【技术实现步骤摘要】
一种基于非侵入式负荷识别的用户侧节能潜力评估方法
[0001]本专利技术属于电网节能
，具体涉及一种基于非侵入式负荷识别的用户侧节能潜力评估方法。
技术介绍
[0002]在“碳达峰、碳中和”背景下，充分挖掘用户侧节能潜力，提升电能消费效率，是帮助用户降低用能成本、提升企业竞争力的有效手段。工业用户是当前社会电力消费的绝对主力，随着工业用电需求不断增加，能源消耗也相应增大。及时掌握工业用户当前的用电情况并对其开展用能管理，是提升工业用户能源利用效率的重要途径。
[0003]过去由于缺乏即时数据，难以及时掌握工业用户当前的用电情况。随着智能电网的发展，智能电表得到广泛应用，促进了对用电负荷进行感知和识别的非侵入式负荷监测(Non
‑
Intrusive Load Monitoring，NILM)技术的出现。但受限于生产需求，工业负荷不方便采集暂态特征进行建模，因此负荷识别的对象多是居民和商业用户，针对工业用户的研究较少。
[0004]在工业用户能效管理方面，现有的节能潜力评估方法以构建能效评...
【技术保护点】
【技术特征摘要】
1.一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：包括以下步骤：步骤S1、构建节能潜力评估体系，节能潜力评估体系包括一级指标和与一级指标相关的二级指标，一级指标包括经济能效、技术能效、管理能效；步骤S2、通过智能电表采集工业用户的电气数据；步骤S3、采用随机森林算法构建非侵入式负荷识别模型，对采集到的电气数据进行处理，得到负荷识别结果，负荷识别结果包括各类用电设备的使用时段及其对应时段的用电量；步骤S4、根据负荷识别结果及相关数据得到二级指标的原始数据，采用神经网络模型进行训练，得到训练后的二级指标数据，并最终得到一级指标；步骤S5、采用一级指标对各类用电设备在各时间段的负荷及用能情况进行分析，得到分析结果，根据分析结果，得出设备使用策略及用电建议。2.根据权利要求1所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S2中，电气数据包括电流、电压、有功功率和无功功率。3.根据权利要求1所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S3中，对采集到的电气数据进行清洗并对缺失值、异常值等进行预处理。4.根据权利要求1所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S3中，在一定时间内当功率变化值大于阈值时，视为有事件发生,提取事件发生前后的负荷稳态电压、电流数据得到样本数据集，样本数据至少包括稳态电流的峰值、峰谷、均方根和标准差四个属性。5.根据权利要求4所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S3中，事件发生后，当判断电流处于稳态后，检测相应电压的过零点即可进行波形提取；步骤S3中，将样本数据分为训练集和测试集，对训练集进行n次抽样，从训练集共M个属性中随机抽取m(m≤M)个特征变量，得到N个训练集，以训练集为对象应用分类回归树算法进行训练获得包含N个决策树的模型库，将测试集输入已训练好的决策树模型库中，N个决策树识别结果中比例最高的即为模型输出的负荷识别结果。6.根据权利要求1所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S4中，一级指标经济能效对应单位产品电耗、单位产值电耗、电耗总量、节电量4个二级指标，一级指标技术能效对应平均功率因数、平均日负荷率、平均电压合格率、平均电压不平衡率和平均电流不平衡率5个二级指标，一级指标管理能效对应用电行为分析、用电时段分析和新能源设备分析3个二级指标。7.根据权利要求6所述的一种基于非侵入式负荷识别的用户侧节能潜力评估方法，其特征在于：步骤S4中，得到用户各二级指标原始数据后，先删除异常值、补充缺失值，然后对各指标进行归一化处理；归一化处理后，采用神经网络模型进行训练，神经网络模型...
【专利技术属性】
技术研发人员：姚力，陆春光，刘炜，肖涛，李亦龙，王朝亮，王佳颖，宋磊，黄荣国，俞佳莉，韩鑫泽，蒋群，章江铭，
申请(专利权)人：国网浙江省电力有限公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。