非嵌入式负荷识别方法及识别装置制造方法及图纸

本公开是关于一种非嵌入式负荷识别方法、非嵌入式负荷识别装置、存储介质及电子设备。该非嵌入式负荷识别方法包括获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流；基于各负载的三相电流和三相电压，确定出各负载的电气特征信息；其中，电气特征信息用于表征负载的电气特性；基于各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集；基于数据集，对VAE模型进行模型训练，得到训练后的目标VAE模型，使得训练后的目标VAE模型有利于更为准确的进行功率分解，来确定目标网络中各负载的工作状态。网络中各负载的工作状态。网络中各负载的工作状态。

【技术实现步骤摘要】
非嵌入式负荷识别方法及识别装置


[0001]本公开涉及信息
，尤其涉及一种非嵌入式负荷识别方法、非嵌入式负荷识别装置、存储介质及电子设备。

技术介绍

[0002]随着智能工厂的数字化不断发展，为满足智能工厂更精细化的能效管理，需基于大量电气数据进行深度应用，其中对产线设备的工作状态监测是精细化能效管理中非常重要的内容。

技术实现思路

[0003]有鉴于此，本公开实施例期望提供一种非嵌入式负荷识别方法、非嵌入式负荷识别装置、存储介质及电子设备。
[0004]本公开的技术方案是这样实现的：
[0005]第一方面，本公开提供一种非嵌入式负荷识别方法。
[0006]本公开实施例提供的非嵌入式负荷识别方法，包括：
[0007]获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流；
[0008]基于所述各负载的三相电流和三相电压，确定出各负载的电气特征信息；其中，所述电气特征信息用于表征所述负载的电气特性；
[0009]基于所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及所述各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集；其中所述数据集包括的排列组合方式中所述各负载至少在其中一种排列组合中为开机状态；
[0010]基于所述数据集，对所述VAE模型进行模型训练，得到训练后的目标VAE模型；
[0011]基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态；其中，所述目标网络和所述预定网络中各设备的连接结构相同。
[0012]在一些实施例中，所述电气特征信息至少包括以下之一：
[0013]有功功率、无功功率、功率因数、多次谐波。
[0014]在一些实施例中，所述基于所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及所述各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集，包括：
[0015]确定各负载的电气特征信息的组合方式；
[0016]根据所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流，及所述各负载的电气特征信息的组合方式，确定与所述组合方式对应的三相总线电压和三相总线电流；
[0017]基于所述各负载的电气特征信息的多种组合方式及所述多种组合方式分别对应的三相总线电压和三相总线电流，构建所述数据集。
[0018]在一些实施例中，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：
[0019]基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；
[0020]基于所述各负载的有功功率与预定阈值进行比较，确定所述各负载的开关状态。
[0021]在一些实施例中，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：
[0022]基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；
[0023]基于所述各负载的有功功率构建具有权重分配的全连接网络；
[0024]基于所述全连接网络中所述各负载对应的权重确定所述各负载的开关状态。
[0025]在一些实施例中，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：
[0026]获取所述目标网络运行时的总线上的三相总线电压和三相总线电流；
[0027]基于所述目标网络运行时的总线上的三相总线电压和三相总线电流，得到所述目标网络总线对应的电气特征信息；
[0028]输入所述目标网络总线对应的电气特征信息至所述目标VAE模型，进行功率分解预测，得到所述目标网络中各负载的工作状态。
[0029]在一些实施例中，所述获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流，包括：
[0030]基于大于预定阈值的采集频率，采集所述预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流。
[0031]在一些实施例中，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：
[0032]基于所述目标VAE模型，对所述目标网络中所有的负载进行同步功率分解预测，得到所述目标网络中各负载的工作状态。
[0033]第二方面，本公开提供一种非嵌入式负荷识别装置，包括：
[0034]数据获取模块，用于获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流；
[0035]信息确定模块，用于基于所述各负载的三相电流和三相电压，确定出各负载的电气特征信息；其中，所述电气特征信息用于表征所述负载的电气特性；
[0036]数据集构建模块，用于基于所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及所述各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集；其中所述数据集包括的排列组合方式中所述各负载至少在其中一种排列组合中为开机状态；
[0037]模型训练模块，用于基于所述数据集，对所述VAE模型进行模型训练，得到训练后的目标VAE模型；
[0038]功率预测模块，用于基于所述目标VAE模型，对目标网络进行功率分解预测，得到
所述目标网络中各负载的工作状态；其中，所述目标网络和所述预定网络中各设备的连接结构相同。
[0039]在一些实施例中，所述电气特征信息至少包括以下之一：
[0040]有功功率、无功功率、功率因数、多次谐波。
[0041]在一些实施例中，所述数据集构建模块，用于
[0042]确定各负载的电气特征信息的组合方式；
[0043]根据所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流，及所述各负载的电气特征信息的组合方式，确定与所述组合方式对应的三相总线电压和三相总线电流；
[0044]基于所述各负载的电气特征信息的多种组合方式及所述多种组合方式分别对应的三相总线电压和三相总线电流，构建所述数据集。
[0045]在一些实施例中，所述功率预测模块，用于
[0046]基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；
[0047]基于所述各负载的有功功率与预定阈值进行比较，确定所述各负载的开关状态。
[0048]在一些实施例中，所述功率预测模块，用于
[0049]基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；
[0050]基于所述各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非嵌入式负荷识别方法，其特征在于，包括：获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流；基于所述各负载的三相电流和三相电压，确定出各负载的电气特征信息；其中，所述电气特征信息用于表征所述负载的电气特性；基于所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及所述各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集；其中所述数据集包括的排列组合方式中所述各负载至少在其中一种排列组合中为开机状态；基于所述数据集，对所述VAE模型进行模型训练，得到训练后的目标VAE模型；基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态；其中，所述目标网络和所述预定网络中各设备的连接结构相同。2.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述电气特征信息至少包括以下之一：有功功率、无功功率、功率因数、多次谐波。3.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述基于所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流及所述各负载的电气特征信息进行排列组合，构建用于VAE模型训练的数据集，包括：确定各负载的电气特征信息的组合方式；根据所述各负载分别开机状态时对应总线上的三相总线电压和三相总线电流，及所述各负载的电气特征信息的组合方式，确定与所述组合方式对应的三相总线电压和三相总线电流；基于所述各负载的电气特征信息的多种组合方式及所述多种组合方式分别对应的三相总线电压和三相总线电流，构建所述数据集。4.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；基于所述各负载的有功功率与预定阈值进行比较，确定所述各负载的开关状态。5.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络运行时各负载的有功功率；基于所述各负载的有功功率构建具有权重分配的全连接网络；基于所述全连接网络中所述各负载对应的权重确定所述各负载的开关状态。6.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述基于所述目标VAE模型，对目标网络进行功率分解预测，得到所述目标网络中各负载的工作状态，包括：获取所述目标网络运行时的总线上的三相总线电压和三相总线电流；基于所述目标网络运行时的总线上的三相总线电压和三相总线电流，得到所述目标网络总线对应的电气特征信息；
输入所述目标网络总线对应的电气特征信息至所述目标VAE模型，进行功率分解预测，得到所述目标网络中各负载的工作状态。7.根据权利要求1所述的非嵌入式负荷识别方法，其特征在于，所述获取预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流，包括：基于大于预定阈值的采集频率，采集所述预定网络中各负载分别开机状态时的三相电流和三相电压，及各负载分别开机状态时对应总线上的三相总线电压和三相总线电流。8.根据权利要求6所述的非嵌入式负荷识别方法，其特征在于，...

【专利技术属性】
技术研发人员：蔡义，庞振江，洪海敏，占兆武，吴明朗，赵金玉，
申请(专利权)人：深圳智芯微电子科技有限公司，
类型：发明
国别省市：