一种非侵入式负荷辨识方法及系统技术方案

本发明专利技术涉及智能用电技术中高级测量体系技术领域，本发明专利技术所述方法包括，鉴于变分模态分解在盲源分离和特征提取的优势，本方法结合VMD‑FastICA负荷分解和VMD‑Entropy‑LSTM识别算法实现负荷辨识。利用VMD对总负荷功率信号进行分解，得到多个模态分量。根据峭度准则和奇异值分解，对分解后的模态分量进行重构，将单通道盲源分离虚拟成多通道盲源分离输入，然后利用快速独立分量分析对负荷信号进行分离。通过计算分解负荷波形模态分量的能量和能量熵，构建多维特征矩阵，并采用长短期记忆网络进行负荷的分类辨识。本方法无需进行事件监测过程，不仅可以保证分离负荷波形的完整性，并能实现负荷运行状态的识别，为需求侧的能耗管理提供数据支撑。

【技术实现步骤摘要】

本专利技术涉及智能用电技术中高级测量体系，尤其涉及一种非侵入式负荷辨识方法及系统。

技术介绍

1、负荷监测作为智能电网里高级测量体系(advanced metering infrastructure,ami)不可欠缺的部分之一，具有重要的现实意义，其目的是为了获取负荷的工作状态信息，根据工作状态的差异对负荷进行有效的识别。它是实现智能电网的第一步，也是智能用电技术体系的重要组成部分之一，可以细致地分析用户的负荷构成，并获取各种程度的用户用电信息。它对于需求侧响应的管理至关重要，对用户、电力公司等多方都具有重大的意义。其中，非侵入式负荷监测相对于侵入式负荷监测具有无干扰、简便安装和维护、成本效益高以及实时监测和数据采集等优势。目前非侵入式负荷监测大多为基于事件检测的负荷监测，需要对负荷特征进行高频特征提取，对设备精度要求过高。基于非事件检测的负荷监测减少了事件检测的过程，通过负荷信号先分解再识别的方法实现负荷监测。然而，如何保证在低频采样下，使负荷分解波形相似系数更高，负荷识别准确率更准确成为亟需解决的问题。

技术实现思路本文档来自技高网...

【技术保护点】

1.一种非侵入式负荷辨识方法，其特征在于：包括，

2.如权利要求1所述的一种非侵入式负荷辨识方法，其特征在于：所述采集并对原始数据进行处理包括，数据采集是指采集运行负荷的低频数据，频率为1Hz；

3.如权利要求2所述的一种非侵入式负荷辨识方法，其特征在于：所述将信号分解形成多个模态分量包括，将数据预处理后的原始功率信号P(t)分解为K个本征模态分量IMF是调幅调频信号，对每个模态分离进行Hilbert变换，得到每个分量的单侧频谱，对每一模态函数对应中心频率wk的指数项混叠，将每个模态的单边频谱调制到相应的基频带，每个模态分量都围绕在其中心频率附近，各模态分量之和等...

【技术特征摘要】

1.一种非侵入式负荷辨识方法，其特征在于：包括，

2.如权利要求1所述的一种非侵入式负荷辨识方法，其特征在于：所述采集并对原始数据进行处理包括，数据采集是指采集运行负荷的低频数据，频率为1hz；

3.如权利要求2所述的一种非侵入式负荷辨识方法，其特征在于：所述将信号分解形成多个模态分量包括，将数据预处理后的原始功率信号p(t)分解为k个本征模态分量imf是调幅调频信号，对每个模态分离进行hilbert变换，得到每个分量的单侧频谱，对每一模态函数对应中心频率wk的指数项混叠，将每个模态的单边频谱调制到相应的基频带，每个模态分量都围绕在其中心频率附近，各模态分量之和等于输入信号f(t)，以各模态分量的带宽之和最小为约束条件，变分约束问题的具体为：

4.如权利要求3所述的一种非侵入式负荷辨识方法，其特征在于：所述对多模态分量进行选优重构包括，基于峭度准则确定vmd分解的k值，以峭度最大值作为优化的标准，当k＝n时，与源信号相关系数最大的imf分量其峭度值最大时，k＝n为最佳值，峭度的具体表达式为：

5.如权利要求4所述的一种非侵入式负荷辨识方法，其特征在于：所述奇异值分解包括，基于奇异值分解估计源信号数目，构建样本协方差矩阵rx＝e[ximf(t...

【专利技术属性】
技术研发人员：王扬，蔡永翔，白浩，徐玉韬，李巍，肖小兵，徐敏，谈竹奎，刘通，邓松，谈赢杰，欧阳广泽，杨炜晨，吴鹏，郑友卓，何洪流，刘亦朋，文贤馗，黄如云，龙秋风，陈宇，唐学用，要若天，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：