一种基于多标签分类的非侵入式负荷监测方法技术

本发明专利技术提供一种基于多标签分类的非侵入式负荷监测方法，涉及电力负荷管理分析领域。该基于多标签分类的非侵入式负荷监测方法，包括：采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；构建多标签分类模型对非侵入式负荷识别问题进行表征；构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；根据负荷的运行状态，预测负荷的功率消耗情况。本发明专利技术提高了负荷识别的效率并获得较高的识别精度，具有很强的实用价值和现实意义。义。义。

【技术实现步骤摘要】
一种基于多标签分类的非侵入式负荷监测方法


[0001]本专利技术涉及电力负荷管理分析
，具体为一种基于多标签分类的非侵入式负荷监测方法。

技术介绍

[0002]非侵入式负荷监测技术，旨在通过仅安装电力用户入口处的智能电表，采集用户用电的总数据，实现对用户负荷运行状态的识别。电力用户的用电总数据，是由用户家中的各个处于运行状态的负荷的用电数据，以及背景噪声叠加而成，通常情况下，同一时刻可能会有多个负荷处于运行状态，因此，提供一种非侵入式负荷监测方法。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了一种基于多标签分类的非侵入式负荷监测方法，提高了负荷识别的效率并获得较高的识别精度，具有很强的实用价值和现实意义。
[0005](二)技术方案
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0007]第一方面，提供了一种基于多标签分类的非侵入式负荷监测方法，包括：
[0008]采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；
[0009]构建多标签分类模型对非侵入式负荷识别问题进行表征；
[0010]构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；
[0011]将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；
[0012]根据负荷的运行状态，预测负荷的功率消耗情况。
[0013]优选的，所述的电力用户的用电总数据包括有功功率、无功功率、电压、电流谐波；并随机选取用户的用电总数据中的85％作为测试集，剩余的15％作为验证集。
[0014]优选的，所述不同类型负荷的用电模型包括负荷的工作状态数目，以及相对应所消耗的有功功率和无功功率数值。
[0015]优选的，所述构建多标签分类模型对非侵入式负荷识别问题进行表征，包括：
[0016]建立用户的用电总数据和各个负荷单独的用电数据之间的关系：
[0017][0018][0019]其中，P(t)、Q(t)分别为用户在t时刻的总有功功率和总无功功率数据，N为负荷数量，M
i
为第i个负荷的工作状态数量，p
i,j
(t)、q
i,j
(t)分别为第i个负荷的第j个工作状态所
对应额定的有功功率和无功功率，x
i,j
(t)∈{0,1}表示时刻第i个负荷所处的工作状态，x
i,j
(t)＝1表示该负荷处于其第j个工作状态，反之x
i,j
(t)＝0表示未处于该状态；e
p
(t)和e
q
(t)分别为有功功率和无功功率在t时刻的背景噪声。
[0020]优选的，所述构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练，包括：
[0021]采用基于随机森林的RAKEL多标签分类方法对非侵入式负荷识别问题进行计算求解，RAKEL的具体计算步骤如下：
[0022]对于不同时刻采集得到用户的用电总数据样本，在应用多标签分类问题时，每个负荷对应的工作状态看作是一类标签，并构成标签集合；
[0023]从标签集合中选取若干个标签组合，其中每个标签组合包含k个标签；
[0024]为每个标签组合建立一个分类器并进行训练；
[0025]在识别未知样本时，获取每个分类器的识别结果，并采用投票法决定最终的识别结果。
[0026]优选的，所述将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态，包括：
[0027]采用随机森林模型进行负荷识别，并采用网格搜索以及k折交叉验证方法确定模型参数，具体步骤如下：
[0028]设置随机森林模型的初始化参数，以及各个参数的取值范围和步长，令k折交叉验证的参数k＝10；
[0029]在一组特定的模型参数下，将测试集数据平均划分成十组，并进行十次训练，每次训练过程中选择一组数据用于测试模型的训练结果，剩余九族数据用于训练模型，并取十次训练结果的平均值作为该组模型参数的训练结果；
[0030]所有参数组合全部训练完成后，选取训练结果最好的一组模型参数，作为负荷识别模型的最终参数。
[0031]优选的，所述根据负荷的运行状态，预测负荷的功率消耗情况，包括：
[0032]目标：
[0033][0034]其中P(t)、Q(t)分别为用户在t时刻的总有功功率和总无功功率数据，p
i,j
(t)、q
i,j
(t)分别为第i个被识别为处于开启状态的负荷的第j个工作状态所对应的有功功率和无功功率值，N为被识别为处于运行状态的负荷数量，n
i
为第i个被识别为处于开启状态的负荷的工作状态数目，x
i,j
(t)用于表征在t时刻第i个被识别为处于开启状态的负荷的工作状态，x
i,j
(t)＝0表示该负荷不在其第j个工作状态，x
i,j
(t)＝1表示该负荷在其第j个工作状态；
[0035]约束：
[0036]对于具有多个工作状态的负荷，某一时刻下其最多只能处于一个工作状态，为：
[0037][0038]在对负荷的功率消耗进行估计时，将被识别为开启的负荷的工作状态x
i,j
(t)作为
决策变量，采用整数规划算法对目标函数进行迭代求解，确定各个负荷所处的工作状态，进一步预测各个负荷的功率消耗情况，为：
[0039][0040]其中，为第i个负荷在t时刻的有功功率消耗估计值，p
i
(t)为第i个负荷在t时刻所处工作状态对应的额定有功功率。
[0041]第二方面，提供了一种设备，包括：
[0042]一个或多个处理器；
[0043]存储器，用于存储一个或多个程序，
[0044]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行所述的一种基于多标签分类的非侵入式负荷监测方法。
[0045]第三方面，提供了一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现所述的一种基于多标签分类的非侵入式负荷监测方法。
[0046](三)有益效果
[0047]本专利技术一种基于多标签分类的非侵入式负荷监测方法，能够在负荷识别过程中，采用多标签分类算法对负荷的运行状态进行识别，并基于识别结果进一步预测负荷所消耗的功率，提高负荷识别的效率并获得较高的识别精度，具有很强的实用价值和现实意义。
附图说明
[0048]图1为本专利技术方法流程示意图。
具体实施方式
[0049]下面将结合本专利技术的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多标签分类的非侵入式负荷监测方法，其特征在于，包括：采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；构建多标签分类模型对非侵入式负荷识别问题进行表征；构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；根据负荷的运行状态，预测负荷的功率消耗情况。2.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述的电力用户的用电总数据包括有功功率、无功功率、电压、电流谐波；并随机选取用户的用电总数据中的85％作为测试集，剩余的15％作为验证集。3.根据权利要求2所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述不同类型负荷的用电模型包括负荷的工作状态数目，以及相对应所消耗的有功功率和无功功率数值。4.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述构建多标签分类模型对非侵入式负荷识别问题进行表征，包括：建立用户的用电总数据和各个负荷单独的用电数据之间的关系：建立用户的用电总数据和各个负荷单独的用电数据之间的关系：其中，P(t)、Q(t)分别为用户在t时刻的总有功功率和总无功功率数据，N为负荷数量，M
i
为第i个负荷的工作状态数量，p
i,j
(t)、q
i,j
(t)分别为第i个负荷的第j个工作状态所对应额定的有功功率和无功功率，x
i,j
(t)∈{0,1}表示时刻第i个负荷所处的工作状态，x
i,j
(t)＝1表示该负荷处于其第j个工作状态，反之x
i,j
(t)＝0表示未处于该状态；e
p
(t)和e
q
(t)分别为有功功率和无功功率在t时刻的背景噪声。5.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练，包括：采用基于随机森林的RAKEL多标签分类方法对非侵入式负荷识别问题进行计算求解，RAKEL的具体计算步骤如下：对于不同时刻采集得到用户的用电总数据样本，在应用多标签分类问题时，每个负荷对应的工作状态看作是一类标签，并构成标签集合；从标签集合中选取若干个标签组合，其中每个标签组合包含k个标签；为每个标签组合建立一个分类器并进行训练；在识别未知样本时，获取每个分类器的识别结果，并采用投票法决定最终的识别结果...

【专利技术属性】
技术研发人员：刘宇，刘丛笑，高昂，白晨晖，陈柯凡，赵欣，高山，
申请(专利权)人：东南大学，
类型：发明
国别省市：