基于非监督机器学习的非侵入负荷辨识方法、介质及系统技术方案

本发明专利技术公开一种基于非监督机器学习的非侵入负荷辨识方法、介质及系统，包括：基于双滑动窗的CUSUM事件检测算法对获取的一家庭用电设备的家庭用电负荷数据序列中的特征数据进行稳态事件检测，以获取发生稳态事件的特征数据；采用SOM网络聚类算法对所述稳态事件的所述特征数据进行聚类分析，得到至少两个第一分类；采用K

【技术实现步骤摘要】
基于非监督机器学习的非侵入负荷辨识方法、介质及系统


[0001]本专利技术涉及居民家庭负荷辨识
，尤其涉及一种基于非监督机器学习的非侵入负荷辨识方法、介质及系统。

技术介绍

[0002]随着经济的发展，能源需求愈加强烈，在经历了能耗飞速增长的阶段后，现在人们逐渐转入资源节约型社会。居民家庭负荷已逐渐成为电能消耗的主要部分，有研究表示，合理的电能管理与电能分配有助于用户减少一定量的能源消耗，同时为电网侧减轻一定的供电压力。近年来，随着智能电网的飞速发展，家庭能源管理系统也在逐步走入大众视野并得到快速地发展，现今家庭能源管理系统已成为新型家庭用户的必备系统之一。
[0003]居民家庭负荷监测主要有两种方式，一种是基于侵入式的负荷监测，另一种则是基于非侵入式的负荷监测。前者要求居民用户家庭中的所有负荷内部均安装传感器，实时监控负荷的运行状况和能耗情况，该方法测量比较准确，且实时性高，配合边缘计算芯片等可以实现负荷的多种扩展功能。随着互联网的发展，智能家电负荷已逐渐成为市场主流，这为侵入式负荷监测的开展提供了良好的条件。然而，该种方法的弊端也十分明显，那就是实施难度大、投入成本高。并且，很多智能家电品牌都自成一体“生态系统”，传感器的测量难度骤然提升。为了解决这个弊端，基于非侵入的负荷监测系统应运而生，该种系统只需要在居民家庭的电力入线或出线处安装一个监测装置即可实现对整个家庭的负荷的监测。非侵入式负荷监测具有成本低、安装方便、可行性高、负荷辨识高效等特点，得到广泛关注，并逐步成为当前智能家庭的研究热点之一。但是，现有技术的非侵入式负荷监测辨识的准确度不高。

技术实现思路

[0004]本专利技术实施例提供一种基于非监督机器学习的非侵入负荷辨识方法、介质及系统，以解决现有技术的非侵入式负荷监测辨识的准确度不高的问题。
[0005]第一方面，提供一种基于非监督机器学习的非侵入负荷辨识方法，包括：
[0006]基于双滑动窗的CUSUM事件检测算法对获取的一家庭用电设备的家庭用电负荷数据序列中的特征数据进行稳态事件检测，以获取发生稳态事件的特征数据；
[0007]采用SOM网络聚类算法对所述稳态事件的所述特征数据进行聚类分析，得到至少两个第一分类；
[0008]采用K
‑
means聚类算法对每一所述第一分类的所述特征数据进行聚类分析，得到至少两个第二分类；
[0009]将每一第二分类的所述特征数据与预设数据库中的标准负荷数据进行匹配辨识，确定所述特征数据的类型。
[0010]第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的基
于非监督机器学习的非侵入负荷辨识方法。
[0011]第三方面，提供一种基于非监督机器学习的非侵入负荷辨识系统，其特征在于，包括：如上述第二方面实施例所述的计算机可读存储介质。
[0012]这样，本专利技术实施例，能有效对家庭发生的负荷事件进行分类，大大减少了负荷辨识的人工成本，无需人工过多干预；基于双滑动窗的稳态事件检测方法，使用高斯窗与辅助窗相结合的方法，增加其对缓慢增长事件的敏感度和识别率，提升了事件检测的精度，提高了聚类算法的效果；引入SOM算法和K
‑
means均值聚类算法，使得最后的聚类结果精度提升，同时提高运算效率。
附图说明
[0013]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本专利技术实施例的基于非监督机器学习的非侵入负荷辨识方法的流程图；
[0015]图2是SOM网络聚类算法的流程图；
[0016]图3是K
‑
means聚类算法的流程图；
[0017]图4是本专利技术实施例的计算机可读存储介质的示意框图；
[0018]图5是本专利技术实施例的基于非监督机器学习的非侵入负荷辨识系统的结构框图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本专利技术保护的范围。
[0020]本专利技术实施例公开了一种基于非监督机器学习的非侵入负荷辨识方法。如图1所示，本专利技术实施例的方法包括如下的步骤：
[0021]步骤S101：基于双滑动窗的CUSUM事件检测算法对获取的一家庭用电设备的家庭用电负荷数据序列中的特征数据进行稳态事件检测，以获取发生稳态事件的特征数据。
[0022]具体的，该步骤包括如下的过程：
[0023]1、采用CUSUM(Cumulative Sum Control Chart)累计和算法计算家庭用电负荷数据序列中的每一特征数据对应的第一统计函数和第二统计函数。
[0024]第一统计函数的计算式为：
[0025][0026]第二统计函数的计算式为：
[0027][0028]其中，表示家庭用电负荷数据序列中的特征数据去掉噪声影响之后的正向偏移量，表示家庭用电负荷数据序列中的特征数据去掉噪声影响之后的负向偏移量，p＝1，2，3，
……
。
[0029]具体的，和的计算式如下：
[0030][0031][0032]其中，x
p
表示事件出现前的家庭用电负荷数据序列的特征数据对应的采样时间的平均值，β表示家庭用电负荷数据序列的平均噪声功率值，μ0表示家庭用电负荷数据序列中的第一个数据。
[0033]2、若第一统计函数或第二统计函数满足第一预设条件，则将家庭用电负荷数据序列中的对应的特征数据及以后的特征数据划分入事件数据序列中。
[0034]具体的，第一预设条件包括：第一统计函数大于0，或者，第二统计函数大于0，或者，第一统计函数大于第一预设阈值，或者，第二统计函数大于第一预设阈值。第一预设阈值可根据经验设置。
[0035]一般的，第一统计函数大于0，或者，第二统计函数大于0，认为有可能产生事件；第一统计函数大于第一预设阈值，或者，第二统计函数大于第一预设阈值，认为有明显事件产生。
[0036]3、设定相隔预设间隔的高斯窗长度和辅助窗长度。
[0037]预设间隔，高斯窗长度和辅助窗长度，均可根据经验设置。预设间隔对噪声容限有影响，该预设间隔越长，对噪声容限越大，反之，则越小，但预设间隔也不能过大。高斯窗比辅助窗的长度小。
[0038]4、在事件数据序列中，分别通过高斯窗和辅助窗滑动采样。
[0039]其中，同次的高斯窗在同次的辅助窗之前。应当理解的是，从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非监督机器学习的非侵入负荷辨识方法，其特征在于，包括：基于双滑动窗的CUSUM事件检测算法对获取的一家庭用电设备的家庭用电负荷数据序列中的特征数据进行稳态事件检测，以获取发生稳态事件的特征数据；采用SOM网络聚类算法对所述稳态事件的所述特征数据进行聚类分析，得到至少两个第一分类；采用K
‑
means聚类算法对每一所述第一分类的所述特征数据进行聚类分析，得到至少两个第二分类；将每一第二分类的所述特征数据与预设数据库中的标准负荷数据进行匹配辨识，确定所述特征数据的类型。2.根据权利要求1所述的基于非监督机器学习的非侵入负荷辨识方法，其特征在于，所述基于双滑动窗的CUSUM事件检测算法对获取的一家庭用电设备的家庭用电负荷数据序列中的特征数据进行稳态事件检测的步骤，包括：采用CUSUM累计和算法计算所述家庭用电负荷数据序列中的每一特征数据对应的第一统计函数和第二统计函数；若所述第一统计函数或所述第二统计函数满足第一预设条件，则将所述家庭用电负荷数据序列中的对应的特征数据及以后的特征数据划分入事件数据序列中；设定相隔预设间隔的高斯窗长度和辅助窗长度；在所述事件数据序列中，分别通过高斯窗和辅助窗滑动采样，其中，同次的所述高斯窗在同次的所述辅助窗之前；通过本次所述高斯窗的采样数据计算本次的第一均值以及第一累计和，以及，通过本次所述辅助窗的采样数据计算本次的第二均值以及第二累计和；判断本次的第一均值、第一累计和、第二均值以及第二累计和是否满足第二预设条件；若满足第二预设条件，则确定发生稳态事件，否则进行下一次采样；获取本次所述高斯窗的起始位置以后的所述事件数据序列中的特征数据，得到发生稳态事件的特征数据。3.根据权利要求2所述的基于非监督机器学习的非侵入负荷辨识方法，其特征在于，所述第一预设条件包括：所述第一统计函数大于0，或者，所述第二统计函数大于0，或者，所述第一统计函数大于第一预设阈值，或者，所述第二统计函数大于第一预设阈值。4.根据权利要求2所述的基于非监督机器学习的非侵入负荷辨识方法，其特征在于，所述第二预设条件包括：本次的所述第二均值和所述第一均值均大于第二预设阈值，并且本次的所述第二累计和大于前一次的所述第一累计和。5.根据权利要求2所述的基于非监督机器学习的非侵入负荷辨识方法，其特征在于，第i次的所述第一均值和所述第一累计和的计算式为：其中，A
G
(i)表示第i次的第一均值，g<...

【专利技术属性】
技术研发人员：夏绪卫，马瑞，朱东歌，刘佳，沙江波，康文妮，张爽，闫振华，张庆平，王峰，李晓龙，高博，李永亮，罗海荣，蔡建辉，杨雪红，李学锋，王富对，朱小超，王辉，
申请(专利权)人：国网宁夏电力有限公司国电南瑞南京控制系统有限公司，
类型：发明
国别省市：