【技术实现步骤摘要】
基于自适应轻量化模型的非侵入式负荷监测方法和系统
[0001]本专利技术涉及非侵入式负荷监测
，特别是涉及一种基于自适应轻量化模型的非侵入式负荷监测方法和系统。
技术介绍
[0002]非侵入式负荷监测(Non
‑
intrusive Load Monitoring，NILM)通过对用户用电入口安装智能电表获得总用电信息，利用大数据分析技术，推算出用户各用电器的用电情况及能耗数值，能够实现对各个用电设备及其工作状态的辨识，可广泛应用于建筑节能、智慧城市、智能电网等领域。非侵入式负荷识别技术作为智能电网需求侧能源管理的基础，在优化电网供求关系、促进节能减排等方面具有广阔的应用前景。
[0003]目前，随着近年来深度学习方法的在诸多不同领域取得了较好的效果，负荷分解的研究也从传统的信号处理方法迁移到深度学习架构中。在深度学习的框架中，通过将NILM视为序列到序列(seq2seq)、序列到点(seq2point)等问题，且具有单标签或多标签状态分类和能源使用预测的任务。
[0004]然而，现有的...
【技术保护点】
【技术特征摘要】
1.一种基于自适应轻量化模型的非侵入式负荷监测方法，其特征在于，所述方法包括：基于目标设备计算滑窗宽度，基于所述滑窗宽度确定所述目标设备的自适应滑窗，采用所述自适应滑窗获取所述目标设备的有功功率序列数据，得到所述目标设备的原始训练集；基于前向和后向自适应滑窗相对滑动，截取并重组所述目标设备的原始训练集，得到所述目标设备的轻量化训练集；基于所述滑窗宽度，对所述目标设备的待训练模型的输入输出维度进行同步设置；将总有功功率序列数据和所述目标设备的轻量化训练集，输入所述目标设备的待训练模型中，学习所述总有功功率序列数据和所述目标设备的轻量化训练集的非线性回归，得到所述目标设备的seq2subseq模型；其中，所述总有功功率序列数据为包含所述目标设备的空间内的所有设备的有功功率序列数据；所述目标设备的seq2subseq模型用于获取所述目标设备的非侵入式负荷监测结果。2.根据权利要求1所述的非侵入式负荷监测方法，其特征在于，所述目标设备的自适应滑窗的滑窗宽度W
′
定义如下：W
′
＝W
×
f
s
×
L
R
+L
B
，式中，W为滑窗的固定宽度，f
s
为原始数据的采样频率，L
R
为原始数据的欠采样间隔，L
B
为缓冲序列的长度；其中，当所述滑窗宽度W
′
从W
×
f
s
×
L
R
扩大至完全包含整个有功功率序列L
c
时，L
B
设置为L
c
‑
W
×
f
s
×
L
R
，L
c
为目标设备的整个有功功率序列；当所述滑窗宽度W
′
达到窗口宽度的上限599，但滑窗宽度W
′
仍然没有完全包含整个有功功率序列时，L
B
设置为599
‑
W
×
f
s
×
L
R
。3.根据权利要求1所述的非侵入式负荷监测方法，其特征在于，所述基于前向和后向自适应滑窗相对滑动，截取并重组所述目标设备的原始训练集，得到所述目标设备的轻量化训练集，包括：在所述原始训练集中设置停止点和设备阈值，采用所述前向和后向自适应滑窗处理所述原始训练集，对所述目标设备正常运行片段的有功功率序列数据进行截取；将经过所述前向和后向自适应滑窗截取处理后的有功功率序列数据进行重组，得到所述轻量化训练集；其中，所述设备阈值为大于所述目标设备多数偶发峰值功率值；使用NILMTK中的get_activationseries()函数定位所述目标设备的开关时刻，将所述设备阈值设备在所述目标设备切换时刻前后的有功功率值范围内；其中，在所述原始训练集的前端和后端分别放置两个所述前向和后向自适应滑窗。4.根据权利要求3所述的非侵入式负荷监测方法，其特征在于，采用所述前向和后向自适应滑窗处理所述原始训练集，对所述目标设备的正常运行片段的有功功率序列数据进行截取，包括：对任一所述自适应滑窗滑至达到所述设备阈值的采样点和小于所述设备阈值的采样点之间的正常运行片段的有功功率序列数据进行截取；当任一所述自适应滑窗滑至停止点时...
【专利技术属性】
技术研发人员：康洁滢，舒一飞，周玫，樊博，杨琦，丁海丽，
申请(专利权)人：国网宁夏电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。