一种基于图信号处理的非侵入式负荷监测方法技术

本发明专利技术涉及一种基于图信号处理的非侵入式负荷监测方法，主要包括事件检测、基于V

A non intrusive load monitoring method based on graph signal processing

【技术实现步骤摘要】
一种基于图信号处理的非侵入式负荷监测方法


[0001]本专利技术涉及非侵入式负荷监测领域，具体涉及一种高频下基于图信号处理的非侵入式负荷监测方法。

技术介绍

[0002]需求侧管理(Demand Side Management，DSM)是指通过采取有效的激励措施，引导电力用户改变用电方式，提高终端用电效率，优化资源配置，改善和保护环境，实现最小成本电力服务所进行的用电管理活动，是促进电力工业与国民经济、社会协调发展的一项系统工程。负载监测作为DSM最主要的应用之一，可以采用侵入式和非侵入式两种方式进行。侵入式负载监控(Intrusive load monitoring，ILM)依靠安装在插头端的独立仪表来测量每个负载的用电量。而George W.Hart在1984年提出的非侵入式负荷监测(Non
‑
intrusive load monitoring，NILM)。NILM被定义为使用分析工具将单个设备消耗的功率与总测量值分开。与ILM相比，NILM更具成本效益、灵活性和用户友好性。
[0003]根据采样频率，NILM可分为采样间隔超过1分钟的超低频NILM、采样在1Hz和1/60Hz之间的低频NILM和通常以kHz和MHz为单位的高频NILM。一般来说，超低频NILM利用电量曲线，低频NILM主要利用有功和无功功率信号，由于采样频率越高，可以从数据中获得的信息越多。因此，在高率NILM中使用了多种特性，例如谐波和电流波峰因数等。
[0004]目前，在高频NILM领域进行负荷分解的方法主要有以下三方面：一是基于深度学习的方法；二是基于数学方法；三是基于机器学习的方法。深度学习的分离性能很好，但是模型复杂、计算时间长并且属于有监督学习，需要对数据进行标注训练。数学方法和机器学期的方法虽然模型简洁但分离性能差。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有方法存在的缺陷，从而提供一种基于图信号处理的非侵入式负荷监测方法。
[0006]本专利技术提出的一种基于图信号处理的非侵入式负荷监测方法，包括事件检测、基于V
‑
I轨迹的特征提取和基于图信号处理的聚类三个步骤；首先对高频数据进行事件检测；从由事件的电流电压构成的V
‑
I轨迹中提取特征；最后将各个事件的特征通过图信号处理的方法聚类，从而实现负荷监测。
[0007]进一步讲，本专利技术所述的非侵入式负荷监测方法，其中：
[0008]所述事件检测包括：获取用户设备在设定时间段内的总负荷电流与电压数据，作为检测数据；将相邻周波电流数据做差，根据差值大小得到事件集合ε。
[0009]所述总负荷电流与电压数据为16.5KHz的高频电流电压数据。
[0010]从事件的电流电压构成V
‑
I轨迹中提取特征，包括：对于事件检测得到的事件集合ε中的每个事件，从事件相应的电流中提取出电流均方根值、电流峰值、电流波峰因数三个特征，从所述电流均方根值、电流峰值、电流波峰因数三个特征同一段电流数据相应的V
‑
I
轨迹中提取出V
‑
I轨迹面积、中段斜率、中段峰值、交叉面接四个特征，从而得到特征集合
[0011]针对所述的V
‑
I轨迹，其中：所述V
‑
I轨迹构成的面积为所述V
‑
I轨迹面积；所述V
‑
I轨迹中线拟合的直线与电压轴V形成的角θ为所述中段斜率；所述V
‑
I轨迹与所述V
‑
I轨迹中线之间的最大距离为中段峰值；所述V
‑
I轨迹的峰谷相连形成轨迹峰谷连线，所述V
‑
I轨迹与所述轨迹峰谷连线构成的的面积为所述交叉面积。
[0012]将各个事件的特征通过图信号处理的方法聚类，从而实现负荷监测，包括：
[0013]3‑
1)对特征集合构建无向图计算邻接矩阵A及拉普拉斯矩阵L；
[0014]3‑
2)从上述的无向图中定义图信号为向量s，对所有图信号赋值，所述图信号首个元素赋值为0，其它元素赋值为；求解图信号的闭式解：
[0015]3‑
3)将大于或等于常数q图信号聚为一类，构成集合并将集合中相应的事件从事件集合ε移除；
[0016]3‑
4)重复步骤3
‑
1)到3
‑
3)，直到事件集合ε为空集；
[0017]3‑
5)通过相对标准偏差判断聚类质量，将相对标准偏差小于阈值的事件存放集合其它事件返还到事件集合ε中；
[0018]3‑
6)对与保存在事件集合ε的元素，减半比例因子ρ，并重新执行3
‑
4)到3
‑
5)，直到事件集合ε为空集；
[0019]3‑
7)计算事件中所有元素V
‑
I轨迹面积的均值，将两簇面积差小于阈值的元素聚合到一起，最终得到负荷分解的结果。
[0020]步骤3
‑
1)中构建的无向图为全连接图，通过高斯核函数计算邻接矩阵A。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022]本专利技术将图信号处理技术，通过对高频的电流电压数据分析，得到高频特征，并利用图信号处理技术对特征进行聚类，从而实现对电力负荷的分类。本专利技术将图信号处理技术应用到高频非侵入式负荷分解领域，利用电流周波之差进行事件检测，相比于其他高频领域方法利用低频功率变化检测事件，降低了数据使用量与计算量。通过高频电流信号以及V
‑
I轨迹，提取出特征，并根据实际经验提出一种新的V
‑
I轨迹特征。利用图信号处理技术聚类，无需标注训练数据，在提高了算法的适用性的同时，也获得了更好的电力分解结果，实现更高精度的非侵入式的负荷监测。
附图说明
[0023]图1是本专利技术一种基于图信号处理的非侵入式负荷监测方法流程图。
[0024]图2是从V
‑
I轨迹中提取出的四种特征。
[0025]图3是基于图信号处理技术聚类方法的流程图
具体实施方式
[0026]下面结合附图及具体实施例对本专利技术做进一步的说明，但下述实施例绝非对本专利技术有任何限制。
[0027]本实施例提供了一种基于图信号处理的非侵入式负荷监测方法，如图1所示。该方
法主要分为三个步骤，即包括事件检测、基于V
‑
I轨迹的特征提取和基于图信号处理的聚类。首先对于给定的电流电压数据进行事件检测。再从检测出的事件对应的电流电压中提取特征。最后将各个事件的特征通过图信号处理的方法聚类，最终得到负荷分解的结果。
[0028]应用图信号处理技术对NILM问题进行求解，是将NILM看作聚类问题，即对于某一时刻总电流的变化，判断是由哪一个已知设备引起的，由此可判断出设备的运行状态。
[0029]本实施例采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图信号处理的非侵入式负荷监测方法，包括事件检测、基于V
‑
I轨迹的特征提取和基于图信号处理的聚类三个步骤；首先对高频数据进行事件检测；从由事件的电流电压构成的V
‑
I轨迹中提取特征；最后将各个事件的特征通过图信号处理的方法聚类，从而实现负荷监测。2.根据权利要求1所述的非侵入式负荷监测方法，其特征在于，所述事件检测包括：获取用户设备在设定时间段内的总负荷电流与电压数据，作为检测数据；将相邻周波电流数据做差，根据差值大小得到事件集合ε。3.根据权利要求2所述的基于图信号处理的非侵入式负荷监测方法，其特征在于，所述总负荷电流与电压数据为16.5KHz的高频电流电压数据。4.根据权利要求1所述的非侵入式负荷监测方法，其特征在于，从事件的电流电压构成V
‑
I轨迹中提取特征，包括：对于事件检测得到的事件集合ε中的每个事件，从事件相应的电流中提取出电流均方根值、电流峰值、电流波峰因数三个特征，从所述电流均方根值、电流峰值、电流波峰因数三个特征同一段电流数据相应的V
‑
I轨迹中提取出V
‑
I轨迹面积、中段斜率、中段峰值、交叉面接四个特征，从而得到特征集合5.根据权利要求4所述的非侵入式负荷监测方法，其特征在于，针对所述的V
‑
I轨迹，其中：所述V
‑
I轨迹构成的面积为所述V
‑
I轨迹面积；所述V
‑
I轨迹中线拟合的直线与电压轴V形成的角θ为所述中段斜率；所述V
‑
I轨迹与所述V
‑
I轨...

【专利技术属性】
技术研发人员：赵博超，李旭昊，栾文鹏，刘博，
申请(专利权)人：天津大学，
类型：发明
国别省市：