一种适用于非侵入式负荷识别特征库更新方法及系统技术方案

本发明专利技术公开了一种适用于非侵入式负荷识别特征库更新方法及系统包括：通过智能终端获取电器设备使用时的电压和电流的采样数据；对采样数据利用滑动时间窗检测算法，检测是否发生电器事件；对采样得到的电气量数据提取电力指纹负荷特征；训练适用于当前负荷特征库的连续型贝叶斯分类器；将训练好的连续型贝叶斯分类器存储在智能终端中，实现对原有负荷特征库的更新。本发明专利技术提供的适用于非侵入式负荷识别特征库更新方法能够实现负荷识别在智能终端上离线训练模型，训练需要的数据量小，且针对不同用户，无需在智能终端投入使用前训练好模型，只需用户使用前根据需要，简单操作即可训练好针对用户的最优化模型，个性化定制能力高，应用性强。应用性强。应用性强。

【技术实现步骤摘要】
一种适用于非侵入式负荷识别特征库更新方法及系统


[0001]本专利技术涉及负荷识别
，具体为一种适用于非侵入式负荷识别特征库更新方法及系统。

技术介绍

[0002]随着时代的进步，智能电网的概念深入人心。在万物互联的时代，大数据得到广泛应用，电力大数据也有很多值得挖掘的地方，而电力指纹则是对电力数据挖掘的重要支柱，通过用电设备的暂态和稳态等特征，利用人工智能和大数据技术，对用户设备的负荷特性、设备参数、能效和健康水平以及身份和用户行为习惯进行识别，凝练出负荷的重要信息。负荷识别就是挖掘电力数据的一个典型应用，负荷识别分为侵入式负荷识别与非侵入式负荷识别，侵入式负荷识别是指通过为每个用电设备安装互感器等传感器来实现对每个用电负荷的监控，具有较好的监控能力，但有成本高、维护难度大的缺点；非侵入式负荷识别则是在用户的入户处安装监控设备，通过相关技术来分析总线处电压、电流所蕴含的内在信息，操作、维护简单，人力物力成本低，因此得到广泛应用。
[0003]传统的非侵入式负荷识别是通过事先建立用户电器设备的负荷特征库，并将负荷特征库放置于智能终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于非侵入式负荷识别特征库更新方法，其特征在于，包括：通过智能终端获取电器设备使用时的电压和电流的采样数据；对采样数据利用滑动时间窗检测算法，检测是否发生电器事件；对采样得到的电气量数据提取电力指纹负荷特征；训练适用于当前负荷特征库的连续型贝叶斯分类器；将训练好的连续型贝叶斯分类器存储在智能终端中，实现对原有负荷特征库的更新。2.如权利要求1所述的适用于非侵入式负荷识别特征库更新方法，其特征在于，所述滑动时间窗检测算法包括：设置滑动时间窗的大小为Δt；为每个滑动时间窗设置a个样本窗口，每个样本窗口的大小为Δt/a；基于当前时刻t0，通过电气量数据电压和电流在每个滑动时间窗的变化，判断是否发生电器事件；所述的电气量数据电压和电流在每个滑动时间窗的变化包括：电气量数据在(t0‑
Δt)～t0和t0～(t0+Δt)的有效值均值、电气量数据在(t0‑
Δt)～t0和t0～(t0+Δt)内有效值上升过程与下降过程、电气量数据在(t0‑
Δt)～t0和t0～(t0+Δt)内的暂态过程时间。3.如权利要求1所述的适用于非侵入式负荷识别特征库更新方法，其特征在于：所述电力指纹负荷特征包括：电流波形平均值、电流波形峰峰值、电流波动系数、电流峰均比、净谐波含量比值、偶次谐波聚合、三倍次谐波聚合、质数次谐波聚合、有功功率、无功功率。4.如权利要求1所述的适用于非侵入式负荷识别特征库更新方法，其特征在于：所述训练适用于当前负荷特征库的连续型贝叶斯分类器包括：在电力指纹负荷特征场景中，属性条件独立性假设成立，即对已知类别，假设所有属性相互独立，此时为朴素贝叶斯分类器其中，c为样本类，d为属性数目，x
i
为x在第i个属性上的取值，P(x
i
|c)为每个属性的条件概率，P(c)为类先验概率。训练集估计类先验概率P(c)，即每类电器的分类概率；训练集估计每个属性的条件概率P(x
i
|c)，计算公式如下：但电气量数据基本为连续属性，可以考虑概率密度函数，假定其中μ
c,i
和分别是第c类样本在第i个属性上取值的均值和方差，则有5.如权利要求4所述的适用于非侵入式负荷识别特征库更新方法，其特征在于：基于测试集验证贝叶斯...

【专利技术属性】
技术研发人员：谈竹奎，刘斌，王秀镜，朱勇，肖永，方学智，任召廷，张锐锋，林呈辉，高吉普，徐玉韬，唐赛秋，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：