【技術實現步驟摘要】
本專利技術屬于非侵入負荷識別，尤其涉及一種電氣設備非侵入式負荷識別方法、系統、介質及設備。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、智能用電是智能電網的重要環節之一，是實現高級量測體系和互動服務體系的核心內容。負荷監測是實現智能用電的關鍵技術之一。非侵入式負荷分解(?non-intrusiveload?disaggregation，nild)，利用電力入口處總負荷信息，對用戶內部的用電設備進行狀態監測和能耗分解。nild有利于用戶與電網公司友好互動，對于電網削峰填谷以及用戶綠色用電、節約用電均具有指導意義。
3、nilm旨在解決如何在只有區域的總電壓、電流等電力監測數據的情況下，獲知區域內用電設備的名稱、運行時段、能耗等信息。在實際操作中，該問題可具體化為已知當前時刻和過去時刻的總電壓、電流等數據，求解當前時刻處于運行狀態的設備的名稱問題。基于事件檢測進而對負荷狀態進行判斷是目前常用的方法之一，然而該方法目前存在以下問題：
4、（1）在設備識別過程中很多設備會出現很多的狀態，通過閾值檢測會出現誤識別的情況，誤識別出來是某個設備開啟，實際上并未開啟，只是電氣設備的中間狀態；
5、（2）針對使用單一設備特征進行負荷辨識導致識別精度過差的局限性。
技術實現思路
1、為了解決上述
技術介紹
中存在的至少一項技術問題，本專利技術提供一種電氣設備非侵入式負荷識別方法、系統、介質及設備，其提出了一
2、為了實現上述目的，本專利技術采用如下技術方案：
3、本專利技術的第一方面提供一種電氣設備非侵入式負荷識別方法，包括如下步驟：
4、獲取發生設備狀態變化的電氣設備的高頻電壓和電流數據；
5、基于電氣的高頻電壓和電流數據，提取每種電氣設備的暫穩態電壓和電流特征，根據暫穩態電壓和電流特征計算出每種設備的功率特征，結合每種設備的暫穩態電壓和電流特征、功率特征構建設備狀態信息庫；
6、基于設備狀態信息庫，構建同一設備的狀態轉移概率矩陣和不同設備間狀態轉移概率矩陣；
7、基于設備狀態信息庫，依次計算出需要判斷的狀態與每個設備的每個狀態的各個狀態特征的相似度，構成相似度信息矩陣；
8、結合設備狀態信息庫、狀態轉移概率矩陣和相似度信息矩陣組成的復合特征向量構建得到負荷辨識網絡訓練數據集；
9、基于負荷辨識網絡訓練數據集對負荷辨識網絡訓練得到訓練后的負荷辨識網絡；
10、根據訓練后的負荷辨識網絡對待識別電氣設備識別得到設備的類別。
11、進一步地，電氣設備的狀態發生變化通過啟發式閾值觸發和基于cusum的閾值觸發法相結合的事件檢測方法判斷。
12、進一步地，暫態電壓和電流特征包括暫態波形的峰峰值、絕對平均值和有效值；穩態電壓和電流特征包括穩態波形的穩態電流有效值、基波、3次諧波和5次諧波。
13、進一步地，同一設備的狀態轉移概率矩陣的構建過程包括：
14、根據設備穩態特征的不同，將設備進行分類，根據各電氣設備的暫穩態電壓和電流特征、功率特征計算得到每個設備的狀態轉移概率，根據每個設備的狀態轉移概率計算得到各設備的狀態轉移概率矩陣；
15、對實際環境下負載設備的功耗模式進行分析，對各設備的狀態轉移概率矩陣進行更新，得到優化后的狀態轉移概率矩陣。
16、進一步地，不同設備間狀態轉移概率矩陣的構建過程包括：
17、通過統計不同設備之間的轉移頻次進行計算得到不同設備間的狀態轉移概率；
18、通過統計每個設備不同狀態間之前狀態轉移概率，得到每個設備的每個狀態到其他設備每個狀態的狀態轉移概率矩陣；
19、結合每個設備的每個狀態到其他設備每個狀態的狀態轉移概率矩陣構建得到所有設備之間的狀態轉移概率矩陣；
20、基于相似度矩陣判斷各個設備狀態的具體概率，對所有設備之間的狀態轉移概率矩陣進行更新，得到實際情況下的所有設備之間的狀態轉移概率矩陣。
21、進一步地，相似度信息矩陣構建時，各狀態特征的相似度采用歐幾里得距離公式計算。
22、進一步地，所述方法還包括在獲取設備暫穩態電流、電壓、功率特征的同時記錄當時的時間、天氣和季節信息，并將采集到的時間、天氣、季節數據進行歸一化處理，加入至負荷辨識網絡訓練數據集中。
23、本專利技術的第二方面提供一種電氣設備非侵入式負荷識別系統，包括：
24、數據采集模塊，用于獲取發生設備狀態變化的電氣設備的高頻電壓和電流數據；
25、狀態信息庫構建模塊，用于基于電氣的高頻電壓和電流數據，提取每種電氣設備的暫穩態電壓和電流特征，根據暫穩態電壓和電流特征計算出每種設備的功率特征，結合每種設備的暫穩態電壓和電流特征、功率特征構建設備狀態信息庫；
26、狀態轉移概率矩陣構建模塊，用于基于設備狀態信息庫，構建同一設備的狀態轉移概率矩陣和不同設備間狀態轉移概率矩陣；
27、相似度信息矩陣構建模塊，用于基于設備狀態信息庫，依次計算出需要判斷的狀態與每個設備的每個狀態的各個狀態特征的相似度，構成相似度信息矩陣；
28、負荷辨識網絡訓練數據集構建模塊，用于結合設備狀態信息庫、同一設備和不同設備間狀態轉移概率矩陣和相似度信息矩陣組成的復合特征向量構建得到負荷辨識網絡訓練數據集；
29、負荷辨識網絡訓練模塊，用于基于負荷辨識網絡訓練數據集對負荷辨識網絡訓練得到訓練后的負荷辨識網絡；
30、負荷辨識模塊，用于根據訓練后的負荷辨識網絡對待識別電氣設備識別得到設備的類別。
31、本專利技術的第三方面提供一種計算機可讀存儲介質。
32、一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述所述的一種電氣設備非侵入式負荷識別方法中的步驟。
33、本專利技術的第四方面提供一種計算機設備。
34、一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述所述的一種電氣設備非侵入式負荷識別方法中的步驟。
35、與現有技術相比，本專利技術的有益效果是：
36、1、針對使用單一設備特征進行負荷辨識導致識別精度過差的局限性，本專利技術通過事件檢測判斷出發生設備狀態變化的事件，提取設備暫穩態電壓、電流和功率特征，構建設備狀態信息庫，在設備自然運行下統計不同設備狀態轉移概率，得到狀態轉移概率矩陣，利用不同特征之間的互補性，提高了對辦公設備的負荷辨識能力。
37、2、本專利技術克服了事件檢測中閾值檢測會出現誤識別的情況，通過狀態信息庫中的狀態轉移概率矩陣，能更準確的辦公設備的啟停狀態，分解效率也有一定的提高本文檔來自技高網...
【技術保護點】
1.一種電氣設備非侵入式負荷識別方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，電氣設備的狀態發生變化通過啟發式閾值觸發和基于CUSUM的閾值觸發法相結合的事件檢測方法判斷。
3.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，暫態電壓和電流特征包括暫態波形的峰峰值、絕對平均值和有效值；穩態電壓和電流特征包括穩態波形的穩態電流有效值、基波、3次諧波和5次諧波。
4.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，同一設備的狀態轉移概率矩陣的構建過程包括：
5.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，不同設備間狀態轉移概率矩陣的構建過程包括：
6.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，相似度信息矩陣構建時，各狀態特征的相似度采用歐幾里得距離公式計算。
7.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，所述方法還包括在獲取設備暫穩態電流、電壓、功率特征的同時記錄
8.一種電氣設備非侵入式負荷識別系統，其特征在于，包括：
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一項所述的一種電氣設備非侵入式負荷識別方法中的步驟。
10.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7中任一項所述的一種電氣設備非侵入式負荷識別方法中的步驟。
...【技術特征摘要】
1.一種電氣設備非侵入式負荷識別方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，電氣設備的狀態發生變化通過啟發式閾值觸發和基于cusum的閾值觸發法相結合的事件檢測方法判斷。
3.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，暫態電壓和電流特征包括暫態波形的峰峰值、絕對平均值和有效值；穩態電壓和電流特征包括穩態波形的穩態電流有效值、基波、3次諧波和5次諧波。
4.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，同一設備的狀態轉移概率矩陣的構建過程包括：
5.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征在于，不同設備間狀態轉移概率矩陣的構建過程包括：
6.如權利要求1所述的一種電氣設備非侵入式負荷識別方法，其特征...
【專利技術屬性】
技術研發人員：田晨璐，彭一博，李成棟，鄧曉平，張桂青，彭偉，鄭立文，
申請(專利權)人：山東建筑大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。