一种考虑时间分段的可扩展非侵入式负荷监测方法技术

本发明专利技术公开了一种考虑时间分段的可扩展非侵入式负荷监测方法，属于电力监测技术领域，解决了非侵入式负荷监测系统可扩展性不足的问题，本发明专利技术包括如下步骤：S1、采集单一负荷运行的功率数据进行数据处理；S2、通过亲和力传播聚类算法对单一负荷功率数据聚类，获取负荷的状态数以及功率模板；S3、对采集的功率数据按照时间分段，统计负荷运行的概率；S4、利用当前的时间信息及总功率，结合负荷在各时间段的运行概率，求解各种负荷的功率；S5、新增负荷后，单独采集新增负荷的功率数据，按照S1至S3统计新增负荷的模板与概率。本发明专利技术用于电力负荷运行情况的非侵入式监测，具有较好的可扩展性，能在新增加负荷以后，减少额外的训练步骤。减少额外的训练步骤。减少额外的训练步骤。

【技术实现步骤摘要】
一种考虑时间分段的可扩展非侵入式负荷监测方法


[0001]本专利技术属于电力监测
，具体涉及一种考虑时间分段的可扩展非侵入式负荷监测方法。

技术介绍

[0002]为了实现电力市场的快速响应、计量公正准确、数据采集及时、收费方式多样以及服务便捷高效，构建智能电网与电力用户之间的电力流、信息流、业务流实时互动的新型供电关系，世界各国开始全力推进用电信息采集系统的建设。为了建设电力公司与用户之间的双向友好互动关系，只利用智能电表采集用户总的用电功率数据已经不够了，需要用户更详细的设备级数据。获得用户设备的用电信息，可以总结发现用户的用电规律，即能为客户提供更加精细化的服务，也能通过双向交互，告知用户其用电行为，引导用户调整用电行为。对于孤寡老人以及其他行动不便的人独居等特殊情况，也能够通过实时的设备级数据分析，得知其家中负荷运行情况，及时发现不安全的用电行为，保护这类群体。非侵入式负荷监测(No
‑
Intrusive Load Monitoring，NILM)方法是获取用户设备级数据的常用方法。相比于侵入式的获取各负荷数据信息，NILM的成本更低，不需要深入到用户家庭内部，对用户的隐私安全威胁小，具有明显的优势。
[0003]现有的非侵入式负荷监测算法可分为两类，一类不需要各种负荷的标记数据，采用无监督的方式对总线数据进行训练，这类方法虽然可扩展性较好，但是往往只针对居民家中某种特定负荷进行识别，且准确率较低；另一类需要利用已知的各负荷单独的数据来训练获取模型参数，而模型一旦训练完成将只能识别用户内部的现有负荷，一旦用户引入新负荷，则需要对模型重新训练，这限制了此类非侵入式负荷分解算法的可扩展性。因此，需要一种非侵入式负荷分解方法，具有较好的可扩展性，能够在新增加负荷以后，减少额外的训练步骤。

技术实现思路

[0004]本专利技术的目的在于：
[0005]为解决现有技术中的非侵入式负荷监测系统在新增加负荷以后需要对模型重新训练，导致系统的可扩展性不足的问题，提供一种考虑时间分段的可扩展非侵入式负荷监测方法。
[0006]本专利技术采用的技术方案如下：
[0007]一种考虑时间分段的可扩展非侵入式负荷监测方法，包括如下步骤：
[0008]S1、采集单一负荷运行的功率数据并进行数据处理；
[0009]S2、基于处理后的数据，通过亲和力传播聚类算法对单一负荷功率数据聚类，获取负荷的状态数以及对应的功率模板；
[0010]S3、对采集的功率数据按照时间分段，并统计每个时间段内负荷处于各种状态下运行的概率；
[0011]S4、利用当前时刻的时间信息以及总功率，结合步骤S3获取的负荷在各时间段的运行概率，求解当前时刻各种负荷的功率；
[0012]S5、当新增负荷后，单独采集新增负荷的功率数据，并按照步骤S1至S3统计新增负荷的模板与概率。
[0013]进一步地，步骤S1中对采集的功率数据处理步骤包括：
[0014]a.在训练阶段，利用单独的采集设备，获取用户各负荷一段时间的实际运行功率数据；
[0015]b.将功率数据中小于开启阈值的部分剔除，只保留处于开启状态下的数据，再将这部分功率按照大小等分为五段；
[0016]c.从五段数据中分别随机抽取α个样本作为后续聚类的样本，若某段的总样本数量小于等于五个，则认为这些样本为错误样本，删去；若某段的总样本数量大于五个、小于α个，则选择全部数据；若某段的总样本数量大于等于α个，则只取α个；其中，α的选取规则为，单独采集的负荷设备功率样本点数的1/100。
[0017]进一步地，步骤S2中对数据的聚类包括如下步骤：
[0018]利用有功功率和无功功率，组成二维平面的点，再由欧式距离计算相似度矩阵；
[0019]利用亲和力聚类传播算法，获取各种负荷的聚类中心数和值；在确定聚类中心时，相似的聚类中心通过隶属关系消去，只保留具有显著差异的聚类中心；
[0020]针对聚类结果计算各个点到簇中心的距离之和，再与相似度矩阵中的列和最小值比较，从而更改参考度值的大小；
[0021]由聚类中心确定各负荷的有功功率与无功功率模板，将功率模板按照有功功率P和无功功率Q分别存储为两个矩阵，公式如下：
[0022][0023]其中，P表示有功功率模板矩阵，Q表示无功功率模板矩阵，p和q分别表示功率模板中的有功功率和无功功率，M表示负荷的种类数，N表示所有负荷中状态的最大数；
[0024]将负荷m的状态表示为：
[0025][0026]其中表示负荷m的n状态属性，取值为0或1时，为1时表示负荷m处于状态n；S
m
表示负荷m的状态，所以S
m
中取值为1的元素个数不多于一个；
[0027]所有负荷的状态可以由状态矩阵表示为：
[0028][0029]进一步地，步骤S3中包括：
[0030]将一天的24小时按照01:00
‑
05:00、05:00
‑
07:00、07:00
‑
09:00、09:00
‑
11:00、11:00
‑
13:00、13:00
‑
15:00、15:00
‑
17:00、17:00
‑
19:00、19:00
‑
21:00、21:00
‑
23:00、23:00
‑
01:00划分为11个时间段；
[0031]将步骤S1中采集的各负荷单独的功率数据，按照时间分段为11个子数据集；
[0032]将每个子数据集中的数据按照步骤S2中的功率模板标记为具体的各种状态；
[0033]统计各种状态在各个时间段的发生概率，概率的计算公式如下：
[0034][0035]其中表示负荷m在时间段t
i
内处于状态n的概率，D表示总共统计的天数，Ti表示时间段t
i
的分钟数，表示在t
i
子数据集中负荷m处于n状态的分钟数；
[0036]将概率存储为分时段概率矩阵，矩阵计算公式如下：
[0037][0038]由于一种负荷在某一时刻有且只有一种状态，故分时段概率矩阵中每一列的概率和为1。
[0039]进一步地，步骤S4中求解当前时刻各种负荷的功率的方法如下：
[0040]输入总功率数据和当前时间信息，利用当前时间信息选择分时段概率矩阵；
[0041]利用分时段概率矩阵生成若干组负荷的状态组合，再利用功能函数选择最优的负荷状态组合；
[0042]上述功能函数表达式为：
[0043][0044]其中P
total
和Q
total
分别表示总的有功功率和总的无功功率，diag(
·
)表示取对角线元素，λ表示功率的权重因子，取值为0～1,表示求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑时间分段的可扩展非侵入式负荷监测方法，其特征在于，包括如下步骤：S1、采集单一负荷运行的功率数据并进行数据处理；S2、基于处理后的数据，通过亲和力传播聚类算法对单一负荷功率数据聚类，获取负荷的状态数以及对应的功率模板；S3、对采集的功率数据按照时间分段，并统计每个时间段内负荷处于各种状态下运行的概率；S4、利用当前时刻的时间信息以及总功率，结合步骤S3获取的负荷在各时间段的运行概率，求解当前时刻各种负荷的功率；S5、当新增负荷后，单独采集新增负荷的功率数据，并按照步骤S1至S3统计新增负荷的模板与概率。2.根据权利要求1所述的一种考虑时间分段的可扩展非侵入式负荷监测方法，其特征在于，步骤S1中对采集的功率数据处理步骤包括：a.在训练阶段，利用单独的采集设备，获取用户各负荷一段时间的实际运行功率数据；b.将功率数据中小于开启阈值的部分剔除，只保留处于开启状态下的数据，再将这部分功率按照大小等分为五段；c.从五段数据中分别随机抽取α个样本作为后续聚类的样本，若某段的总样本数量小于等于五个，则认为这些样本为错误样本，删去；若某段的总样本数量大于五个、小于α个，则选择全部数据；若某段的总样本数量大于等于α个，则只取α个；其中，α的选取规则为，单独采集的负荷设备功率样本点数的1/100。3.根据权利要求1所述的一种考虑时间分段的可扩展非侵入式负荷监测方法，其特征在于，步骤S2中对数据的聚类包括如下步骤：利用有功功率和无功功率，组成二维平面的点，再由欧式距离计算相似度矩阵；利用亲和力聚类传播算法，获取各种负荷的聚类中心数和值；在确定聚类中心时，相似的聚类中心通过隶属关系消去，只保留具有显著差异的聚类中心；针对聚类结果计算各个点到簇中心的距离之和，再与相似度矩阵中的列和最小值比较，从而更改参考度值的大小；由聚类中心确定各负荷的有功功率与无功功率模板，将功率模板按照有功功率P和无功功率Q分别存储为两个矩阵，公式如下：其中，P表示有功功率模板矩阵，Q表示无功功率模板矩阵，p和q分别表示功率模板中的有功功率和无功功率，M表示负荷的种类数，N表示所有负荷中状态的最大数；将负荷m的状态表示为：其中表示负荷m的n状态属性，取值为0或1时，为1时表示负荷m处于状态n；S
m
表示负荷
m的状态，所以S
m
中取值为1的元素个数不多于一个；所有负荷的状态可以由状态矩阵表示为：4.根据权利要求1所述的一种考虑时间分段的可扩展非侵入式负荷监测方法，其特征在于，步骤S3中包括：将一天的24小时按照01:00
...

【专利技术属性】
技术研发人员：符玲，刘凯，熊思宇，杨金刚，蒿保龙，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：