电力负荷分解分析方法、系统、计算机设备及存储介质技术方案

本发明专利技术公开了电力负荷分解分析方法、系统、计算机设备及介质，其方法实现包括：对目标电表的电表数据进行采集，并将采集的电表数据按照预设长度进行切分；将切分后的电表数据分别进行卷积化处理和池化处理，并编码为新的矩阵；将新的矩阵输入至预设特征预测网络中进行处理，以输出预测特征向量；将新的矩阵输入至预设状态判断网络中进行处理，以输出开关状态以及用电状态；将开关状态、用电状态增加至预测特征向量中，以生成新的特征向量；计算新的特征向量与预设已知状态的电器对应的特征向量之间的相似度，并根据相似度，确定目标电表连接的用电设备类别以及运行状态。以实现促进节能减碳、建设智能城市的目的。且识别速度快，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
电力负荷分解分析方法、系统、计算机设备及存储介质


[0001]本专利技术涉及深度学习
，尤其涉及一种电力负荷分解分析方法、系统、计算机设备及存储介质。

技术介绍

[0002]随着社会的发展和经济水平的不断进步，电力行业的发展越来越迅速，电力工业是其他行业发展的基础，促进了国民经济更好更快的发展。但是，随着用电量的逐渐增加以及能源的逐渐减少，如何实现节能减碳，成为当前重要的研究目标之一。
[0003]为解决上述问题，通常会采用对电力电荷进行分解分析的方式，得到主要用电器的运行状态及详细的功率消耗情况，能够为电力系统进行需求侧管理和分析提供依据，如，可以提供详细的电费清单，帮助用户节约用电和检测故障电器，监测居民行为来照看容易发生危险的人群，以及帮助电网公司提高电力负荷分配的决策准确性等，为实现更有效的电力能源管理及价值服务提供保障。
[0004]目前，传统的对电力电荷进行分解分析的方式主要包括使用一定假设(周期性变化，可重复性)下的优化方法，或者使用马尔可夫链的方法进行识别。但是，传统方法具有处理数据的速度慢，识别的准确性较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力负荷分解分析方法，其特征在于，所述方法，包括：对目标电表的电表数据进行采集，并将采集的电表数据按照预设长度进行切分；将切分后的电表数据分别进行卷积化处理和池化处理，并编码为新的矩阵；将所述新的矩阵输入至预设特征预测网络中进行处理，以输出预测特征向量；将所述新的矩阵输入至预设状态判断网络中进行处理，以输出开关状态以及用电状态；将所述开关状态、用电状态增加至所述预测特征向量中，以生成新的特征向量；计算所述新的特征向量与预设已知状态的电器对应的特征向量之间的相似度，并根据所述相似度，确定所述目标电表连接的用电设备类别以及运行状态。2.如权利要求1所述的电力负荷分解分析方法，其特征在于，所述将所述新的矩阵输入至预设特征预测网络中进行处理，以输出预测特征向量之后，包括：将所述预测特征向量与第一预设阈值进行对比；当所述预测特征向量低于所述第一预设阈值时，则判定为无电器工作状态。3.如权利要求1所述的电力负荷分解分析方法，其特征在于，所述预设特征预测网络通过如下方式构建：获取电表样本数据，将所述电表样本数据按照预设长度进行切分；将切分后的电表样本数据分别进行卷积化处理和池化处理，并编码为待预测矩阵；将所述待预测矩阵进行随机掩码处理，并输入至预训练网络中进行预测训练，以生成所述预设特征预测网络。4.如权利要求3所述的电力负荷分解分析方法，其特征在于，所述将切分后的电表样本数据分别进行卷积化处理和池化处理，并编码为待预测矩阵，包括：将切分后的电表样本数据进行卷积化处理，以生成第一矩阵；对所述第一矩阵进行池化处理，以生成第二矩阵；将所述第二矩阵中每一个元素进行位置编码后，形成位置编码矩阵；将所述第二矩阵，与位置编码矩阵进行加和处理，以形成所述待预测矩阵。5.如权利要求3所述的电力负荷分解分析方法，其特征在于，所述预设状态判断网络，包括电器开关网络以及用电状态网络，所述电器开关网络用于输出所述开关状态，所述用电状态网络用于输出所述用电状态。6.如权利要求4所述的电力负荷分解分析方法，其特征在于，所述将所述...

【专利技术属性】
技术研发人员：祝久煜，邱添羽，李航，李哲，周睿，赵立成，蒲文强，史清江，
申请(专利权)人：深圳市大数据研究院，
类型：发明
国别省市：