一种基于零样本学习的非侵入式负荷监测方法技术

本发明专利技术提供一种基于零样本学习的非侵入式负荷监测方法，涉及综合能源系统技术领域。该方法采集负荷端口的低压配电线路的数据，并进行数据处理；然后采用改进的阈值算法对负荷数据进行事件检测，分离出负荷设备的电压电流波形数据；将分离的各个负荷设备的数据输入训练好的设备大类分类训练模型，识别为设备大类，结合辅助信息给出初步的设备分类结果，采用相似性判别器来评估初步分类结果，根据结果反馈评估并给予不同的奖励，通过策略梯度指导辅助信息学习模型的建立，最终完成零样本分类模型识别设备种类的目的。同时考虑实时的环境温度对综合能源系统进行负荷非侵入式监测；该方法现了对具有用电行为和储能行为的负荷设备的非侵入式识别监测。备的非侵入式识别监测。备的非侵入式识别监测。

【技术实现步骤摘要】
一种基于零样本学习的非侵入式负荷监测方法


[0001]本专利技术涉及综合能源系统
，尤其涉及一种基于零样本学习的非侵入式负荷监测方法。

技术介绍

[0002]工业互联网和能源革命的发展使中国电力工业微观环境发生了巨大变化，对供给与需求的交互和再平衡提出更高要求。负荷聚合商作为电网侧和用户侧中间的重要协调机构，发挥着越来越重要的作用。
[0003]随着城市化进程也逐步加快，促使各类城市工业园区、开发区等园区类配电网对电能质量要求也逐步提高。其中识别、分析用户用电信息是负荷聚合商发挥作用的重要一环。工业负荷是需求侧的主要用户，因此有必要对其进行用电监测，有助于对用户提供高效能源服务，实现绿色与智能用电。非侵入式负荷分解技术在获取用户内部数据方面效果良好。然而，传统的侵入式方法采集的数据精确，但其投入大，成本费用高，后期的维护难度较高；并且需要对特定区域安装或改造监测电路，会影响用户舒适度；其安装的传感器也有一定概率影响到用能设备的正常工作运行状态甚至于造成用能设备故障，影响稳定性。侵入式监测方法并不适合大面积地推广应用，也不符合当今微电网智能化、坚强化的发展趋势。
[0004]因此，对负荷进行非侵入式监测是开展节能工作的基础，非侵入式监测只需要在微电网入口处安装监测装置采集总电能信息，根据获取的有限电能信息深入分析内部设备成分，相对传统侵入式监测而言减少了硬件成本和部署难度。目前的非侵入式监测方法大多属于监督学习，需要大量标注设备运行数据训练相关模型，提取负荷设备运行特征，数据越完备，识别精度越高。随着社会的不断进步，负荷种类也在不断的增加，这需要识别系统不断增加新的数据，并重新进行训练，这些问题严重影响了非侵入式监测的发展进程，因此，一种在设备数据完全或者部分缺失的情况下仍然能够识别这些设备类别的技术亟待提出。
[0005]现有研究中，非侵入式负荷监测大多只关注了电负荷的使用情况，对于电气热的综合能源负荷少有研究。综合能源系统的研究是控制领域的热点，如何将气、热、电负荷结合来改善居住环境值得关注。

技术实现思路

[0006]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于零样本学习的非侵入式负荷监测方法，实现对负荷进行精确非侵入式监测。
[0007]为解决上述技术问题，本专利技术所采取的技术方案是：一种基于零样本学习的非侵入式负荷监测方法，包括以下步骤：
[0008]步骤1：采集综合能源系统负荷端口的低压配电线路的负荷数据，该数据为包含储能和用电设备的总负荷数据；
[0009]采集的负荷数据包括电流I、电压U、功率P以及天气x(t)和电价q(t)，t为时间；
[0010]步骤2：采用基于Grubbs准则的小波去噪算法对采集的负荷数据中的异常数据和缺失的数据进行降噪和降低异常峰值处理；
[0011]步骤2.1：将采集的负荷有功功率数据p
E
(i)按数值的大小从小到大排列，i＝1,2,...,m,m为采集的负荷有功功率数据的总数；
[0012]步骤2.2：计算排序后总负荷有功功率数据的均值与标准差，如下公式所示：
[0013][0014][0015]式中，为总负荷有功功率数据的均值，δ为总负荷有功功率数据的标准差；
[0016]步骤2.3：计算采集的总负荷有功功率数据的Grubbs值，即下侧Grubbs值和上侧Grubbs值，如下公式所示：
[0017][0018][0019]式中，g
(1)
为采集的总负荷有功功率数据的下侧Grubbs值，g
(m)
采集的总负荷有功功率数据的上侧Grubbs值，p
E
(1)、p
E
(m)分别为采集的第一个和第m个负荷有功功率数据；
[0020]步骤2.4：选择检验水平，即检验出错率α；根据α和m的取值来查阅Grubbs临界值检验表，获得Grubbs准则的临界值G
(1
‑
α)
(m)；
[0021]步骤2.5：根据Grubbs准则的临界值G
(1
‑
α)
(m)对采集的负荷有功功率数据进行筛选；若g
(1)
≥G
(1
‑
α)
(m)，则提取负荷有功功率数据p
E
(1)，若g
(m)
≥G
(1
‑
α)
(m)，则提取负荷有功功率数据p
E
(m)，其中设置以上筛选步骤处理数据的重复次数为l，历遍所有数据，完成数据的降噪和降低异常峰值处理；
[0022]步骤3：将降噪和降低异常峰值预处理后的负荷有功功率数据进行最值归一化，对负荷有功功率数据进行线性变换，将结果值映射到[0,1]，转换函数如下：
[0023][0024]式中，p
max
为降噪和降低异常峰值预处理后负荷有功功率数据的最大值，p
min
为降噪和降低异常峰值预处理后负荷有功功率数据的最小值，p为降噪和降低异常峰值预处理后的负荷有功功率数据，p
′
为最值归一化后的负荷有功功率数据；
[0025]步骤4：采用改进的阈值算法对归一化后的负荷有功功率数据进行负荷功率变化事件检测，分离出负荷设备的电压和电流波形数据；
[0026]步骤4.1：计算负荷各周期的有功功率增量；
[0027]负荷第n个周期的有功功率增量ΔP
n
，如下公式所示：
[0028]ΔP
n
＝P
n
‑
P
n
‑1ꢀꢀꢀ
(6)
[0029]式中，P
n
、P
n
‑1分别为负荷第n个和第n
‑
1个周期的有功功率值；
[0030]步骤4.2：判定负荷设备是否发生了突变事件；
[0031]判断负荷第n个周期的有功功率增量是否大于设定的负荷阶跃变化的能量阈值，如果是，则负荷设备发生了的突变事件，即
[0032]ΔP
n
>ε1ꢀꢀꢀ
(7)
[0033]式中，ε1为负荷阶跃变化的能量阈值；
[0034]步骤4.3：判定负荷设备是否发生了缓变事件；
[0035]若负荷连续超过K个周期的有功功率增量ΔP
n
均大于设定缓变事件的能量阈值，且有功功率增量与突变事件的能量阈值相差一个数量级以上，则负荷设备发生了缓变事件，如下公式所示：
[0036][0037][0038]s.t.K2‑
K1≥N1ꢀꢀꢀ
(8)
[0039]式中，K1，K2∈N为周期序号；N1为连续满足条件的周期数阈值；ε2为单个周期的缓变事件能量变化阈值，其与突变事件发生时的能量变化阈值ε1的差值大于设定的阈值；
[0040]步骤4.4：判断负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于零样本学习的非侵入式负荷监测方法，其特征在于：采集综合能源系统负荷端口的低压配电线路的负荷数据；对采集到的负荷数据进行数据处理；对处理的负荷数据进行时间检测，分离出负荷设备的电压和电流波形数据；根据分离的各个负荷设备的电压和电流波形数据识别负荷设备种类；考虑实时的环境温度对综合能源系统进行负荷非侵入式监测。2.根据权利要求1所述的一种基于零样本学习的非侵入式负荷监测方法，其特征在于：所述负荷监测方法具体包括以下步骤：步骤1：采集综合能源系统负荷端口的低压配电线路的负荷数据，该数据为包含储能和用电设备的总负荷数据；采集的负荷数据包括电流、电压、功率以及天气和电价；步骤2：采用基于Grubbs准则的小波去噪算法对采集的负荷数据中的异常数据和缺失的数据进行降噪和降低异常峰值处理；步骤3：将降噪和降低异常峰值预处理后的负荷有功功率数据进行最值归一化；步骤4：采用改进的阈值算法对归一化后的负荷有功功率数据进行负荷功率变化事件检测，分离出负荷设备的电压和电流波形数据；步骤5：采用零样本学习方法识别含有储能设备和用电设备的综合能源系统中负荷设备类型和运行情况；步骤6：考虑实时的环境温度对综合能源系统进行负荷非侵入式监测；通过历史的负荷数据确定温度与负荷数据的关联规则，基于关联规则产生的权重获取不同负荷设备，利用聚类算法进行负荷数据分解并对与温度无关的负荷数据进行归类；步骤7：输出负荷各个设备名称、额定功率和运行状态，对于数据缺失或者无数据的设备用于完善设备数据库，并同时将分离的各个设备的数据发送给电网公司和用户。3.根据权利要求1所述的一种基于零样本学习的非侵入式负荷监测方法，其特征在于：所述步骤2的具体方法为：步骤2.1：将采集的负荷有功功率数据按数值的大小从小到大排列；步骤2.2：计算排序后总负荷有功功率数据的均值与标准差步骤2.3：计算采集的总负荷有功功率数据的Grubbs值，即下侧Grubbs值和上侧Grubbs值；步骤2.4：选择检验水平，根据检验水平和Grubbs值的取值来查阅Grubbs临界值检验表，获得Grubbs准则的临界值；步骤2.5：根据Grubbs准则的临界值对采集的负荷有功功率数据进行筛选。4.根据权利要求3所述的一种基于零样本学习的非侵入式负荷监测方法，其特征在于：所述步骤4的具体方法为：步骤4.1：计算负荷各周期的有功功率增量；步骤4.2：根据负荷各周期的有功功率增量判定负荷设备是否发生了突变事件；步骤4.3：根据负荷各周期的有功功率增量判定负荷设备是否发生了缓变事件；步骤4.4：根据负荷各周期的有功功率增量判断负荷设备的电流信号是否处于稳定状态；
步骤4.5：当判断负荷设备的电流信号处于稳态后，检测负荷电压的过零点进行电流波形提取；步骤4.6：当负荷功率变化事件发生后，如果稳态电压波形的电压过零点，提取稳态周期电流；进而依据电流的叠加性，提取负荷功率变化事件的电压波形与电流波形。5.根据权利要求4所述的一种基于零样本学习的非侵入式负荷监测方法，其特征在于：所述步骤5的具体方法为：步骤5.1：对各个负荷设备数据进行训练，将已知负荷设备功率数据集输入CNN...

【专利技术属性】
技术研发人员：潘霄，张娜，张明理，王义贺，张琦，宋坤，程孟增，赵琳，刘冰，汪明达，满林坤，徐熙林，李金起，王宗元，李纯正，
申请(专利权)人：国家电网有限公司东北大学，
类型：发明
国别省市：