[發明專利]非介入式電力負荷分解與識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110627350.0
• 申請日: 2021-06-04
• 公開（公告）號: CN114330636A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 祁利斌;時啟順;李凱斌;劉樂農
• 申請（專利權）人: 北京蜜蜂工物科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H02J3/00
• 代理公司: 北京科衡知識產權代理有限公司 11928
• 代理人: 王淑靜

1.一種非介入式電力負荷分解與識別方法，其特征在于，包括：

獲取各待測用電設備在監測時間段內各采樣點的負荷數據，得到各待測用電設備的負荷序列；

根據所述負荷序列利用預先訓練好的神經網絡模型確定在所述監測時間段內各待測用電設備的功率以及工作狀態；

輸出在所述監測時間段內各待測用電設備的功率以及工作狀態；

其中，所述神經網絡模型是根據電網中各用電設備的樣本數據訓練得到的雙路時序卷積神經網絡。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在獲取各待測用電設備在監測時間段內各采樣點的負荷數據，得到各所述用電設備的負荷序列之前，采集電網中各用電設備在預設時間段內的負荷數據，得到各用電設備的負荷序列；

針對所述各用電設備中的任意目標用電設備，創建與所述目標用電設備的第一負荷序列等長的第二負荷序列，其中，所述第二負荷序列中的元素均為0；

以第一預設概率，保持所述第二負荷序列不變，以第二預設概率在所述第一負荷序列中隨機選取所述目標用電設備的第一負荷數據，在確保將所述第一負荷數據完全放入所述第二負荷序列的基礎上，在所述第二負荷序列中隨機選擇起點將所述第一負荷數據疊加至所述第二負荷序列中；

以第三預設概率隨機選取各用電設備中除所述目標用電設備之外的其他用電設備的負荷序列中的第二負荷數據，在所述第二序列中隨機選擇起點，將所述第二負荷數據部分或全部疊加至所述第二序列中，得到所述目標用電設備在所述預設時間段內的所述樣本數據。

3.根據權利要求1所述的方法，其特征在于，所述神經網絡模型，包括：

輸入層、雙支路層、融合層以及輸出層；

其中，所述輸入層包括卷積層，所述雙支路層的兩個支路均包括帶有膨脹卷積的殘差塊，所述殘差塊包括帶有批歸一化層和修正線性單元的卷積層以及帶有批歸一化層和修正線性單元的短接，所述融合層包括由所述兩個支路的非線性變換的結果融合，所述輸出層包括展平層以及全連接層。

4.根據權利要求3所述的方法，其特征在于，所述雙支路層的兩個支路中均包括三個所述殘差塊，各所述殘差塊由其輸入端至輸入端依次包括兩個帶有批歸一化層和修正線性單元的一維卷積層和一個帶有批歸一化層和修正線性單元的短接。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述方法還包括：

在輸出在所述監測時間段內各待測用電設備的功率以及工作狀態之后，計算以下至少一項指標，將所述至少一項指標作為所述神經網絡模型的評估指標；

確定出的用電設備的功率對應的均方誤差、確定出的用電設備的功率對應的平均絕對誤差、確定出的用電設備的工作狀態的準確率、確定出的用電設備的工作狀態精準率、確定出的用電設備的工作的狀態召回率以及確定出的用電設備的工作狀態對應的F1分數。

6.一種非介入式電力負荷分解與識別裝置，其特征在于，包括：

獲取模塊，被配置為獲取各用待測電設備在監測時間段內各采樣點的負荷數據，得到各待測用電設備的負荷序列；

確定模塊，被配置為根據所述負荷序列利用預先訓練好的神經網絡模型確定在所述監測時間段內各待測用電設備的功率以及工作狀態；

輸出模塊，被配置為輸出在所述監測時間段內各待測用電設備的功率以及工作狀態；

其中，所述神經網絡模型是根據電網中各用電設備的樣本數據訓練得到的雙路時序卷積神經網絡。