【技术实现步骤摘要】
电力负荷识别方法、装置以及存储介质和芯片设备
[0001]本专利技术涉及电力
，尤其涉及一种电力负荷识别方法、装置以及存储介质和芯片设备。
技术介绍
[0002]随着国民经济的快速发展，社会对电能的需求日益增加，对电能质量的要求也越来越高。因此，改善电能质量对于电网及电气设备的安全运行、保障产品质量以及人们的正常生活具有重要意义。为了改善电能质量，需对电力负荷进行识别，以便了解电力系统的负荷组成，掌握电力负荷的变化规律和发展趋势，对电力负荷的科学管理。
[0003]目前，负荷识别方法主要分为侵入式和非侵入式两种。对于非侵入式的负荷识别方法，相关技术中提出使用聚类算法等对电力负荷进行分类研究。但上述技术在不同程度上存在一些缺陷：聚类算法需要事先确定类别的数目，若类别数目不正确则容易造成分类结果的不准确。
[0004]另外，随着非侵入式负荷识别研究的不断进展，一些技术中提出，使用负荷暂稳态信息作为特征进行识别分析。例如：使用用电设备投切时对电压的扰动信息进行负荷识别，但这种方法受电压波动影响较大；又如，利用...
【技术保护点】
【技术特征摘要】
1.一种电力负荷识别方法，其特征在于，所述方法包括以下步骤：获取电力网络发生投切事件前后预设时间内的第一电流信号和第一电压信号；根据所述第一电流信号和所述第一电压信号，得到负荷特征向量；将所述负荷特征向量输入至预先训练好的深度学习模型，得到类别特征向量，并根据所述类别特征向量确定投切事件的电器类别。2.如权利要求1所述的电力负荷识别方法，其特征在于，所述获取电力网络发生投切事件前后预设时间内的第一电流信号和第一电压信号，之前还包括：获取所述电力网络的进线处的第二电流信号，并根据所述第二电流信号判断所述电力网络是否发生投切事件。3.如权利要求2所述的电力负荷识别方法，其特征在于，所述根据所述第二电流信号判断所述电力网络是否发生投切事件，包括：根据所述第二电流信号计算电流变化值；判断所述电流变化值是否大于预设电流变化阈值；如果是，则判定所述电力网络发生投切事件。4.如权利要求1所述的电力负荷识别方法，其特征在于，在根据所述类别特征向量确定投切事件的电器类别之后，所述方法还包括：根据所述电器类别对所述电力网络的进线处的电流信号进行分解。5.如权利要求1所述的电力负荷识别方法，其特征在于，所述根据所述第一电流信号和所述第一电压信号，得到负荷特征向量，包括：从所述第一电流信号中提取投切事件前后预设时间内的电流采样点，得到第一采样点序列和第二采样点序列；对所述第一采样点序列进行离散傅里叶变换，得到投切事件发生前的第一谐波分量，对所述第二采样点序列进行离散傅里叶变换，得到投切事件发生后的第二谐波分量；将所述第二谐波分量与所述第一谐波分量做差，得到谐波分量差向量；根据所述第一电流信号，计算投切事件前后预设时间内各交流电周期的电流有效值，得到电流有效值向量；根据所述第一电压信号，计算投切事件前后预设时间内各交流电周期的电压有效值，得到电压有效值向量；对所述谐波分量差向量、所述电流有效值向量、所述电压有效值向量进行拼接，得到所述负荷特征向量。6.如权利要求1所述的电力负荷识别方法，其特征在于，所述深度学习模型的训练过程如下：构建初始深度学习模型，并获取训练集，所述训练集包括标注了多个样本标签的训练样本；采用所述初始深度学习模型对所述训练样本进行预测，得到训练样本的类别特征向量；获取样本标签对应的交叉熵损失函数，并根据所述交叉熵损失函数对所述训练样本的类别特征向量和样本标签进行收敛，得到所述预先训练好的深度学习模型。7.如权利要求1所述的电力负荷识别方法，其特征在于，所述根据所述类别特征向量确
定投切事件的电器类别，包括：获取多个电器的基准向量；分别计算所述类别特征向量与各基准向量之间的欧式距离，作为置信度；根据所述置信度确定投切事件的电器类别。8.如权利要求7所述的电力负荷识别方法，其特征在于，所述获...
【专利技术属性】
技术研发人员：聂玉虎，刘加国，蔡雨露，崔文朋，池颖英，刘瑞，郑哲，杨剑，荆臻，
申请(专利权)人：国网信息通信产业集团有限公司国网山东省电力公司营销服务中心计量中心国家电网有限公司，
类型：发明
国别省市：
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。