[發(fā)明專利]一種基于時(shí)頻分析的非線性負(fù)荷狀態(tài)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310105058.1
• 申請(qǐng)日: 2023-02-13
• 公開（公告）號(hào): CN116340759A
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 戚成飛;劉巖;楊曉波;易忠林;畢超然;王耀宇;高嘉浩;焦東翔;魏彤珈;楊曉坤;鄭思達(dá);李文文;張茹
• 申請(qǐng)（專利權(quán)）人: 國網(wǎng)冀北電力有限公司計(jì)量中心;國家電網(wǎng)有限公司
• 主分類號(hào): G06F18/2131
• 分類號(hào): G06F18/2131;G01R23/16;G01R19/00;G06F18/241;G06F18/25;G06N20/00;G06F17/14;G06F123/02
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 李晶

本發(fā)明涉及一種基于時(shí)頻分析的非線性負(fù)荷識(shí)別方法，構(gòu)建了利用頻域特征的負(fù)荷辨識(shí)架構(gòu)，旨在解決非侵入式負(fù)荷監(jiān)測(cè)在非線性負(fù)荷辨識(shí)中無法有效應(yīng)用暫態(tài)特征的問題。本發(fā)明主要包括：基于快速傅里葉變換以及希爾伯特?黃變換的電流特征特征提取技術(shù)，以及基于極限學(xué)習(xí)機(jī)為主體的分類方法，通過對(duì)公開數(shù)據(jù)集進(jìn)行的訓(xùn)練和測(cè)試，驗(yàn)證本發(fā)明所述方法提取暫態(tài)負(fù)荷特征并對(duì)非線性負(fù)荷進(jìn)行辨識(shí)。

技術(shù)領(lǐng)域

本發(fā)明屬于非侵入式電力負(fù)荷監(jiān)測(cè)技術(shù)領(lǐng)域，涉及一種基于時(shí)頻分析的非線性負(fù)荷狀態(tài)識(shí)別方法。

背景技術(shù)

電能已成為現(xiàn)代社會(huì)最主要的終端能源形式，為了應(yīng)對(duì)全球性的能源緊缺問題，實(shí)現(xiàn)社會(huì)低碳化并提高供電的可靠性和電能在用戶側(cè)的利用效率，有關(guān)于智能電網(wǎng)的研究與實(shí)踐正在全世界范圍內(nèi)開展。在電網(wǎng)的需求側(cè)，智能電子設(shè)備和高能耗設(shè)備的廣泛應(yīng)用，大幅地提高了非線性負(fù)荷在電網(wǎng)需求終端的負(fù)荷占比。如何從用戶總量能耗數(shù)據(jù)中獲取非線性負(fù)載的負(fù)荷特征，并將其進(jìn)行準(zhǔn)確辨識(shí)，是電力部門關(guān)注的重點(diǎn)。

非侵入式負(fù)荷監(jiān)測(cè)(Non-intrusive?Load?Monitoring，NILM)技術(shù)僅需在電力負(fù)荷的供電入口處安裝一臺(tái)帶有通信功能的傳感器，通過對(duì)負(fù)荷用電總量數(shù)據(jù)的分析便可獲取用戶內(nèi)部每個(gè)(主要)電器的用電信息。NILM技術(shù)對(duì)提升需求側(cè)電能的可觀性具有重要意義，其部屬可以助力清潔低碳安全高效的能源體系構(gòu)建及“雙碳”目標(biāo)實(shí)現(xiàn)，促進(jìn)重點(diǎn)行業(yè)領(lǐng)域減污降碳，以及拓展深化電力數(shù)據(jù)在社會(huì)服務(wù)領(lǐng)域的應(yīng)用等。

NILM技術(shù)自由上世紀(jì)末提出以來便受到了廣泛關(guān)注，目前其領(lǐng)域內(nèi)已有多種方法被應(yīng)用于非線性負(fù)荷識(shí)別，其中時(shí)-頻域分析理論，已經(jīng)成為了NILM技術(shù)對(duì)于實(shí)現(xiàn)非線性負(fù)荷辨識(shí)的重要工具。其中，在語音信號(hào)處理領(lǐng)域內(nèi)發(fā)展成熟的快速傅里葉變換理論以及希爾伯特-黃變換理論從高頻負(fù)荷信號(hào)中提取目標(biāo)負(fù)荷特征，以支持后續(xù)的負(fù)荷辨識(shí)。由于用戶側(cè)負(fù)荷種類繁多，復(fù)雜場(chǎng)景之內(nèi)廣泛存在負(fù)載混疊運(yùn)行的情況，且噪音的干擾不可忽視，準(zhǔn)確獲取目標(biāo)非線性負(fù)荷的特征并將其進(jìn)行準(zhǔn)確識(shí)別難度較大。

針對(duì)上述問題，本發(fā)明基于時(shí)頻分析理論的基礎(chǔ)上做出改進(jìn)，基于極限學(xué)習(xí)機(jī)模型提出完整的非線性負(fù)荷識(shí)別架構(gòu)，并利用公開數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練與測(cè)試，驗(yàn)證本發(fā)明方法能夠?qū)τ脩魝?cè)復(fù)雜的非線性負(fù)荷進(jìn)行準(zhǔn)確識(shí)別。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有技術(shù)的不足，提供一種基于時(shí)頻分析的非線性負(fù)荷狀態(tài)識(shí)別方法，能夠?qū)τ脩魝?cè)復(fù)雜的非線性負(fù)荷進(jìn)行準(zhǔn)確識(shí)別。

本發(fā)明解決其技術(shù)問題是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種基于時(shí)頻分析的非線性負(fù)荷狀態(tài)識(shí)別方法，其特征在于：包括以下步驟：

步驟1，通過時(shí)頻特征提取模塊對(duì)目標(biāo)時(shí)間序列進(jìn)行截取，并針對(duì)所截取的序列進(jìn)行特征提取，提取的特征包括時(shí)域特征和頻域特征；

步驟2，基于步驟1提取得到的時(shí)域特征和頻域特征內(nèi)的多暫態(tài)負(fù)荷特征，建立多特征融合的分類學(xué)習(xí)模型：學(xué)習(xí)模型以極限學(xué)習(xí)機(jī)模型為主體，通過融合學(xué)習(xí)輸入的多個(gè)特征來完成對(duì)負(fù)荷的識(shí)別；

步驟3，利用公開數(shù)據(jù)集進(jìn)行訓(xùn)練和調(diào)整：基于所提取的時(shí)頻特征效果以及負(fù)荷識(shí)別效果調(diào)整滑窗長度，以獲取最優(yōu)的測(cè)試效果。

而且，所述通過時(shí)頻特征提取模塊對(duì)目標(biāo)時(shí)間序列進(jìn)行截取，并針對(duì)所截取的序列進(jìn)行特征提取，提取的特征包括時(shí)域特征和頻域特征的方法為：

初始定義的滑動(dòng)窗長為N，依此窗長對(duì)用戶總量電流信號(hào)進(jìn)行截取，即得到目標(biāo)電流時(shí)間序列：

{i(n)|n＝1,2,...,N-1,N}???????(1)

其中，i(n)為所截取的電流時(shí)間序列樣本各個(gè)時(shí)間點(diǎn)的瞬時(shí)電流值；

對(duì)于式(1)給出的電流時(shí)間序列，使用頻域分析方法離散傅里葉的變體——短時(shí)傅里葉來對(duì)目標(biāo)電流信號(hào)提取頻域特征，本發(fā)明所述頻域特征，包括頻域幅值FA和頻域相位FP。