[發(fā)明專利]一種基于改進(jìn)DFHMM模型的負(fù)荷分解方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710237569.3
• 申請(qǐng)日: 2017-04-12
• 公開（公告）號(hào): CN107085764A
• 公開（公告）日: 2017-08-22
• 發(fā)明（設(shè)計(jì)）人: 陳琨;劉虎;田旭光;楊志明;馮增行
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q50/06
• 代理公司: 西安通大專利代理有限責(zé)任公司61200
• 代理人: 陸萬壽

技術(shù)領(lǐng)域

本發(fā)明涉及電力負(fù)荷分解領(lǐng)域，具體涉及一種基于改進(jìn)DFHMM模型的負(fù)荷分解方法及裝置，應(yīng)用非侵入式數(shù)據(jù)獲取方式解決電器同時(shí)投切而無法辨認(rèn)的問題。

背景技術(shù)

傳統(tǒng)的電力系統(tǒng)正逐漸向高度知識(shí)化、智能化方向轉(zhuǎn)變，但是通常用戶對(duì)電能在電網(wǎng)傳輸、分配和使用過程中的信息掌握較少，負(fù)荷分解的提出極大的適應(yīng)了當(dāng)前智能化電網(wǎng)的發(fā)展。負(fù)荷分解是指通過實(shí)時(shí)采集負(fù)荷的電氣參數(shù)，分解單個(gè)負(fù)荷的運(yùn)行狀態(tài)，了解單個(gè)負(fù)荷的狀態(tài)參數(shù)、用電量以及用電時(shí)間等。負(fù)荷分解從數(shù)據(jù)的獲取方式上分為侵入式和非侵入式。

目前采用的分解手段大都是侵入式，即針對(duì)系統(tǒng)內(nèi)的每類負(fù)荷都進(jìn)行單獨(dú)分解，這種分解方式需要大量的硬件設(shè)備，在采購、安裝、維護(hù)時(shí)都會(huì)耗費(fèi)大量成本。非侵入式是指僅在電力系統(tǒng)的總端輔以安裝分解設(shè)備，通過采集總端的用電信息參數(shù)，分析得到系統(tǒng)內(nèi)各類負(fù)荷的含量和狀態(tài)。盡管目前關(guān)于非侵入式負(fù)荷分解的研究很多，但是依然面臨著許多挑戰(zhàn)，具體包括以下幾個(gè)方面：①目前電力設(shè)備的用電信息具有波動(dòng)性較大的特點(diǎn)，所以很難被建模和分析；②監(jiān)督型的分解方法占了大多數(shù)，即需要提前對(duì)模型進(jìn)行訓(xùn)練學(xué)習(xí)，這種方法耗時(shí)耗力，且成本較大；③現(xiàn)有方法需要對(duì)電力設(shè)備的投切動(dòng)作進(jìn)行檢測(cè)，但多個(gè)設(shè)備同時(shí)投切時(shí)會(huì)出現(xiàn)負(fù)荷特征疊加的情況，這樣使得現(xiàn)有方法并不能識(shí)別出來。

差分因子隱馬爾科夫模型(Differential Factorial Hidden Markov Model,DFHMM模型)是由多條獨(dú)立的隱馬爾科夫模型(Hidden Markov Model,HMM模型)并行構(gòu)成的，該模型適用于對(duì)動(dòng)態(tài)過程時(shí)間序列進(jìn)行建模及分析，該模型觀測(cè)值為所有隱狀態(tài)觀測(cè)值的差分值。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)中的問題，提供一種基于改進(jìn)DFHMM模型的負(fù)荷分解方法及裝置，采集用電信息時(shí)無需侵入單個(gè)設(shè)備內(nèi)部，判斷某個(gè)電器是否運(yùn)行時(shí)無需判斷該電器的投切狀態(tài)，負(fù)荷分解的準(zhǔn)確率較高，能夠?qū)崿F(xiàn)遠(yuǎn)距離、高時(shí)效的電力負(fù)荷檢測(cè)。

為了實(shí)現(xiàn)上述目的，本發(fā)明基于改進(jìn)DFHMM模型的負(fù)荷分解方法采用的技術(shù)方案為：

第一步、通過非侵入的方式對(duì)電氣設(shè)備總端的電氣信息進(jìn)行采集；

第二步、對(duì)采集到的電氣信息進(jìn)行數(shù)據(jù)處理；

2.1)通過計(jì)算百分位的方法將常開設(shè)備信號(hào)移除；

2.2)對(duì)信號(hào)進(jìn)行均勻量化、中值濾波和低采樣濾波，得到所需要的序列；

第三步、通過改進(jìn)的DFHMM模型進(jìn)行負(fù)荷分解；

所述改進(jìn)的DFHMM模型建立過程為：a.對(duì)單個(gè)負(fù)荷進(jìn)行基于HMM模型的建模；b.由每條HMM模型觀測(cè)值之和得到FHMM模型的總觀測(cè)值；c.將FHMM模型的總觀測(cè)值改進(jìn)為前后兩個(gè)時(shí)間序列的差分值，得到向后DFHMM模型，再將向后DFHMM模型的時(shí)間序列倒置，得到向前DFHMM模型；進(jìn)行負(fù)荷分解時(shí)：首先利用改進(jìn)的DFHMM模型對(duì)負(fù)荷總有功功率和無功功率序列進(jìn)行建模，然后利用已知數(shù)據(jù)無監(jiān)督地對(duì)模型參數(shù)進(jìn)行估計(jì)，最后利用VITERBI算法和整數(shù)規(guī)劃求解單個(gè)負(fù)荷的最佳狀態(tài)序列及其負(fù)荷分配；

第四步、負(fù)荷分解結(jié)果顯示，用戶得知用電流向。

所述第二步中常開設(shè)備信號(hào)的數(shù)據(jù)幅值變化為0；P百分位數(shù)的計(jì)算方法如下：

2.1)將n個(gè)變量值從小到大排列，x(j)表示此數(shù)列中的第j個(gè)數(shù)；

2.2)計(jì)算指數(shù)，設(shè)(n+1)P％＝j(luò)+g，j為整數(shù)部分，g為小數(shù)部分；

2.3)當(dāng)g＝0時(shí)：P百分位數(shù)＝x(j)；

當(dāng)g≠0時(shí)：P百分位數(shù)＝g*x(j+1)+(1-g)*x(j)＝x(j)+g*[x(j+1)-x(j)]；

用th表示常開設(shè)備的閥值，令P＝0.5，所以：

th＝輸入序列v_y(t)的0.5倍百分位數(shù)；

于是常開序列值C_y(t)：

通過下式得到移除常開設(shè)備后的信號(hào)y(t)：

y(t)＝v_y(t)-C_y(t)。

所述第三步對(duì)單個(gè)負(fù)荷進(jìn)行基于HMM模型的建模包括以下步驟：