[發明專利]一種基于膠囊網絡的非侵入式負荷監測方法與系統

在審

• 申請號: 202010696830.8
• 申請日: 2020-07-20
• 公開（公告）號: CN111881793A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 王芮;楊東升;周博文;張化光;金碩巍;閆士杰;羅艷紅;劉鑫蕊;楊波;孫振奧;梁雪;劉振偉;王智良
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01R31/00
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

1.一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于，包括如下步驟：

步驟1：采集房屋總線的電壓和電流數據，并構造成電壓序列V_seq＝{v₁,v₂,v₃,…,v_L}和電流序列I_seq＝{i₁,i₂,i₃,…,i_L}，其中L是序列的長度；

步驟2：對電壓、電流序列中的數據進行預處理，包括：去除明顯的異常值、缺失數據的填補及降噪；

步驟3：進行事件檢測，提取單個設備在負荷投切時的電壓、電流數據；

步驟4：將步驟3提取的數據構成電壓、電流軌跡圖像，并對圖像進行二值化處理；

步驟5：利用二值化處理后的電壓、電流軌跡圖像訓練膠囊網絡負荷辨識模型；

步驟6：測試膠囊網絡負荷辨識模型，根據測試結果調整神經網絡參數，直至模型最優，并保存最優負荷辨識模型；

步驟7：利用保存的最優負荷辨識模型對總線數據進行實時辨識，并根據辨識結果對膠囊網絡負荷辨識模型進行修正；

步驟8：辨識各個設備的投切情況，實現非侵入式負荷監測。

2.根據權利要求1所述的一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于：所述步驟2中缺失數據的填補采用Hermite插值法，所述降噪采用中值濾波法。

3.根據權利要求1所述的一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于：所述步驟3的過程如下：

步驟3.1：對電流序列進行事件檢測，用快速傅里葉變換計算電流相位角，計算相鄰兩個周期同相位角時刻電流差值的絕對值，如果這個絕對值連續幾個周期大于設定好的閾值，則判定發生了負荷投切事件；

步驟3.2：將發生負荷投切事件的時間段截取出來，形成電流事件片段序列I_event；

步驟3.3：在電壓序列中，搜索相同負荷投切事件時間段，截取得到電壓事件片段序列V_event。

4.根據權利要求1所述的一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于：所述步驟4的過程如下：

步驟4.1：對獲得的單個設備在負荷投切時的電壓事件片段序列V_event、電流事件片段序列I_event數據進行標準化處理；

步驟4.2：將標準化處理后的數據構成連續的電壓、電流軌跡圖像；

步驟4.3：對電壓、電流軌跡圖像進行二值化處理，將電壓、電流軌跡映射到像素格。

5.根據權利要求4所述的一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于：所述步驟4.3的過程如下：

步驟4.3.1：將電壓、電流軌跡圖像分為32×32個像素格，每個圖像像素格分配一個二進制數；

步驟4.3.2：如果電壓、電流軌跡經過某個像素格，則該像素格將被該電壓、電流軌跡所占據，并在該像素格中分配1，否則分配為0。

6.根據權利要求1所述的一種基于膠囊網絡的非侵入式負荷監測方法，其特征在于：所述步驟5的過程如下：

步驟5.1：構造膠囊網絡結構，共包含七層，第一層卷積層，卷積核長度為9，步長為1，激活函數為ReLU；第二層卷積層，卷積核長度為3，步長為1，激活函數為ReLU；第三層初始膠囊層，接受卷積層檢測到的基本特征，生成特征的組合；第四層設備膠囊層，每個膠囊和一種設備對應；設備膠囊的輸出送到由3個完全連接層組成的解碼器，解碼器強制膠囊學習對重構輸入圖像有用的特征，重構輸入圖像，損失函數為重構圖像與輸入圖像之間的歐氏距離，使用Tensorflow編碼，采用Adam算法；

步驟5.2：使用膠囊網絡訓練負荷辨識模型，為了得到最好的負荷辨識模型，從單個設備運行曲線中提取二值化電壓電流圖像，作為神經網絡的輸入對象，并輸出設備分類的預測概率值。