[發(fā)明專利]一種基于RBF神經(jīng)網(wǎng)絡(luò)的非侵入式電力負(fù)荷分解方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810398703.2
• 申請(qǐng)日: 2018-04-28
• 公開(kāi)（公告）號(hào): CN108616120B
• 公開(kāi)（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 梁炎明;陳春亮;楊延西
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): H02J3/00
• 分類號(hào): H02J3/00;G06N3/04;G06N3/08;G06N3/12
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 蔣姝泓

本發(fā)明公開(kāi)了一種基于RBF神經(jīng)網(wǎng)絡(luò)的非侵入式電力負(fù)荷分解方法，采集電力負(fù)荷的穩(wěn)態(tài)電壓、電流波形數(shù)據(jù)，采用RBF神經(jīng)網(wǎng)絡(luò)以電壓數(shù)據(jù)為輸入，電流數(shù)據(jù)為輸出訓(xùn)練神經(jīng)網(wǎng)絡(luò)單負(fù)荷特征模型，得到電力負(fù)荷組的特征模型；然后根據(jù)單負(fù)荷組運(yùn)行模型數(shù)據(jù)庫(kù)的各負(fù)荷模型計(jì)算在實(shí)際工作電壓下，各種負(fù)荷的模擬輸出電流波形；使用遺傳算法對(duì)模擬輸出電流波形進(jìn)行組合尋優(yōu)，與實(shí)際的電流波形進(jìn)行匹配，得到適應(yīng)度最高的負(fù)荷組合，該組合即為分解辨識(shí)得到的電力負(fù)荷組合的結(jié)果。該方法解決了現(xiàn)有技術(shù)在多負(fù)荷同時(shí)工作場(chǎng)景中不能工作或負(fù)荷分解辨識(shí)準(zhǔn)確率低、辨識(shí)速度慢的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明屬于智能用電及能效監(jiān)測(cè)領(lǐng)域，具體涉及一種基于RBF神經(jīng)網(wǎng)絡(luò)的非侵入式電力負(fù)荷分解方法。

背景技術(shù)

電能是現(xiàn)代社會(huì)人類生存與發(fā)展的基礎(chǔ)，我們的衣食住行，工業(yè)生產(chǎn)以及幾乎我們或有的活動(dòng)都已經(jīng)離不開(kāi)電能。近年來(lái)，全球都面臨著能源危機(jī)，以煤炭、石油為代表的化石能源儲(chǔ)量逐年下降。但是全社會(huì)的能源利用效率仍比較低，有巨大的提升空間。根據(jù)相關(guān)研究表明，用戶在詳細(xì)地得知自己的用電行為后，自愿會(huì)調(diào)整用電行為，有效減少不必要用電自主節(jié)能約15％-20％。傳統(tǒng)的獲得用戶用電行為的方法是在每個(gè)用電負(fù)荷前加裝電能傳感器，不僅需要大量的前期投入、建設(shè)周期長(zhǎng)、對(duì)用戶生產(chǎn)生活干擾大，而且后期維護(hù)工作量巨大，維護(hù)成本高。

非侵入式負(fù)荷監(jiān)測(cè)法通過(guò)在用戶電力輸入端口測(cè)量用戶的用電數(shù)據(jù)(電壓、電流、有功功率、無(wú)功功率等)，通過(guò)對(duì)端口數(shù)據(jù)的分析得到用戶的用電行為。但是當(dāng)前的非侵入式負(fù)荷監(jiān)測(cè)法的分解精度比較低，主要存在問(wèn)題是用電負(fù)荷的負(fù)荷特征選擇與提取時(shí)不同程度上都存在著特征信息丟失的情況，一般都是針對(duì)特征用電環(huán)境下的特定負(fù)荷種類而制定的，一旦遷移到其他用電環(huán)境或加入特征相似的電力負(fù)荷辨識(shí)正確性明顯下將。其次，基于暫態(tài)特征的非侵入式負(fù)荷監(jiān)測(cè)法對(duì)監(jiān)測(cè)系統(tǒng)的軟硬件要求都特別高，需要在100毫秒左右的電力負(fù)荷開(kāi)啟/關(guān)閉切換瞬間，捕捉到電力負(fù)荷特征變化。最后，當(dāng)系統(tǒng)中存在大量負(fù)荷同時(shí)工作或同時(shí)開(kāi)啟/關(guān)閉時(shí)，大多數(shù)監(jiān)測(cè)方案不能對(duì)負(fù)荷的工作狀態(tài)準(zhǔn)確地辨識(shí)。

例如，申請(qǐng)?zhí)?01610992916.9的中國(guó)專利申請(qǐng)(公開(kāi)號(hào)106646026A、公開(kāi)日2017.05.10)中公開(kāi)了一種非侵入式家電負(fù)荷識(shí)別方法，首先將家電負(fù)荷看作獨(dú)立系統(tǒng)，采集各家電負(fù)荷單獨(dú)運(yùn)行時(shí)的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流數(shù)據(jù)，依據(jù)穩(wěn)態(tài)電流波峰系數(shù)將負(fù)荷分為近似線性負(fù)荷和非線性負(fù)荷兩類；然后將穩(wěn)態(tài)電壓作為輸入數(shù)據(jù)，穩(wěn)態(tài)電流作為輸出數(shù)據(jù)，利用系統(tǒng)辨識(shí)方法分別為兩類負(fù)荷建立模型，形成模型庫(kù)；最后采集待識(shí)別負(fù)荷的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流，通過(guò)預(yù)篩選確定模型庫(kù)類型，依據(jù)模型匹配的原則識(shí)別負(fù)荷。該方法就存在只能識(shí)別模型庫(kù)中單一負(fù)荷運(yùn)行時(shí)的場(chǎng)景，而實(shí)際生產(chǎn)生活中常常是多個(gè)負(fù)荷同時(shí)運(yùn)行，該方法在多負(fù)荷同時(shí)運(yùn)行時(shí)不能識(shí)別出負(fù)荷。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于RBF神經(jīng)網(wǎng)絡(luò)的非侵入式電力負(fù)荷分解方法，解決了現(xiàn)有非侵入式電力負(fù)荷分解方法不能在復(fù)雜多負(fù)荷同時(shí)工作環(huán)境中工作或運(yùn)行時(shí)辨識(shí)分解的準(zhǔn)確性與快速性差的問(wèn)題。

本發(fā)明所采用的技術(shù)方案是，一種基于RBF神經(jīng)網(wǎng)絡(luò)的非侵入式電力負(fù)荷分解方法，包括以下步驟：

步驟1，建立單負(fù)荷組運(yùn)行模型數(shù)據(jù)庫(kù)

利用電力數(shù)據(jù)采集裝置對(duì)每個(gè)電力負(fù)荷采集其的穩(wěn)態(tài)電壓、電流波形數(shù)據(jù)，采用RBF神經(jīng)網(wǎng)絡(luò)以電壓數(shù)據(jù)為輸入，電流數(shù)據(jù)為輸出訓(xùn)練神經(jīng)網(wǎng)絡(luò)單負(fù)荷特征模型，訓(xùn)練達(dá)到精度后根據(jù)訓(xùn)練所得模型得到神經(jīng)網(wǎng)絡(luò)輸入輸出數(shù)據(jù)前向表達(dá)式，作為該電力負(fù)荷組的特征模型；再將所有單負(fù)荷組運(yùn)行模型組成模型數(shù)據(jù)庫(kù)。

步驟2，實(shí)際運(yùn)行時(shí)，采集穩(wěn)態(tài)電壓、電流波形數(shù)據(jù)，先進(jìn)行數(shù)據(jù)預(yù)處理，然后根據(jù)單負(fù)荷組運(yùn)行模型數(shù)據(jù)庫(kù)的各負(fù)荷模型計(jì)算在實(shí)際工作電壓下，各種負(fù)荷的模擬輸出電流波形；

步驟3，使用遺傳算法找出最佳的負(fù)荷組合