【技术实现步骤摘要】
本专利技术涉及电力负荷分解，具体为一种多输入分布式非侵入式负荷分解方法。
技术介绍
1、家用电器种类的日益增多和用电设备的大量使用导致电力网络出现越来越多超负荷问题，因此电力企业需要开始研究电力负荷监测技术，来优化电力系统的调度管理。其中，非侵入式负荷监测方法作为一种在不进入用户家庭的情况下，就可为用户和供电企业提供清晰、准确家电能耗情况的技术。
2、负荷监测的特征通常分为暂态特征和稳态特征，现有的深度学习非侵入式负荷分解技术通常采用单一的低频特征作为输入来进行负荷监测，例如申请号为202210595344、名称为一种基于unet结构的多任务非侵入式负荷分解方法公开了：将单一的有功功率作为输入，并利用一个unet结构的模型对输入的负荷先进行编码特征学习，在对编码的特征进行解码，实现负荷分解；又如申请号为cn2022109917171、名称为面向时空特征融合注意力的非侵入式负荷分解模型及方法公开了：将有功功率作为一种单一的输入，并从时间和空间两方面对输入进行特征提取，并利用一个包含通道和空间注意力的卷积注意力模块对输入的两种特征进行融合，进行负荷分解。
3、目前大部分家用电器都存在多种运行状态，例如，洗衣机存在着浸泡、漂洗和脱水三种状态，而且每种状态都存在巨大的差异性，使得收集到的负荷数据变得越来越复杂，并且对于使用单一特征作为输入进行负荷分解的方法带来极大挑战。此外，现有的方法采用单一的网络模型进行特征提取，无法获取多层次特征，导致负荷分解精度不佳，而多通道网络参数又太复杂，导致模型训练变得十分困难。p>
技术实现思路
1、现有的非侵入式负荷分解研究大部分采用单一的有功功率作为输入，但通过对现有文献研究，负荷参数除了上述有功功率，还包括电压、电流等负荷参数，并且这些参数之间存在一定的映射关系，为了进一步提升负荷分解的精度，本专利技术采用多种负荷参数数据作为输入。
2、本专利技术提供如下技术方案：一种基于多输入分布式非侵入式负荷分解方法，如图1所示，其在多输入分布式非侵入式负荷分解模型上执行，具体为：采集多种负荷参数作为输入数据，该输入数据通过互信息法和v-i轨迹二值化法对上述各参数数据进行预处理，得到两种输入参数空间，分别是低频多参数输入空间和高频参数输入空间；把低频多参数输入空间输入到低频多通道特征提取模块，并且同步将高频参数输入空间输入到高频特征提取模块；低频多通道特征提取模块输出低频特征图，高频特征提取模块输出高频特征图；把低频特征图和高频特征图做元素求和形成一个新的高维特征图，把高维特征图输入到注意力融合模块中计算得到权重系数w，利用权重系数w乘以低频特征图得到一个加权低频特征图，并且利用1-w乘以高频特征图得到一个加权高频特征图，把加权低频特征图和加权高频特征图进行自适应学习融合，得到一个包含高低频特征的融合空间，将其输入到回归模块计算单个负荷的输出值。
3、优选的，所述输入数据包括：有功功率，视在功率、无功功率、有效电压值、有效电流值、功率因数，但是不限于上述参数；
4、优选的，所述低频多通道特征提取模块包括：卷积模块1，卷积模块2，…，卷积模块n，还包括bilstm层；卷积模块1，卷积模块2，…，卷积模块n是并行的卷积块，并且每一个卷积模块提取一种参数特征，参数特征提取完成之后级联成一个包含多参数特征的高维张量；
5、优选的，所述高频特征提取模块包含一个用于提取高频参数特征的卷积模块n；
6、优选的，所述注意力融合模块基于提取的低频特征和高频特征联合全局和局部通道进行权重系数的计算，并与两种输入序列对应相乘，再相加进行特征融合；
7、优选的，所述回归模块的预测方法，具体为：将包含高低频特征的融合空间输入到回归模块中，计算出每种负荷的有功功率窗口的预测值。
8、与现有技术相比，本专利技术的有益效果为：
9、本专利技术利用多种负荷参数作为多输入分布式非侵入式负荷分解模型的输入，首先输出低频多参数输入空间和高频参数输入空间，由低频多参数输入空间和高频参数输入空间逐点相加得到高维特征图，由高维特征图通过注意力融合模块生成一个包含高低频特征的融合空间，最后通过回归模块计算单个负荷的输出值，从而提升了负荷分解的精度。
本文档来自技高网...【技术保护点】
1.一种基于多输入分布式非侵入式负荷分解方法，其特征在于，包括步骤如下：采集多种负荷参数作为输入数据，该输入数据通过互信息法和V-I轨迹二值化法对上述各参数数据进行预处理，得到两种输入参数空间，分别是低频多参数输入空间和高频参数输入空间；把低频多参数输入空间输入到低频多通道特征提取模块，并且同步将高频参数输入空间输入到高频特征提取模块；低频多通道特征提取模块输出低频特征图，高频特征提取模块输出高频特征图；把低频特征图和高频特征图做元素求和形成一个新的高维特征图，把高维特征图输入到注意力融合模块中计算得到权重系数w，利用权重系数w乘以低频特征图得到一个加权低频特征图，并且利用1-w乘以高频特征图得到一个加权高频特征图，把加权低频特征图和加权高频特征图进行自适应学习融合，得到一个包含高低频特征的融合空间，将其输入到回归模块计算单个负荷的输出值。
2.根据权利要求1所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述输入数据包括：有功功率，视在功率、无功功率、有效电压值、有效电流值、功率因数。
3.根据权利要求2所述的一种基于多输入分布式非侵入式负荷
4.根据权利要求3所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述高频特征提取模块包含一个用于提取高频参数特征的卷积模块N，其输出结果为：
5.根据权利要求4所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述注意力融合模块基于提取的低频特征和高频特征联合全局和局部通道进行权重系数的计算，并与两种输入序列对应相乘，再相加进行特征融合；
6.根据权利要求5所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述回归模块的预测方法，具体为：将包含高低频特征的融合空间输入到回归模块中，计算出每种负荷的有功功率窗口的预测值，其映射过程为：
7.根据权利要求3所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述卷积模块的具体结构参数如下：
8.根据权利要求1所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述高频特征提取模块包含一个用于提取高频参数特征的卷积模块N，其具体结构参数如下：
9.根据权利要求1-8任一项所述的一种基于多输入分布式非侵入式负荷分解方法在电力负荷监测上的应用。
10.根据权利要求1-8任一项所述的一种基于多输入分布式非侵入式负荷分解方法在多输入分布式非侵入式负荷分解模型上执行。
...【技术特征摘要】
1.一种基于多输入分布式非侵入式负荷分解方法，其特征在于，包括步骤如下：采集多种负荷参数作为输入数据，该输入数据通过互信息法和v-i轨迹二值化法对上述各参数数据进行预处理，得到两种输入参数空间，分别是低频多参数输入空间和高频参数输入空间；把低频多参数输入空间输入到低频多通道特征提取模块，并且同步将高频参数输入空间输入到高频特征提取模块；低频多通道特征提取模块输出低频特征图，高频特征提取模块输出高频特征图；把低频特征图和高频特征图做元素求和形成一个新的高维特征图，把高维特征图输入到注意力融合模块中计算得到权重系数w，利用权重系数w乘以低频特征图得到一个加权低频特征图，并且利用1-w乘以高频特征图得到一个加权高频特征图，把加权低频特征图和加权高频特征图进行自适应学习融合，得到一个包含高低频特征的融合空间，将其输入到回归模块计算单个负荷的输出值。
2.根据权利要求1所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述输入数据包括：有功功率，视在功率、无功功率、有效电压值、有效电流值、功率因数。
3.根据权利要求2所述的一种基于多输入分布式非侵入式负荷分解方法，其特征在于，所述低频多通道特征提取模块包括：卷积模块1，卷积模块2，…，卷积模块n，还包括bilstm层；卷积模块1，卷积模块2，…，卷积模块n是并行的卷积块，并且每一个卷积模块提取一种参数特征，参数特征提取...
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。