一种基于多维度行为学习的家庭负荷识别泛化方法技术

本发明专利技术公开了一种基于多维度行为学习的家庭负荷识别泛化方法包括：通过家庭负荷大数据完成负荷电气特征自编码和大众用户的用电行为特征提取，并将提取的大众行为作为用户的初始行为；基于负荷电气特征自编码和多维度下的行为特征，构建并训练家庭负荷识别泛化模型；根据家庭负荷识别泛化模型和用户最新的用电情况完成用户行为更新和算法的自适应；本发明专利技术相比于传统的负荷识别方法，结合了时间、空间和电器相关性这三种维度下的用户行为知识，解决传统方法仅依赖电气信号进行识别导致的识别准确率低下的不足，且本发明专利技术电气特征与行为特征提取过程分离的方式有效的提升了模型的泛化性能。的泛化性能。的泛化性能。

【技术实现步骤摘要】
一种基于多维度行为学习的家庭负荷识别泛化方法


[0001]本专利技术涉及家庭负荷识别
，具体为一种基于多维度行为学习的家庭负荷识别泛化方法。

技术介绍

[0002]随着人们生活水平的提高，家庭用户对电量和智能用电方式的需求也不断提升，研究表明为用户提供精细化用电信息的方法可为用户节约10％以上的电能；基于此负荷识别技术被提出且越来越重要。
[0003]其一方面促进了用户节约用电，提高能源利用效率，另一方面又提高了用户的智能用电体验；因硬件成本的限制，传统的负荷识别方法大部分只依赖负荷的电气信号进行识别，如文献(He D,Lin W,Liu N,et al.Incorporating Non
‑
Intrusive Load Monitoring Into Building Level Demand Response[J].IEEE Transactions on Smart Grid,2013,4(4):1870
‑
1877.)使用电流谐波值和谐波畸变率进行负荷识别，但因电气信息知识量有限，模型识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维度行为学习的家庭负荷识别泛化方法，其特征在于，包括：通过家庭负荷大数据完成负荷电气特征自编码和大众用户的用电行为特征提取，并将提取的所述大众用户的用电行为特征作为用户的初始行为特征；基于所述负荷电气特征自编码和多维度下的行为特征，构建并训练家庭负荷识别泛化模型；根据所述家庭负荷识别泛化模型和用户最新的用电情况完成用户行为更新，并实现算法的自适应。2.如权利要求1所述的基于多维度行为学习的家庭负荷识别泛化方法，其特征在于：所述家庭负荷大数据的条件包括，数据标签信息准确；采集的电气数据信号量应包括频率大于5Hz的电压有效值、电流有效值、有功功率、无功功率、功率因素、电压电流1～7次谐波幅值和相位；负荷数据应能反映用户用电行为的生活用电数据，且所述数据跨度应大于1个月。3.如权利要求2所述的基于多维度行为学习的家庭负荷识别泛化方法，其特征在于：所述大众用户的用电行为特征提取包括，所述用电行为特征包括时间行为特征、空间行为特征和关联行为特征；所述时间行为特征包括各电器在一天中的使用概率分布，所述空间行为特征包括各区域中各电器的使用概率；所述关联行为特征包括各电器间的关联性，所述关联性的计算包括，其中，A
ij
表示电器j出现时电器i出现的概率，N
ij
表示电器i和j同时出现的次数，N
j
表示电器j出现的次数。4.如权利要求1～3任一所述的基于多维度行为学习的家庭负荷识别泛化方法，其特征在于：所述将提取的所述大众用户的用电行为特征作为用户的初始行为特征包括，所述大众行为主要用于模型应用初期用户数据不足以反映用户行为的情况，作为用户初始行为使用，为避免行为信息过拟合，通过阈值μ对电器行为关联信息进行二值化处理；所述二值化处理的计算包括，其中，A
ij
表示大众行为关联信息。5.如权利要求4所述的基于多维度行为学习的家庭负荷识别泛化方法，其特征在于：所述家庭负荷识别泛化模型的构建包括，基于所述负荷电气特征自编码和多维度下的行为特征，构建家庭负荷识别泛...

【专利技术属性】
技术研发人员：谈竹奎，刘斌，张俊玮，张秋雁，代吉玉蕾，林呈辉，欧家祥，肖小兵，徐玉韬，唐赛秋，聂沧禹，巨彧龙，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：