[發(fā)明專利]一種圖表示學(xué)習(xí)的電器設(shè)備電力指紋分解方法、存儲介質(zhì)及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110333381.5
• 申請日: 2021-03-29
• 公開（公告）號: CN112989131B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 余濤;孫立明
• 申請（專利權(quán)）人: 廣州水沐青華科技有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/906;G06F18/241;G06F18/2415;G06F18/23;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 廣州永華專利代理有限公司 44478
• 代理人: 勞覓

本發(fā)明提供圖表示學(xué)習(xí)的電器設(shè)備電力指紋分解方法、存儲介質(zhì)及系統(tǒng)，方法包括如下步驟：在用電總線處多次進(jìn)行功率序列采樣，以功率序列作為節(jié)點(diǎn)，以兩兩功率序列之間的時間間隔作為邊，生成電力指紋圖數(shù)據(jù)；將各個電力指紋圖數(shù)據(jù)整合起來構(gòu)建成電力指紋庫，將電力指紋庫中的電力指紋圖數(shù)據(jù)按比例劃分為訓(xùn)練集、驗證集和測試集；基于加入殘差機(jī)制的圖卷積網(wǎng)絡(luò)構(gòu)建負(fù)荷分解模型，利用負(fù)荷分解模型對電力指紋圖數(shù)據(jù)進(jìn)行圖表示學(xué)習(xí)；將訓(xùn)練集中的電力指紋圖數(shù)據(jù)分成若干個批次并按批次送入負(fù)荷分解模型中進(jìn)行激活并進(jìn)行功率分解訓(xùn)練直至收斂；對負(fù)荷分解模型的分解結(jié)果進(jìn)行后處理，剔除不合理的激活功率序列，將合理的激活功率序列的功率值進(jìn)行修正。

技術(shù)領(lǐng)域

本發(fā)明涉及信息化通訊技術(shù)領(lǐng)域，特別涉及一種圖表示學(xué)習(xí)的電器設(shè)備電力指紋分解方法、存儲介質(zhì)及系統(tǒng)。

背景技術(shù)

泛在電力物聯(lián)網(wǎng)是當(dāng)前智能電網(wǎng)的一個重要發(fā)展方向，其主要作用在于促進(jìn)用戶互動化的智能用電和挖掘用電大數(shù)據(jù)的增量價值，而如何獲取用戶用電的細(xì)微顆粒信息是其中的重點(diǎn)和難點(diǎn)。高級測量體系可以實(shí)現(xiàn)用戶用電信息的分析和監(jiān)控，特別是負(fù)荷識別，有助于實(shí)現(xiàn)用戶和電網(wǎng)雙向的信息交互。

非侵入式負(fù)荷監(jiān)測(non-intrusive?load?monitoring,NILM)由Hart教授在20世紀(jì)80年代首次提出，指在用戶總線處安裝一個傳感器，根據(jù)用戶總的用電信息進(jìn)行負(fù)荷分解從而獲得每個負(fù)荷的運(yùn)行狀態(tài)。與侵入式負(fù)荷監(jiān)測(intrusive?load?monitoring,ILM)相比，其具有成本低，易安裝，不涉及用戶隱私等優(yōu)勢，因此具有更為廣闊的發(fā)展前景。

目前對于NILM，國內(nèi)外已經(jīng)有學(xué)者進(jìn)行研究并取得了一定成果。文獻(xiàn)(Hart,G.W.1992.Nonintrusive?Appliance?Load?Monitoring.Proceedings?of?the?IEEE?80(12):1870-1891.)提出檢測有功功率和無功功率的變化量來進(jìn)行負(fù)荷識別，該方法雖然簡單但是對于特征重疊和多狀態(tài)負(fù)荷則難以準(zhǔn)確識別；文獻(xiàn)(Kolter?J?Z,JaakkolaT.Approximate?inference?in?additive?factorial?HMMs?with?application?to?energydisaggregation[C].La?Palma,Spain:Microtome?Publishing,2012.)構(gòu)建負(fù)荷分解的加性因子隱馬爾可夫模型，使用近似最大概率的方法進(jìn)行優(yōu)化求解，獲得了當(dāng)時較好的負(fù)荷分解性能；文獻(xiàn)(Lam,H.Y.,G.S.K.Fung,and?W.K.Lee.2007.A?Novel?Method?toConstruct?Taxonomy?Electrical?Appliances?Based?on?Load?Signatures.IEEETransactions?on?Consumer?Electronics?53(2):653-660.)提出使用V-I軌跡法，利用描述軌跡特征的指標(biāo)來區(qū)分負(fù)荷，雖然取得一定成效但對于小型負(fù)荷則難于區(qū)分，且難以將算法轉(zhuǎn)換成編程語言；文獻(xiàn)(任文龍，許剛.基于深度序列翻譯模型的非侵入式負(fù)荷分解方法[J].電網(wǎng)技術(shù).2020,44(1):27-34.)結(jié)合序列翻譯模型理論，使用序列翻譯模型構(gòu)建待分解的信號與電器的狀態(tài)碼的映射關(guān)系；文獻(xiàn)(李如意,王曉換,胡美璇,周洪,胡文山.RPROP神經(jīng)網(wǎng)絡(luò)在非侵入式負(fù)荷分解中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制,2016,44(07):55-61.)提出利用RPROP人工神經(jīng)網(wǎng)絡(luò)來進(jìn)行負(fù)荷識別。以上方法雖然取得較好的效果，但負(fù)荷分解模型缺乏精細(xì)化修正策略，負(fù)荷分解模型精度有待進(jìn)一步提高。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是如何提高負(fù)荷分解模型的精度。

為解決上述技術(shù)問題，本發(fā)明提供一種圖表示學(xué)習(xí)的電器設(shè)備電力指紋分解方法，包括如下步驟：

步驟S1：在用電總線處多次進(jìn)行電器設(shè)備處于運(yùn)行狀態(tài)下的功率序列進(jìn)行采樣，以每次采樣得到的功率序列作為節(jié)點(diǎn)，以兩兩功率序列之間的時間間隔作為邊，按照圖理論生成電器設(shè)備的包含節(jié)點(diǎn)和邊的電力指紋圖數(shù)據(jù)；