一种非侵入式负荷识别计算方法技术

本发明专利技术公开了一种非侵入式负荷识别计算方法，为提高负荷识别的准确率，该方法首先对目标用户进行数据采集，获取用电设备的电压、电流数据；运用改进的二维广义似然比检验对电流数据进行事件检测，使用了聚簇移除、导数移除两种误检滤除算法来减少错检和误检的发生。找到事件发生的突变点并存放进事件列表；选用无功电流代替传统V

【技术实现步骤摘要】
一种非侵入式负荷识别计算方法


[0001]本专利技术属于电器负荷识别
，涉及基于V
‑
无功I轨迹融合有功、无功功率的非侵入式负荷识别方法。

技术介绍

[0002]非侵入式负荷监测(Non
‑
Intrusive Load Monitoring，简称NILM)技术是智能电网的重要组成部分之一，对于电能的合理规划利用具有重大意义。用户精准地了解自身电能的消耗情况可以协助电网更好地调度电力资源，帮助用户改善用电习惯。由于监督学习高精度的优点，监督学习下的非侵入式负荷识别方法成为非侵入式负荷识别技术中的主流。V
‑
I轨迹作为常见的负荷特征，尽管具有相较其他单一高频特征辨识效果更好的优点，但由于其是通过归一化的电压、电流绘制而成，从原理上无法表征功率特性，同时对于部分拥有相似的V
‑
I轨迹但功率差异较大的家用电器难以区分。此外，现有技术在绘制V
‑
I轨迹前进行事件检测时，通常采用一维广义似然比的方式，对于轻微的电流波动存在漏检的情况，从而导致V
‑...

【技术保护点】

【技术特征摘要】
1.一种非侵入式负荷识别计算方法，其特征在于：具体包括以下步骤：步骤一、数据采集针对目标对象所安装的总表和分表统计的电流、电压数据进行采样，对采样数据利用中值滤波进行去噪，删除原始数据中的偏移点，得到样本数据；步骤二、事件检测选用基于Neyman
‑
Pearson准则的广义似然比检验算法对样本数据进行事件检测，通过设定事件前窗口与后窗口两个近邻的滑动窗口组成联合窗口，联合窗口在电流矩阵上滑动，当算法决策函数大于所设阈值时，则认为存在事件发生，保存事件发生的时刻；步骤三、特征提取构建二维图像矩阵来反映不同类型的负荷V
‑
I轨迹特征；获取每个电器不同采样点下的有功、无功功率并存储，再进一步得到无功电流序列；随后提取稳态数据，得到最终平均化后的一个周期的电压、电流数据；步骤四、负荷识别构建结合了Bi
‑
TCN残差块的FCN网络，在Bi
‑
TCN残差块的输出位置依次设置二分类器与上、下双通道；对步骤三得到的图像特征矩阵进行降维后输入Bi
‑
TCN残差块中，再通过二分类器将未知电器分流至上通道，已知电器分流至下通道；未知电器的特征在上通道中经过一维卷积层后直接输出；已知电器的特征在下通道中先经过reshape函数调整输入维度为N
×1×
N，再依次通过两个卷积块完成编码和解码过程，最终通过Flatten层展平，输出一维的识别结果。2.如权利要求1所述一种非侵入式负荷识别计算方法，其特征在于：步骤2的具体过程为：步骤2.1、从样本数据中选用来自分表的30kHz的电流有效值序列，按照采集的时间顺序依次排列为一维电路序列K，作为事件检测的数据点；设定滑动窗的长度为k个采样点、宽度为2；将电流序列K中的每一个数值均乘以系数0.6，得到新的一维电流序列G，并将其与K头尾对齐排列，组成一个宽度为2、长度为M的二维序列I，I
m
为二维序列I中的第m个元素；步骤2.2、设置电器开、关状态分别对应H1、H0假设：H0假设：二维电流序列内不包含变点，即：H1假设：二维电流序列内包含变点，即：决策函数g
n
为：
其中：其中：其中：其中：其中：其中：n
c
为二维序列I中变点发生的时刻，μ0、∑分别为假设检验H0条件下的高斯分布均值和协方差矩阵；μ
1a
、∑
1a
分别为假设检验H1条件下变点发生时刻n
c
之前的均值和协方差矩阵；μ
1b
、∑
1b
分别为假设检验H1条件下变点发生时刻n
c
之后的均值和协方差矩阵；设置决策阈值h，当决策函数值g
n
大于等于决策阈值h时，检验H1成立，即序列内包含变点，有事件发生，记录变点发生时刻n
c
；当决策函数值g
n
小于决策阈值h时，检验H0成立，即序列内无变点，无事件发生；针对不同电器情况，不断动态调节决策阈值h，以取得更好的事件检测效果；最后将未发生事件的时刻下的电流信息置0，发生事件时刻下的电流信息不作更改，得到序列I
event
。3.如权利要求1或2所述一种非侵入式负荷识别计算方法，其特征在于：对于通过广义似然比得到的事件检测结果I
event
，进一步使用聚簇移除、导数移除两种误检滤除算法进行滤除。4.如权利要求3所述一种非侵入式负荷识别计算方法，其特征在于：首先在I
event
序列中进行一维无监督聚类，不设定聚类中心数，所有的连续非零值会被聚合为一个簇，认定为一个事件，从而移除电流在同一工作状态下小幅波动导致的误检，得到电流序列
△
I；然后计算电流序列
△
I中非端点的任一电流点
△
I
f
的一阶导数ΔI
f
’
：t表示相邻两个电流数据的间隔时间；设置导数阈值d
th
和周期阈值n
th
；将聚簇移除算法检测到的疑似事件所对应采样点的一阶导数绝对值与导数阈值d
th
比较，若其一阶导数绝对
值大于导数阈值d
th
，则认定该采样点为非零，否则认定为由噪声导致的导数波动；如果连续导数不为零的周期数大于周期阈值n
th
，则前后的事件被视为同一个事件；最后比较检测到的相邻事件之间的导数，若其中导数不为零的部分占比大于80％或者连续导数不为零的周期数超过周期阈值n
th
，则后一个相邻事件将被认定为由同一个长暂态投切事件功率的持续变换导致的，需要移除。5.如权利要求1所述一种非侵入式负荷识别计算方法，其特征在于：步骤3的具体过程为：步骤3.1、稳态数据获取步骤3.1.1、根据步骤二的事件检测结果，针对每一个事件发生前后，各取两段稳态数据I
before
、V
before
、I
after
、V
after
，每段数据的时长均为6个周期，周期的起始位置是电压数据第一个正向过零点的位置；步骤3.1.2、采用线性插值的方式对步骤3.1.1得到...

【专利技术属性】
技术研发人员：罗平，孙博宇，邓晋宇，朱振宇，孔亚广，吴秋轩，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：