[發明專利]基于結構化負荷特征圖譜的非侵入式負荷辨識方法及系統

在審

• 申請號: 202210183198.6
• 申請日: 2022-02-28
• 公開（公告）號: CN114239762A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 武昕;郭一凡;李想
• 申請（專利權）人: 華北電力大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06Q50/06;H02J3/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

1.一種基于結構化負荷特征圖譜的非侵入式負荷辨識方法，其特征在于，包括：

獲取居民用戶每一負荷類別對應的負荷的運行信號；并對每一負荷類別對應的負荷的運行信號進行特征提取，確定負荷類別對應的負荷屬性集；所述每一負荷類別對應的負荷的運行信號包括：空調、洗衣機、電熱水壺、冰箱、電視、電腦、吹風機以及電飯煲在獨立運行時測量到的電流波形和電壓波形；所述負荷屬性集包括：有功功率、無功功率、功率因數、電流畸變率和電流波形與標準正弦波之間的皮爾遜系數；

對所述負荷屬性集進行特征融合確定優化后的負荷屬性集；

根據優化后的負荷屬性集和各負荷屬性特征之間的信息熵冗余度確定每一負荷類別的各屬性特征的權重；進而根據每一負荷類別的各屬性特征的權重確定結構化負荷特征圖譜；

根據優化后的負荷屬性集以及對應的負荷類別構建對應的SVM負荷分類器，并根據所述結構化負荷特征圖譜優化SVM負荷分類器的參數，進而確定SVM負荷分類器誤差集合；

根據SVM負荷分類器誤差集合確定每一負荷類別對應的負荷分類器個數，進而構建每一負荷類別對應的組合SVM負荷分類器；

采用每一類別負荷對應的組合SVM負荷分類器進行負荷辨識，并通過投票的群體決策機制確定負荷類別。

2.根據權利要求1所述的一種基于結構化負荷特征圖譜的非侵入式負荷辨識方法，其特征在于，所述獲取居民用戶每一負荷類別對應的負荷的運行信號；并對每一負荷類別對應的負荷的運行信號進行特征提取，確定負荷類別對應的負荷屬性集，具體包括：

根據每一負荷類別對應的負荷的運行信號確定負荷進入穩定運行狀態后的電壓波形過零點位置；

根據電壓波形過零點位置提取每一負荷類別對應的負荷在穩態下的單周期電流電壓波形；

根據每一負荷類別對應的負荷在穩態下的單周期電流電壓波形計算負荷的穩態運行特征屬性；

根據每一負荷類別對應的負荷的穩態運行特征屬性和實體屬性，確定相應類別的負荷的負荷屬性集。

3.根據權利要求1所述的一種基于結構化負荷特征圖譜的非侵入式負荷辨識方法，其特征在于，所述對所述負荷屬性集進行特征融合確定優化后的負荷屬性集，具體包括：

根據屬性特征之間的依賴度及相關程度對負荷屬性集中的屬性特征進行聚類，確定所述負荷屬性集的多個負荷屬性子集；

對每個負荷屬性子集按照散布矩陣準則選取進行屬性融合，確定優化后的負荷屬性集。

4.根據權利要求1所述的一種基于結構化負荷特征圖譜的非侵入式負荷辨識方法，其特征在于，所述根據優化后的負荷屬性集和各負荷屬性特征之間的信息熵冗余度確定每一負荷類別的各屬性特征的權重；進而根據每一負荷類別的各屬性特征的權重確定結構化負荷特征圖譜，具體包括：

根據優化后的負荷屬性集中的屬性特征對應的數值范圍對相應的屬性特征進行歸一化處理；

根據熵權法賦予歸一化處理后屬性特征的權重，并根據歸一化處理后屬性特征的權重確定結構化負荷特征圖譜。

5.根據權利要求1所述的一種基于結構化負荷特征圖譜的非侵入式負荷辨識方法，其特征在于，所述根據優化后的負荷屬性集以及對應的負荷類別構建對應的SVM負荷分類器，并根據所述結構化負荷特征圖譜優化SVM負荷分類器的參數，進而確定SVM負荷分類器誤差集合，具體包括：

根據優化后的負荷屬性集以及對應的負荷類別構建對應的SVM負荷分類器，確定RBF核函數，并初始化懲罰因子和核函數參數；

從結構化負荷特征圖譜中隨機抽樣，確定數據集；所述數據集包括：第一設定數量的本類別各屬性特征的權重和第二設定數量的非本類別各屬性特征的權重；

將數據集輸入SVM負荷分類器中，得到分類結果；

根據分類結果確定SVM負荷分類器誤差；

優化懲罰因子和核函數參數，進而確定優化后的SVM負荷分類器誤差；

遍歷所有負荷類別，確定SVM負荷分類器誤差集合。