基于决策树模型的非侵入式负荷监测方法及监测系统技术方案

本申请提供一种基于决策树模型的非侵入式负荷监测方法及监测系统，监测方法包括实时采集总电源的电压信号及电流信号，计算平均有功功率序列及平均无功功率序列；设置筛选条件提取有效脉冲；获取样本事件；以电器的名称为标签，将标签与样本事件对应存储至数据库；判断一电器的样本事件中暂态负荷特征的变化量是否小于一预设阈值，若是，该电器为加热器类，根据其样本事件的功率，获取该电器的第二特征向量；若否，该电器为电机类，根据其样本事件的有功功率，获取该电器在开启、运行及结束中任一阶段的第一特征向量；根据第一特征向量、第二特征向量及标签构建决策树模型；基于决策树模型，利用待测事件及其特征向量获取待测事件的标签。的标签。的标签。

【技术实现步骤摘要】
基于决策树模型的非侵入式负荷监测方法及监测系统


[0001]本申请涉及智能电网
，具体涉及一种基于决策树模型的非侵入式负荷监测方法及监测系统。

技术介绍

[0002]智能电网技术是当前全球电力工业关注的热点，它引领了电网的未来发展方向，推动着电力用户和电网的协调合作与发展。智能用电则是智能电网的核心环节之一，它是维护互动服务体系的重点。通过智能用电技术，电力用户才能获得用电设备的运行状态、所消耗电量等信息，以更好地了解自身的用电情况，及时发现异常、定位故障、优化用电减少能耗等。为了更好地监测用电情况，通常利用智能电表采集的数据来识别用户家庭的电器类型，即负荷识别。
[0003]目前的负荷识别或监测系统可分为侵入式和非侵入式两大类。传统的侵入式负荷监测系统将传感器安装在所要测量的电器处，直接监控器运行情况。非侵入式负荷监测则指在电力入口处安装监测设备，通过采集电压、电流信号并做一系列处理得到负荷集群中单个负荷的种类和运行情况，因此非侵入式负荷监测可以节省硬件成本，且更受用户欢迎。
[0004]目前非侵入式负荷识别方法中，基于规则识别的算法具有较高的准确率，其原因在于它属于一种启发式算法，源于人对功率
‑
时间曲线的观察，清晰直观，但它的缺点在于无法适用于大量未知或新兴电器，因此在监测单个负荷的种类和运行情况时存在诸多限制。

技术实现思路

[0005]本申请提供一种基于决策树模型的非侵入式负荷监测方法及监测系统，以解决现有规则识别方法无法准确监测大量未知或新兴电器的种类和运行情况的技术问题。
[0006]本申请提供一种基于决策树模型的非侵入式负荷监测方法，包括：
[0007]实时采集总电源的电压信号及电流信号，并计算平均有功功率序列及平均无功功率序列；
[0008]设置筛选条件，从平均有功功率序列中提取有效脉冲，将一种电器的有效脉冲的集合记为样本事件；
[0009]获取两个以上样本事件，每一所述样本事件包括一种电器的暂态负荷特征；
[0010]以电器的名称为标签，建立所述标签与所述样本事件的对应关系，并存储至数据库；
[0011]判断一电器的样本事件中暂态负荷特征的变化率是否小于一预设阈值，若是，该电器的类别为加热器类；若否，该电器的类别为电机类；
[0012]当该电器为电机类时，根据其样本事件的有功功率，获取该电器在开启阶段或运行阶段的第一特征向量；当该电器为加热器类时，根据其样本事件的有功功率与无功功率，获取该电器在运行阶段的第二特征向量；
[0013]根据所述第一特征向量、所述第二特征向量及所述标签，基于决策树算法构建决策树模型；
[0014]基于所述决策树模型，利用待测事件及其特征向量获取所述待测事件的标签。
[0015]可选的，所述第一特征向量包括阶段的长度、阶段开启时刻的有功功率值、阶段结束时刻的有功功率、阶段的有功功率增量、阶段的最大有功功率值、阶段的最小有功功率值、阶段的最大差分值、阶段的斜率、阶段开启时刻与结束时刻的有功功率差值、阶段的最大有功功率值与开启时刻之差、阶段的最大有功功率值与结束时刻之差、阶段的最小有功功率值与开启时刻之差、阶段的最小有功功率值与结束时刻之差。
[0016]可选的，当该电器为电机类时，所述样本事件的特征向量还包括特征集合的个数；其中，开启阶段或运行阶段的所述第一特征向量为一特征集合。
[0017]可选的，所述第二特征向量包括开启瞬间时长、开启瞬间有功功率增量、开启瞬间无功功率增量、运行时长、关闭瞬间时长、关闭瞬间有功功率增量、关闭瞬间无功功率增量、运行时段均值、运行时段标准差、运行时段极差、运行时段均值。
[0018]可选的，所述设置筛选条件，从平均有功功率序列中提取有效脉冲的步骤，包括如下步骤：
[0019]基于所述平均有功功率序列，选取上升高度大于第一预设阈值，时间跨度大于或等于第二预设阈值，并且起始与结束时刻的差值小于或等于第三预设阈值的有效脉冲；所述第一预设阈值为90
‑
150；所述第二预设阈值为60
‑
120；所述第三预设阈值为10
‑
50。
[0020]可选的，所述以电器的名称为标签，建立所述标签与所述样本事件的对应关系，并存储至数据库的步骤之后，还包括如下步骤：
[0021]提取所述数据库中至少三个所述样本事件及对应的标签，多个所述样本事件被分为至少两个训练事件及至少一个测试事件；
[0022]输入所述训练事件及其对应的标签至决策树模型的规则学习模块。
[0023]可选的，所述根据所述第一特征向量、所述第二特征向量及所述标签，基于决策树算法构建决策树模型的步骤之后，还包括如下步骤：
[0024]根据所述测试事件及其对应的标签，对所述决策树模型进行至少一次交叉验证处理。
[0025]可选的，所述根据所述第一特征向量、所述第二特征向量及所述标签，基于决策树算法构建决策树模型的步骤中，包括如下步骤：
[0026]根据所述第一特征向量、所述第二特征向量及所述标签，基于决策树算法构建所述决策树模型，并进行五折交叉验证。
[0027]可选的，所述基于所述决策树模型，利用待测事件及其特征向量获取所述待测事件的标签的步骤中，包括如下步骤：
[0028]采集待测总电源的电压信号及电流信号，并计算平均有功功率序列及平均无功功率序列；
[0029]设置筛选条件，从平均有功功率序列中提取有效脉冲，将一种电器的有效脉冲的集合记为所述待测事件；
[0030]基于所述决策树模型，获取所述待测事件的特征向量，并利用该特征向量获取所述待测事件对应的标签。
[0031]相应的，本申请还提供一种基于决策树模型的非侵入式负荷监测系统，包括存储器以及处理器，所述存储器用于存储可执行程序代码；所述处理器连接至所述存储器，通过读取所述可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以执行上述任一项所述的基于决策树模型的非侵入式负荷监测方法中的步骤。
[0032]本申请提供一种基于决策树模型的非侵入式负荷监测方法及监测系统，非侵入式负荷监测方法中建立事件与标签的对应关系，并被存储至数据库中，同时基于事件中暂态负荷特征的变化规律对事件进行分类，并获取不同电器对应的特征向量，同时建立不同电器的特征向量与标签的对应关系，并被存储至决策树模型中。
[0033]当智能电网中的用电设备包括大量未知或新兴的电器时，利用决策树模型中事件与标签的对应关系，以及不同电器的特征向量与标签的对应关系两种对应方式，可以基于决策树模型中已有的标签数据学习出未知或新兴电器的识别规则，从而可以获取未知电器或新兴电器的标签，同时，减小人力资源的耗费。
[0034]利用事件中暂态负荷特征的变化规律对电器进行分类，获取事件中暂态负荷特征缺少一致性规律的电器在开启阶段或运行阶段的第一特征向量，利用第一特征向量可以识别出电机类电器的标签。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树模型的非侵入式负荷监测方法，其特征在于，包括：实时采集总电源的电压信号及电流信号，并计算平均有功功率序列及平均无功功率序列；设置筛选条件，从平均有功功率序列中提取有效脉冲，将一种电器的有效脉冲的集合记为样本事件；获取两个以上样本事件，每一所述样本事件包括一种电器的暂态负荷特征；以电器的名称为标签，建立所述标签与所述样本事件的对应关系，并存储至数据库；判断一电器的样本事件中暂态负荷特征的变化率是否小于一预设阈值，若是，该电器的类别为加热器类；若否，该电器的类别为电机类；当该电器为电机类时，根据其样本事件的有功功率，获取该电器在开启阶段或运行阶段的第一特征向量；当该电器为加热器类时，根据其样本事件的有功功率与无功功率，获取该电器在运行阶段的第二特征向量；根据所述第一特征向量、所述第二特征向量及所述标签，基于决策树算法构建决策树模型；基于所述决策树模型，利用待测事件及其特征向量获取所述待测事件的标签。2.根据权利要求1所述的基于决策树模型的非侵入式负荷监测方法，其特征在于，所述第一特征向量包括阶段的长度、阶段开启时刻的有功功率值、阶段结束时刻的有功功率、阶段的有功功率增量、阶段的最大有功功率值、阶段的最小有功功率值、阶段的最大差分值、阶段的斜率、阶段开启时刻与结束时刻的有功功率差值、阶段的最大有功功率值与开启时刻之差、阶段的最大有功功率值与结束时刻之差、阶段的最小有功功率值与开启时刻之差、阶段的最小有功功率值与结束时刻之差。3.根据权利要求2所述的基于决策树模型的非侵入式负荷监测方法，其特征在于，当该电器为电机类时，所述样本事件的特征向量还包括特征集合的个数；其中，开启阶段或运行阶段的所述第一特征向量为一特征集合。4.根据权利要求1所述的基于决策树模型的非侵入式负荷监测方法，其特征在于，所述第二特征向量包括开启瞬间时长、开启瞬间有功功率增量、开启瞬间无功功率增量、运行时长、关闭瞬间时长、关闭瞬间有功功率增量、关闭瞬间无功功率增量、运行时段均值、运行时段标准差、运行时段极差、运行时段均值。5.根据权利要求1所述的基于决策树模型的非侵入式负荷监测方法，其特征在于，所述设置筛选条件，从平均有功功率序列中提取有效脉冲的步骤，包括如下步骤：基于所述平均有功功率序列，选取上升高度大于第一预设阈...

【专利技术属性】
技术研发人员：赵一萌，杨佳亦，张勇，
申请(专利权)人：上海千居智科技有限公司，
类型：发明
国别省市：