基于多特征融合的非侵入式家用负荷实时识别方法及装置制造方法及图纸

技术编号:14770362 阅读:190 留言:0更新日期:2017-03-08 14:17
本发明专利技术涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,包括以下步骤:实时采集所监测环境入口处电压,电流数据,并计算基本电参量;根据第一步所得基本电参量监测有效负荷投切事件,并缓存投切事件前后电压,电流采样数据;根据上一步所缓存信息,提取投切事件前后序稳态,暂态特征,生成当前事件特征向量;根据所得事件特征向量信息,过滤负荷特征库中样本,得到候选负荷样本子集;依次计算候选负荷样本与当前事件特征向量间的吻合度;最后选取最优结果并与预设定的吻合度门限值比较,输出识负荷别结果;本方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技术后续实用推广打下坚实基础。

【技术实现步骤摘要】

本专利技术涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,属于家用负荷监测与节能减排等

技术介绍
家用负荷识别技术可分为两大技术路线,即侵入式与非侵入式。其中,侵入式需为每个设备安装计量仪表,具有测量数据准确,成本高,安装复杂,维护困难等优缺点。非侵入式则在用户供电入口安装计量仪表,成本低,易于安装,适合在线监测,但技术难度大,难以实时捕捉负荷事件。负荷特征是负荷内部独特电力消耗模式的表现,即负荷运行时的电气行为,这是实现识别负荷的关键。负荷特征进一步又可分为暂态特征与稳态特征两大类。参考文献[1]所述方法在较低采样率下,以设备稳态特征有功、无功二维特征平面为基础,对负荷进行分类识别;参考文献[2]则从用电负荷投入切除操作暂态功率波形特征入手,搜索与当前操作事件暂态波形相似度最高的负荷样本。此方法需要计算功率暂态波形相似度,因此要求高密度的功率值与大量匹配运算,导致“存储空间”占用大,“计算性能”要求高。另外,此方法抗负荷波动性较差,容易产生误检。随着负荷识别技术实用化需求日益增加,在算法设计时需同步考虑以下两大因素:负荷识别的准确率高;算法空间、时间复杂度低,运行实时性高。参考文献:[1]Hart,GW.NonintrusiveApplianceLoadMonitoring[J].ProceedingsoftheIEEE,1992,80(12):1870-18910.[2]高云,杨洪耕.基于暂态特征贴近度匹配的家用负荷识别[J].电力系统自动化,2013,9(37):54-59.
技术实现思路
针对上述负荷识别技术实用化过程中的问题,本专利技术的目的是提供一种基于多特征融合的非侵入式家用负荷实时识别方法,负荷识别准确度提高,同时合理低降低时间与空间复杂度。本专利技术的技术方案为:一种基于多特征融合的非侵入式家用负荷实时识别方法,包括下述的步骤:S1实时采集所监测环境入口处电压和电流数据;S2根据S1所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;S5依次计算候选负荷样本与当前事件特征向量间的吻合度;S6选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。在一个具体实施例中,S1实时采集所监测环境入口处电压和电流数据,并计算基本电参量,基本电参量包括有功、无功和周波长度。在一个具体实施例中,S3和S4中有功增量和无功增量定义如下:Pdelta=Pcur-Ppre(1)Qdelta=Qcur-Qpre(2)其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前无功数值。在一个具体实施例中,S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:REΔi=abs(REcuri-REprei),(i=1,…,M)(5)IMΔi=abs(IMcuri-IMprei),(i=1,…,M)(6)其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;REΔi为负荷启停操作前后电流i次谐波实部均值变化量,IMΔi为变化前后电流i次谐波虚部均值变化量;REprei为负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚部均;为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分析的周波数,M为电流分析最高谐波次数,abs为取绝对值操作符。在一个具体实施例中,S3和S4中负荷启停暂态电流变化窗口长度定义为:TWL=(IDXcur-IDXpre)*MScoeff(9)其中IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引值,MScoeff为两个相邻功率点之间的时间常量。在一个具体实施例中,S4所述负荷过滤方法为:若特征库中某设备存在一项或多项特征与S3所得特征值差值超过预设门限值,则将该设备过滤。在一个具体实施例中,S5所述特征向量间的吻合度G定义如下式:Gi=1-|CS′i-TS′i|(14)CS′i=CSi/Smax(15)TS′i=TSi/Smax(16)Smax=max(CSi,TSi)(17)其中,N=5,为特征向量内特征数目,i分别对应所述事件特征向量的五个特征;Wi为第i个特征对应的权重;CSi为当前事件特征向量内第i个特征值,TSi为负荷特征数据库中某一样本第i个特征值。本专利技术还提供一种基于多特征融合的非侵入式家用负荷实时识别装置,包括:数据采样模块:用于实时采集所监测环境入口处电压和电流数据;事件监测模块:用于根据数据采样模块所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;特征提取模块:用于根据事件监测模块所缓存电压和电流采样信息,计算事件特征向量;所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;样本过滤模块:用于根据特征提取模块所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;负荷识别模块:用于依次计算候选负荷样本与当前事件特征向量间的吻合度,选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。本专利技术收益效果是:无需侵入用户家庭内部,便于安装改造。综合考虑负荷稳态、暂态特征,有效提高负荷识别准确度。对暂态特征以暂态时间长度与功率跃升替功率代波形比较,无需高密度的功率值与大量匹配运算。算法空间、时间复杂度低,运行实时性高。本专利技术方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技术后续实用推广打下坚实基础。附图说明图1本专利技术基于多特征融合的非侵入式家用负荷实时识别方法模块框图;图2本专利技术基于多特征融合的非侵入式家用负荷实时识别方法流程图。具体实施方式为更清楚地说明基于多特征融合的非侵入式家用负荷实时识别方法,下面将结合附图展开进一步描述:图1为基于多特征融合的非侵入式家用负荷实时识别方法模块框图,包括:数据采样模块:负责按设定频率对所监测环境电压、电流数据采样;数据处理模块:对电压、电流采样数据进行去噪处理,按设定周期计算基本电参量;事件监测模块:实时监测家用负荷投入切除操作事件;特征提取模块:提取投入切除操作事件的稳态、暂态综合特征向本文档来自技高网...
基于多特征融合的非侵入式家用负荷实时识别方法及装置

【技术保护点】
一种基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于包括下述的步骤:S1实时采集所监测环境入口处电压和电流数据;S2根据S1所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;S5依次计算候选负荷样本与当前事件特征向量间的吻合度;S6选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。

【技术特征摘要】
1.一种基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于包括下述的步骤:S1实时采集所监测环境入口处电压和电流数据;S2根据S1所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;S5依次计算候选负荷样本与当前事件特征向量间的吻合度;S6选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。2.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S1实时采集所监测环境入口处电压和电流数据,并计算基本电参量,基本电参量包括有功、无功和周波长度。3.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S3和S4中有功增量和无功增量定义如下:Pdelta=Pcur-Ppre(1)Qdelta=Qcur-Qpre(2)其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前无功数值。4.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:CHDtotal=Σi=2M(REΔi*REΔi+IMΔi*IMΔi)/(REΔ1*REΔ1+IMΔ1*IMΔ1)---(3)]]>CHDsecond=(REΔ2*REΔ2+IMΔ2*IMΔ2)/(REΔ1*REΔ1+IMΔ1*IMΔ1)---(4)]]>REΔi=abs(REcuri-REprei),(i=1,,…M)(5)IMΔi=abs(IMcuri-IMprei),(i=1,…,M)(6)RExxxi=Σj=1Nreij/N(xxx=pre,cur;i=1,...,M)---(7)]]>IMxxxi=Σj=1Nimij/N(xxx=pre,cur;i=1,...,M)---(8)]]>其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含...

【专利技术属性】
技术研发人员:汤博汪龙峰任智仁杨鹏周宣周杰文
申请(专利权)人:威胜集团有限公司
类型:发明
国别省市:湖南;43

网友询问留言 已有0条评论
  • 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。

1