一种融合暂稳态特征的非侵入式负荷识别方法技术

本发明专利技术公开了一种融合暂稳态特征的非侵入式负荷识别方法，它包括：获取负荷运行时的电压和电流数据，由此获得负荷的功率序列，包含有功功率、无功功率和视在功率；采用滑动窗口算法检测负荷的投切状态，并分离出负荷的暂态数据和稳态数据；分别从获得的暂态数据和稳态数据中提取所需的电气特征量，获得各自的特征向量；将暂态特征向量输入至训练好的XGBoost模型中，将稳态特征向量输入至训练好的随机森林RF模型中，得到各自的识别结果；将分类识别结果构造基本概率分配BPA，采用D

【技术实现步骤摘要】
一种融合暂稳态特征的非侵入式负荷识别方法


[0001]本专利技术属于负荷识别
，尤其涉及一种融合暂稳态特征的非侵入式负荷识别方法。

技术介绍

[0002]近年来，随着时代的需求和行业技术的发展，电网逐步迈向智能化。负荷监测和识别作为智能电网的重要组成部分，对智能电网的建设具有重要意义，吸引学者和企业投入到对其研究当中。
[0003]目前，国际上的负荷识别方式主要采取侵入式和非侵入式两种。其中侵入式识别方式(ILM)需要在各个电气设备安装一个监测模块，虽然识别效果准确，但是由于其存在安装不便捷、成本高昂、维护困难等问题，导致这种方式难以大范围推广；而非侵入式负荷识别(NILM)仅需要在用户用电的入线端安装监测设备，具有部署简单、成本低廉、维护简单的特点。NILM一般包含以下几部分：原始电气信号的获取与处理、负荷投切事件检测、负荷特征的提取、负荷类型识别。
[0004]现有的NILM方法大多数仅提取负荷的稳态特征或暂态特征，然而由于某些用电设备具有非常相似的稳态特征或暂态特征，无法有效区分，因此使用单一的稳态特征或暂态进行负荷识别具有局限性。

技术实现思路

[0005]本专利技术要解决的技术问题：提供一种融合暂稳态特征的非侵入式负荷识别方法，以解决现有技术仅提取负荷的稳态特征或暂态特征进行负荷识别，，使用单一的稳态特征或暂态进行负荷识别具有局限性等技术问题。
[0006]本专利技术技术方案：
[0007]一种融合暂稳态特征的非侵入式负荷识别方法，它包括：
[0008]步骤S1、获取负荷运行时的电压和电流数据，由此获得负荷的功率序列，包含有功功率、无功功率和视在功率；
[0009]步骤S2、采用滑动窗口算法检测负荷的投切状态，并分离出负荷的暂态数据和稳态数据；
[0010]步骤S3、分别从获得的暂态数据和稳态数据中提取所需的电气特征量，获得各自的特征向量；
[0011]步骤S4、将暂态特征向量输入至训练好的XGBoost模型中，将稳态特征向量输入至训练好的随机森林RF模型中，得到各自的识别结果；
[0012]步骤S5、将步骤S4输出的分类识别结果构造基本概率分配BPA，采用D
‑
S证据理论进行融合得到最终的识别结果。
[0013]所述的电压、电流数据为大于100Hz的高频数据。
[0014]步骤S2所述分离出负荷的暂态数据和稳态数据的方法包括：
[0015]步骤S2
‑
1、设置长度为2N的滑窗，在有功功率序列中滑动；
[0016]步骤S2
‑
2、分别计算滑窗后N个功率的平均值和前N个功率的平均值并计算差值δ：
[0017][0018]如果δ大于设定的第一阈值T1，T1＞0，则判断为负荷接入；如果δ小于设定的第二阈值T2，T2＜0，则判断为负荷断开；
[0019]步骤S2
‑
3、判断为负荷接入后，根据下式计算稳态判据σ：
[0020][0021]如果σ小于设定的第三阈值T3，则判定为进入稳态，以此刻为分界点分离出负荷的暂态数据和稳态数据。
[0022]从暂态数据获得的电气特征量包括：有功功率和无功功率的平均值峰值P
peak
、Q
peak
；、脉冲因子P
pulse
、Q
pulse
、偏度P
skew
、Q
skew
；峰度P
kurt
、Q
kurt
；其中脉冲因子、偏度和峰度的计算方式如下：
[0023][0024][0025][0026][0027][0028][0029]其中，N
r
为暂态持续的周波数，P
i
、Q
i
分别为暂态持续时间内的有功功率和无功功率序列的值；
[0030]上述特征经组合后得到10维暂态特征向量
[0031][0032]从稳态数据获得的电气特征量包括：电流平均值峰
‑
峰值I
pp
、有效值I
rms
、峰均比I
pp
‑
rms
；有功功率P、无功功率Q、视在功率S、功率因数基波及2、3、5、7次谐波电流与谐波阻抗的幅值和相位；偶次谐波聚合值I
double
、三倍次谐波聚合值I
triple
、质数次谐波聚合值I
prime
；其中，电压和电流的谐波幅值和相位通过快速傅里叶变换算法(FFT)计算得到，谐波阻抗的幅值和相位计算方式如下：
[0033][0034][0035]其中，U
k
、I
k
、Z
k
(k＝1,2,3,5,7)分别为k次谐波电压、电流、阻抗幅值(k＝1时为基波幅值)，(k＝1,2,3,5,7)分别为k次谐波电压、电流、阻抗相角(k＝1时为基波相角)；
[0036]偶次谐波聚合值、三倍次谐波聚合值、质数次谐波聚合值计算方式如下：
[0037][0038][0039][0040]其中，I
k
为k次谐波电流幅值；
[0041]上述特征经组合得到32维稳态特征向量
[0042][0043]XGBoost模型的训练方式为：
[0044]1)预先获取部分电器的暂态电压、电流数据及功率序列；
[0045]2)经过步骤S3获得暂态特征向量并打上标签；
[0046]3)将处理后的暂态数据输入XGBoost分类器进行训练，并结合交叉验证法与网格搜索法找到模型的最优参数。
[0047]随机森林模型的训练方式为：
[0048]1)预先获取部分电器的稳态电压、电流数据及功率序列；
[0049]2)经过步骤S3获得稳态特征向量并打上标签；
[0050]3)将处理后的稳态数据输入随机森林分类器进行训练，并结合交叉验证法与网格搜索法找到模型的最优参数。
[0051]步骤S5所述的采用D
‑
S证据理论融合分类结果的具体步骤为：步骤S5
‑
1、根据暂态识别结果和稳态识别结果构造以下的mass函数：
[0052]m1(A
i
)＝y
i
[0053]m2(A
i
)＝z
i
[0054]其中A
i
＝{第i种电器}，y
i
、z
i
分别表示在暂态识别结果和稳态识别结果中被分为第i类电器的概率；
[0055]步骤S5
‑
2、利用Dempster合成规则计算组合mass函数：
[0056][0057]其中，K称为归一化因子，反映了证据的冲突程度，计算方式如下：
[0058][0059]步骤S5
‑
3、将合成mass函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合暂稳态特征的非侵入式负荷识别方法，其特征在于：它包括：步骤S1、获取负荷运行时的电压和电流数据，由此获得负荷的功率序列，包含有功功率、无功功率和视在功率；步骤S2、采用滑动窗口算法检测负荷的投切状态，并分离出负荷的暂态数据和稳态数据；步骤S3、分别从获得的暂态数据和稳态数据中提取所需的电气特征量，获得各自的特征向量；步骤S4、将暂态特征向量输入至训练好的XGBoost模型中，将稳态特征向量输入至训练好的随机森林RF模型中，得到各自的识别结果；步骤S5、将步骤S4输出的分类识别结果构造基本概率分配BPA，采用D
‑
S证据理论进行融合得到最终的识别结果。2.根据权利要求1所述的一种融合暂稳态特征的非侵入式负荷识别方法，其特征在于：所述的电压、电流数据为大于100Hz的高频数据。3.根据权利要求1所述的一种融合暂稳态特征的非侵入式负荷识别方法，其特征在于：步骤S2所述分离出负荷的暂态数据和稳态数据的方法包括：步骤S2
‑
1、设置长度为2N的滑窗，在有功功率序列中滑动；步骤S2
‑
2、分别计算滑窗后N个功率的平均值和前N个功率的平均值并计算差值δ：如果δ大于设定的第一阈值T1，T1＞0，则判断为负荷接入；如果δ小于设定的第二阈值T2，T2＜0，则判断为负荷断开；步骤S2
‑
3、判断为负荷接入后，根据下式计算稳态判据σ：如果σ小于设定的第三阈值T3，则判定为进入稳态，以此刻为分界点分离出负荷的暂态数据和稳态数据。4.根据权利要求1所述的一种融合暂稳态特征的非侵入式负荷识别方法，其特征在于：从暂态数据获得的电气特征量包括：有功功率和无功功率的平均值峰值P
peak
、Q
peak
；、脉冲因子P
pulse
、Q
pulse
、偏度P
skew
、Q
skew
；峰度P
kurt
、Q
kurt
；其中脉冲因子、偏度和峰度的计算方式如下：计算方式如下：
其中，N
r
为暂态持续的周波数，P
i
、Q
i
分别为暂态持续时间内的有功功率和无功功率序列的值；上述特征经组合后得到10维暂态特征向量从稳态数据获得的电气特征量包括：电流平均值峰
‑
峰值I
pp
、有效值I
rms
、峰均比I
pp
‑
rms
；有功功率P、无功功率Q、视在功率S、功率因数基波及2、3、5、7次谐波电流与谐波阻抗的幅值和相位；偶次谐波聚合值I

【专利技术属性】
技术研发人员：谈竹奎，刘斌，唐赛秋，张秋雁，代吉玉蕾，张锐锋，徐宏伟，胡厚鹏，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：