非侵入式负荷监测事件提取方法及存储介质技术

本发明专利技术提供一种非侵入式负荷监测事件提取方法及存储介质，通过基于非时序化的方法处理时序的电力负荷数据片段，避免依赖计算要求高的时序模型，并且代以直观统计特征输入至决策树模型，拥有较强的可拓展性，目前的该模型能够准确监测不同用电设备的事件，且计算速度快。快。快。

【技术实现步骤摘要】
非侵入式负荷监测事件提取方法及存储介质


[0001]本专利技术涉及用电
，特别涉及一种非侵入式负荷监测事件提取方法及存储介质。

技术介绍

[0002]在智能用电技术体系下，非侵入负荷监测(NILM)是其中重要一环，其目的在于仅依靠安装在总线处的监测装置，深入分析用户的用电负荷类别，获取精细程度不同的用电信息。基于事件的非侵入负荷监测能够给对采样数据切分提取出可信的用电事件片段，而对于探测到的事件片段，如何准确地进行识别是非侵入负荷监测中的一项关键技术。目前该领域普遍采用的思路主要有两种：数据库比对法通过累积大量的标记样本，对未知事件片段进行比对确认其类别，其核心困难在于计算效率和泛用性；模式识别则尝试学习其特征类别，其缺陷在于训练过程复杂且可解释性差，目前的准确率也不高。
[0003]因此，本文提出一种新型的非侵入式负荷监测事件提取方法，以保留现有非侵入式负荷监测事件提取方法的积极效果，而消除现有的非侵入式负荷监测事件提取方法的消极效果。

技术实现思路

[0004]本专利技术的目的在于，通过基于非时序化的方法处理时序的电力负荷数据片段，避免依赖计算要求高的时序模型，并且计算速度快。
[0005]为了达到上述目的，本专利技术提供一种非侵入式负荷监测事件提取方法，包括如下步骤：建立电力负荷数据库，所述电力负荷数据库中包括多个电力负荷数据片段，所述电力负荷数据片段为历史时间段内的电力负荷数据；采集所述多个电力负荷数据片段进行统计分析得到输入特征；构建待训练的样本集，所述样本集包括所述多个电力负荷数据片段与所述输入特征；搭建用于训练所述样本集的决策树模型；将所述样本集输入至所述决策树模型中训练得到判断模型；获取实时的电力负荷数据片段并输入至所述判断模型中得到对应的用电设备类型。
[0006]进一步地，在所述采集所述多个电力负荷数据片段进行统计分析得到输入特征步骤中，具体包括如下步骤：计算电力负荷数据片段中电力负荷数据的最大值与电力负荷数据的最小值的差值；计算电力负荷数据的最大值与电力负荷数据的最小值之比；计算电力负荷数据片段的片段长度，所述电力负荷数据片段的片段长度为电力负荷数据片段中的样本数据点的数量。
[0007]进一步地，在所述采集所述多个电力负荷数据片段进行统计分析得到输入特征步骤中，计算电力负荷数据片段的电力负荷数据的数量步骤之后，还包括如下步骤：计算电力负荷数据片段中相邻的电力负荷数据的差的绝对值；比较所述绝对值与预设值的大小，将电力负荷数据片段进行切分为平台片段和跳变片段；其中，所述平台片段中的所述绝对值皆小于所述预设值，所述跳变片段中的所述绝对值皆小于所述预设值；依次对所述台片段
和所述跳变片段进行统计分析。
[0008]进一步地，在所述建立电力负荷数据库步骤之前，还包括如下步骤：获取用户总线的瞬时电压和瞬时电流；将瞬时电压和瞬时电流相乘得到历史时间段内的有功功率；将瞬时电压和偏移1/4周期瞬时电流相乘得到历史时间段内的无功功率；其中，所述电力负荷数据片段包括有功功率与无功功率。
[0009]进一步地，在所述获取用户总线的瞬时电压和瞬时电流的步骤中，通过使用电流电压采集器采集所述瞬时电压和所述瞬时电流，采集频率为5～15Hz。
[0010]进一步地，在所述建立电力负荷数据库步骤之前，所述将瞬时电压和偏移1/4周期瞬时电流相乘得到历史时间内的无功功率步骤之后，还包括如下步骤：填充所述历史时间段内的有功功率以及所述历史时间内的无功功率中的缺失值。
[0011]进一步地，在所述填充所述历史时间段内的有功功率以及所述历史时间内的无功功率中的缺失值的步骤中，填充方法为将一缺失值所对应的下一时刻的数据填充至该缺失值所对应的时刻。
[0012]进一步地，所述决策树模型包括梯度提升决策树模型；其中，树的数量为300棵，每棵树的最大深度为3层。
[0013]进一步地，在所述将所述样本集输入至所述决策树模型中训练得到判断模型的步骤中，具体包括如下步骤：随机划分所述样本集为训练样本及测试样本；输入所述训练样本至所述决策树模型中训练得到第一判断模型；输入所述测试样本至所述第一判断模型中进行验证操作根据验证结果对所述第一判断模型进行优化，以获得所述判断模型。
[0014]本专利技术还提供一种存储介质，该介质上存储有计算机程序，在处理器执行所述计算机程序时可实现所述的非侵入式负荷监测事件提取方法。
[0015]本专利技术的有益效果是：本专利技术提供一种非侵入式负荷监测事件提取方法及存储介质，基于非时序化的方法处理时序的电力负荷数据片段，避免依赖计算要求高的时序模型，并且代以直观统计特征输入至决策树模型，拥有较强的可拓展性，目前的该模型能够准确监测不同用电设备的事件，且计算速度快。
附图说明
[0016]下面结合附图和实施例对本专利技术作进一步的描述。
[0017]图1为本专利技术一实施例提供的非侵入式负荷监测事件提取方法的流程图；
[0018]图2为本专利技术一实施例提供的用电设备的负荷数据片段的示意图；
[0019]图3为本专利技术一实施例提供的非侵入式负荷监测事件提取方法的步骤S6)的具体流程图；
[0020]图4为本专利技术一实施例提供的非侵入式负荷监测事件提取方法的步骤S9)的具体流程图。
具体实施方式
[0021]以下是各实施例的说明是参考附加的图式，用以例示本专利技术可以用实施的特定实施例。本专利技术提到的元件名称，例如第一、第二等，仅是区分不同的元部件，可以更好的表达。在图中，相同的部件用相同标号表示，相邻或类似的部件用类似的标号表示。
[0022]本文将参照附图来详细描述本专利技术的实施例。本专利技术可以表现为许多不同形式，本专利技术不应仅被解释为本文阐述的具体实施例。本专利技术提供这些实施例是为了解释本专利技术的实际应用，从而使本领域其他技术人员能够理解本专利技术的各种实施例和适合于特定预期应用的各种修改方案。
[0023]如图1所示，本专利技术一实施例提供一种非侵入式负荷监测事件提取方法，其为一种非侵入式负荷监测方法。本专利技术提供一种基于非时序化的方法处理时序的电力负荷数据片段，避免依赖计算要求高的时序模型，并且代以直观的统计特征输入至决策树模型，拥有较强的可拓展性，目前的该模型能够准确归类不同用电器的事件，且计算速度快。非侵入式负荷监测事件提取方法包括如下步骤S1～S10。
[0024]S1)获取用户总线的瞬时电压和瞬时电流；在本实施例中，通过使用电流电压采集器采集所述瞬时电压和所述瞬时电流，采集频率为5～15Hz，在本实施例中，可为10Hz，也可以为8Hz、9Hz、11Hz以及12Hz。采集的单位为片段，即一段预设的历史时间段，每一片段的包括3～50个样本数据点。
[0025]S2)将瞬时电压和瞬时电流相乘得到历史时间段内的有功功率。有功功率序列指单位时间内用电设备实际发出或消耗的交流电能量。
[0026]S3)将瞬时电压和偏移1/4周期瞬时电流相乘得到历史时间段内的无功功率；其中，所述电力负荷数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非侵入式负荷监测事件提取方法，其特征在于，包括如下步骤：建立电力负荷数据库，所述电力负荷数据库中包括多个电力负荷数据片段，所述电力负荷数据片段为历史时间段内的电力负荷数据；采集所述多个电力负荷数据片段进行统计分析得到输入特征；构建待训练的样本集，所述样本集包括所述多个电力负荷数据片段与所述输入特征；搭建用于训练所述样本集的决策树模型；将所述样本集输入至所述决策树模型中训练得到判断模型；获取实时的电力负荷数据片段并输入至所述判断模型中得到对应的用电设备类型。2.如权利要求1所述的非侵入式负荷监测事件提取方法，其特征在于，在所述采集所述多个电力负荷数据片段进行统计分析得到输入特征步骤中，具体包括如下步骤：计算电力负荷数据片段中电力负荷数据的最大值与电力负荷数据的最小值的差值；计算电力负荷数据的最大值与电力负荷数据的最小值之比；计算电力负荷数据片段的片段长度，所述电力负荷数据片段的片段长度为电力负荷数据片段中的样本数据点的数量。3.如权利要求2所述的非侵入式负荷监测事件提取方法，其特征在于，在所述采集所述多个电力负荷数据片段进行统计分析得到输入特征步骤中，计算电力负荷数据片段的电力负荷数据的数量步骤之后，还包括如下步骤：计算电力负荷数据片段中相邻的电力负荷数据的差的绝对值；比较所述绝对值与预设值的大小，将电力负荷数据片段进行切分为平台片段和跳变片段；其中，所述平台片段中的所述绝对值皆小于所述预设值，所述跳变片段中的所述绝对值皆小于所述预设值；依次对所述台片段和所述跳变片段进行统计分析。4.如权利要求1所述的非侵入式负荷监测事件提取方法，其特征在于，在所述建立电力负荷数据库步骤之前，还包括如下步骤：获取用户总线的瞬时电压和瞬时电流；将瞬时电压和瞬...

【专利技术属性】
技术研发人员：张勇，赵一萌，王莅康，
申请(专利权)人：上海千居智科技有限公司，
类型：发明
国别省市：