基于协同演化算法的非侵入式负荷监测方法及存储介质技术

本申请涉及基于协同演化算法的非侵入式负荷监测方法及存储介质，该方法包括：对获取的目标信息和第一基因值进行编码，生成多个包括多个第一编码的第一编码数组；在每个第一编码数组的多个第一编码分组中，确定当前利用遗传算法进行遗传操作的目标分组；在多个进化编码数组中，确定局部最优编码数组，基于从局部最优编码数组获取的意向编码基因，对除局部最优编码数组之外的进化编码数组进行编码基因更新，得到多个第二编码数组；基于第二编码数组对应的适应度，对每个第二编码数组的多个第二编码进行基于协同演化算法的处理

【技术实现步骤摘要】
基于协同演化算法的非侵入式负荷监测方法及存储介质


[0001]本申请涉及计算机
，特别是基于协同演化算法的非侵入式负荷监测方法及存储介质
。

技术介绍

[0002]非侵入式负荷监测（
Non
‑
intrusive Load Monitoring
，简称
NILM
）是融合了工业工程
、
信息工程和管理学等多种学科背景的应用技术
。
在非侵入式负荷监测过程中，通过监测设备，利用智能算法将所采集的总负荷电气量分解为各用电器的独立运行数据，并识别各个用电器工作状态以及分析用户用电行为
。
[0003]相关技术中，非侵入式负荷监测中因负荷具有数量庞大
、
信号复杂
、
噪声干扰，开关突变，串并联干扰的特点，使的
NILM
面临如下问题：在电器数量有限且电信号已知的条件下，若仅知道总电流或者总功率时，无法有效的判断出是何种负荷并了解其相对的开关时间，进而造成能耗浪费，同时，已有的非侵入式负荷监测的方案，常采用隐马尔可夫模型进行建模或者使用深度学习算法，来实现负荷监测，但现有的
NILM
对目标区域的负荷的识别准确率低
、
在负载增加时，识别效率低，无法对目标区域内的负荷进行有效管理，造成能耗浪费
。
[0004]目前针对相关技术中的
NILM
对目标区域的负荷的识别准确率低
、
在负载增加时，识别效率低的问题，尚未提出有效的解决方案
。

技术实现思路

[0005]本申请实施例提供了一种基于协同演化算法的非侵入式负荷监测方法及存储介质，以及装置及电子设备，以至少解决相关技术中的
NILM
对目标区域的负荷的识别准确率低
、
在负载增加时，识别效率低的问题
。
[0006]第一方面，本申请实施例提供了一种基于协同演化算法的非侵入式负荷监测方法，包括：获取目标用户所关联的电器的目标信息和第一基因值，并对所述目标信息和所述第一基因值进行编码，生成多个第一编码数组，其中，所述第一基因值用于表征对应的所述电器的模拟负荷偏移量，所述第一编码数组包括多个表征所述电器的负荷状态的第一编码；在每个所述第一编码数组对应的多个第一编码分组中，确定当前利用预设的遗传算法进行遗传操作的目标分组，其中，所述第一编码分组是利用预设的协同演化算法对所述第一编码进行处理生成的，所述目标分组为多个所述第一编码分组其中之一；在多个进化编码数组中，根据对应的适应度确定局部最优编码数组，并基于从所述局部最优编码数组获取的意向编码基因，对除所述局部最优编码数组之外的所述进化编码数组进行编码基因更新，得到多个具有第二编码的第二编码数组，其中，所述进化编码数组包括所述目标编码分组完成遗传操作的所有所述第一编码数组，所述适应度用于表征一种编码数组所对应的模拟负荷偏移总量与实测负荷总量的偏差程度；基于所述第二编码数组对应的所述适应度，对每个所述第二编码数组的多个所述第二编码进行基于所述协同演化算法的处理
、
对处理
得到的第二编码分组进行所述遗传操作及将对应的所述第二编码进行编码基因更新，并从生成的多个候选编码数组中确定出目标编码数组，得到负荷监测结果，其中，所述负荷监测结果包括所述目标编码数组
。
[0007]第二方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于协同演化算法的非侵入式负荷监测方法的步骤
。
[0008]相比于相关技术，本申请实施例提供的基于协同演化算法的非侵入式负荷监测方法及存储介质，以及装置及电子设备，通过获取目标用户所关联的电器的目标信息和第一基因值，并对所述目标信息和所述第一基因值进行编码，生成多个第一编码数组，所述第一基因值用于表征对应的所述电器的模拟负荷偏移量，所述第一编码数组包括多个表征所述电器的负荷状态的第一编码；在每个所述第一编码数组对应的多个第一编码分组中，确定当前利用预设的遗传算法进行遗传操作的目标分组，所述第一编码分组是利用预设的协同演化算法对所述第一编码进行处理生成的，所述目标分组为多个所述第一编码分组其中之一；在多个进化编码数组中，根据对应的适应度确定局部最优编码数组，并基于从所述局部最优编码数组获取的意向编码基因，对除所述局部最优编码数组之外的所述进化编码数组进行编码基因更新，得到多个具有第二编码的第二编码数组，所述进化编码数组包括所述目标编码分组完成遗传操作的所有所述第一编码数组，所述适应度用于表征一种编码数组所对应的模拟负荷偏移总量与实测负荷总量的偏差程度；基于所述第二编码数组对应的所述适应度，对每个所述第二编码数组的多个所述第二编码进行基于所述协同演化算法的处理
、
对处理得到的第二编码分组进行所述遗传操作及将对应的所述第二编码进行编码基因更新，并从生成的多个候选编码数组中确定出目标编码数组，得到负荷监测结果，所述负荷监测结果包括所述目标编码数组，解决了相关技术中的
NILM
对目标区域的负荷的识别准确率低
、
在负载增加时，识别效率低的问题，实现提升对负载体识别
、
最优解的准确性的有益效果，并在协同演化时通过对最优解和不同个体的突变，又可以降低陷入局部最优解的风险
。
[0009]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征
、
目的和优点更加简明易懂
。
附图说明
[0010]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：图1是本申请实施例的基于协同演化算法的非侵入式负荷监测方法的终端的硬件结构框图；图2是根据本申请实施例的基于协同演化算法的非侵入式负荷监测方法的流程图；图3是根据本申请优选实施例的非侵入式负荷监测方法的流程示意图；图4是根据本申请实施例的基于协同演化算法的非侵入式负荷监测装置的结构框图
。
具体实施方式
[0011]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明
。
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请
。
基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围
。
此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分
...

【技术保护点】

【技术特征摘要】
1.
一种基于协同演化算法的非侵入式负荷监测方法，其特征在于，包括：获取目标用户所关联的电器的目标信息和第一基因值，并对所述目标信息和所述第一基因值进行编码，生成多个第一编码数组，其中，所述第一基因值用于表征对应的所述电器的模拟负荷偏移量，所述第一编码数组包括多个表征所述电器的负荷状态的第一编码；在每个所述第一编码数组对应的多个第一编码分组中，确定当前利用预设的遗传算法进行遗传操作的目标分组，其中，所述第一编码分组是利用预设的协同演化算法对所述第一编码进行处理生成的，所述目标分组为多个所述第一编码分组其中之一；在多个进化编码数组中，根据对应的适应度确定局部最优编码数组，并基于从所述局部最优编码数组获取的意向编码基因，对除所述局部最优编码数组之外的所述进化编码数组进行编码基因更新，得到多个具有第二编码的第二编码数组，其中，所述进化编码数组包括所述目标编码分组完成遗传操作的所有所述第一编码数组，所述适应度用于表征一种编码数组所对应的模拟负荷偏移总量与实测负荷总量的偏差程度；基于所述第二编码数组对应的所述适应度，对每个所述第二编码数组的多个所述第二编码进行基于所述协同演化算法的处理
、
对处理得到的第二编码分组进行所述遗传操作及将对应的所述第二编码进行编码基因更新，并从生成的多个候选编码数组中确定出目标编码数组，得到负荷监测结果，其中，所述负荷监测结果包括所述目标编码数组
。2.
根据权利要求1所述的方法，其特征在于，所述模拟负荷偏移量包括电流特征曲线的相位偏移量，确定对应的编码数组的适应度，包括：获取对应的编码数组所对应的所有第一基因编码，并确定每个所述第一基因编码所对应的所述相位偏移量，其中，对应的编码数组为所述第一编码数组
、
所述进化编码数组和所述第二编码数组其中之一，所述第一基因编码为所述第一编码和所述第二编码其中之一，所述相位偏移量为处于预设实数区间的实数；基于所述相位偏离量，拟合出迭代拟合电流曲线，并基于实测负荷总量拟合出目标电流曲线；利用预设的曲线相似度算法，计算所述迭代拟合电流曲线和所述目标电流曲线的相似度，并确定所述适应度包括所述相似度，其中，所述曲线相似度算法包括以下其中一种：曼哈顿距离
、
欧式距离
。3.
根据权利要求2所述的方法，其特征在于，在多个进化编码数组中，根据对应的适应度确定局部最优编码数组，包括：分别确定每个所述进化编码数组所对应的所述适应度；在多个所述进化编码数组中，选取所述适应度最大的所述进化编码数组，得到所述局部最优编码数组
。4.
根据权利要求2所述的方法，其特征在于，基于从所述局部最优编码数组获取的意向编码基因，对除所述局部最优编码数组之外的所述进化编码数组进行编码基因更新，包括：在所述局部最优编码数组中，选取除所述目标分组之外的所有所述第一编码分组，得到第一编码分组集；将除所述局部最优编码数组之外的每个所述进化编码数组作为备选编码数组，并从每个所述备选编码数组中，获取除所述目标分组之外的所有所述第一编码分组所对应的所有所述第一编码，得到每个所述备选编码数组对应的第一编码原集；
获取所述第一编码分组集所对应的所有所述第一编码，得到所述意向编码基因，并将所述意向编码基因复制为所述第一编码原集所对应的编码基因，以对除所述局部最优编码数组之外的所述进化编码数组进行编码基因更新
。5.
根据权利要求2所述的方法，其特征在于，基于所述第二编码数组对应的所述适应度，对每个所述第二编码数组的多个所述第二编码进行基于所述协同演化算法的处理
、
对处理得到的第二编码分组进行所述遗传操作及将对应的所述第二编码进行编码基因更新，包括：判断所有所述第二编码数组对应的所述适应度是否大于预设阈值，并在判断...

【专利技术属性】
技术研发人员：张鑫源，董佳奇，刘晓翔，林聪，龚雪沅，
申请(专利权)人：暨南大学，
类型：发明
国别省市：