基于压缩感知的非侵入负荷监测方法技术

本发明专利技术提供一种基于压缩感知的非侵入负荷监测方法，该方法包括：设置原始负荷信号类型和采集参数并生成二进稀疏测量矩阵，对集成原始负荷信号进行压缩采集得到压缩信号；根据二进稀疏测量矩阵，以及稀疏基和目标重构算法，对压缩信号进行重构，得到集成稀疏向量；根据滑动窗观测和阈值判断对集成稀疏向量进行事件探测，根据事件探测结果进行负荷分解获取单一用电设备的单一稀疏向量；从单一稀疏向量中获取负荷特征值，形成特征值向量；根据机器学习算法、特征值向量和特征向量样本值，识别单一稀疏性向量对应的用电设备类型；输出用电设备负荷分解结果、用电设备类型识别结果和集成原始负荷信号的重构值。成原始负荷信号的重构值。成原始负荷信号的重构值。

【技术实现步骤摘要】
基于压缩感知的非侵入负荷监测方法


[0001]本专利技术涉及非侵入负荷监测
，尤其涉及一种基于压缩感知的非侵入负荷监测方法。

技术介绍

[0002]非侵入式负荷监测(Non
‑
intrusive Load Monitoring，NILM)是通过采集用户入口处的电信号，分析获得用户内部各负荷种类以及其具体情况。相比传统负荷监测方式，NILM的设备安装和维护成本低、可操作性和用户接受程度高，是未来智能电网中主要负荷监测方式，更加适应电网负荷用户数量的快速增长和用电设备智能控制的需求。NILM包括主要环节包括数据采集、数据传输、负荷分析。其中，负荷分析是NILM的核心环节和最终目的，包括负荷分解和负荷识别。
[0003]随着电力系统规模增加和智能化程度提升，NILM的采集数据爆炸式增长。传统数据压缩方法可作为NILM中海量数据问题的解决方式，但传统数据压缩方法存在压缩复杂、高频采样等缺陷。随着近年来压缩感知(Compressed Sensing,CS)在电力系统中的应用研究不断深入，CS可解决传统压缩方法的缺陷。压缩感知是一种将信号采集和信号压缩合二为一的新型采样理论，具有压缩简单、低频采样等特点。然而，目前却尚不存在基于压缩感知的非侵入式负荷监测技术，难以适应未来NILM的发展。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种基于压缩感知的非侵入负荷监测方法，通过测量矩阵实现原始负荷信号压缩采集，通过重构算法和稀疏基实现获取稀疏向量，建立基于稀疏向量滑动观察的事件探测并实现负荷分解，通过特征提取从稀疏向量中获取负荷特征并通过对特征进行机器学习实现负荷识别，可在基于压缩感知的非侵入负荷监测中同时实现负荷分解和负荷识别，解决高频采样、压缩成本高、采样端冗余存储、不适用于监测用电设备等的问题，明确压缩感知在非侵入式负荷监测中的技术路线，引导未来基于压缩感知的非侵入式负荷监测系统的构建。
[0005]本专利技术实施例的第一方面提供了一种基于压缩感知的非侵入负荷监测方法，包括：设置原始负荷信号类型和采集参数并生成二进稀疏测量矩阵，对集成原始负荷信号进行压缩采集得到压缩信号；根据所述二进稀疏测量矩阵，以及稀疏基和目标重构算法，对所述压缩信号进行重构，得到集成稀疏向量；根据滑动窗观测和阈值判断对所述集成稀疏向量进行事件探测，根据事件探测结果进行负荷分解获取单一用电设备的单一稀疏向量；从所述单一稀疏向量中获取负荷特征值，形成特征值向量；根据机器学习算法、所述特征值向量和特征向量样本值，识别单一稀疏性向量对应的用电设备类型；输出用电设备负荷分解结果、用电设备类型识别结果和所述集成原始负荷信号的重构值。
[0006]在一种可能的实现方式中，所述根据滑动窗观测和阈值判断对所述集成稀疏向量进行事件探测，根据事件探测结果进行负荷分解获取单一用电设备的单一稀疏向量，包括：
[0007]针对所述集成稀疏向量依次设置事件探测所需的滑动窗；
[0008]计算各滑动窗中每个序列元素s
t
中非零数值元素的数量cd
t
；
[0009]依次计算各滑动窗中相邻序列元素s
t
的差值ch
t
；
[0010]根据cd
t
和ch
t
对各滑动窗进行阈值判断，并在cd
t
和ch
t
满足事件发生条件时判断对应的滑动窗为事件窗口；
[0011]根据发生事件前后的集成稀疏向量计算某单一用电设备的单一稀疏向量，以通过不断计算单一稀疏向量得到对应所有用电设备的稀疏向量实现负荷分解。
[0012]在一种可能的实现方式中，其特征在于，所述事件发生条件为：
[0013][0014]其中，ch
t
＝||s
t+1
‑
s
t
||，t＝ta
‑
3～ta+3；s
ta
‑3～s
ta+4
为滑动窗ta
‑
3内的序列元素；cd
t
为滑动窗ta
‑
3内的各序列元素对应的非零数值元素的数量，t＝ta
‑
3～ta+4；表示样本库中第e个用电设备的单一稀疏向量的平均值；cd
i
与cd
j
的差值小于偏差值ε时，cd
i
≈cd
j
，ε根据样本库中不同负荷场景的集成稀疏向量的稀疏度确定。
[0015]在一种可能的实现方式中，所述根据发生事件前后的集成稀疏向量，计算用电设备的单一稀疏向量，包括：
[0016]根据如下公式计算用电设备的单一稀疏向量：
[0017]Δs＝[(s
ta+2
+s
ta+3
+s
ta+4
)
‑
(s
ta
‑1+s
ta
‑2+s
ta
‑3)]/3
[0018]其中，Δs表示用电设备的单一稀疏向量；s
ta+2
、s
ta+3
、s
ta+4
、s
ta
‑1、s
ta
‑2、s
ta
‑3分别表示滑动窗ta
‑
3中对应时刻的序列；s
ta
为发生事件的时刻。
[0019]在一种可能的实现方式中，所述设置原始负荷信号采集参数并生成二进稀疏测量矩阵，对原始负荷信号进行压缩采集得到压缩信号，包括：
[0020]设置原始负荷信号的类型为电流波形或瞬时功率；
[0021]设置采集时间长度为1s、所述原始负荷信号的长度为N＝2048和压缩比为0.4～0.7；
[0022]根据所述压缩比和所述原始负荷信号的长度确定测量矩阵规模，并基于测量矩阵规模生成零矩阵；
[0023]将所述零矩阵中每列随机选择设定数量元素赋值为1，作为所生成的二进稀疏测量矩阵；其中，所述设定数量小于每列元素的总数量的10％；
[0024]根据y＝Φx获取压缩信号y，其中Φ为所述二进稀疏测量矩阵，x为所述原始负荷信号。
[0025]在一种可能的实现方式中，所述输出用电设备负荷分解结果、用电设备类型识别结果和所述集成原始负荷信号的重构值，包括：
[0026]以所述单一稀疏向量的重构值作为负荷分解结果输出；以所述单一稀疏向量对应的用电设备类型作为用电设备类型识别结果输出，并基于所述集成稀疏向量s输出集成原始负荷信号的重构值
[0027]在一种可能的实现方式中，所述从所述单一稀疏向量中获取负荷特征值，形成特征值向量，包括：
[0028]在所述原始负荷信号为电流波形时，从所述单一稀疏向量中获取基波电流相量值、第h次谐波电流相量值和谐波总畸变率为所述负荷特征值，并形成8维特征值向量；其中，h＝2,3,5,7,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于压缩感知的非侵入负荷监测方法，其特征在于，包括：设置原始负荷信号类型和采集参数并生成二进稀疏测量矩阵，对集成原始负荷信号进行压缩采集得到压缩信号；根据所述二进稀疏测量矩阵，以及稀疏基和目标重构算法，对所述压缩信号进行重构，得到集成稀疏向量；根据滑动窗观测和阈值判断对所述集成稀疏向量进行事件探测，根据事件探测结果进行负荷分解获取单一用电设备的单一稀疏向量；从所述单一稀疏向量中获取负荷特征值，形成特征值向量；根据机器学习算法、所述特征值向量和特征向量样本值，识别单一稀疏向量对应的用电设备类型；输出用电设备负荷分解结果、用电设备类型识别结果和所述集成原始负荷信号的重构值。2.根据权利要求1所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述根据滑动窗观测和阈值判断对所述集成稀疏向量进行事件探测，根据事件探测结果进行负荷分解获取单一用电设备的单一稀疏向量，包括：针对所述集成稀疏向量依次设置事件探测所需的滑动窗；计算各滑动窗中每个序列元素s
t
中非零数值元素的数量cd
t
；依次计算各滑动窗中相邻序列元素s
t
的差值ch
t
；根据cd
t
和ch
t
对各滑动窗进行阈值判断，并在cd
t
和ch
t
满足事件发生条件时判断对应的滑动窗为事件窗口；根据发生事件前后的集成稀疏向量计算某单一用电设备的单一稀疏向量，以通过不断计算单一稀疏向量得到对应所有用电设备的稀疏向量实现负荷分解。3.根据权利要求2所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述事件发生条件为：其中，ch
t
＝||s
t+1
‑
s
t
||，t＝ta
‑
3～ta+3；s
ta
‑3～s
ta+4
为滑动窗ta
‑
3内的序列元素；cd
t
为滑动窗ta
‑
3内的各序列元素对应的非零数值元素的数量，t＝ta
‑
3～ta+4；3～ta+4；表示样本库中第e个用电设备的单一稀疏向量的平均值；cd
i
与cd
j
的差值小于偏差值ε时，cd
i
≈cd
j
，ε根据样本库中不同负荷场景的集成稀疏向量的稀疏度确定。4.根据权利要求3所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述根据发生事件前后的集成稀疏向量，计算用电设备的单一稀疏向量，包括：根据如下公式计算用电设备的单一稀疏向量：Δs＝[(s
ta+2
+s
ta+3
+s
ta+4
)
‑
(s
ta
‑1+s
ta
‑2+s
ta
‑3)]/3其中，Δs表示用电设备的单一稀疏向量；s
ta+2
、s
ta+3
、s
ta+4
、s
ta
‑1、s
ta
‑2、s
ta
‑3分别表示滑动窗ta
‑
3中对应时刻的序列；s
ta
为发生事件的时刻。5.根据权利要求4所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述设置原始负荷信号采集参数并生成二进稀疏测量矩阵，对原始负荷信号进行压缩采集得到压缩信号，包括：设置原始负荷信号的类型为电流波形或瞬时功率；设置采集时间长度为1s、所述原始负荷信号的长度为N＝2048和压缩比为0.4～0.7；
根据所述压缩比和所述原始负荷信号的长度确定测量矩阵规模，并基于测量矩阵规模生成零矩阵；将所述零矩阵中每列随机选择设定数量元素赋值为1，作为所生成的二进稀疏测量矩阵；其中，所述设定数量小于每列元素的总数量的10％；根据y＝Φx获取压缩信号y，其中Φ为所述二进稀疏测量矩阵，x为所述原始负荷信号。6.根据权利要求1至5任一项所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述输出用电设备负荷分解结果、用电设备类型识别结果和所述集成原始负荷信号的重构值，包括：以所述单一稀疏向量的重构值作为负荷分解结果输出；以所述单一稀疏向量对应的用电设备类型作为用电设备类型识别结果输出，并基于所述集成稀疏向量s输出集成原始负荷信号的重构值7.根据权利要求1所述的基于压缩感知的非侵入负荷监测方法，其特征在于，所述从所述单一稀疏向量中获取负荷特征值，形成特征值向量，包括：在所述原始负荷信号为电流波形时，从所述单一稀疏向量中获取基波电流相量值、第h次谐波电流相量值和谐波总畸变率为所述负荷特征值，并形成8维特征值向量；其中，h＝2,3,5,7,9,11；在所述原始负荷信号为瞬时功率时，从所述单一稀...

【专利技术属性】
技术研发人员：袁博，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：