【技术实现步骤摘要】
本专利技术涉及负荷识别与监测，尤其涉及一种楼宇能源消耗感知方法及系统。
技术介绍
1、目前，能源主要以电力的形式提供给人们，电力在日常生活中占很大比例。因此，以楼宇为单位的终端用能系统被视为降低能耗的重要研究对象。
2、负荷监测技术属于智能电网高级量测体系，通过深度挖掘、分析电力终端的用电信息，向终端用户和电网公司双方反馈详细的负荷用电信息。对楼宇终端用电系统而言，负荷监测技术可以帮助用电终端获取负荷用电信息，掌握负荷的工作状态和能耗信息，便于自主调节用电行为，减少不必要的电能消耗。相关数据显示，某市写字楼全年约有200至250天均在使用，部分写字楼达到了130-195kwh/m2的全年用电量。对电力公司而言，负荷监测技术可以帮助其以较低的成本构建更加完善的电能管理系统。
3、隐马尔可夫模型(hidden markov model,hmm)作为负荷监测领域常用的方法之一，对计算资源需求较低且无需预先进行事件检测，因而受到研究者广泛关注。然而，在现有研究中，利用hmm模型进行负荷监测建模时，忽视了对电器工作状态的分析，将所有电器简化为开关型电器，这与楼宇中空调设备、办公设备等电器的运行状态不符，造成这类多状态电器辨识精度不高的问题。此外，传统的hmm模型仅采用单一的电气特征进行负荷监测建模，难以有效区分具有相似特征的电器，致使其精度较差。
技术实现思路
1、本专利技术提供一种楼宇能源消耗感知方法及系统，解决的技术问题在于：现有采用隐马尔可夫模型进行负荷监测建模
2、为解决以上技术问题，本专利技术提供一种楼宇能源消耗感知方法，包括步骤：
3、s1、采集楼宇中电器的运行功率序列；
4、s2、采用均值滤波方式对采集的运行功率序列进行滤波；
5、s3、利用滤波后的运行功率序列建立楼宇的负荷模型；具体包括步骤：
6、s31、利用自适应聚类算法自动确定滤波后的运行功率序列所对应的电器工作状态；
7、s32、为每个电器建立一个隐半马尔可夫模型；
8、s33、组合每个电器的隐半马尔可夫模型构建因子式隐半马尔可夫模型得到楼宇的负荷模型；
9、s4、利用建立的负荷模型，估计当前楼宇用电功率数据所对应的电器工作状态序列。
10、进一步地，所述步骤s31具体包括步骤：
11、s311、计算滤波后的运行功率序列中每个功率点的密度和相对距离，其中时刻i的功率点pi的密度ρi定义为以功率点pi为圆心、dc为半径的圆内所有采样点的个数，功率点pi的相对距离δi定义为功率点pi与更高功率点的最小距离；
12、s312、设置密度阈值ρtd和相对距离阈值δtd；
13、s313、将密度ρi和相对距离δi分别大于密度阈值ρtd和相对距离阈值δtd的功率点pi当作一个聚类中心，采用密度峰值聚类方法对滤波后的运行功率序列进行聚类，确定每个电器的工作状态。
14、进一步地，在步骤s312中，密度阈值ρtd设置为：
15、ρtd＝λ1×(len(p)-max(ρ))
16、其中，λ1表示第一比例系数，len(p)表示滤波后的运行功率序列p的数据长度，max(ρ)表示最大的功率密度值；
17、相对距离阈值δtd设置为：
18、δtd＝λ2×max(p)
19、其中，λ2表示第二比例系数，max(p)表示滤波后的运行功率序列p中的最大功率值。
20、进一步地，在所述步骤s32中，在一个电器对应的隐半马尔可夫模型中，一个隐藏工作状态对应一个观测序列，观测值代表电器的功耗，记为x＝(x1,x2,...,xt)，电器的隐藏序列记为z＝(z1,z2,...,zn)，其中的第i个隐藏工作状态zi∈{1,2,...,k}，t是观测序列的长度，k是电器的工作状态数，n是隐藏序列的长度，di是对应电器工作状态zi的持续时间，是一个随机整数变量；
21、一个电器对应的隐半马尔可夫模型表示为φ＝(π,a,b,f)，电器初始状态概率向量π表示电器初始工作状态的概率分布，观测概率矩阵b～n(μ,σ)代表由相应电器工作状态产生观测值的概率矩阵，其中参数μ是高斯分布n()的均值，σ表示电器不同工作状态对应的功率消耗，工作状态转移概率矩阵a＝[aij]代表电器工作状态之间相互转换的转移概率矩阵，代表从t时刻电器工作状态i转移到t+1时刻状态j的转移概率，工作状态持续时间概率矩阵f代表电器工作状态持续时间的概率分布，采用泊松分布表示f的概率密度函数：
22、
23、其中，ω是泊松分布的参数，d表示电器工作状态持续时间。
24、进一步地，一个电器对应的隐半马尔可夫模型利用前向-后向算法计算其模型参数，包括步骤：
25、s321、定义辅助变量αt(j)、βt(i)、如下：
26、
27、
28、
29、
30、其中，前向概率αt(j)表示在给定模型初始参数λ0的情况下，功率观测序列x1,x2,...,xt和电器在时刻t工作状态为j的联合概率；前向概率表示给定模型初始参数λ0的情况下，功率观测序列x1,x2,...,xt和电器在t+1时刻工作状态为j的联合概率；后向概率βt(i)代表在给定模型初始参数λ0的情况下，在t时刻电器隐藏工作状态为i时，功率观测序列为xt+1,xt+2,...,xt的条件概率；后向概率代表在给定模型初始参数λ0的情况下，在t+1时刻的电器隐藏工作状态为i时，功率观测序列为xt+1,xt+2,...,xt的条件概率；
31、s322、根据前向概率αt(j)的定义式，给定初始参数得以下递推公式：
32、
33、
34、pj(dj)表示电器在工作状态j持续时间为dj的概率分布；表示从t-dj+1到t的时间段隐藏状态为j、观测序列为xt-dj+1,xt-dj+2,...,xt的概率；表示t-dj时刻的前向概率即将t＝t-dj代入所得结果；
35、同理，给定初始参数βt(i)＝1，得以下递推公式：
36、
37、
38、pi(di)表示电器在工作状态i持续时间为di的概率分布；表示t+1到t+di的时间段隐藏状态为i、观测序列为xt+1,xt+2,...,xt+di的概率，表示t+di时刻的后向概率βt(i)，即将t＝t+di代入所得结果；
39、s323、通过递推后的前向概率αt(j)、和后向概率βt(i)、计算三个中间变量γt(i)、ξt(i,j)和ηt(i,d)，γt(i)表示在给定模型初始参数λ0和功率观测序列x＝(x1,x2,...,xt)的条件下，电器在时刻t处于工作状态i的条件概率，即γt(i)＝p(zt＝i|x,λ0)；ξt(i,j)表示在给定模型初始参本文档来自技高网...
【技术保护点】
1.一种楼宇能源消耗感知方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种楼宇能源消耗感知方法，其特征在于，所述步骤S31具体包括步骤：
3.根据权利要求2所述的一种楼宇能源消耗感知方法，其特征在于，在步骤S312中，密度阈值ρTD设置为：
4.根据权利要求1～3任一项所述的一种楼宇能源消耗感知方法，其特征在于，在所述步骤S32中，在一个电器对应的隐半马尔可夫模型中，一个隐藏工作状态对应一个观测序列，观测值代表电器的功耗，记为X＝(x1,x2,...,xT)，电器的隐藏序列记为Z＝(z1,z2,...,zN)，其中的第i个隐藏工作状态zi∈{1,2,...,K}，T是观测序列的长度，K是电器的工作状态数，N是隐藏序列的长度，di是对应电器工作状态zi的持续时间，是一个随机整数变量；
5.根据权利要求4所述的一种楼宇能源消耗感知方法，其特征在于，一个电器对应的隐半马尔可夫模型利用前向-后向算法计算其模型参数，包括步骤：
6.根据权利要求5所述的一种楼宇能源消耗感知方法，其特征在于，在步骤S323中，γt(i)、ξt
7.根据权利要求6所述的一种楼宇能源消耗感知方法，其特征在于，在步骤S324中，通过给定模型的初始值，利用以下公式迭代计算，求解模型参数：
8.根据权利要求1所述的一种楼宇能源消耗感知方法，其特征在于，所述步骤S4具体包括步骤：
9.一种楼宇能源消耗感知系统，其特征在于：包括分别用于执行权利要求1～8任一项所述的S1、S2、S3、S4的采集模块、滤波模块、负荷建模模块、负荷分解模块。
...【技术特征摘要】
1.一种楼宇能源消耗感知方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种楼宇能源消耗感知方法，其特征在于，所述步骤s31具体包括步骤：
3.根据权利要求2所述的一种楼宇能源消耗感知方法，其特征在于，在步骤s312中，密度阈值ρtd设置为：
4.根据权利要求1～3任一项所述的一种楼宇能源消耗感知方法，其特征在于，在所述步骤s32中，在一个电器对应的隐半马尔可夫模型中，一个隐藏工作状态对应一个观测序列，观测值代表电器的功耗，记为x＝(x1,x2,...,xt)，电器的隐藏序列记为z＝(z1,z2,...,zn)，其中的第i个隐藏工作状态zi∈{1,2,...,k}，t是观测序列的长度，k是电器的工作状态数，n是隐藏序列的长度，di是对应电器工作状态zi的持续时间，是一个随机整数...
【专利技术属性】
技术研发人员：万久地，张前进，陈岚，薛清明，黄登花，李远亮，王晗，谭雅文，董良松，丁凯，
申请(专利权)人：中国铁塔股份有限公司重庆市分公司，
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。