一种基于基波和谐波混合判据的电器特征辨识方法技术

本发明专利技术涉及一种基于基波和谐波混合判据的电器特征辨识方法，包括以下步骤：S1、获取用电数据获取，并进行预处理；S2、对所述S1预处理后的数据判断是否有事件发生；若存在事件发生，则进入S3，否则进入S1；S3、分别采用电压

【技术实现步骤摘要】
一种基于基波和谐波混合判据的电器特征辨识方法


[0001]本专利技术属于负荷识别
，涉及一种电器特征辨识方法，尤其是一种基于基波和谐波混合判据的电器特征辨识方法。

技术介绍

[0002]随着电力系统网络的愈加成熟和人工智能快速发展，智能电网也随着二者的结合应运而生，慢慢地发展壮大。而在未来智能电网地规划里，是朝着一个完全自动化的电力传输网络方向发展的，具有监视和控制每个用户和电网节点，保证从电厂到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动的能力。因此，这要求在电网终端要与用户之间形成良好互动，实现更好地用电管理和服务。随着非侵入式负荷监测系统(Non
‑
intrusive Load monitoring system，NILMS)地提出，即在不侵入用户内部设备的前提下，进行负荷识别,得到用户实时用电功率组成。通过统计不同负荷的用电量,用户可以获知详细的电能消耗情况,有效管理用电行为。
[0003]在这其中，负荷印记(Load Signature，LS)的提取和良好的负荷识别分类器是决定负荷识别准确性的关键环节。当前国内外学者对基于稳态和暂态的负荷特征提取展开了一系列的研究，稳态特征包括功率、电压
‑
电流波形、电压噪声和电流谐波等；暂态特征包括瞬时电压、瞬时功率、电压噪声、电流等。而随着机器学习的不断发展，包括线性分类器、支持向量机、神经网络等在内的分类器也广泛被应用于负荷识别中。但是因为不同类型负荷的单一负荷特征往往存在重叠情况，如果只依靠单一负荷特征的非侵入式负荷识别所得出的结果往往并不可靠，造成的误辨识对结果影响较大。
[0004]经检索未发现和本专利技术相同或相似的现有技术的公开文献。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提出一种基于基波和谐波混合判据的电器特征辨识方法，能够解决现有技术只依靠单一负荷特征的非侵入式负荷识别所得出的结果往往并不可靠的缺点的技术问题。
[0006]本专利技术解决其现实问题是采取以下技术方案实现的：
[0007]一种基于基波和谐波混合判据的电器特征辨识方法，包括以下步骤：
[0008]S1、获取用电数据获取，并进行预处理；
[0009]S2、对所述S1预处理后的数据判断是否有事件发生；若存在事件发生，则进入S3，否则进入S1；
[0010]S3、分别采用电压
‑
电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征；
[0011]S4、基于S3得到的负荷特征，对所述S2判断得到的事件进行基于支持向量机(下文以SVM简称)的负荷识别，识别得到用户家庭中处于工作状态的用电器。
[0012]进一步的，所述S1中，用电数据包括：电流、电压及功率。
[0013]进一步的，所述S2中，对所述S1预处理后的数据判断是否有事件发生的具体方法为：通过功率的有效值变化判断事件发生，当所述功率的有效值变化大于阈值，则有事件发生，否则不存在事件发生，其具体步骤包括：
[0014]设定S1预处理得到的视在功率：S1，
…
，S
t
，S
t+1
，
…
；事件开始时间t
on
为t秒，事件结束时间t
off
为t+TL秒；事件探测窗每次移动的步长为L；
[0015]则总视在功率变化量ΔS
t
＝S
t+1
‑
S
t
，S
t
为t秒时的总视在功率；
[0016]当ΔS
t
>S
on1
时，事件探测窗开始移动并计算ΔS
t+1
，ΔS
t+2
，
…
，直到ΔS
t+TL
<S
on1
；
[0017]其中，S
on1
为事件检测功率变化阈值，S
on2
为能检测到的最小的事件功率变化值；
[0018]若S
t+TL
‑
S
t
<S
on2
，则有负荷在t～t+TL秒内发生状态变化，即不存在事件发生。
[0019]进一步的，所述S3的分别采用电压
‑
电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征的具体步骤包括：
[0020](1)采用电压
‑
电流曲线提取方法对事件发生后的电压电流信号进行特征提取，得到电压
‑
电流曲线作为负荷印记；
[0021]其具体步骤包括：
[0022]首先对事件前后T秒内的电压电流波形进行平滑和插值处理；
[0023]然后，T秒内每秒取一周期电压电流波形并对电压波形进行傅里叶变换，后取基波电压相角为0的点作为电压电流波形初始采样点；
[0024]再将电压电流波形各周期相同位置采样点取平均值，以电压为横坐标，电流为纵坐标绘制电压
‑
电流曲线；
[0025]最后将电压
‑
电流曲线的特征作为负荷印记。
[0026](2)采用谐波特征提取方法对事件发生后的电压电流信号进行特征提取，得到频域特征即作为负荷印记；
[0027]其具体步骤包括：
[0028]通过快速傅里叶变换将时域内的电流信号转换为频域内的频谱信号，如式(1)所示；
[0029][0030]式(1)中，i0为直流分量，i
k
为第k次谐波电流幅值，kω为第k次谐波分量角频率，为第k次谐波分量初相角；从所述频谱信号中提取谐波分量，得到负荷设备在频域上的特征信息，将频域特征即作为负荷印记；
[0031]所述谐波分量包括：谐波次数和谐波幅值；提取谐波次数的第三次和第五次，谐波幅值为第六次谐波的幅值。
[0032](3)将步骤(1)和步骤(2)中得到的负荷印记进行组合得到负荷特征。
[0033]进一步的，所述S4的基于S3得到的负荷特征，对所述S2判断得到的事件进行基于支持向量机的负荷识别，识别得到用户家庭中处于工作状态的用电器的具体步骤包括：
[0034]S41、给定输入数据和学习目标：X＝{X1,X2,
…
,X8}，y＝{y1,y2,
…
,yN}，其中，yi表示识别结果i＝1,2,
…
,8，N为用电器数；若输入数据所在的特征空间存在作为决策边界的超平面H，则超平面H将所输入的数据按正类和负类分开，并使任意样本的点到超平面H的距离大于等于1，则分类问题如式(2)所示：
[0035]ω
T
X+b＝0
[0036]y
i
(ω
T...

【技术保护点】

【技术特征摘要】
1.一种基于基波和谐波混合判据的电器特征辨识方法，其特征在于：包括以下步骤：S1、获取用电数据获取，并进行预处理；S2、对所述S1预处理后的数据判断是否有事件发生；若存在事件发生，则进入S3，否则进入S1；S3、分别采用电压
‑
电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征；S4、基于S3得到的负荷特征，对所述S2判断得到的事件进行基于支持向量机的负荷识别，识别得到用户家庭中处于工作状态的用电器。2.根据权利要求1所述的一种基于基波和谐波混合判据的电器特征辨识方法，其特征在于：所述S1中用电数据包括：电流、电压及功率。3.根据权利要求1所述的一种基于基波和谐波混合判据的电器特征辨识方法，其特征在于：所述S2中，对所述S1预处理后的数据判断是否有事件发生的具体方法为：通过功率的有效值变化判断事件发生，当所述功率的有效值变化大于阈值，则有事件发生，否则不存在事件发生，其具体步骤包括：设定S1预处理得到的视在功率：S1，
…
，S
t
，S
t+1
，
…
；事件开始时间t
on
为t秒，事件结束时间t
off
为t+TL秒；事件探测窗每次移动的步长为L；则总视在功率变化量ΔS
t
＝S
t+1
‑
S
t
，S
t
为t秒时的总视在功率；当ΔS
t
>S
on1
时，事件探测窗开始移动并计算ΔS
t+1
，ΔS
t+2
，
…
，直到ΔS
t+TL
<S
on1
；其中，S
on1
为事件检测功率变化阈值，S
on2
为能检测到的最小的事件功率变化值；若S
t+TL
‑
S
t
<S
on2
，则有负荷在t～t+TL秒内发生状态变化，即不存在事件发生。4.根据权利要求1所述的一种基于基波和谐波混合判据的电器特征辨识方法，其特征在于：所述S3的分别采用电压
‑
电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征的具体步骤包括：(1)采用电压
‑
电流曲线提取方法对事件发生后的电压电流信号进行特征提取，得到电压
‑
电流曲线作为负荷印记；其具体步骤包括：首先对事件前后T秒内的电压电流波形进行平滑和插值处理；然后，T秒内每秒取一周期电压电流波形并对电压波形进行傅里叶变换，后取基波电压相角为0的点作为电压电流波形初始采样点；再将电压电流波形各周期相同位置采样点取平均值，以电压为横坐标，电流为纵坐标绘制电压
‑
电流曲线；最后将电压
‑
电流曲线的特征作...

【专利技术属性】
技术研发人员：赵学明，冯玮，王炎彬，张宏艳，魏昕喆，谢晗，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：