基于鲁棒性随机分割森林算法的负荷事件检测方法及系统技术方案

本发明专利技术提出了一种基于鲁棒性随机分割森林算法的负荷事件检测方法及系统，本发明专利技术通过鲁棒性随机分割森林算法初步检测负荷投切事件，然后通过后期处理消除因波动引起的误检测事件并准确地定位到事件的开始点和结束点；最后根据准确定位到的事件的开始点和结束点计算功率差并跟阈值进行比较检测事件。本发明专利技术具有准确识别复杂事件和准确定位事件开始点和结束点的能力，从而有效提高事件检测的准确率。率。率。

【技术实现步骤摘要】
基于鲁棒性随机分割森林算法的负荷事件检测方法及系统


[0001]本专利技术涉及非侵入式负荷识别技术(non
‑
intrusive load monitoring, NILM)领域，尤其涉及一种基于鲁棒性随机分割森林算法的负荷事件检测方法及系统。

技术介绍

[0002]智能用电管理系统是智能电网建设的重要组成部分，而非侵入式负荷识别(non
‑
intrusive load monitoring, NILM)技术是智能用电管理系统的关键技术之一。非侵入式负荷识别方法主要分为基于事件的负荷识别和基于非事件的负荷识别方法。其中，事件检测是基于事件的负荷识别方法的关键步骤，通过事件检测可以得知用电设备运行状态的变化情况，由此再进行负荷特征提取，因此事件检测的结果直接影响后面的负荷识别结果。
[0003]但现有大部分事件检测方法还很多需要改进的地方，比如事件开始点和结束点的准确定位、阈值固定等等。

技术实现思路

[0004]本专利技术针对现有技术的不足，提供了一种基于鲁棒性随机分割森林算法的负荷事件检测方法及系统，本专利技术能够准确地定位到事件开始点和结束点以及根据功率波动程度自适应调节功率差阈值。
[0005]本专利技术采用的技术方案具体如下：
[0006]一种基于鲁棒性随机分割森林算法的负荷事件检测方法，具体为：
[0007]实时采集用电入户端的功率数据，基于功率数据计算每一时刻的功率差；
[0008]将每一时刻的功率差输入到随机森林并更新随机森林，计算异常得分；若当前时刻的异常得分大于阈值则判断可能发生事件，并将该时刻记为第一事件开始点；同时第一事件结束点为第一事件开始点之后首次异常得分小于阈值的时刻；
[0009]基于第一事件开始点、第一事件结束点，由近及远依次获取第一事件开始点、第一事件结束点附近时间段的功率序列数据并分别进行线性拟合，直至线性拟合结果符合要求；线性拟合结果的要求为斜率小于斜率阈值a0，拟合优度大于阈值r0；将线性拟合结果符合要求的第一事件开始点附近时间段的起点记为第二事件开始点，将线性拟合结果符合要求的第一事件结束点附近时间段的起点记为第二事件结束点；
[0010]基于第二事件开始点、第二事件结束点的功率差进行最终的事件检测判断。
[0011]进一步地，所述随机森林是利用服从于正态分布X
‑
N(0,1)的100个数据构造获得。
[0012]进一步地，还包括对所述实时采集用电入户端的功率数据进行均值滤波处理。
[0013]进一步地，所述由近及远依次获取第一事件开始点、第一事件结束点附近时间段的功率序列数据具体为：
[0014]基于第一事件开始点往前依次获取第一事件开始点附近的时间段的功率序列数据；
[0015]基于第一事件结束点往后依次获取第一事件结束点附近的时间段的功率序列数
据。
[0016]进一步地，所述基于第二事件开始点、第二事件结束点的功率差进行最终的事件检测判断具体为：
[0017]将第二事件开始点、第二事件结束点的功率差与功率差阈值进行对比，若第二事件开始点、第二事件结束点的功率差大于功率差阈值，则判断发生事件。
[0018]进一步地，所述功率差阈值根据功率序列数据的波动程度自适应调节：
[0019][0020]其中ΔP0是没有波动的理想情况下的初始功率差阈值，sd是当前稳定状态下功率序列数据的标准偏差，当前时刻计算的自适应调节的功率差阈值作为下一次判断事件的功率差阈值。
[0021]一种基于鲁棒性随机分割森林算法的负荷事件检测系统，用于实现上述基于鲁棒性随机分割森林算法的负荷事件检测方法，包括：
[0022]数据获取模块，用于实时采集用电入户端的功率数据，基于功率数据计算每一时刻的功率差；
[0023]初始判断模块，用于将每一时刻的功率差输入到随机森林并更新随机森林，计算异常得分；若当前时刻的异常得分大于阈值则判断可能发生事件，并将该时刻记为第一事件开始点；同时第一事件结束点为第一事件开始点之后首次异常得分小于阈值的时刻；
[0024]校准模块，用于基于第一事件开始点、第一事件结束点，由近及远依次获取第一事件开始点、第一事件结束点附近时间段的功率序列数据并分别进行线性拟合，直至线性拟合结果符合要求；线性拟合结果的要求为斜率小于斜率阈值a0，拟合优度大于阈值r0；将线性拟合结果符合要求的第一事件开始点附近时间段的起点记为第二事件开始点，将线性拟合结果符合要求的第一事件结束点附近时间段的起点记为第二事件结束点；
[0025]事件检测模块，用于基于第二事件开始点、第二事件结束点的功率差进行最终的事件检测判断。
[0026]本专利技术的有益效果是：通过鲁棒性随机分割森林算法计算异常得分。当异常得分大于阈值的时候，认为有可能发生事件并进行进一步的分析。通过线性拟合方法能够准确地定位到事件开始点和结束点。同时结合自适应调节的功率阈值可以有效地提高事件检测的准确率。
附图说明
[0027]图1为本专利技术一种基于鲁棒性随机分割森林算法的负荷事件检测方法流程图；
[0028]图2校准事件点过程，其中实心点表示事件开始点，空心点表示事件结束点；
[0029]图3不加线性拟合判断（a）和加线性拟合判断（b）的事件检测结果；
[0030]图4为本专利技术实施例中功率差阈值的自适应调节示意图；其中（a）是功率序列，（b）是功率差序列，（c）是异常得分，（d）是功率差阈值；
[0031]图5为本专利技术实施例中BLUED数据集的事件检测结果；其中（a）是A相事件的事件检测结果，（b）、（c）、（d）是B相事件的事件检测结果；
[0032]图6为本专利技术实施例中BLUED数据集的事件检测结果；其中（a）、（b）、（c）、（d）分别
是不同时间段的事件检测结果。
具体实施方式
[0033]本专利技术提供了一种基于鲁棒性随机分割森林算法的负荷事件检测方法，本专利技术通过鲁棒性随机分割森林算法初步检测负荷投切事件，并定位事件开始和结束时间：第一事件开始点和第一事件结束点，然后通过后期处理消除因波动引起的误检测事件并准确地定位到事件的开始时间和结束时间：第二事件开始点和第二事件结束点，最后基于准确的开始时间和结束时间对应的功率差进行最终的事件检测判断，本专利技术基于准确识别复杂事件和准确定位事件开始点和结束点的能力，有效提高事件检测能力。下面结合附图以及利用BLUED公共数据集(功率采样频率为60Hz)和REDD公共数据集(功率采样频率为1Hz)的实施例对本专利技术的实施步骤及效果作进一步说明。
[0034]图1是本专利技术一种基于鲁棒性随机分割森林算法的负荷事件检测方法的流程图，如图1所示，包括以下步骤：
[0035]步骤S1：实时采集用电入户端的功率数据，基于功率数据计算每一时刻的功率差；
[0036]其中，实时采集的功率数据组成功率序列数据，当以高频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鲁棒性随机分割森林算法的负荷事件检测方法，其特征在于，具体为：实时采集用电入户端的功率数据，基于功率数据计算每一时刻的功率差；将每一时刻的功率差输入到随机森林并更新随机森林，计算异常得分；若当前时刻的异常得分大于阈值则判断可能发生事件，并将该时刻记为第一事件开始点；同时第一事件结束点为第一事件开始点之后首次异常得分小于阈值的时刻；基于第一事件开始点、第一事件结束点，由近及远依次获取第一事件开始点、第一事件结束点附近时间段的功率序列数据并分别进行线性拟合，直至线性拟合结果符合要求；线性拟合结果的要求为斜率小于斜率阈值a0，拟合优度大于阈值r0；将线性拟合结果符合要求的第一事件开始点附近时间段的起点记为第二事件开始点，将线性拟合结果符合要求的第一事件结束点附近时间段的起点记为第二事件结束点；基于第二事件开始点、第二事件结束点的功率差进行最终的事件检测判断。2.根据权利要求1所述的方法，其特征在于，所述随机森林是利用服从于正态分布X
‑
N(0,5)的100个数据构造获得。3.根据权利要求1所述的方法，其特征在于，还包括对所述实时采集用电入户端的功率数据进行均值滤波处理。4.根据权利要求1所述的方法，其特征在于，所述由近及远依次获取第一事件开始点、第一事件结束点附近时间段的功率序列数据具体为：基于第一事件开始点往前依次获取第一事件开始点附近的时间段的功率序列数据；基于第一事件结束点往后依次获取第一事件结束点附近的时间段的功率序列数据。5.根据权利要求1所述的方法，其特征在于，所述基于第二事件开始点、第二事件结束点的功率差进行最终的事...

【专利技术属性】
技术研发人员：陆玲霞，强柱成，于淼，包哲静，
申请(专利权)人：浙江大学，
类型：发明
国别省市：