基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法技术

本发明专利技术涉及一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，包括以下步骤：采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量，作为特征库中的样本特征；依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布，计算多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。本发明专利技术将隐马尔科夫模型应用于非侵入式负荷辨识领域，本发明专利技术为隐马尔科夫模型应用于非侵入式负荷辨识的一种实现，克服了负荷特征库过大、电网供电存在波动、相近特征量家用电器负荷难以区分的问题，取得了较高的识别精度。取得了较高的识别精度。取得了较高的识别精度。

【技术实现步骤摘要】
基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法


[0001]本申请涉及非侵入式负荷辨识
，尤其涉及一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法。

技术介绍

[0002]随着智能电网信息化、自动化、智能化进程加快，电力系统对需求侧的透明度要求越来越高，实时、精确的负荷设备识别对于电力系统的规划、负荷预测以及市场调节至关重要。从目前情况来看，负荷监测与用能分析具有广阔的发展前景，通过负荷监测与用能分析可以为居民用户提供详实的家庭能效信息，帮助用户分析家庭能耗构成，使用户了解自身行为习惯对于家庭能效的影响，从而引导用户自觉地采取节能措施，并养成节能行为习惯，同时为用户提供个性化的用电设备节能控制策略服务。
[0003]传统的侵入式家居负荷辨识需要大量的硬件设施，它需要在家庭内部每个负荷上都安装具有通信与数据采集能力的模块，安装与维护不便，经济成本较高，且未考虑到用户隐私等问题，推广难度较大。与之相比，通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律，这种方法经济成本低，实用性较强，因此引起了广泛的关注。
[0004]因此，如何通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律，是目前需要解决的主要问题。

技术实现思路

[0005]本申请提供了一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，解决了如何通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律的问题。
[0006]本申请采用的技术方案如下：
[0007]本申请的一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，包括以下步骤：
[0008]采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量，作为特征库中的样本特征；
[0009]根据各个所述样本特征，给出各类电器启停时采集的有功功率、无功功率、电流二次谐波、电流三次谐波变化量的联合概率分布作为多参量隐马尔科夫模型的观测概率分布；
[0010]依据样本特征库中各个样本特征的出现次序，给出某电器启停事件发生后下一个发生事件属于某事件类的概率分布作为多参量隐马尔科夫模型的状态转移概率分布；
[0011]在一个时间窗内，截取用户用电入口处有功功率、无功功率、电流二次谐波、电流三次谐波变化量序列，作为多参量隐马尔科夫模型观察值向量序列；
[0012]依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布，计算多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。
[0013]进一步地，所述时间窗为指定的一段时间。
[0014]进一步地，所述各电器启停事件序列为各家用电器启停事件构成的序列。
[0015]进一步地，依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布，使用零初始化概率分布，应用Viterbi算法求得多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。
[0016]采用本申请的技术方案的有益效果如下：
[0017]本专利技术的基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，将隐马尔科夫模型应用于非侵入式负荷辨识领域，本专利技术为隐马尔科夫模型应用于非侵入式负荷辨识的一种实现，克服了负荷特征库过大、电网供电存在波动、相近特征量家用电器负荷难以区分的问题，取得了较高的识别精度。
附图说明
[0018]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
[0019]图1为一种基于多参量隐马尔科夫模型的非侵入式家用电器负荷辨识方法流程图。
具体实施方式
[0020]下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
[0021]参见图1。
[0022]本申请提供的.一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，包括以下步骤：
[0023]采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量，作为特征库中的样本特征；
[0024]根据各个所述样本特征，给出各类电器启停时采集的有功功率、无功功率、电流二次谐波、电流三次谐波变化量的联合概率分布作为多参量隐马尔科夫模型的观测概率分布；
[0025]依据样本特征库中各个样本特征的出现次序，给出某电器启停事件发生后下一个发生事件属于某事件类的概率分布作为多参量隐马尔科夫模型的状态转移概率分布；
[0026]在一个时间窗内，截取用户用电入口处有功功率、无功功率、电流二次谐波、电流三次谐波变化量序列，作为多参量隐马尔科夫模型观察值向量序列；
[0027]依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率
分布、初始概率分布，应用Viterbi算法求得多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。
[0028]其中，本实施例中的所述时间窗为指定的一段时间。例如从2020.09.05 14:00:00至2020.09.05 14:15:00。
[0029]其中，本实施例中所述各电器启停事件序列为各家用电器启停事件构成的序列。例如：电视机于2020.09.05 14:00:05启动，电冰箱于2020.09.05 14:04:06启动，电冰箱于2020.09.05 14:12:29停止，电视机于2020.09.05 14:14:36停止；以上四个事件即构成一个各电器启停事件序列。
[0030]所述Viterbi算法包括以下步骤：
[0031]假设给定隐式马尔可夫模型(HMM)状态空间S，共有k个家用电器开启的状态，初始状态i的概率为π
i
，从状态i到状态j的转移概率为a
i,j
；
[0032]令观察到的观察值向量序列为y1,y2,
……
,y
T
，产生观察结果的最有可能的各家用电器启停事件状态序列为x1,x2,......,x
T
；
[0033]由递推关系给出：(1)V
1，k
＝P(y1|k)
·
π
k
(2)V
t,k
＝P(y
t
|k)
·...

【技术保护点】

【技术特征摘要】
1.一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于，包括以下步骤：采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量，作为特征库中的样本特征；根据各个所述样本特征，给出各类电器启停时采集的有功功率、无功功率、电流二次谐波、电流三次谐波变化量的联合概率分布作为多参量隐马尔科夫模型的观测概率分布；依据样本特征库中各个样本特征的出现次序，给出某电器启停事件发生后下一个发生事件属于某事件类的概率分布作为多参量隐马尔科夫模型的状态转移概率分布；在一个时间窗内，截取用户用电入口处有功功率、无功功率、电流二次谐波、电流三次谐波变化量序列，作为多参量隐马尔科夫模型观察值向量序列；在每一个时间窗开始时，设定每类事件的初始发生概率均为0，形成多参量隐马尔科夫模型中的初始概率分布；依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布，计算多参量隐马尔科夫模...

【专利技术属性】
技术研发人员：王再望，常兴智，郑海洋，孔德超，王佳琦，
申请(专利权)人：宁夏隆基宁光仪表股份有限公司，
类型：发明
国别省市：