[發(fā)明專利]一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110252611.5
• 申請(qǐng)日: 2021-03-05
• 公開(kāi)（公告）號(hào): CN113010985A
• 公開(kāi)（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 王毅;徐元源
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F30/18
• 分類號(hào): G06F30/18;G06F30/27;G06N3/08;G06F111/02;G06F113/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，包括如下主要步驟：

步驟1：先驗(yàn)的采集電力系統(tǒng)內(nèi)部各用電負(fù)荷穩(wěn)態(tài)電壓電流數(shù)據(jù)，數(shù)據(jù)預(yù)處理、特征提取、形成樣本庫(kù)；

步驟2：使用樣本庫(kù)負(fù)荷離線訓(xùn)練基于并行自聯(lián)想神經(jīng)網(wǎng)絡(luò)的非侵入式負(fù)荷識(shí)別模型；

步驟3：使用暫態(tài)事件檢測(cè)算法實(shí)時(shí)檢測(cè)電力系統(tǒng)入口處電流數(shù)據(jù)暫態(tài)事件，從總電壓電流數(shù)據(jù)中分離出引起暫態(tài)事件的目標(biāo)負(fù)荷電壓電流數(shù)據(jù)，進(jìn)行特征提取；

步驟4：負(fù)荷狀態(tài)辨識(shí)。

2.如權(quán)利要求1所述一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，步驟1中，所述數(shù)據(jù)采集方法為：使用電壓互感器接在負(fù)荷電源處、電流互感器接在負(fù)荷火線端，采集電力系統(tǒng)內(nèi)N種用電負(fù)荷穩(wěn)態(tài)電壓電流數(shù)據(jù)。

3.如權(quán)利要求1所述一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，步驟1中，所述數(shù)據(jù)預(yù)處理為，將獲取的電壓電流數(shù)據(jù)輸入低通濾波器，濾除電壓電流數(shù)據(jù)中的高頻高斯白噪聲，保留數(shù)據(jù)中低頻諧波成分，降低干擾。

4.如權(quán)利要求1所述一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，步驟1中，所述特征提取為，分別將N種用電負(fù)荷穩(wěn)態(tài)電壓電流數(shù)，據(jù)提取V-I軌跡特征，形成樣本數(shù)據(jù)庫(kù)；

所述V-I軌跡為，以周期為單位，電壓為橫坐標(biāo)、電流為縱坐標(biāo)，繪制二維圖形；所述V-I軌跡特征為，從二維圖形中提取區(qū)分用電負(fù)荷的特征，所述特征包括，電流跨度、圖形面積、圖形循環(huán)方向、圖形交點(diǎn)個(gè)數(shù)、中線曲率、中間段峰值、中間段斜率、左右部分面積、瞬時(shí)導(dǎo)納變化、最大最小點(diǎn)距離。

5.如權(quán)利要求1所述一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，步驟2中，所述自聯(lián)想神經(jīng)網(wǎng)絡(luò)包括輸入層、瓶頸層，輸出層，其中，輸入層神經(jīng)元個(gè)數(shù)等于輸出層神經(jīng)元個(gè)數(shù)；所述負(fù)荷辨識(shí)模型包括，分別使用N種負(fù)荷樣本庫(kù)特征數(shù)據(jù)訓(xùn)練N個(gè)自聯(lián)想神經(jīng)網(wǎng)絡(luò)，將不同負(fù)荷的特征數(shù)據(jù)分布分別存儲(chǔ)于各AANN中，并形成并行結(jié)構(gòu)。

輸入待識(shí)別負(fù)荷特征后，分別計(jì)算各自聯(lián)想神經(jīng)網(wǎng)絡(luò)輸入與輸出之間相關(guān)系數(shù)，若相關(guān)系數(shù)均低于閾值，說(shuō)明該組特征與各AANN匹配度低，為樣本庫(kù)外未知負(fù)荷；在輸出相關(guān)系數(shù)高于閾值的AANN中，輸出相關(guān)系數(shù)最大的AANN代表該組特征數(shù)據(jù)的負(fù)荷種類。

6.如權(quán)利要1所述一種基于并行AANN的非侵入式負(fù)荷識(shí)別方法，其特征在于，步驟3中，裝置使用電流互感器采集總電流數(shù)據(jù)后，低通濾波，執(zhí)行暫態(tài)事件檢測(cè)算法，所述事件檢測(cè)算法為基于啟發(fā)式的暫態(tài)事件檢測(cè)方法，具體原理為：

定義第T個(gè)周期電流強(qiáng)度為，當(dāng)電力系統(tǒng)內(nèi)部各用電負(fù)荷穩(wěn)定運(yùn)行時(shí)，總線處相鄰周期的電流強(qiáng)度差值ΔI_intensity趨近于0；當(dāng)負(fù)荷狀態(tài)發(fā)生變化時(shí)，相鄰周期電流強(qiáng)度差值將變大；若某一時(shí)刻相鄰周期電流強(qiáng)度差值超過(guò)δ，則判定系統(tǒng)內(nèi)負(fù)荷發(fā)生了暫態(tài)事件過(guò)程。如下所示:

I_intensity

其中，δ為電流強(qiáng)度差值的閾值；為第T個(gè)周期內(nèi)第k個(gè)采樣點(diǎn)的電流值；K為一個(gè)周期內(nèi)電流的采樣點(diǎn)總數(shù)；

當(dāng)檢測(cè)到暫態(tài)事件后立即執(zhí)行暫態(tài)結(jié)束檢測(cè)算法，即ΔI_intensity小于ε的周期個(gè)數(shù)大于γ時(shí)，判定為負(fù)荷暫態(tài)事件過(guò)程結(jié)束。如下所示：

記ΔI_intensity時(shí)，相鄰周期中第二個(gè)周期電流起始時(shí)刻記為暫態(tài)事件起始時(shí)刻；判定暫態(tài)事件結(jié)束后，當(dāng)前時(shí)刻減去γ個(gè)電流信號(hào)周期后得到系統(tǒng)暫態(tài)事件結(jié)束時(shí)刻；暫態(tài)事件結(jié)束時(shí)刻與起始時(shí)刻的作差得到暫態(tài)過(guò)程持續(xù)時(shí)間，可得，暫態(tài)過(guò)程持續(xù)時(shí)間為電壓工作周期的整數(shù)倍。