[發明專利]一種非侵入式負荷分解方法及系統

有效

• 申請號: 201810666299.2
• 申請日: 2018-06-26
• 公開（公告）號: CN108830499B
• 公開（公告）日: 2021-10-15
• 發明（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: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06F16/22;G06F16/2455;G06K9/62
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王戈

1.一種非侵入式負荷分解方法，其特征在于，所述方法包括：

獲取各負荷處于穩定狀態時的電流數據；

將所述電流數據量化分析，建立量化監測值的概率分布；

根據所述概率分布識別各負荷狀態，具體包括：

獲取單個量化檢測值的概率p(n)，n為量化監測值；

判斷p(n)-p(n+1)以及p(n)-p(n-1)是否大于0，得到第一判斷結果，若第一判斷結果表示p(n)-p(n+1)以及p(n)-p(n-1)大于0時，p(n)為極大值；

當p(n)為極大值時，判斷p(n)是否大于e，得到第二判斷結果，當第二判斷結果表示p(n)大于e時，則表示識別到負荷的一個狀態，e表示測量誤差；

將各所述負荷狀態進行組合，構成組合狀態，具體包括：

W＝k⁽¹⁾k⁽²⁾k⁽³⁾…k^(M)其中W為組合狀態，M為負荷總數，k^(M)為第M個負荷的量化狀態索引，將組合狀態按照以下公式進行索引：

S為索引號，K⁽ⁱ⁾為第i個負荷具有量化狀態總數，M為負荷總數，k^(m)為第m個負荷的量化狀態索引；

根據所述各負荷處于穩定狀態時的電流數據以及所述組合狀態，分析出所述組合狀態轉變時的相關性，以及所述組合狀態與總電流量監測值間的關聯性，創建馬爾可夫模型；

所述創建馬爾可夫模型具體包括：

λ＝{P₀,A,B}

其中，λ為馬爾可夫模型，P₀為初始時刻各組合狀態的額定概率構成的長度為T的行向量，A為T×T的狀態轉移矩陣，T表示T個組合狀態，B為T×N的發射矩陣，N為可能得到的量化監測值的個數；

A[i,j]＝P{S_t＝j|S_t-1＝i}

B[j,n]＝P{y_t＝n|S_t＝j}

S_t為t時刻的組合狀態，y_t為t時刻的量化監測值，A[i,j]表示在t-1時刻組合狀態為i的條件下，t時刻組合狀態為j的概率；B[j,n]表示t時刻組合狀態為j的條件下，實際監測到的量化監測值為n的概率；

將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量；

根據所述壓縮后的稀疏矩陣結合數據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；所述數據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列中的正數數據和從壓縮后的行向量V中查詢所述稀疏矩陣i行j列的數據；

所述從壓縮后的行向量V中查詢所述稀疏矩陣i列中的正數數據具體包括：

創建變量a＝0和包含兩個列向量的矩陣H；

從首元素開始讀取所述行向量V中的數據；

判斷所述數據是正數還是負數，得到第五判斷結果，當第五判斷結果表示所述數據為負數時，將所述讀取到的數據取絕對值加給所述變量a，之后判斷變量a是否滿足a＜T×(i+1)，得到第六判斷結果，若第六判斷結果表示變量a滿足a＜T×(i+1)時，繼續從行向量V中讀取數據，當a≥T×(i+1)時，數據讀取結束；

當第五判斷結果表示所述數據是正數時，變量a加1，之后判斷變量a是否滿足a＞T×i且a≤T×(i+1)，得到第八判斷結果，若第八判斷結果表示變量a滿足a＞T×i且a≤T×(i+1)時，表示所述數據在所述稀疏矩陣中的(a-T×i-1)行i列，將(a-T×i-1)和所述數據添加到所述矩陣H中；

繼續從V中讀取數據，直到a≥T×(i+1)；

所述從壓縮后的行向量V中查詢所述稀疏矩陣i行j列的數據具體包括：

創建變量b＝0；

從首元素開始讀取所述行向量V中的數據；

判斷所述數據是正數還是負數，得到第九判斷結果，若第九判斷結果表示所述數據為負數時，取所述負數的絕對值加給所述變量b,判斷變量b是否滿足b≥T×j+i+1，得到第十判斷結果，若第十判斷結果表示變量b滿足b≥T×j+i+1時，所求i行j列的數據為0；

若第九判斷結果表示所述數據是正數時，所述變量b加1，進一步判斷所述變量b是否滿足b＝T×j+i+1，若變量b滿足b＝T×j+i+1，所述正數為所求i行j列的數據。