一种基于改进DAG-SVMS的非侵入式负荷辨识方法技术

本发明专利技术公开了一种基于改进DAG

【技术实现步骤摘要】
一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法


[0001]本专利技术涉及智能电网领域，特别地，提出一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法

技术介绍

[0002]在供电入口处嵌入非侵入式负荷识别技术，有利于电力需求侧管理、实现电力用户与电网之间的用电信息交流、优化用户用电、完善智能电网体系的建设，同时，推动智能家居的发展。
[0003]从负荷特征提取角度出发，非侵入式负荷识别技术可分为基于暂态的和基于稳态的，考虑到暂态特征的提取需要较高的采样频率，对硬件要求较高，目前大多数的非侵入式负荷识别技术是基于稳态的，但是随着大规模集成电路的发展，硬件成本降低，基于暂态的非侵入式负荷识别技术发展与普及成为可能。相较与稳态，暂态特征能够提供更多的细节信息，在状态持续变化的变频设备识别中表现出更好的性能，识别准确率更高，其次，以暂态过程的特征提取作为输入，将多负荷的识别转化为单负荷识别模型，辨识复杂性降低。
[0004]综上，本专利技术公开了一种基于改进有向无环图的非侵入式负荷辨识方法，先对系统暂态过程进行检测，检测到暂态过程后进行暂态波形分离进行暂态特征提取，将特征量归一化处理后，使用DAG
‑
SVMS算法训练生成负荷识别模型，并对模型中的分类器利用PSO算法进行参数优化，最后优化分类模型节点排列顺序，减小累积误差提高模型识别准确率。本专利技术较于一般方法，识别准确率高，识别速度快，实用性强。

技术实现思路

[0005]本专利技术公开了一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法，本专利技术较于一般方法，识别准确率高，识别速度快，实用性强。
[0006]本发声的目的之一是通过如下方案实现的，一种基于改进DAG
‑
SVMS非侵入式负荷辨识方法，包括数据采集模块、事件检测模块、特征提取模块、负荷辨识模块，数据传送模块。
[0007]所述数据采集模块，用于采集电力系统入口处总电流数据，以及，所述采集方式为将电流互感器输入端接于火线，输出端进行A/D转换。
[0008]所述事件检测模块，使用事件检测算法检测采集到的总电流数据，检测到暂态事件后，保存暂态事件起始时间。
[0009]所述特征提取模块，用于事件检测模块检测到暂态事件后，特征提取模块将暂态电流波形进行波形分离，获取引起暂态事件的目标负荷暂态波形，进一步的，提取用于区分不同负荷的暂态特征。
[0010]所述负荷辨识模块，包括负荷辨识模型训练阶段，还包括负荷实时识别阶段，所述负荷辨识模型训练阶段，以样本库数据为支撑，训练负荷辨识模型；所述负荷识别阶段，实时的提取出引起暂态事件的目标负荷特征，输入辨识模型进行识别。
[0011]所述结果数据传送模块，实时识别时，将所述事件检测模块检测得到的暂态起始时间，与所述负荷辨识模块辨识结果反馈给用户，供用户实时监测用电负荷投切时间与工作状态。
[0012]进一步地，所述数据采集模块，对电流互感器输出端电流数据采用高频采样，A/D转换，以获取总电流数据，为事件检测模块提供数据来源。
[0013]进一步地，所述事件检测模块使用事件检测算法进行暂态事件监测，所述事件检测算法为基于启发式的暂态事件监测算法，具体包括：
[0014]定义第T个周期的负荷电流强度定义为：
[0015]上式中，K为一个周期内电流的采样点总数；i(k)为第T个周期内第k个采样点的电流值。
[0016]当电力系统内部负荷运行状态均不变时，相邻周期电流强度差值ΔI
intensity
趋近于0，系统一旦发生暂态过程，且ΔI
intensity
超过δ，则判定系统内负荷发生了暂态过程，表示为:
[0017]系统一旦检测到暂态事件的产生，则执行暂态结束算法，ΔI
intensity
小于ε的个数大于γ时，则判定为系统暂态过程结束，表示为：
[0015]监测到暂态事件后，记录第二个周期电流起始时刻为暂态事件起始时刻，判定暂态事件结束，当前时刻减去γ个周期后，得到暂态事件结束时刻，起始时刻与结束时刻作差得到暂态持续时间，且为电流周期的整数倍。
[0018]进一步地，所述特征提取模块将暂态事件电流波形与暂态事件前电流波形同相位作差，获取目标负荷暂态电流波形；所述电流波形同相位作差，指将相同周期长度的暂态事件电流数据与暂态事件前稳态电流数据作差；
[0019]进一步地，所述特征提取模块，对目标负荷暂态电流波形进行特征提取，所述特征包括：持续时间(暂态电流波形起始时刻与结束时刻差值)、最大值(电流波形最大值)、峰峰值(电流波形最大值与最小值之差)、平均值(电流波形平均值)绝对平均值(电流波形先取绝对值后，再取平均)电流强度(电流波形强度，采样点数为电流波形点数)、稳态波形有效值(暂态事件前后稳态电流强度差值)峰均比(峰峰值与电流强度比值)、波形因数(电流强度与绝对平均值的比值)、波峰因数(最大值与电流强度比值)、负荷标志位(根据暂态事件前后电流强度变化判断负荷投入还是切除，电流强度增大为投入，电流强度减小为切除，负荷投入时为1，负荷切除时为0)。
[0020]进一步地，所述负荷辨识模块，包括负荷辨识模型训练阶段，还包括负荷实时识别阶段。所述负荷辨识模型训练阶段，所述负荷辨识模型训练阶段，样本库数据为数据来源，
训练负荷辨识模型；所述负荷识别阶段，实时的提取出引起暂态事件的目标负荷特征，输入辨识模型进行识别。
[0021]进一步地，所述负荷辨识模型训练阶段，特征提取模块提取电力系统内部各用电负荷暂态特征后，贴标签，归一化后形成包含各用电负荷特征的样本数据库，根据特征标志位将样本分为投入和切除两类，作为训练辨识模型的数据来源。
[0022]进一步地，所述负荷辨识模块，训练负荷辨识模型具体步骤为：
[0023]步骤1：将样本数据库两类数据样本，每一类样本中任意两种负荷为一个组合两两分组；
[0024]步骤2：使用PSO算法优化支持向量机机误差惩罚参数C和高斯径向基核参数g，分别对每个分组训练分类器；
[0025]步骤3：将两类样本中各组数据训练得到的分类器，分别搭建有向无环图模型，并使用Gini指数进行节点顺序优化，得到两种识别模型；
[0026]进一步地，所述负荷辨识模型训练阶段，步骤2中，使用粒子群算法优化分类器参数，适应度函数选用K
‑
交叉验证分类正确率，核函数使用高斯径向基核函数，设置速度与位置范围，随机初始化速度与位置，搜索各分类器性能最优时C，g参数组合。速度与位置按下式更新：v
id
(t+1)＝w*v
id
(t)+c1r1(p
id
‑
x
id
(t))+c2r2(p
gd
‑
x
id
(t))x
id
(t+1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法，其特征在于，包括数据采集模块、事件检测模块、特征提取模块、负荷辨识模块，数据传送模块。所述数据采集模块，用于采集电力系统入口处总电流数据，以及，所述采集方式为将电流互感器输入端接于火线，输出端进行A/D转换。所述事件检测模块，使用事件检测算法检测采集到的总电流数据，检测到暂态事件后，保存暂态事件起始时间。所述特征提取模块，用于事件检测模块检测到暂态事件后，特征提取模块将暂态电流波形进行波形分离，获取引起暂态事件的目标负荷暂态波形，进一步的，提取用于区分不同负荷的暂态特征。所述负荷辨识模块，包括负荷辨识模型训练阶段，还包括负荷实时识别阶段，所述负荷辨识模型训练阶段，以样本库数据为支撑，训练负荷辨识模型；所述负荷识别阶段，实时的提取出引起暂态事件的目标负荷特征，输入辨识模型进行识别。所述结果数据传送模块，实时识别时，将所述事件检测模块检测得到的暂态起始时间，与所述负荷辨识模块辨识结果反馈给用户，供用户实时监测用电负荷投切时间与工作状态。2.如权利要求1所述一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法，其特征在于，所述数据采集模块，对电流互感器输出端电流数据采用高频采样，A/D转换，获取总电流数据，为事件检测模块提供数据来源。3.如权利要求1所述一种基于改进DAG
‑
SVMS的非侵入式负荷辨识方法，其特征在于，所述事件检测模块使用事件检测算法进行暂态事件监测，所述事件检测算法为，将总电流数据以周期为单位计算每个周期电流强度，某一时刻，相邻周期电流强度超过阈值，则判定暂态事件发生，记录第二个周期电流起始时刻为暂态事件起始时刻。检测到暂态事件后，若相邻连续几个周期电流强度差值小于阈值，则判定暂态事件结束，记录暂态事件结束时刻；所述暂态事件结束时刻减去所述暂态事件起始时刻得到暂态事件持续时间；所述暂态事件持续时间为电流工作周期整数倍。检测到暂态事件后，将暂态事件波形与暂态事件前电流波形同相位作差，获取目标负荷暂态电流波形；所述电流波形同相位作差，将相同周期长度的暂态事件电流...

【专利技术属性】
技术研发人员：王毅，徐元源，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：