[發明專利]一種基于支持向量機和V-I曲線特征的負荷識別方法

在審

• 申請號: 201911133730.8
• 申請日: 2019-11-19
• 公開（公告）號: CN111027408A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 謝雄威;蔣雯倩;梁捷;楊舟;卿柏元;李剛;韋杏秋;李金瑾;陳玨羽;林秀清
• 申請（專利權）人: 廣西電網有限責任公司電力科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 巢雄輝;裴康明

本發明公開了一種基于支持向量機和V?I曲線特征的負荷識別方法，涉及負荷識別系統技術領域，利用V?I曲線與諧波組合作為負荷印記克服了非侵入式負荷識別中可能產生的誤辨識的缺點；運用V?I曲線軌跡的形狀特征形成多個負荷印記，增加了負荷辨識的正確率，并輔以電氣量經傅里葉變換得出的諧波特征辨識，克服了V?I曲線不好識別小型負荷的缺點；通過基于SVM的負荷識別更好地處理非線性分類問題，且不會引起“維數災難”；它可以處理小樣本的機器學習，且不至于陷入局部最小以及過學習、欠學習問題，使得負荷識別的結果更具有準確性，提高辨識度。此外，本發明方法以非侵入式為出發點，具有經濟實用、容易實現的特點。

技術領域

本發明涉及負荷識別系統技術領域，尤其涉及一種基于支持向量機和V-I曲線特征的負荷識別方法。

背景技術

隨著電力系統網絡的愈加成熟和人工智能快速發展，智能電網也隨著二者的結合應運而生，慢慢地發展壯大。而在未來智能電網地規劃里，是朝著一個完全自動化的電力傳輸網絡方向發展的，具有監視和控制每個用戶和電網節點，保證從電廠到終端用戶整個輸配電過程中所有節點之間的信息和電能的雙向流動的能力。因此，這要求在電網終端要與用戶之間形成良好互動，實現更好地用電管理和服務。隨著非侵入式負荷監測系統(Non-intrusive Load monitoring system，NILMS)地提出，即在不侵入用戶內部設備的前提下，進行負荷識別,得到用戶實時用電功率組成。通過統計不同負荷的用電量,用戶可以獲知詳細的電能消耗情況,有效管理用電行為。

在這其中，負荷印記(Load Signature，LS)的提取和良好的負荷識別分類器是決定負荷識別準確性的關鍵環節。當前國內外學者對基于穩態和暫態的負荷特征提取展開了一系列的研究，穩態特征包括功率、V-I波形、電壓噪聲和電流諧波等；暫態特征包括瞬時電壓、瞬時功率、電壓噪聲、電流等。而隨著機器學習的不斷發展，包括線性分類器、支持向量機、神經網絡等在內的分類器也廣泛被應用于負荷識別中。但是因為不同類型負荷的單一負荷特征往往存在重疊情況，如果只依靠單一負荷特征的非侵入式負荷識別所得出的結果往往并不可靠，造成的誤辨識對結果影響較大。

發明內容

本發明的目的在于提供一種基于支持向量機和V-I曲線特征的負荷識別方法，從而克服了現有只依靠單一負荷特征的非侵入式負荷識別所得出的結果往往并不可靠的缺點。

為實現上述目的，本發明提供了一種基于支持向量機和V-I曲線特征的負荷識別方法，包括以下步驟：

S1、獲取用電數據獲取，并進行預處理；

S2、對所述S1預處理后的數據判斷是否有事件發生；若存在事件發生，則進入S3，否則進入S1；

S3、采用V-I曲線提取方法和諧波特征提取方法對事件發生后的電壓電流信號進行特征提取和組合，得到負荷特征；

S4、將S3得到的負荷印記作為負荷特征，對所述S2判斷得到的事件進行基于SVM的負荷識別，識別得到用戶家庭中處于工作狀態的用電器。

進一步的，所述用電數據包括：電流、電壓及功率。

進一步的，所述S2中，通過功率的有效值變化判斷事件發生，當所述功率的有效值變化大于閾值，則有事件發生，否則不存在事件發生。

進一步的，所述判斷方法包括：

設定S1預處理得到的視在功率：S₁，…，S_t，S_t+1，…；事件開始時間t_on為t秒，事件結束時間t_off為t+TL秒；事件探測窗每次移動的步長為L；

則總視在功率變化量ΔS_t＝S_t+1-S_t，S_t為t秒時的總視在功率；