[發(fā)明專利]基于并行連接網(wǎng)絡的智能樓宇非侵入式負荷分解方法

在審

• 申請?zhí)枺?/td>: 202211066801.9
• 申請日: 2022-09-01
• 公開（公告）號: CN115392318A
• 公開（公告）日: 2022-11-25
• 發(fā)明（設計）人: 易靈芝;許翔翔;王雅慧;劉江永;劉西蒙;高宇航
• 申請（專利權）人: 湘潭大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G01R21/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提出一種基于并行連接網(wǎng)絡的非侵入式負荷分解方法，首先通過非侵入式分解量測裝置測量某區(qū)域的總功率數(shù)據(jù)和部分大功率可控負荷電器的功率數(shù)據(jù)，并進行數(shù)據(jù)預處理，生成訓練數(shù)據(jù)集。然后，構建并行連接網(wǎng)絡模型，通過空洞殘差卷積神經(jīng)網(wǎng)絡和雙向長短期記憶網(wǎng)絡相結合的并行連接網(wǎng)絡提取特征，提升特征的表征能力，引入注意力機制，剔除冗余信息，進一步提取重要信息，提高模型的分解效果。之后，使用訓練數(shù)據(jù)訓練分解模型，得到優(yōu)化的分解模型。最后，將實測原始數(shù)據(jù)輸入到優(yōu)化后的分解模型進行負荷分解，得到分解結果，并對實驗結果進行分析。

技術領域

本發(fā)明涉及一種基于并行連接網(wǎng)絡的智能樓宇非侵入式負荷分解方法，摒棄傳統(tǒng)的逐層連接分解模型，采用空洞殘差卷積神經(jīng)網(wǎng)絡和雙向長短期記憶網(wǎng)絡并行連接，對負荷功率特征進行深度提取，提高非侵入式負荷分解的表征能力，最后通過注意力機制對重要特征進一步提取，篩除無用特征，減少模型參數(shù)，提高模型的分解效率和分解精度，其通用性強，提取功率特征成本較低，可以廣泛地應用于智能樓宇地建設，構建全國范圍內的智能樓宇非侵入式負荷監(jiān)測系統(tǒng)，實現(xiàn)全國范圍內的智能用電。

背景技術

隨著智能電網(wǎng)的迅速發(fā)展，各個電力企業(yè)向集約化、技術化轉型，這就需要更加可靠、穩(wěn)定、高效的電力系統(tǒng)。這就要求我們對于電力系統(tǒng)的發(fā)電、輸電以及用電等過程中的具體信息充分地掌握及把控。整個電網(wǎng)的智能用電技術的迅速提高，以及用電高效性、經(jīng)濟性的迅速提高成為構建智能電網(wǎng)的決定性因素。因此，如何實現(xiàn)靈活互動的智能用電，提高用戶側的用電效率，成為當今研究的熱門話題。

對于構建全國范圍的智能用電體系，實現(xiàn)用戶側與電網(wǎng)側的良性互動，關鍵一步就是負荷監(jiān)測。只有掌握了用戶的詳細用電信息，才能更好地指導用戶科學的用電，為制定調整需求側用電模式的政策做參考，以此達到節(jié)約能源、優(yōu)化電力調度的目的。目前主要的負荷監(jiān)測方法有侵入式負荷監(jiān)測和非侵入式負荷監(jiān)測兩種方法，侵入式負荷監(jiān)測方法需要給每個電力負荷安裝監(jiān)測裝置進行實時地監(jiān)測，這種監(jiān)測方式采集數(shù)據(jù)還原度及精度高，但裝置安裝及維護成本高；此外，各負荷安裝監(jiān)測可能會出現(xiàn)住戶隱私泄露問題，大多數(shù)住戶可能產(chǎn)生抵觸心理。非侵入式負荷監(jiān)測也稱非侵入式負荷分解(Non-intrusive LoadDisaggregation,NILD)，在不改變住戶現(xiàn)有電路結構的前提下，通過在入戶端加裝智能電表獲得住戶用電數(shù)據(jù)(電壓、電流、功率等)，經(jīng)過負荷分解算法得到分解結果，從而獲得當前系統(tǒng)內各負荷狀態(tài)。為了保護用戶的用電隱私，在滿足簽約用戶用電舒適性的情況下，對簽約用戶的大功率可控負荷進行非侵入式負荷分解，幫助用戶最大程度主動參與需求響應，實現(xiàn)利益最大化。

非侵入式負荷監(jiān)測的硬件部分是一個位于入戶端的智能量測裝置。如圖1所示，該裝置監(jiān)測其下各種用電設備的用電狀況。該裝置量測獲得的總負荷的電壓、電流等電氣量可視為承載電力信息的信號，包含了不同特性的負荷成分信息，通過提取這些電氣量的特征信息，NILD系統(tǒng)就能實現(xiàn)負荷分解，估計出單個用電設備的使用狀態(tài)、能耗等用能信息。

傳統(tǒng)的分解模型采用逐層連接的方式進行特征提取，不僅隨著深度加深會出現(xiàn)梯度消失和過擬合，而且逐層的特征提取可能會出現(xiàn)重要信息的丟失，降低模型的分解性能。此外，隨著用電負荷種類的多樣化，單一的特征提取模型提取的負荷特征表征能力不足，從而降低負荷分解的準確度。

發(fā)明內容

根據(jù)上述存在的問題，為了解決深層網(wǎng)絡帶來的過擬合、梯度消失問題以及逐層地提取特征造成的信息消失問題，本發(fā)明提出一種基于并行連接網(wǎng)絡的智能樓宇非侵入式負荷分解方法，通過空洞殘差卷積神經(jīng)網(wǎng)絡和雙向長短期記憶網(wǎng)絡(bidirectional longshort-term memory,BiLSTM)相結合的并行連接網(wǎng)絡提取特征，提升特征的表征能力，引入注意力機制，剔除冗余信息，進一步提取重要信息，提高模型的分解效果。此外，本發(fā)明使用空洞卷積和殘差連接增大了感受野，解決了梯度消失問題。