[發明專利]基于模糊聚類和支持向量回歸的非侵入式負荷監測方法

有效

• 申請號: 202011242008.0
• 申請日: 2020-11-09
• 公開（公告）號: CN112327046B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 袁全波;王慧娟;魏國晟;李想
• 申請（專利權）人: 北華航天工業學院
• 主分類號: G01R21/00
• 分類號: G01R21/00;G06K9/62;G06N3/12
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種基于模糊聚類和支持向量回歸的非侵入式負荷監測方法，其特征在于，包括以下步驟：

步驟1，測量設定時間段內所有負荷的運行功率，提取負荷特征集；

步驟2，對監測總功率序列中的功率值進行模糊聚類，選定中心點值最大的聚類，構建待分解的總功率序列；

步驟3，基于負荷特征集，提取各負荷的特征序列，比較待分解的總功率序列與各負荷的特征序列之間的距離，識別出最大貢獻負荷；

步驟4，采用支持向量回歸對最大貢獻負荷的功率值進行估計；

步驟5，將最大貢獻負荷的功率值從原監測總功率序列中減去，并進行誤差校驗；

步驟6，重復步驟2到步驟5，直到所有負荷分解完成；

所述步驟1，測量設定時間段內所有負荷的運行功率，提取負荷特征集，具體包括：

在設定時間段T內，獲取各負荷運行的功率值組成訓練數據庫D^T；

從訓練數據庫中提取每種負荷的運行曲線通過減去閾值的方式進行去噪處理后構成負荷特征集S＝{Sⁱ}；

所述步驟2，對監測總功率序列中的功率值進行模糊聚類，選定中心點值最大的聚類，構建待分解的總功率序列，具體包括：

對監測總功率序列P中的功率值進行模糊聚類；

中心值最大的聚類中的功率值被提取后，其它值均設置為0得到待分解的總功率序列A^j；

所述步驟3，基于負荷特征集，提取各負荷的特征序列，比較待分解的總功率序列與各負荷的特征序列之間的距離，識別出最大貢獻負荷，具體包括：

基于負荷特征集，提取各負荷的特征序列Sⁱ；

計算待分解的總功率序列A^j與各負荷的特征序列Sⁱ之間的距離，如下：

D(A^j,Sⁱ)＝DTW(A^j,Sⁱ)；

選取距離最短的特征序列對應的負荷作為當前最大貢獻負荷；

所述步驟4，采用支持向量回歸對最大貢獻負荷的功率值進行估計，具體包括：

步驟4.1，將負荷特征集按照運行周期進行分割，用作功率值估計的訓練數據；

步驟4.2，使用遺傳算法對支持向量回歸算法的c和g參數進行優化，得到優化的支持向量回歸模型；

步驟4.3，使用功率做為唯一特征，采用優化的支持向量回歸模型進行最大貢獻負荷的功率值估計，處理為與P等長的序列A^j'。

2.根據權利要求1所述的基于模糊聚類和支持向量回歸的非侵入式負荷監測方法，其特征在于，所述步驟5，將最大貢獻負荷的功率值從原監測總功率序列中減去，并進行誤差校驗，具體包括：

步驟5.1，按照下式計算不包括當前最大貢獻負荷運行的新的總功率序列：

P＝P-A^j'

步驟5.2，對當前新的總功率序列進行誤差校驗，考慮以下三種情況：

第一，檢查當前新的總功率序列，若功率值出現負值，認為有估計誤差，將該值設置為前后兩個功率值的平均值，并反過去調整支持向量回歸算法估計的功率值；

第二，如果聚類后獲得的子序列短于特征中對應負荷的子序列，認為有估計誤差，將錯誤的聚類功率值調整為該聚類鄰居的中心值，并補償先前的功率估計；

第三，標識為同一負荷的多個同時運行狀態的值被認為是估計誤差，重新將最大貢獻負荷識別為距離與A^j次近的負荷。

3.根據權利要求1所述的基于模糊聚類和支持向量回歸的非侵入式負荷監測方法，其特征在于，所述步驟6中，重復步驟2到步驟5，直到所有負荷分解完成，具體為：

迭代進行步驟2到步驟5的過程，直至只剩恒運行負荷為止，所述恒運行負荷指的是在運行期間功率無明顯變化的負荷。