基于功率主题发现的无监督非侵入式负荷识别方法及系统技术方案

本发明专利技术公开了一种基于功率主题发现的无监督非侵入式负荷识别方法，包括：采集入户处的总量有功功率信号，形成负荷功率时间序列；对原始有功功率时间序列采用中值滤波预处理方法滤除非波动段的功率尖峰；检测负荷功率时间序列的关键点(重要极值点和重要趋势转折点)并在时间序列中标出；基于关键点将时间序列分割成多个不同长度的子序列；将后续提取的子序列存入子序列列表，通过模板匹配方式将提取的子序列与电器负荷印记模板库中的模板进行匹配，最终实现无监督的非侵入式负荷识别。本发明专利技术可以自主发现时间序列中频繁出现的、任意时长的子序列，不仅可以将与电器启停过程相对应的负荷事件检测出来，也能发现电器运行过程中复杂的功率变化模式。程中复杂的功率变化模式。程中复杂的功率变化模式。

【技术实现步骤摘要】
基于功率主题发现的无监督非侵入式负荷识别方法及系统


[0001]本专利技术涉及非侵入式负荷识别领域，具体涉及一种基于功率主题发现的无监督非侵入式负荷识别方法及系统。

技术介绍

[0002]非侵入式负荷识别仅通过采集和分析负荷总电流和端电压即可获取其内部每个或每类电器的工作状态、用电功率及累计电量等信息。它以软件算法代替侵入式负荷监测系统的传感器网络，具有简单、经济、可靠、数据完整性好和易于迅速推广应用等优势，有望成为智能电网高级量测体系(AMI)中新一代智能电表的核心技术，为智能配用电高级功能提供支撑。
[0003]无监督非侵入式负荷识别可在无人工干预或协助的情况下，依据少量关于电器运行特性的通用知识，对陌生场景的原始负荷功率时间序列进行自主分析，提取不同电器的负荷特征样本，形成负荷印记库，最终通过模板匹配等方式实现负荷分解。相对于有监督非侵入式负荷识别，它具有可大范围推广的潜力，越来越受到关注。用户通常具有一定的电器使用习惯，同一电器的用电功率模式及对应功率波形样本会在负荷功率数据中多次重复出现，因此可通过在负荷功率时间序列中寻找重复出现的子序列来实现负荷特征样本提取，这是无监督非侵入式负荷识别的核心。
[0004]在非侵入式负荷识别领域，提取负荷特征样本，如电器用电功率波形，通常依赖于负荷事件检测，而现有方法在检测负荷事件时多以固定时长的滑窗对负荷功率数据进行扫描，难以有效应对电器用电功率模式的时间多尺度特性。主题发现可以自主发现时间序列中频繁而重复出现的、任意时长的子序列。理论上，通过主题发现不仅可以将与电器开启和关闭过程相对应的负荷事件检测出来，也能够发现电器运行过程中(相对复杂的)功率变化模式。
[0005]近年来国内外关于主题发现的研究有很多，有些方法只能发现预设(固定)长度的主题，而有些方法则支持变长主题发现。计算不同子序列间的距离或相似度是主题发现的关键之一，为了保证准确性，可以直接计算原始时间序列之间的欧式距离或DTW距离，为了提高计算速度，可以对原始时间序列经SAX得到的降维表示结果进行处理。为了判定不同子序列是否属于同一主题，通常需要根据专家经验，事先设置合适的距离或相似度阈值。
[0006]目前国内外虽然有不少关于主题发现的研究，但鲜有将其与适用于无监督非侵入式负荷识别的电器用电功率模式挖掘方法相结合，由于电器用电功率模式具有时间多尺度特性，参考现有的变长主题发现方法，因此，可以考虑融合这两个领域的研究成果，设计一种适用于无监督非侵入式负荷识别的、基于主题发现的电器用电功率模式挖掘方法。

技术实现思路

[0007]考虑到现有技术存在的不足，为进一步促进电器功率模式挖掘在居民用户的推广应用，实现基于主题发现的电器用电功率模式检测与挖掘，本专利技术将主题发现与适用于无
监督非侵入式负荷识别的电器用电功率模式挖掘方法相结合，融合这两个领域的研究成果，设计出了一种适用于无监督非侵入式负荷识别的、基于主题发现的电器用电功率模式挖掘方法，旨在解决现有事件检测方法难以有效应对电器用电功率模式的时间多尺度特性问题。本专利技术可以根据用户总口有功功率时间序列寻找重复出现的功率子序列，实现主题发现，并提取负荷特征样本，标记电器用电功率模式，为无监督非侵入式负荷识别中的电器建模、电器负荷印记库构建、负荷分解奠定基础。
[0008]为了解决上述技术问题，本专利技术提出的一种基于功率主题发现的无监督非侵入式负荷识别方法，包括以下步骤：
[0009]步骤1、采集用户入户处的总量有功功率信号，形成负荷功率时间序列；
[0010]步骤2、判断所述的负荷功率时间序列是否含有带尖峰的非波动段，若负荷功率时间序列不含有带尖峰的非波动段，则转至步骤4，否则进入步骤3；
[0011]步骤3、对所述的负荷功率时间序列采用中值滤波方法进行预处理，从而将非波动段的功率尖峰滤除；
[0012]步骤4、检测所述负荷功率时间序列的关键点，并将所述的关键点在负荷功率时间序列中标出，所述关键点包括重要极值点和重要趋势转折点，所述的重要极值点和重要趋势转折点的概念和检测方法如下：
[0013]4‑
1)针对重要极值点：对于给定的距离函数dist和压缩率r，若a
i
是时间序列a1,a2...,a
n
的一个重要极小值点或重要极大值点，若存在索引il和im，其中il＜i＜im，则应满足以下条件：a
i
是序列a
il
,...,a
im
中的最小值，且dist(a
i
,a
il
)≥r，dist(a
i
,a
im
)≥r；
[0014]4‑
2)针对重要趋势转折点：对于给定的转折点误差阈值b，设a
j
是时间序列a1,a2...,a
n
在j处的一个转折点，1＜j＜n；对于任意的一个位置k有如下三个斜率值，k＞j：
[0015][0016][0017][0018]对于若S
c
(k)＞min(S
u
(k
′
))或S
c
(k)＜max(S
l
(k
′
))，则a
k
是时间序列在k处的一个新的转折点；对于转折点a
i
及其前后的关键点a
i
‑1、a
i+1
和给定的重要转折点阈值t，当满足式(4)所示的条件，则转折点a
i
为重要趋势转折点；
[0019][0020]步骤5、由检测出的关键点将负荷功率时间序列分割成多个不同长度的负荷功率子序列，基于关键点提取这些子序列，并存入子序列列表；
[0021]步骤6、构建电器负荷印记模板库，步骤如下：
[0022]步骤6
‑
1)计算子序列列表中每个子序列的标准差，若子序列的标准差小于预设值，则该子序列为平稳的子序列；若子序列中存在所述的平稳的子序列，则进入步骤6
‑
2)，
否则转至步骤6
‑
3)；
[0023]步骤6
‑
2)将平稳的子序列从子序列列表中去除；
[0024]步骤6
‑
3)判断子序列包含的数据点数是否小于6，若子序列所包含的数据点数小于6，则进入步骤6
‑
4)，否则进入步骤6
‑
5)；
[0025]步骤6
‑
4)计算第i和j个子序列的有功功率变化量之差，作为第i和j个子序列之间的距离，并将其存入距离矩阵D1第i行、第j列；创建一个与距离矩阵D1维数相同、初始元素全为0的邻接矩阵L1，设置相似性阈值，将距离矩阵D1中小于阈值的元素相对应的第m和n个子序列连接并将该邻接矩阵L1中第m行、第n列的元素置1；进入步骤6
‑
6)；
[0026]步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于功率主题发现的无监督非侵入式负荷识别方法，其特征在于，包括以下步骤：步骤1、采集用户入户处的总量有功功率信号，形成负荷功率时间序列；步骤2、判断所述的负荷功率时间序列是否含有带尖峰的非波动段，若负荷功率时间序列不含有带尖峰的非波动段，则转至步骤4，否则进入步骤3；步骤3、对所述的负荷功率时间序列采用中值滤波方法进行预处理，从而将非波动段的功率尖峰滤除；步骤4、检测所述负荷功率时间序列的关键点，并将所述的关键点在负荷功率时间序列中标出，所述关键点包括重要极值点和重要趋势转折点，所述的重要极值点和重要趋势转折点的概念和检测方法如下：4
‑
1)针对重要极值点：对于给定的距离函数dist和压缩率r，若a
i
是时间序列a1,a2...,a
n
的一个重要极小值点或重要极大值点，若存在索引il和im，其中il＜i＜im，则应满足以下条件：a
i
是序列a
il
,...,a
im
中的最小值，且dist(a
i
,a
il
)≥r，dist(a
i
,a
im
)≥r；4
‑
2)针对重要趋势转折点：对于给定的转折点误差阈值b，设a
j
是时间序列a1,a2...,a
n
在j处的一个转折点，1＜j＜n；对于任意的一个位置k有如下三个斜率值，k＞j：n；对于任意的一个位置k有如下三个斜率值，k＞j：n；对于任意的一个位置k有如下三个斜率值，k＞j：对于若S
c
(k)＞min(S
u
(k
′
))或S
c
(k)＜max(S
l
(k
′
))，则a
k
是时间序列在k处的一个新的转折点；对于转折点a
i
及其前后的关键点a
i
‑1、a
i+1
和给定的重要转折点阈值t，当满足式(4)所示的条件，则转折点a
i
为重要趋势转折点；步骤5、由检测出的关键点将负荷功率时间序列分割成多个不同长度的负荷功率子序列，基于关键点提取这些子序列，并存入子序列列表；步骤6、构建电器负荷印记模板库，步骤如下：步骤6
‑
1)计算子序列列表中每个子序列的标准差，若子序列的标准差小于预设值，则该子序列为平稳的子序列；若子序列中存在所述的平稳的子序列，则进入步骤6
‑
2)，否则转至步骤6
‑
3)；步骤6
‑
2)将平稳的子序列从子序列列表中去除；步骤6
‑
3)判断子序列包含的数据点数是否小于6，若子序列所包含的数据点数小于6，
则进入步骤6
‑
4)，否则进入步骤6
‑
5)；步骤6
‑
4)计算第i和j个子序列的有功功率变化量之差，作为第i和j个子序列之间的距离，并将其存入距离矩阵D1第i行、第j列；创建一个与距离矩阵D1维数相同、初始元素全为0的邻接矩阵L1，设置相似性阈值，将距离矩阵D1中小于阈值的元素相对应的第m和n个子序列连接并将该邻接矩阵L1中第m行、第n列的元素置1；进入步骤6
‑
6)；步骤6
‑
5)计算第i和j个子序列之间的DTW距离，...

【专利技术属性】
技术研发人员：刘博，郑锦浩，栾文鹏，赵博超，
申请(专利权)人：天津大学，
类型：发明
国别省市：