用于非侵入式负荷辨识用电信息的方法、装置及处理器制造方法及图纸

本申请实施例提供一种用于非侵入式负荷辨识用电信息的方法、装置及处理器。方法包括：获取用电设备对应的总用电端口在预设时间段内各个时间点的用电信息；处理用电信息以确定用电信息的负荷特征；根据负荷特征在预设时间段内各个时间点的特征值生成第一负荷曲线；基于预设的聚类算法对第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线并进行分析，以确定多个用电设备在预设时间段内发生启停事件的辨识结果；将辨识结果与负荷特征库进行匹配，以确定每次启停事件的用户设备的设备种类，以及每个设备种类在预设时间段内发生启停事件的次数和时间。上述技术方案不仅能够实时完成负荷辨识，而且负荷辨识结果精准。而且负荷辨识结果精准。而且负荷辨识结果精准。

【技术实现步骤摘要】
用于非侵入式负荷辨识用电信息的方法、装置及处理器


[0001]本申请涉及智能电网
，具体地涉及一种非侵入式负荷辨识用电信息的方法、装置、集成融合终端、存储介质及处理器。

技术介绍

[0002]目前，对用户用电行为的研究主要是对采集到的大量用电数据进行挖掘，从中分析出用户的用电特征。通过对居民日常负荷曲线进行聚类，分析其整体的能耗类型和用电特性，对用户的用电行为进行分析，可以具体给出用户内部各电器的用电情况和详细用电行为。
[0003]现有负荷辨识方案多为侵入式，侵入式负荷辨识方案使用的侵入式装置需要针对每个用电设备进行改造升级，且在入户加装测量装置才能获得各个用电设备的运行情况。而少数的一些非侵入式负荷辨识方案仍需要在用户电力入口处安装负荷监测装置，并通过额外电路布线采集总负荷的各种特征，来分析每个用电设备的状态。然而，现有技术并不能够针对实时采集的用电信息完成实时且精准的负荷辨识。

技术实现思路

[0004]本申请实施例的目的是提供一种用于非侵入式负荷辨识用电信息的方法、装置、集成融合终端、存储介质及处理器。
[0005]为了实现上述目的，本申请第一方面提供一种用于非侵入式负荷辨识用电信息的方法，包括：
[0006]获取多个用电设备对应的总用电端口在预设时间段内各个时间点的用电信息，用电信息包括总用电端口在预设时间段内各个时间点的电流和电压；
[0007]处理用电信息，以确定用电信息的负荷特征，负荷特征包括电流有效值；
[0008]根据负荷特征在预设时间段内各个时间点的特征值生成第一负荷曲线；
[0009]基于预设的聚类算法对第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线；
[0010]分析第二负荷曲线，以确定多个用电设备在预设时间段内发生启停事件的辨识结果，辨识结果包括多个用电设备在预设时间段内发生启停事件的总次数以及每次发生启停事件的时间；
[0011]将辨识结果与负荷特征库进行匹配，以确定每次启停事件的用户设备的设备种类，以及每个设备种类在预设时间段内发生启停事件的次数和时间。
[0012]在本申请实施例中，负荷特征还包括电流、电压、功率和谐波，根据负荷特征在预设时间段内各个时间点的特征值生成第一负荷曲线包括：将预设时间段内各个时间点的电流、电压、功率和谐波进行归一化处理，将处理后的每个负荷特征预设时间段内各个时间点对应的特征值进行特征比较，以确定出负荷特征中的最优特征，根据最优特征在预设时间段内各个时间点的特征值生成第一负荷曲线。
[0013]在本申请实施例中，方法还包括：在获取多个用电设备对应的总用电端口在预设时间段内各个时间点的用电信息之后，根据用电信息确定总用电端口在预设时间段的用电参数，用电参数包括电流有效值、事件发生时间、事件结束时间，以及电流有效值变化量中的至少一者，其中，事件发生时间是指在预设时间段内电流首次达到预设电流阈值的时间，事件结束时间是指在预设时间段内电流首次小于预设电流阈值的时间，生成数据记录表，以记录用电参数。
[0014]在本申请实施例中，基于预设的聚类算法对第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线包括：基于DTW的K
‑
Medoids聚类算法对第一负荷曲线的负荷时间序列进行处理，任意选取时间序列的n个时间序列片段，将n个时间序列片段作为中心点Medoids，并将n个时间序列片段的每个片段视为初始的一个簇，初始化簇的簇数，使得簇数L＝n，并对簇的每个簇进行处理，确定第一负荷曲线其他时间序列片段到中心点的DTW距离，以得到初始距离矩阵，将初始距离矩阵中的距离值及对应元素索引存入数组dist中，并将数组dis的值按距离值进行升序排序，将数组dis中的第一个值对应的两个子序列合并至一个簇中，将剩余的子序列分配到中心点代表的类中，从数组dis中的第二个值开始，计算L个簇中每个簇的准则函数，选取准则函数最小时对应的点，并将最小时对应的点作为新的中心点Medoid，每执行完一个簇，将簇L的个数减1直至处理完数组dis中的所有元素，重复执行对第一负荷曲线的负荷时间序列进行处理的步骤，直至选取的中心点不再变化或者达到设定的最大迭代次数，根据不再变化或者达到设定的最大迭代次数选取的中心点作为合并后的主要特征点以生成第二负荷曲线。
[0015]在本申请实施例中，确定负荷曲线其他时间序列片段到中心点的DTW距离包括，根据公式(1)计算DTW距离：
[0016]dp(i,j)＝min(dp(i
‑
1,j
‑
1),dp(i
‑
1,j),dp(i,j
‑
1))+d(i,j)
ꢀꢀ
(1)
[0017]其中，P和Q是指在n个时间序列片段中任意选取的两个时间序列片段，dp(i,j)是指二维矩阵中第(i,j)位置的最小距离，即为DTW距离，min()代表Pi点与Qi点的最小累加距离，d(i,j)代表Pi点与Qi点的欧式距离。
[0018]在本申请实施例中，选取准则函数最小时对应的点包括，根据公式(2)选取：
[0019][0020]其中，n是指n个时间序列片段，k是指在n中任意选取的点，P和Q是指在n个时间序列片段中任意选取的两个时间序列片段，E为准则函数。
[0021]在申请第二方面提供一种处理器，被配置成执行上述的用于非侵入式负荷辨识用电信息的方法。
[0022]本申请第三方面提供一种集成融合终端，包括被配置成执行上述的用于非侵入式负荷辨识用电信息的方法的处理器。
[0023]本申请第四方面提供一种用于非侵入式负荷辨识用电信息的装置，包括：
[0024]数据采集模块，用于获取多个用电设备对应的总用电端口在预设时间段内各个时间点的用电信息，用电信息包括总用电端口在预设时间段内各个时间点的电流和电压；
[0025]数据处理模块，用于处理用电信息，以确定用电信息的负荷特征，负荷特征包括电流有效值，根据负荷特征在预设时间段内各个时间点的特征值生成第一负荷曲线，基于预
设的聚类算法对第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线；
[0026]负荷辨识模块，用于分析第二负荷曲线，以确定多个用电设备在预设时间段内发生启停事件的辨识结果，所述辨识结果包括多个用电设备在预设时间段内发生启停事件的总次数以及每次发生启停事件的时间；
[0027]分类模块，用于将辨识结果与负荷特征库进行匹配，以确定每次启停事件的用户设备的设备种类，以及每个设备种类在预设时间段内发生启停事件的次数和时间。
[0028]本申请第五方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的用于非侵入式负荷辨识用电信息的方法。
[0029]上述技术方案通过在用电设备总端口进行用电信息采集，并基于预设算法实现负荷辨识，以得到各个用电设备运行状态和情况。相较于现有技术，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于非侵入式负荷辨识用电信息的方法，其特征在于，包括：获取多个用电设备对应的总用电端口在预设时间段内各个时间点的用电信息，所述用电信息包括所述总用电端口在所述预设时间段内各个时间点的电流和电压；处理所述用电信息，以确定所述用电信息的负荷特征，所述负荷特征包括电流有效值；根据所述负荷特征在所述预设时间段内各个时间点的特征值生成第一负荷曲线；基于预设的聚类算法对所述第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线；分析所述第二负荷曲线，以确定所述多个用电设备在所述预设时间段内发生启停事件的辨识结果，所述辨识结果包括所述多个用电设备在所述预设时间段内发生启停事件的总次数以及每次发生所述启停事件的时间；将所述辨识结果与负荷特征库进行匹配，以确定每次启停事件的用户设备的设备种类，以及每个设备种类在所述预设时间段内发生启停事件的次数和时间。2.根据权利要求1所述的用于非侵入式负荷辨识用电信息的方法，其特征在于，所述负荷特征还包括电流、电压、功率和谐波，所述根据所述负荷特征在所述预设时间段内各个时间点的特征值生成第一负荷曲线包括：将所述预设时间段内各个时间点的电流、电压、功率和谐波进行归一化处理；将处理后的每个负荷特征所述预设时间段内各个时间点对应的特征值进行特征比较，以确定出所述负荷特征中的最优特征；根据所述最优特征在所述预设时间段内各个时间点的特征值生成第一负荷曲线。3.根据权利要求1所述的用于非侵入式负荷辨识用电信息的方法，其特征在于，所述方法还包括：在获取多个用电设备对应的总用电端口在预设时间段内各个时间点的用电信息之后，根据所述用电信息确定所述总用电端口在所述预设时间段的用电参数，所述用电参数包括电流有效值、事件发生时间、事件结束时间，以及电流有效值变化量中的至少一者，其中，所述事件发生时间是指在所述预设时间段内电流首次达到预设电流阈值的时间，所述事件结束时间是指在所述预设时间段内电流首次小于所述预设电流阈值的时间；生成数据记录表，以记录所述用电参数。4.根据权利要求1所述的用于非侵入式负荷辨识用电信息的方法，其特征在于，所述基于预设的聚类算法对所述第一负荷曲线进行聚类与分类，以得到合并后的第二负荷曲线包括：基于DTW的K
‑
Medoids聚类算法对所述第一负荷曲线的负荷时间序列进行处理；任意选取所述时间序列的n个时间序列片段，将所述n个时间序列片段作为中心点Medoids，并将所述n个时间序列片段的每个片段视为初始的一个簇；初始化所述簇的簇数，使得所述簇数L＝n，并对所述簇的每个簇进行处理；确定所述第一负荷曲线其他时间序列片段到所述中心点的DTW距离，以得到初始距离矩阵；将所述初始距离矩阵中的距离值及对应元素索引存入数组dist中；并将所述数组dis的值按距离值进行升序排序；将所述数组dis中的第一个值对应的两个子序列合并至一个簇中，将剩余的子序列分
配到所述中心点代表的类中；从所述数组dis中的第二个值开...

【专利技术属性】
技术研发人员：王祥，武占侠，魏本海，石明丰，江东雄，冷安辉，吴在军，何晓蓉，
申请(专利权)人：深圳智芯微电子科技有限公司，
类型：发明
国别省市：