[發(fā)明專利]一種非侵入式負荷分解方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810666298.8
• 申請日: 2018-06-26
• 公開（公告）號: CN108847665B
• 公開（公告）日: 2020-04-28
• 發(fā)明（設計）人: 翟明岳;王成建
• 申請（專利權）人: 廣東石油化工學院
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王戈

本發(fā)明公開一種非侵入式負荷分解方法及系統(tǒng)，方法包括：獲取各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)；將所述電流數(shù)據(jù)量化分析，建立量化監(jiān)測值的概率分布；根據(jù)所述概率分布識別各所述負荷狀態(tài)；將各所述負荷狀態(tài)進行組合，構成組合狀態(tài)；根據(jù)所述各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)以及所述組合狀態(tài)，分析出所述組合狀態(tài)轉變時的相關性，以及所述組合狀態(tài)與總電流量監(jiān)測值間的關聯(lián)性，創(chuàng)建馬爾可夫模型；將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量；根據(jù)所述壓縮后的稀疏矩陣結合數(shù)據(jù)查詢算法和改進的維特比算法分解出各負荷所處于的運行狀態(tài)。本發(fā)明中的上述方法及系統(tǒng)能夠實現(xiàn)對家庭負荷準確分解，減少負荷分解時的數(shù)據(jù)存儲量和計算量。

技術領域

本發(fā)明涉及電力系統(tǒng)負荷分解領域，特別是涉及一種非侵入式負荷分解方 法及系統(tǒng)。

背景技術

電力負荷分解是智能用電領域的一個重要研究方向，對于國家，電網(wǎng)公司 和電力用戶都有重要意義。隨著用戶節(jié)能意識逐漸提高，迫切需要一種途徑能 夠得到家庭內部各負荷具體的耗能信息，進而采取合理的節(jié)能措施，目前用戶 只能通過智能電子表了解家庭整體的能源消耗信息。而這種監(jiān)測方式需要大量 硬件設備，在采購、安裝、維護時都需要耗費大量的成本。因此，非侵入式負 荷分解應運而生。非侵入式負荷分解是指僅在電力系統(tǒng)的總端安裝監(jiān)測裝置， 通過采集總端的電氣參數(shù)，分析得到系統(tǒng)內各負荷的含量和狀態(tài)，變相實現(xiàn)對 系統(tǒng)內每類負荷的狀態(tài)監(jiān)測，是基于電力復合入口處的電壓，電流及功率的變化信息進行分解。目前很多分解方法需要以高頻采樣策略不間斷的捕捉各負荷 信息變化，存在設備昂貴，自身耗能高，準確率不夠等缺點。

發(fā)明內容

本發(fā)明的目的是提供一種非侵入式負荷分解方法及系統(tǒng)，實現(xiàn)對家庭負荷 準確分解，減少負荷分解時的數(shù)據(jù)存儲量和計算量。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種非侵入式負荷分解方法，其特征在于，所述方法包括：

獲取各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)；

將所述電流數(shù)據(jù)量化分析，建立量化監(jiān)測值的概率分布；

根據(jù)所述概率分布識別各所述負荷狀態(tài)；

將各所述負荷狀態(tài)進行組合，構成組合狀態(tài)；

根據(jù)所述各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)以及所述組合狀態(tài)，分析出所 述組合狀態(tài)轉變時的相關性，以及所述組合狀態(tài)與總電流量監(jiān)測值間的關聯(lián) 性，創(chuàng)建馬爾可夫模型；

將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量；

根據(jù)所述壓縮后的稀疏矩陣結合數(shù)據(jù)查詢算法和改進的維特比算法分解 出各負荷所處于的運行狀態(tài)。

可選的，所述獲取各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)具體包括：

通過為各負荷配備傳感器來獲取各負荷處于穩(wěn)定狀態(tài)時的電流數(shù)據(jù)。

可選的，所述將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量具體包括：

1)創(chuàng)建一個空的行向量V以及用于計數(shù)的變量r＝0；

2)獲取馬爾可夫模型中的稀疏矩陣；

3)從第0列開始判斷所述稀疏矩陣中的元素值是否為正數(shù)，得到第三判 斷結果，當?shù)谌袛嘟Y果表示所述元素值為正數(shù)時，將所述元素值添加到所述 行向量V中；

4)若第三判斷結果表示所述元素值不是正數(shù)時，變量r計數(shù)加1，直到讀 取到下一個正數(shù)或矩陣末尾，取r的負值添加到所述行向量V中；

5)重復所述步驟3)和步驟4)直到所述稀疏矩陣數(shù)據(jù)讀取結束。

可選的，所述數(shù)據(jù)查詢算法具體包括從壓縮后的行向量V中查詢所述稀疏 矩陣i列中的正數(shù)數(shù)據(jù)和從壓縮后的行向量V中查詢所述稀疏矩陣i行j列的數(shù) 據(jù)；