基于高频采集能耗数据的大功率设备非侵入式检测方法技术

本发明专利技术公开了基于高频采集能耗数据的大功率设备非侵入式检测方法，包括以下步骤：获取大功率设备的高频能耗数据中的负荷数据；通过有效值阈值的事件检测，提取负荷数据中用户打开大功率设备的瞬时段数据；通过希尔伯特

【技术实现步骤摘要】
基于高频采集能耗数据的大功率设备非侵入式检测方法


[0001]本专利技术涉及智能电网
，具体为基于高频采集能耗数据的大功率设备非侵入式检测方法。

技术介绍

[0002]智能电网不仅吸引了研究人员的注意，也吸引了很多国家政府的注意。特别是，电力作为最重要的能源形式之一，且每年的电力需求都在大服务的增长。因此，节能已经成为了全球一个紧迫的能源目标。为了实现其电力负荷准确预测和需求侧管理，有效的提升能源管理水平和智能用电技术，对工业企业用户的电力负荷预测与管理方法研究、满足用户的多种电力能源管理需求、增强用电模式的灵活性和互动性，是将来智能用电技术的发展新方向。
[0003]近年来，机器学习和深度学习在负荷预测中发挥了重要作用，包括最近邻、支持向量机、隐马尔可夫模型等，但是在时间和空间上仍有指数级的限制。在一些深度学习算法中，通常都是解决使用低频数据的负荷预测和识别，而对高频数据集的探索确实很少。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术的目的在于提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高频采集能耗数据的大功率设备非侵入式检测方法，其特征在于，包括以下步骤：获取大功率设备的高频能耗数据中的负荷数据；通过有效值阈值的事件检测，提取负荷数据中用户打开大功率设备的瞬时段数据；通过希尔伯特
‑
黄变换提取所述瞬时段数据中的瞬时振幅、瞬时相位、瞬时频率特征，将瞬时振幅、瞬时相位、瞬时频率特征进行特征合并得到瞬态特征APF，对瞬态特征APF中的数据特征创建顺序便签，构成瞬态特征时序数据；将瞬态特征APF中的瞬态特征时序数据融入到长短期记忆模型，利用长短期记忆模型实现对大功率设备的检测和识别。2.根据权利要求1所述的基于高频采集能耗数据的大功率设备非侵入式检测方法，其特征在于：在提取负荷数据中用户打开大功率设备的瞬时段数据之前，还包括对所述负荷数据进行预处理；所述预处理包括以下步骤：将负荷数据及负荷数据对应的时间数据分别转化为数值型数据；对所有的所述数值型数据进行标准化处理，并对所有的所述数值型数据中的缺失值进行均值插补处理；将转化为数值型数据的负荷数据按照时间先后顺序形成向量序列。3.根据权利要求1所述的基于高频采集能耗数据的大功率设备非侵入式检测方法，其特征在于：所述通过希尔伯特
‑
黄变换对瞬时段数据进行特征提取，包括以下步骤：在数字信号处理中，以T秒的间隔采集连续信号x(t)，得到N个实值点的离散样本，满足x[n]＝x(nT)
ꢀꢀ
(1)计算基于快速傅里叶变换FFT的N个实值点的非周期序列的傅里叶变换DTFT，得到x[m]；从N个实值点的离散时间信号中变换出单边解析信号Z[m]，该单边解析信号Z[m]的函数的公式为：利用N个实值点的反向的非周期序列的傅里叶变换N
‑
point inverse DFTF来计算解析信号z[n]，该解析信号z[n]的函数公式为：其中n为采样的第n个样本；m为计算得到的第m个单边解析信号。4.根据权利要求3所述的基于高频采集能耗数据的大功率设备非侵入式检测方法，其特征在于：所述希尔伯特
‑
黄变换算法，包括以下步骤：
根据向前的快速傅...

【专利技术属性】
技术研发人员：王继业，徐英辉，邓春宇，王大中，刘鹏，李闯，曹晓盼，张保亮，朗子君，廖茹，靳皓翔，严欢春，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：