[發明專利]一種電器負荷識別方法及系統在審
| 申請號： | 202310089279.4 | 申請日： | 2023-02-06 |
| 公開（公告）號： | CN116089876A | 公開（公告）日： | 2023-05-09 |
| 發明（設計）人： | 劉佳樂;蔡新雷;孟子杰;郝文煥;董鍇;喻振帆;崔艷林;周巍;王乃嘯;廖鵬 | 申請（專利權）人： | 廣東電網有限責任公司;廣東電網有限責任公司電力調度控制中心 |
| 主分類號： | G06F18/2411 | 分類號： | G06F18/2411;G06F18/214;G06F18/23;G06N3/048;G06N3/047;G06N3/08 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 陳旭紅 |
| 地址： | 510000 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 電器 負荷 識別 方法 系統 | ||
1.一種電器負荷識別方法，其特征在于，包括：
獲取多個電氣特征數據，其中，所述電氣特征數據包括有功功率、無功功率、電流有效值、諧波電流幅值和相角；
將多個電氣特征數據進行切分后，利用皮爾森系數計算兩兩通道間的相關性系數，根據所述相關性系數構建連通性矩陣，并將所述連通性矩陣輸入圖注意力層中進行圖神經聚合鄰居操作后，輸出更新后的連通性矩陣；
將所述更新后的連通性矩陣輸入目標負荷識別模型中進行計算得到負荷值，以使電網根據所述負荷值判斷出電器類型，其中，所述負荷識別模型包括SVM模型和圖注意網絡模型。
2.如權利要求1所述的電器負荷識別方法，其特征在于，所述將所述連通性矩陣輸入圖注意力層中進行圖神經聚合鄰居操作后，輸出更新后的連通性矩陣，具體為:
根據所述連通性矩陣中的相關性高的節點進行注意力相關度計算后，并進行歸一化得到注意力系數，其中，所述注意力系數具體為：
其中，L表示激活函數LeakyReLU，α表示計算兩個節點相關度的函數，W表示節點從輸入特征維度變換到輸出特征維度的權重參數矩陣，aij表示注意力系數；
將所述連通性矩陣中各個節點的注意力系數進行加權求和得到所述各個節點的更新后的特征向量，根據所述各個節點的更新后的特征向量得到更新后的連通性矩陣，其中，所述各個節點的更新后的特征向量的計算公式為：
其中，h′i表示該層節點vi的新的特征向量，σ表示激活函數，W表示節點從輸入特征維度變換到輸出特征維度的權重參數矩陣，hj表示該層節點vi的特征向量。
3.如權利要求1所述的電器負荷識別方法，其特征在于，所述將所述更新后的連通性矩陣輸入負荷識別模型中進行計算得到負荷識別結果，具體為：
利用多頭注意力機制對所述更新后的連通性矩陣進行拼接和取平均操作得到第一特征向量，其中，拼接和取平均操作計算過程為：
其中，M表示的是注意力頭的數量，||表示拼接操作，和Wm分別表示第m組注意力機制的權重系數和學習參數；
采用最大池化對所述第一特征向量進行局部最大值運算得到第二特征向量；
利用softmax函數對所述第二特征向量展開的一維向量加權和進行計算后得到負荷識別結果；
利用構建的多層SVM模型的最佳分離超平面對所述負荷識別結果進行聚類得到最終的負荷識別結果。
4.如權利要求1所述的電器負荷識別方法，其特征在于，所述目標負荷識別模型是通過訓練得來的，具體為：
獲取多個電氣特征樣本數據，其中，所述電氣特征數據包括有功功率、無功功率、電流有效值、諧波電流幅值和相角；
將多個電氣特征樣本數據進行切分后，利用皮爾森系數計算兩兩通道間的相關性系數，根據所述相關性系數構建連通性矩陣，并將所述連通性矩陣輸入圖注意力層中進行圖神經聚合鄰居操作后，輸出更新后的連通性矩陣；
將所述更新后的連通性矩陣輸入圖注意網絡模型中進行訓練得到目標圖注意網絡模型并輸訓練結果；
將所述訓練結果輸入的多層SVM模型中進行聚類訓練后得到目標SVM模型，根據所述目標SVM模型和所述目標圖注意網絡模型得到目標負荷識別模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東電網有限責任公司;廣東電網有限責任公司電力調度控制中心，未經廣東電網有限責任公司;廣東電網有限責任公司電力調度控制中心許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310089279.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種保險風控管理方法與系統
- 下一篇：一種測定橡膠硫化促進劑有效純度的方法
