一种非侵入式负荷集群分类方法及系统技术方案

本发明专利技术涉及一种非侵入式负荷集群分类方法及系统，确定各训练子集对应的双层高斯过程混合模型；求解各训练子集对应的双层高斯过程混合模型的参数；根据M组训练子集对应的双层高斯过程混合模型的参数求取均值，确定双层高斯过程混合平均模型的参数；将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。本发明专利技术方案将用户侧具有相同操作特点、统一用电规律的负荷建模成一个集群，利用隶属于双层高斯过程混合平均模型的概率值来判定未知集群的所属类别，从而有效实现集群的分类，为用户提高用电效率提供指导。提高用电效率提供指导。提高用电效率提供指导。

【技术实现步骤摘要】
一种非侵入式负荷集群分类方法及系统


[0001]本专利技术涉及负荷监测
，特别是涉及一种非侵入式负荷集群分类方法及系统。

技术介绍

[0002]随着用电设备种类和数量的不断增加，负荷侧的组成结构和负荷特性等也愈发复杂，对用户用能信息的细致分析将为开展需求侧管理提供基础信息参考。
[0003]在一些用电场景(例如园区用电场景)下，大量负荷往往以负荷集群的形式出现，负荷集群的行为直接影响整个电力系统的运行状态，以负荷集群为单元进行配电网络和分布式电源的统一规划和运行控制已经成为一种发展趋势，通过负荷集群管理可以使集群间实现协调配合，集群内实现源—荷匹配。
[0004]目前对于负荷集群的研究主要集中在分布式电源集群、配电网集群、弹性可调负荷集群等领域，主要研究集群的划分指标和运行控制。对于以具有相同操作特点、统一用电规律的负荷集群分类研究则相对较少。

技术实现思路

[0005]本专利技术的目的是提供一种非侵入式负荷集群分类方法及系统，以实现对具有相同操作特点、统一用电规律的负荷集群进行分类。
[0006]为实现上述目的，本专利技术提供了一种非侵入式负荷集群分类方法，所述方法包括：
[0007]基于负荷集群对应的用电数据集D构建测试集T和训练集S；训练集S包括M个训练子集；所述测试集T中包括M个测试子集；其中，M为大于1的正整数；
[0008]确定各训练子集对应的双层高斯过程混合模型；所述双层高斯过程混合模型的参数待求解；
[0009]求解各训练子集对应的双层高斯过程混合模型的参数；
[0010]将求解得到的M组参数求取均值，将均值代入双层高斯过程混合模型后得到双层高斯过程混合平均模型；
[0011]将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；
[0012]将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。
[0013]可选地，所述确定各训练子集对应的双层高斯过程混合模型，具体包括：
[0014]确定各训练子集中包含集群的总类数K；
[0015]基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型。
[0016]可选地，所述确定各训练子集中包含集群的总类数K，具体包括：
[0017]步骤S211：基于各类集群对应的特征确定负荷集群特征；
[0018]步骤S212：判断训练子集S
l
中是否存在满足负荷集群特征的集群；如果存在满足负荷集群特征的集群，则执行“步骤S214”；如果不存在满足负荷集群特征的集群，则剔除训练子集S
l
，并令l＝l+1，并执行“步骤S213”；
[0019]步骤S213：判断l是否大于M，如果l大于M，则结束；如果l小于或等于M，则返回“步骤S212”；
[0020]步骤S214：根据负荷集群特征确定各训练子集中包含集群的总类数K和各类集群的输入特征集。
[0021]可选地，所述基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型，具体包括：
[0022]步骤S221：基于第i个输入特征集中各输入特征构建各输入特征对应的高斯过程模型；所述输入特征集中包括p个输入特征；
[0023]步骤S222：根据p个输入特征对应的高斯过程模型构建第i类集群对应的高斯过程混合模型；所述高斯过程混合模型为下层模型；
[0024]步骤S223：判断i是否小于K，如果i小于K，则令i＝i+1，并执行“步骤S221”；如果i大于或等于K，则根据K类集群对应的高斯过程混合模型构建上层模型；
[0025]步骤S224：基于所述上层模型和各类集群对应的所述下层模型确定双层高斯过程混合模型。
[0026]可选地，所述负荷集群包括：电脑集群、空调集群、热水器集群和电动汽车集群中至少一类。
[0027]本专利技术还提供一种非侵入式负荷集群分类系统，所述系统包括：
[0028]数据集构建模块，用于基于负荷集群对应的用电数据集D构建测试集T和训练集S；所述测试集T中包括M个测试子集；其中，M为大于1的正整数；
[0029]双层高斯过程混合模型确定模块，用于确定各训练子集对应的双层高斯过程混合模型；所述双层高斯过程混合模型的参数待求解；
[0030]参数求解模块，用于求解各训练子集对应的双层高斯过程混合模型的参数；
[0031]双层高斯过程混合平均模型确定模块，用于将求解得到的M组参数求取均值，将均值代入双层高斯过程混合模型后得到双层高斯过程混合平均模型；
[0032]概率值计算模块，用于将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；
[0033]分类结果确定模块，用于将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。
[0034]可选地，所述双层高斯过程混合模型确定模块，具体包括：
[0035]总类数确定单元，用于确定各训练子集中包含集群的总类数K；
[0036]双层高斯过程混合模型确定单元，用于基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型。
[0037]可选地，所述总类数确定单元，具体包括：
[0038]负荷集群特征确定子单元，用于基于各类集群对应的特征确定负荷集群特征；
[0039]第一判断子单元，用于判断训练子集S
l
中是否存在满足负荷集群特征的集群；如果存在满足负荷集群特征的集群，则执行“总类数和输入特征集确定子单元”；如果不存在
满足负荷集群特征的集群，则剔除训练子集S
l
，并令l＝l+1，并执行“第二判断子单元”；
[0040]第二判断子单元，用于判断l是否大于M，如果l大于M，则结束；如果l小于或等于M，则返回“第一判断子单元”；
[0041]总类数和输入特征集确定子单元，用于根据负荷集群特征确定各训练子集中包含集群的总类数K和各类集群的输入特征集。
[0042]可选地，所述双层高斯过程混合模型确定单元，具体包括：
[0043]高斯过程模型构建子单元，用于基于第i个输入特征集中各输入特征构建各输入特征对应的高斯过程模型；所述输入特征集中包括p个输入特征；
[0044]下层模型构建子单元，用于根据p个输入特征对应的高斯过程模型构建第i类集群对应的高斯过程混合模型；所述高斯过程混合模型为下层模型；
[0045]第三判断子单元，用于判断i是否小于K，如果i小于K，则令i＝i+1，并执行“高斯过程模型构建子单元”；如果i大于或等于K，则根据K类集群对应的高斯过程混合模型构建上层模型；
[0046]双层高斯过程混合模型确定子单元，用于基于所述上层模型和各类集群对应的所述下层模型确定双层高斯过程混合模型。...

【技术保护点】

【技术特征摘要】
1.一种非侵入式负荷集群分类方法，其特征在于，所述方法包括：基于负荷集群对应的用电数据集D构建测试集T和训练集S；训练集S包括M个训练子集；所述测试集T中包括M个测试子集；其中，M为大于1的正整数；确定各训练子集对应的双层高斯过程混合模型；所述双层高斯过程混合模型的参数待求解；求解各训练子集对应的双层高斯过程混合模型的参数；将求解得到的M组参数求取均值，将均值代入双层高斯过程混合模型后得到双层高斯过程混合平均模型；将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。2.根据权利要求1所述的非侵入式负荷集群分类方法，其特征在于，所述确定各训练子集对应的双层高斯过程混合模型，具体包括：确定各训练子集中包含集群的总类数K；基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型。3.根据权利要求2所述的非侵入式负荷集群分类方法，其特征在于，所述确定各训练子集中包含集群的总类数K，具体包括：步骤S211：基于各类集群对应的特征确定负荷集群特征；步骤S212：判断训练子集S
l
中是否存在满足负荷集群特征的集群；如果存在满足负荷集群特征的集群，则执行“步骤S214”；如果不存在满足负荷集群特征的集群，则剔除训练子集S
l
，并令l＝l+1，并执行“步骤S213”；步骤S213：判断l是否大于M，如果l大于M，则结束；如果l小于或等于M，则返回“步骤S212”；步骤S214：根据负荷集群特征确定各训练子集中包含集群的总类数K和各类集群的输入特征集。4.根据权利要求3所述的非侵入式负荷集群分类方法，其特征在于，所述基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型，具体包括：步骤S221：基于第i个输入特征集中各输入特征构建各输入特征对应的高斯过程模型；所述输入特征集中包括p个输入特征；步骤S222：根据p个输入特征对应的高斯过程模型构建第i类集群对应的高斯过程混合模型；所述高斯过程混合模型为下层模型；步骤S223：判断i是否小于K，如果i小于K，则令i＝i+1，并执行“步骤S221”；如果i大于或等于K，则根据K类集群对应的高斯过程混合模型构建上层模型；步骤S224：基于所述上层模型和各类集群对应的所述下层模型确定双层高斯过程混合模型。5.根据权利要求3所述的非侵入式负荷集群分类方法，其特征在于，所述负荷集群包括：电脑集群、空调集群、热水器集群和电动汽车集群中至少一类。
6.一种非侵入式负荷集群分类系统，其特征在于，所述系统包括：数据集构建模块，用于基于负荷集群对应的用电数据集D构建测试集T...

【专利技术属性】
技术研发人员：武昕，严萌，余昊杨，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：