基于自监督与多任务学习的家用充电桩监测方法及系统技术方案

本发明专利技术公开了基于自监督与多任务学习的家用充电桩监测方法及系统，包括使用智能量测终端采集家用电动汽车充电桩的运行有功功率和家庭总线对应的有功功率；对采集的数据进行预处理，生成家用充电桩监测数据集；初始化预训练模型，将数据集中的入户总线功率数据，基于重建损失进行自监督预训练；初始化多任务充电桩监测模型，迁移预训练模型的特征提取层权重，基于多任务损失进行训练；将训练得到的家用充电桩监测模型投入应用，采集入户处总线功率，进行事件检测。本发明专利技术提出了基于多任务学习的双分支家用充电桩监测模型结构，可有效减少背景负荷高度波动的影响，提高家用充电桩的监测性能。监测性能。监测性能。

【技术实现步骤摘要】
基于自监督与多任务学习的家用充电桩监测方法及系统


[0001]本专利技术设计属于家用充电桩监测
，特别涉及一种基于自监督与多任务学习的家用充电桩监测方法及系统。

技术介绍

[0002]随着电动汽车行业的飞速发展，家用充电桩正成为越来越多家庭的必备设施。在这个背景下，家用充电桩监测的意义愈发凸显。充电桩监测不仅可以帮助用户更加科学地掌握充电状态、优化充电策略，还可以实时发现充电桩的异常情况，及时进行维修与维护，降低安全隐患，提高设备使用寿命。同时，家用充电桩监测也有助于节能减排，是最具需求响应潜力的设备之一，通过智能调度实现电能的合理分配可降低对电网的压力。
[0003]但是目前的家用充电桩监测手段极为有限，主要依赖于单独的量测终端进行运行监测，成本高昂且由于多样化的协议导致电网侧难以统一管理。此外，虽然充电桩工作状态相对稳定，但家庭内多种具有复杂工作状态的电器同时运行的干扰较大，难以从家庭入户总线处准确监测家用充电桩的工作功率。总的来说，现有表后光伏监测研究主要存在以下两大难题：现有方法依赖于单独的量测终端对充电桩进行监测，缺少仅通过家庭入户总线的有功功率数据直接感知充电桩工作功率的方法，难以应对海量家用充电桩的实时监测需求；家庭内同时运行的多样化负荷波动较大，背景噪声的干扰导致监测得到的充电桩有功功率存在明显波动或毛刺，严重影响监测效果，难以满足精度要求。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述和/或现有的家用充电桩监测技术中存在的问题，提出了本专利技术。
[0006]因此，本专利技术所要解决的问题在于如何在复杂的家庭用电场景中仅依靠入户总线功率数据实现准确、高效的实时充电桩监测。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：基于自监督与多任务学习的家用充电桩监测方法，其包括，使用智能量测终端采集家用电动汽车充电桩的运行有功功率和家庭总线对应的有功功率；对采集的数据进行预处理，生成家用充电桩监测数据集；初始化预训练模型，将数据集中的入户总线功率数据，基于重建损失进行自监督预训练；初始化多任务充电桩监测模型，迁移预训练模型的特征提取层权重，基于多任务损失进行训练；将训练得到的家用充电桩监测模型投入应用，采集入户处总线功率，进行事件检测。
[0008]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：对采集的数据进行预处理的步骤包括序列分割和噪声滤除。
[0009]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：序列分割步骤为，采用宽度为Width的滑动窗以步长S从前往后对采样得到的家用
电动汽车充电桩的运行有功功率和家庭总线对应的有功功率进行分割，得到子序列数据。
[0010]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：噪声滤除包括以下步骤：
[0011]基于Mallat分解算法将初始有功功率序列分解至N层。
[0012]将小于阈值W
thr
的高频系数置零，根据更新后的小波系数重构得到去噪后的有功功率序列，具体公式如下：
[0013][0014]其中σ为高频系数的方差，δ为固定常数，N为小波分解的层数。
[0015]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：基于重建损失进行自监督预训练是指，以最小化模型输出值与家庭入户处总线有功功率输入值的平方误差，具体公式如下：
[0016][0017]其中，num
t
为训练集的子序列对总数，Width为滑动窗宽度数据，为训练集中第i条子序列第j个点的模型输出估计有功功率值，为训练集中第i条子序列第j个点的家庭入户总线有功功率数据。
[0018]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：基于多任务损失进行训练指，采用梯度反向传播算法更新多任务家用充电桩监测模型权重，具体公式如下：
[0019]Loss
total
＝Loss
tr
+Loss
r
+Loss
c
[0020]其中，Loss
r
为家用电动汽车充电桩的运行有功功率回归损失，Loss
c
为家用电动汽车充电桩的运行状态识别损失，Loss
tr
为家用电动汽车充电桩的运行有功功率回归总损失之和。
[0021][0022]其中，为训练集中第i条子序列第j个点的模型家用电动汽车充电桩的运行有功功率回归分支输出估计有功功率值，为训练集中第i条子序列第j个点的家用电动汽车充电桩的运行有功功率。
[0023][0024]其中，为训练集中第i条子序列第j个点的模型总输出估计有功功率值。
[0025][0026]其中，为训练集中第i条子序列第j个点的模型家用电动汽车充电桩的运行状态识别分支输出估计运作状态值，为训练集中第i条子序列第j个点的家用电动汽车充电桩的运行状态值。
[0027]作为本专利技术所述基于自监督与多任务学习的家用充电桩监测方法的一种优选方案，其中：事件检测指对智能量测终端实时采集的家庭入户处的总线有功功率进行双滑动窗的事件检测，具体公式如下：
[0028][0029]其中，μ1与μ2分别为前、后滑动窗内总线有功功率的均值，σ1与σ2分别为前、后滑动窗内总线有功功率的标准差。
[0030]第二方面，本专利技术实施例提供了一种基于自监督与多任务学习的家用充电桩监测的系统，其包括数据获取模块，用于采集有功功率，并对采集的数据进行预处理，生成充电桩监测数据集；模型自监督预训练模块，用于初始化预训练模型，重建损失进行自监督预训练；模型训练模块，用于初始化多任务充电桩监测模型，迁移预训练模型的特征提取层权重，基于多任务损失进行训练；家用充电桩监测模块，用于将训练得到的家用充电桩监测模型投入应用后，采集入户处总线功率进行事件检测。
[0031]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中所述处理器执行所述计算机程序时实现上述方法的任一步骤。
[0032]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时实现上述方法的任一步骤。
[0033]本专利技术有益效果为：本专利技术基于自监督预训练与多任务学习提出了一种仅需入户总线功率数据作为输入的实用性家用充电桩监测方法，可为需求响应提供有效的信息支撑，并且提出了基于多任务学习的双分支家用充电桩监测模型结构，可有效减少背景负荷高度波动的影响，提高家用充电桩的监测性能，创新性地结合了基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自监督与多任务学习的家用充电桩监测方法，其特征在于：包括：使用智能量测终端采集家用电动汽车充电桩的运行有功功率和家庭总线对应的有功功率；对采集的数据进行预处理，生成家用充电桩监测数据集；初始化预训练模型，将数据集中的入户总线功率数据，基于重建损失进行自监督预训练；初始化多任务充电桩监测模型，迁移预训练模型的特征提取层权重，基于多任务损失进行训练；将训练得到的家用充电桩监测模型投入应用，采集入户处总线功率，进行事件检测。2.如权利要求1所述的基于自监督与多任务学习的家用充电桩监测方法，其特征在于：所述对采集的数据进行预处理的步骤包括序列分割和噪声滤除。3.如权利要求2所述的基于自监督与多任务学习的家用充电桩监测方法，其特征在于：所述序列分割步骤为，采用宽度为的滑动窗以步长从前向后对采样得到的家用电动汽车充电桩的运行有功功率和家庭总线对应的有功功率进行分割，得到子序列数据。4.如权利要求2所述的基于自监督与多任务学习的家用充电桩监测方法，其特征在于：所述噪声滤除包括以下步骤：基于Mallat分解算法将初始有功功率序列分解至N层；将小于阈值W
thr
的高频系数置零，根据更新后的小波系数重构得到去噪后的有功功率序列，具体公式如下：其中σ为高频系数的方差，δ为固定常数，N为小波分解的层数。5.如权利要求1～3任一所述的基于自监督与多任务学习的家用充电桩监测方法，其特征在于：所述基于重建损失进行自监督预训练包括，以最小化模型输出值与家庭入户处总线有功功率输入值的平方误差，具体公式如下：其中，num
t
为训练集的子序列对总数，Width为滑动窗宽度数据，为训练集中第i条子序列第j个点的模型输出估计有功功率值，为训练集中第i条子序列第j个点的家庭入户总线有功功率。6.如权利要求5所述的基于自监督与多任务学习的家用充电桩监测方法，其特征在于：所述基于多任务损失进行训练包括，采用梯度反向传播算法更新多任务家用充电桩监测模型权重，具体公式如下：Loss
total
＝Loss
tr
+Loss

【专利技术属性】
技术研发人员：谈竹奎，刘斌，邓松，欧阳广泽，徐玉韬，张俊玮，曾鹏，唐赛秋，范强，陈敦辉，张后谊，许乐，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：