一种非侵入式负荷实时分解方法及系统技术方案

本发明专利技术公开了一种非侵入式负荷实时分解方法，方法包括：获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结果；将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。本发明专利技术能够基于历史数据对非侵入式负荷进行实时分解。够基于历史数据对非侵入式负荷进行实时分解。够基于历史数据对非侵入式负荷进行实时分解。

【技术实现步骤摘要】
一种非侵入式负荷实时分解方法及系统


[0001]本专利技术涉及一种非侵入式负荷实时分解方法及系统，属于非侵入式负荷分解


技术介绍

[0002]随着社会的快速发展，能源问题日益紧张。电力问题是缓解能源短缺的关键因素。负荷分解是“智能用电”的基础。实现非侵入式负荷实时分解无论对电力系统还是对用电用户都有极大的益处。电力系统能够实时了解用户的用电构成，帮助其更科学合理地制定电价、分配资金，建立“避开高峰时间”体系、实施分段电价和分时电价等政策。用户能够实时了解自己的用电情况，合理安排自己的用电计划，实现节能的目的。
[0003]目前，学者大都基于优化负荷分解算法出发，提出不同的负荷分解模型。针对缺乏充分挖掘时间关联性导致分解准确度不高的问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种非侵入式负荷实时分解方法及系统，能够基于历史数据对非侵入式负荷进行实时分解。为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]第一方面，本专利技术提供了一种非侵入式负荷实时分解方法，包括：
[0006]获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；
[0007]基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；
[0008]将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结果；
>[0009]将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。
[0010]结合第一方面，进一步地，所述构建多特征输入非侵入式负荷的数据图，包括：
[0011]初始化采样频率和当前时间，截取三个长度均为T的时间序列段，将总负荷序列分为最近分量L
h
、前日分量L
d
和上周分量L
w
；
[0012]将三个分量分别进行滑动分段，滑动时间窗的长度为M，每次向前移动一个采样点，从第一个负荷序列开始，一次滑动，得到T
‑
M+1个长度为M的负荷序列向量；
[0013]将得到的三个负荷序列向量的每一段负荷序列都单独构建成无向图G(X,A)，X是图中节点的特征矩阵，A是邻接矩阵，节点特征考虑传统负荷特征，邻接矩阵赋予节点特征间对应的时间间隔权重，通过下式表示：
[0014]X＝[x1,x2,
…
,x
N
]＝[P
T
,U
T
,I
T
]T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0015][0016]式(1)中：N是节点个数，N＝M；P
T
＝[P1,P2,
…
,P
N
]表示各节点的有功功率；U
T
＝[U1,U2,
…
,U
N
]表示各节点的电压有效值；I
T
＝[I1,I2,
…
,I
N
]表示各节点的电流有效值；式(2)中，A
i,j
表示节点i和节点j的邻接矩阵，t
i
表示节点i所在的时刻；t
j
表示节点j所在的时刻；σ是比例因子。
[0017]结合第一方面，进一步地，所述预先构建的ResGCN网络模型包括三个具有相同结构的独立组件，分别用于处理最近分量数据图、前日分量数据图和上周分量数据图。
[0018]结合第一方面，进一步地，独立组件均包括多个ResGCN子模块、池化层和全连接层，所述ResGCN子模块是由切比雪夫图卷积和1
×
1conv构成的残差模块。
[0019]结合第一方面，进一步地，得到各分量分解结果，包括：
[0020]将各分量数据图分别输入各独立组件的多个ResGCN子模块进行特征提取，得到各分量的数据特征图；
[0021]将各分量的数据特征图输入池化层进行压缩，得到池化结果；
[0022]将池化结果输入全连接层，进行深层特征到目标电器功率的非线性映射，得到各分量分解结果。
[0023]结合第一方面，进一步地，进行多分量融合，通过下式表示：
[0024][0025]式(3)中，
⊙
是阿达玛积，W
h
,W
d
,W
w
是最近分量数据、前日分量数据和上周分量数据的权重，基于历史数据中各分量数据影响程度确定。
[0026]第二方面，本专利技术提供了一种非侵入式负荷实时分解系统，包括：
[0027]获取模块：用于获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；
[0028]构建数据图模块：用于基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；
[0029]分解模块：用于将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结果；
[0030]融合输出模块：用于将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。
[0031]第三方面，本专利技术提供了一种计算设备，其特征在于，包括处理器及存储介质；
[0032]所述存储介质用于存储指令；
[0033]所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
[0034]第四方面，本专利技术提供了计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述方法的步骤。
[0035]与现有技术相比，本专利技术实施例所提供的一种非侵入式负荷实时分解方法及系统所达到的有益效果包括：
[0036]本专利技术获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；本专利技术基于图理论将待分解的多特征输入数据转换为包含节点和边的图数据；
[0037]本专利技术将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结
果；将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。本专利技术的ResGCN网络模型充分挖掘低采样频率下数据包含的属性特征和时间关联性特征，基于历史数据综合考虑多特征因素，取当前时刻对应的分解结果进行输出，实现了基于历史数据对非侵入式负荷进行实时分解。
附图说明
[0038]图1是本专利技术实施例一提供的一种非侵入式负荷实时分解方法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非侵入式负荷实时分解方法，其特征在于，包括：获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结果；将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。2.根据权利要求1所述的非侵入式负荷实时分解方法，其特征在于，所述构建多特征输入非侵入式负荷的数据图，包括：初始化采样频率和当前时间，截取三个长度均为T的时间序列段，将总负荷序列分为最近分量L
h
、前日分量L
d
和上周分量L
w
；将三个分量分别进行滑动分段，滑动时间窗的长度为M，每次向前移动一个采样点，从第一个负荷序列开始，一次滑动，得到T
‑
M+1个长度为M的负荷序列向量；将得到的三个负荷序列向量的每一段负荷序列都单独构建成无向图G(X,A)，X是图中节点的特征矩阵，A是邻接矩阵，节点特征考虑传统负荷特征，邻接矩阵赋予节点特征间对应的时间间隔权重，通过下式表示：X＝[x1,x2,
…
,x
N
]＝[P
T
,U
T
,I
T
]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中：N是节点个数，N＝M；P
T
＝[P1,P2,
…
,P
N
]表示各节点的有功功率；U
T
＝[U1,U2,
…
,U
N
]表示各节点的电压有效值；I
T
＝[I1,I2,
…
,I
N
]表示各节点的电流有效值；式(2)中，A
i,j
表示节点i和节点j的邻接矩阵，t
i
表示节点i所在...

【专利技术属性】
技术研发人员：缪巍巍，滕昌志，曾锃，夏元轶，张瑞，张明轩，李世豪，毕思博，张震，马洲俊，余益团，张利，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：