[發(fā)明專利]基于電壓電流正交曲線的用電感知系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010453909.8
• 申請日: 2020-05-26
• 公開（公告）號(hào): CN111817435A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 李鵬;李陽春;何敬翔
• 申請（專利權(quán)）人: 浙江華云信息科技有限公司
• 主分類號(hào): H02J13/00
• 分類號(hào): H02J13/00;H02J3/00;G06K9/46;G06K9/62;G06N20/00
• 代理公司: 杭州華鼎知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33217
• 代理人: 項(xiàng)軍

本發(fā)明涉及電力技術(shù)領(lǐng)域，尤其涉及一種基于電壓電流正交曲線的用電感知系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于采集專變運(yùn)行數(shù)據(jù)；負(fù)荷事件探測模塊，用于對專變運(yùn)行數(shù)據(jù)進(jìn)行分析，探測專變運(yùn)行過程中的負(fù)荷事件，并記錄負(fù)荷事件變化前后的負(fù)荷數(shù)據(jù)；特征提取模塊，用于利用負(fù)荷事件變化前后的負(fù)荷數(shù)據(jù)基于電壓電流正交曲線提取不同負(fù)荷事件中表征負(fù)荷特性的圖形特征；特征庫建立模塊，用于基于提取的圖形特征針對不同負(fù)荷設(shè)備建立對應(yīng)工作狀態(tài)的特征庫；模型訓(xùn)練模塊，用于利用特征庫進(jìn)行機(jī)器學(xué)習(xí)算法訓(xùn)練獲得訓(xùn)練模型，完成對圖形特征的自適應(yīng)識(shí)別，實(shí)現(xiàn)專變用戶的用電行為感知。本發(fā)明實(shí)現(xiàn)專變用戶的用電行為感知，分析效率高且準(zhǔn)確率高。

技術(shù)領(lǐng)域

本發(fā)明涉及電力技術(shù)領(lǐng)域，尤其涉及一種基于電壓電流正交曲線的用電感知系統(tǒng)。

背景技術(shù)

電力用戶的用電行為感知技術(shù)是一種針對電力用戶用電信息進(jìn)行采集分析的技術(shù)，其技術(shù)基礎(chǔ)是非侵入式負(fù)荷監(jiān)測技術(shù)(non-intrusive load monitoring，NILM)，利用用戶總電源入口的電量信息對用戶內(nèi)部的負(fù)荷信息進(jìn)行分解、分析、記錄。

目前，電力公司采用人為監(jiān)控或者簡單的算法對用戶的用電事件進(jìn)行簡單的分析，一方面分析的效率較低，另一方面分析的準(zhǔn)確率較低。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提出一種基于電壓電流正交曲線的用電感知系統(tǒng)。

基于電壓電流正交曲線的用電感知系統(tǒng)，包括：

數(shù)據(jù)采集模塊，用于采集專變運(yùn)行數(shù)據(jù)；

負(fù)荷事件探測模塊，用于對專變運(yùn)行數(shù)據(jù)進(jìn)行分析，探測專變運(yùn)行過程中的負(fù)荷事件，并記錄負(fù)荷事件變化前后的負(fù)荷數(shù)據(jù)；

特征提取模塊，用于利用負(fù)荷事件變化前后的負(fù)荷數(shù)據(jù)基于電壓電流正交曲線提取不同負(fù)荷事件中表征負(fù)荷特性的圖形特征；

特征庫建立模塊，用于基于提取的圖形特征針對不同負(fù)荷設(shè)備建立對應(yīng)工作狀態(tài)的特征庫；

模型訓(xùn)練模塊，用于利用特征庫進(jìn)行機(jī)器學(xué)習(xí)算法訓(xùn)練獲得訓(xùn)練模型，完成對圖形特征的自適應(yīng)識(shí)別，實(shí)現(xiàn)專變用戶的用電行為感知。

優(yōu)選的，所述負(fù)荷事件探測模塊針對專變運(yùn)行數(shù)據(jù)，基于滑動(dòng)窗的雙邊累計(jì)和暫態(tài)事件檢測算法檢測不同類型負(fù)荷的負(fù)荷事件。

優(yōu)選的，所述特征提取模塊利用負(fù)荷事件變化前后的負(fù)荷數(shù)據(jù)生成電壓電流正交曲線及平均曲線，獲取電壓電流正交曲線中最高點(diǎn)和最低點(diǎn)間的跨度及平均曲線近零點(diǎn)的斜率，提取電壓電流正交曲線中的圖形特征，分析各類圖形特征與負(fù)荷特性的關(guān)系，通過比較得到與負(fù)荷特性相關(guān)度較高的圖形特征。

優(yōu)選的，所述特征庫建立模塊對建立完成的特征庫通過模式識(shí)別算法進(jìn)行訓(xùn)練增強(qiáng)。

優(yōu)選的，所述特征庫建立模塊在每次成功感知用電行為后均可利用識(shí)別過程中的圖形特征作為特征庫的補(bǔ)充，動(dòng)態(tài)的進(jìn)行該類設(shè)備的特征庫的更新。

優(yōu)選的，所述特征庫建立模塊將同類不同型號(hào)的設(shè)備特征再次組合形成設(shè)備分類的圖形特征，在新設(shè)備的用電行為感知過程中在感知到設(shè)備工作的圖形特征與某類設(shè)備的分類圖形特征有一定的相似度，即可完成設(shè)備特征的聚類分層；對于特征庫中已有的設(shè)備特征，通過建立不同維度的分類標(biāo)準(zhǔn)完成特征庫的動(dòng)態(tài)調(diào)整。

優(yōu)選的，所述模型訓(xùn)練模塊利用特征庫通過AdaBoost機(jī)器學(xué)習(xí)算法訓(xùn)練出能識(shí)別出不同負(fù)荷設(shè)備的識(shí)別器F(x)。

本發(fā)明的有益效果：