【技术实现步骤摘要】
基于多域特征分析与特征选择的电力数据识别方法与系统
[0001]本专利技术涉及电力数据识别
,尤其涉及一种基于多域特征分析与特征选择的电力数据识别方法与系统。
技术介绍
[0002]用户电力数据的监测与准确分析为需求侧的精细化管理提供数据支撑,是推进灵活互动智能用电的首要环节。因此,为实现用户电能高效利用与合理调度,加强智能电网
‘
网
‑
荷
’
交互服务体系,通过对智能电表等终端设备的用电数据进行实时收集、监测、分析与管理,获得更细粒度的能耗信息,引导用户侧优化用电方式,是实施智能用电的关键技术。
[0003]目前,国内外学者对用户电力数据分析的研究主要通过非侵入式负荷监测(Non
‑
intrusive load monitoring,NILM)技术获得详细的用电数据信息及构成,以深度挖掘其蕴含价值。在NILM研究初期,基于时序概率模型的隐马尔科夫模型(Hidden markov model,HMM)是研究的热点。现有技术中存在一些基于单一类型特征提取对电力数据识别的方法,但是这种方法存在特征重叠现象,难以适用于数据特性差异较小的应用场景,因此研究人员开始利用多特征的互补特性提高数据识别精度,但是现有技术中的面向多域特征组合的方法还存在电力数据特征挖掘不充分、算法效率低等问题,特征提取的有效性与冗余性还需进一步研究。
技术实现思路
[0004]本申请提出了一种基于多域特征分析与特征选择的电力数据识别方法与系统,以便有效 ...
【技术保护点】
【技术特征摘要】
1.一种基于多域特征分析与特征选择的电力数据识别方法,其特征在于:包括以下步骤:步骤1、分析所监测的电力数据中的电压、电流时间序列提取功率特征、电流谐波特征以及电压
‑
电流轨迹特征;步骤2、利用基于随机森林的特征重要性排序和广义序列后向选择搜索策略相结合的特征选择算法进行特征选择和降维,筛选出最优的一组特征子集;步骤3、利用步骤2所得的特征子集对分类模型进行训练,得到优化后的分类模型;步骤4、将未知的电力数据输入至步骤3所得到的分类模型中,进行分类。2.根据权利要求1所述的基于多域特征分析与特征选择的电力数据识别方法,其特征在于:在所述步骤1中,针对功率特征:基于对电压、电流数据做快速傅里叶变换,求取有功功率、无功功率作为功率特征,经FFT变换后的k阶频域信号U(k)、I(k)表示如下:公式(1)中U
m
(k)、I
m
(k)、U
n
(k)、I
n
(k)分别为复变量U(k)和I(k)的实部和虚部;由此求得有功功率P和无功功率Q分别为:公式(2)中,N为一个稳态周期内电流、电压的采样点数。3.根据权利要求2所述的基于多域特征分析与特征选择的电力数据识别方法,其特征在于:在所述步骤1中,针对电流谐波特征:依据FFT变换后的k阶频域信号U(k)、I(k),对前5阶奇次谐波电流幅值I
har,k
和相位角φ
k
及总谐波失真系数进行特征量化,得到公式(3)、(4):(4):上式中,I
m
,I
n
分别指复变量I的实部和虚部,G
k
为第k阶谐波分量的有效值,G1为基波分量的有效值,T
HD
为总谐波失真系数。4.根据权利要求3所述的基于多域特征分析与特征选择的电力数据识别方法,其特征在于:在所述步骤1中,针对电压
‑
电流轨迹特征:利用电压、电流之间的耦合关系,基于其物
理意义量化十个电压
‑
电流轨迹特征,分别为:1)电流跨度;2)区域面积;3)环路方向;4)不对称性;5)平均曲线率;6)自相交交点数;7)中间线峰值;8)中间线形状;9)左右段区域;10)瞬时导纳。5.根据权利要求4所述的基于多域特征分析与特征选择的电力数据识别方法,其特征在于:所述步骤2具体包括以下步骤:步骤21、设置全局最大分类准确率及对应的最优特征子集,将全局最大分类准确率记作MaxAcc,将对应的最优特征子集记作BestS;步骤22、采用10折交叉验证法对随机森林识别模型用训练集进行训练评估,所述训练集与步...
【专利技术属性】
技术研发人员:卢媛,顾建伟,冷小洁,栾卫平,杨尉,穆芮,杨冉昕,王伟,荣俊兴,王丽锋,李柔霏,张睿,赵慧群,张志浩,黄征,孙伟杰,王艳红,李玉文,杨禹太,冯逊,周学军,贺艳丽,杜廷文,陶方杰,
申请(专利权)人:国网山东省电力公司威海供电公司,
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。