一种基于单分类结合模糊宽度学习的负荷识别方法技术

本发明专利技术公开了一种基于单分类结合模糊宽度学习的负荷识别方法，所述方法包括：对采集的负荷电流数据进行标准化处理；通过检测负荷电流的变化来判断有无投切事件的发生；检测到事件后通过投切前后的电流差值，提取当前设备电流数据，并利用傅里叶变换提取负荷电流的1

【技术实现步骤摘要】
一种基于单分类结合模糊宽度学习的负荷识别方法


[0001]本专利技术涉及非侵入式负荷监测


技术介绍

[0002]电力是推进工业社会发展的主要能源之一。随着智能电力的发展以及人们节能意识的增强，社会对电能质量的要求日益提高。在智能电网的建设中，非侵入式负荷监测(non
‑
intrusive load monitoring,NILM)具有较高的研究价值和广阔的应用前景。NILM通过用户负荷信息挖掘，可以有效缓解能源危机，节能减耗，提高经济效益。不同于侵入式方法，NILM技术通过在主电能输入端安装监测设备来获取总用电信息从而识别用户的负荷类型和工作状态，提高了测量设备安全性，具有成本低、维护方便等优点。对电网公司来说，NILM的智能电表技术能够对电力需求进行预测并为决策者提供决策依据，强化了用户对电网的调节功能，有助于智能电网的建设；运用数据分析以及人工智能技术能够提高电力预测模型的精度，为用电规划提供可靠依据，达到降低用电损耗的目的。对电力用户而言，NILM能够根据能耗、分时电价、电能计量等信息，得到有效的节能措施。因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，包括以下步骤：S1：采集总电能输入端的电流数据，对获得的负荷电流数据进行预处理；S2：根据处理后的电流数据，根据监测电流的变化量判断是否发生负荷投切事件(若无投切事件发生则继续执行S2)；S3：通过投切前后的电流差值，提取当前设备电流数据，然后利用傅里叶变换提取1
‑
9次奇次谐波构建负荷特征印记，并对数据进行标准化；S4：基于负荷特征构建负荷特征库，并基特征库训练模糊宽度学习系统；S5：对待测样本提取特征后，基于负荷特征库通过单分类K近邻算法计算样本的待测距离和类内距离，根据距离大小判断样本是否为未知负荷；S6：对检测为已知样本的负荷利用模糊宽度学习系统进行分类，识别负荷类型。2.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤S1中对总电能输入端的电流数据进行高频采样，并对电流数据进行预处理，通过小波阈值去噪减小噪声干扰：(1)通过小波变换将信号进行多尺度的分解，对各层信号的小波系数进行去噪，常用的方法为阈值量化。(2)通过小波逆变换利用量化后的小波系数对信号进行重构，从而达到去噪的目的。3.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤S2中根据电流变化量判断负荷投切事件的方法为：(1)计算负荷电流在某一时刻相邻周期的电流差值；(2)若该差值大于设定的阈值则检测到有投切事件发生。4.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤S3中检测到投...

【专利技术属性】
技术研发人员：王毅，王萧阳，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：