一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法技术

本发明专利技术公开了一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，包括：基于AP算法，计算出样品目标的运行状态；基于选择性贝叶斯分类，对样品目标的运行状态进行概率拟合，获得样品目标的运行状态区间，以实现样品目标的运行状态离散化；基于二维高斯分布和极大似然估计法，结合样品目标的运行状态区间，对样品目标进行识别分解，完成样品目标的非侵入式负荷识别与分解。此发明专利技术解决了传统负荷分解方法识别分解精度差的问题，通过结合AP算法和选择性贝叶斯分类法，对样品目标进行分侵入式负荷识别与分解，实现了高精度识别分解，提高了工作效率。高了工作效率。高了工作效率。

【技术实现步骤摘要】
一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法


[0001]本专利技术涉及电力
，具体涉及一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法。

技术介绍

[0002]随着行业与居民用电水平的提高，城市电网需求侧用电特性呈现多样化的发展趋势，包括用电时段、负荷大小、评价指标、曲线形态等在内的负荷差异化特征对电网调度、检修的影响逐年增加。
[0003]以上海电网为例，考虑“数字浦电”建设背景和“一二六六”战略指引，为推进城市能源互联网业态发展和公司数字化转型，全面提升电网调度的智能化和精细化水平，针对居民负荷开展非侵入式识别与分解是当下的重要需求。
[0004]上世纪八十年代，George W.Hart提出非侵入式负荷监测与分解(NILMD)方法，用于更加方便的获得用户各种电器的用电数据。首先，要获得用户总线的电气数据，在用户的电力设备入口处安装相关的数据监测设备，随后对数据进行分析，借助负荷辨识算法分析电器运行状态。
[0005]但，目前随着智能量测技术的发展和负荷侧用电信息快速增长，现有的负荷分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，包括以下步骤：步骤1：基于仿射传播聚类算法，计算出样品目标的运行状态；步骤2：基于选择性贝叶斯分类，对所述运行状态进行概率拟合，获得样品目标的运行状态区间；步骤3：基于二维高斯分布和极大似然估计法，结合所述运行状态区间，对样品目标进行识别分解，完成样品目标的非侵入式负荷识别与分解。2.如权利要求1所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，所述仿射传播聚类算法包括以下步骤：步骤1.1：基于样品目标的低频特征，构建样品目标的特征样本集；步骤1.2：对所述特征样本集进行责任度和可信度更新；步骤1.3：通过阻尼因子平抑迭代过程中所述特征样本集的振荡；步骤1.4：所述特征样本集重复迭代，获得样品目标的所述运行状态。3.如权利要求2所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，构建所述特征样本集包括以下步骤：步骤1...

【专利技术属性】
技术研发人员：吕正，朱齐，沈健，张麟，王沁，唐晢轩，姜腾，陆云，胡年平，陈志樑，史勇杰，邱文渊，盛佳蓉，江婷，王旭，蒋传文，白冰青，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：