[發明專利]一種結合電力指紋知識和神經網絡的設備類型識別方法

有效

• 申請號: 202110267278.5
• 申請日: 2021-03-12
• 公開（公告）號: CN113033633B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 談竹奎;唐賽秋;林呈輝;劉斌;徐長寶;張秋雁;高吉普;王冕;徐玉韜;陳敦輝;王宇;汪明媚;古庭赟;孟令雯;顧威
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N5/02
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 胡緒東

本發明公開了一種結合電力指紋知識和神經網絡的設備類型識別方法，該方法包括步驟：S1、獲取設備使用時的電壓電流采樣數據；S2、設置時間區間，則將S1得到的數據進行分割；S3、將S2獲得的數據轉換為常用的電氣特征量；S4、將S3獲得的電氣特征量輸入至知識提取模型得到設備的電力指紋知識點；S5、將S4獲得的電力指紋知識點進行編碼，并與S3獲得的電氣特征量進行拼接得到總特征向量；S6、將S5獲得的總特征向量輸入至訓練好的神經網絡中，得到設備類型。相比傳統的負荷識別方法，本發明將機器學習方法和知識驅動方法的有機結合，能極大降低數據量的要求，并且能夠加快模型的收斂數據和判斷速度，且能夠提高模型的準確性。

技術領域

本發明涉及一種結合電力指紋知識和神經網絡的設備類型識別方法，屬于負荷識別技術領域。

背景技術

隨著電網的電氣量測系統逐步完善，越來越多電氣測量裝置投入使用，利用監測數據進行負荷識別成為可能。目前所提出的負荷識別方法眾多，但主要集中在完全數據驅動的機器學習方法，較少人考慮結合專家經驗和知識來進行負荷識別。如中國專利申請(公告號CN105974219B)提出利用電壓、電流及功率因數進行負荷識別，是基于完全數據驅動的識別方法，缺點是這三個數據量比較接近的設備無法識別；如中國專利(公布號CN111914899A)提出結合人工規則與機器學習進行識別，雖然是結合部分知識進行識別，但是所述知識來源于數據驅動的決策樹，并不屬于可解釋性的專家經驗和知識。

基于此，如何合理結合專家知識體系和機器學習方法是提高負荷識別準確率的重點。

發明內容

本發明要解決的技術問題是：提供一種結合電力指紋知識和神經網絡的設備類型識別方法，以解決現有技術中存在的技術問題。

本發明采取的技術方案為：一種結合電力指紋知識和神經網絡的設備類型識別方法，該方法包括以下步驟：

步驟S1、獲取設備使用時的電壓、電流采樣數據；

步驟S2、設置時間區間，則將步驟S1得到的電壓、電流采樣數據進行切割；

步驟S3、將步驟S2獲得的數據轉換為常用的電氣特征量；

步驟S4、將步驟S3獲得的電氣特征量輸入至知識提取模型中，得到設備的電力指紋知識點；

步驟S5、將步驟S4獲得的電力指紋知識點進行編碼，并與步驟S3獲得的電氣特征量進行拼接，得到總特征向量。

步驟S6、將步驟S5獲得的總特征向量輸入至訓練好的神經網絡中，得到設備類型。

其中，步驟S1所獲取的電壓、電流采樣數據是采樣頻率大于100Hz的原始采樣數據。

其中，步驟S3所述的常用電氣特征量為有功功率、無功功率、視在功率、電壓幅值、電流幅值、功率因數、0-31次諧波電流幅值和相位。

其中，步驟S4所述的電力指紋知識點為：電氣外特性、狀態時變特性等。電氣外特性描述設備在外電路中體現的特性，具體表現為阻性、感性、非線性等，如熱水壺等加熱設備多為阻型、含有電機的設備多為感性、具有電子顯示屏等設備如電腦、電視機多為非線性。狀態時變特性描述設備在工作時電氣特征量是否趨于穩定，如熱水壺、充電器等設備工作狀態較為穩定，電視機、電腦則依據實際情況而定。

電氣外特性的知識提取模型的實現方法如下：

①根據步驟S3得到的電壓諧波U_i和電流諧波I_i計算每一次諧波的阻抗值Z_i：

②計算各次諧波阻抗值的變異系數c_v