[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

本發明公開了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，包括如下步驟：測量設定時間段內所有負荷的運行功率，提取負荷特征集；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；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；采用支持向量回歸對最大貢獻負荷的功率值進行估計；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；重復步驟2到步驟5，直到所有負荷分解完成。本發明對目前電網環境環境下的智能電表監測數據進行負荷分解，模型操作簡單，在提高負荷分解準確率的同時，降低了計算成本。

技術領域

本發明屬于非侵入式負荷監測技術領域，具體涉及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。

背景技術

電力負荷監測是實現智能用電、節電的第一步工作，也是實現智能用電的重要環節。了解電能的消耗情況，才能對電力消耗數據進行分析，進而制定有效的節能措施，激發高效的用電方式。電力負荷監測對電力系統諸多問題的解決提供了重要依據，如電網調峰、負荷削峰填谷、負荷預測、負荷建模等，負荷監測是電力系統優化和管理的基礎。更進一步說，為了實現智能電網的配電網重構、故障定位、分布式電源并網規劃等高級功能，就需要深入用戶內部，監測用戶內部的負荷用電細節。通過用電細節反饋，可以實現電力部門的需求響應，達到有效的能源節省，對居民用戶、電網和全社會都有重要的意義。

非侵入式負荷監測是實現電力負荷監測的重要手段，目前的研究多采用高頻負荷特征，而作為智能電網主要用戶量測設備，智能電表只能測量秒級以上的低頻數據。利用現有的智能電網量測體系的實現方案更利于推廣，但由于低頻負荷特征提供的信息少，目前的負荷種類復雜，對采用低頻特征的非侵入式負荷監測方法研究提出了更大的挑戰。為了解決低頻采樣環境下將總的負荷信息分解為單獨負荷信息這一關鍵技術問題，需要如何使硬件開銷更少、監測效率更高的難點問題。

發明內容

本發明的目的是提供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，對目前電網環境環境下的智能電表監測數據進行負荷分解，模型操作簡單，在提高負荷分解準確率的同時，降低了計算成本。

為實現上述目的，本發明提供了如下方案：

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，該方法包括如下步驟：

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。

可選的，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}。

可選的，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；