方法。当前卷积神经网络的负荷辨识效果最好,但卷积神经网络中的池化层会丢失大量的信息,降低空间分辨率。新提出的胶囊神经网络,在特征学习过程中保留细节的姿态信息,如对象的准确位置、旋转、厚度、倾斜度、尺寸等,可以学习更细节的特征,因此本专利技 ...
【技术保护点】
1.一种基于胶囊网络的非侵入式负荷监测方法,其特征在于,包括如下步骤:/n步骤1:采集房屋总线的电压和电流数据,并构造成电压序列V
【技术特征摘要】
1.一种基于胶囊网络的非侵入式负荷监测方法,其特征在于,包括如下步骤:
步骤1:采集房屋总线的电压和电流数据,并构造成电压序列Vseq={v1,v2,v3,…,vL}和电流序列Iseq={i1,i2,i3,…,iL},其中L是序列的长度;
步骤2:对电压、电流序列中的数据进行预处理,包括:去除明显的异常值、缺失数据的填补及降噪;
步骤3:进行事件检测,提取单个设备在负荷投切时的电压、电流数据;
步骤4:将步骤3提取的数据构成电压、电流轨迹图像,并对图像进行二值化处理;
步骤5:利用二值化处理后的电压、电流轨迹图像训练胶囊网络负荷辨识模型;
步骤6:测试胶囊网络负荷辨识模型,根据测试结果调整神经网络参数,直至模型最优,并保存最优负荷辨识模型;
步骤7:利用保存的最优负荷辨识模型对总线数据进行实时辨识,并根据辨识结果对胶囊网络负荷辨识模型进行修正;
步骤8:辨识各个设备的投切情况,实现非侵入式负荷监测。
2.根据权利要求1所述的一种基于胶囊网络的非侵入式负荷监测方法,其特征在于:所述步骤2中缺失数据的填补采用Hermite插值法,所述降噪采用中值滤波法。
3.根据权利要求1所述的一种基于胶囊网络的非侵入式负荷监测方法,其特征在于:所述步骤3的过程如下:
步骤3.1:对电流序列进行事件检测,用快速傅里叶变换计算电流相位角,计算相邻两个周期同相位角时刻电流差值的绝对值,如果这个绝对值连续几个周期大于设定好的阈值,则判定发生了负荷投切事件;
步骤3.2:将发生负荷投切事件的时间段截取出来,形成电流事件片段序列Ievent;
步骤3.3:在电压序列中,搜索相同负荷投切事件时间段,截取得到电压事件片段序列Vevent。
4.根据权利要求1所述的一种基于胶囊网络的非侵入式负荷监测方法,其特征在于:所述步骤4的过程如下:
步骤4.1:对获得的单个设备在负荷投切时的电压事件片段序列Vevent、电流事件片段序列Ievent数据进行标准化处理;
步骤4.2:将标准化处理后的数据构成连续的电压、电流轨迹图像;
步骤4.3:对电压、电流轨迹图像进行二值化处理,将电压、电流轨迹映射到像素格。
5.根据权利要求4所述的一种基于胶囊网络的非侵入式负荷监测方法,其特征在于:所述步骤4.3的过程如下:
步骤4.3.1:将电压、电流轨迹图像分为32×32个像素格,每个图像像素格分配一个二进制数;
步骤4.3.2:如果电压、电流轨迹经过某个像素格,则该像素格将被该电压、电流轨迹所占据,并在该像素格中分配1,否则分配为0。
6.根据权利要求1所述的一种基于胶囊网络的非侵入式负荷监测方法,其特征在于:所述步骤5的过程如下:
步骤5.1:构造胶囊网络结构,共包含七层,第一层卷积层,卷积核...
【专利技术属性】
技术研发人员:王芮,杨东升,周博文,张化光,金硕巍,闫士杰,罗艳红,刘鑫蕊,杨波,孙振奥,梁雪,刘振伟,王智良,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁;21
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。