[發明專利]基于多核CNN的儲能工作狀態非侵入式監測方法和系統在審
| 申請號： | 202310502697.1 | 申請日： | 2023-05-06 |
| 公開（公告）號： | CN116470502A | 公開（公告）日： | 2023-07-21 |
| 發明（設計）人： | 尹雁和;李賓;阮志杰;林雄鋒;周桂;彭石豐;李國號;余俊杰;白一鳴;江清楷 | 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中山供電局 |
| 主分類號： | H02J3/00 | 分類號： | H02J3/00;H02J3/28 |
| 代理公司： | 北京集佳知識產權代理有限公司 11227 | 代理人： | 許慶勝 |
| 地址： | 510600 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： | 基于 多核 cnn 工作 狀態 侵入 監測 方法 系統 | ||
1.一種基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，包括：
S1、獲取監測區域內的歷史總功耗數據和歷史儲能系統充電負荷數據，其中，總功耗數據為儲能系統充電負荷數據、商業負荷數據和家庭負荷數據的總和；
S2、對歷史總功耗數據和歷史儲能系統充電負荷數據進行預處理，得到樣本數據，將樣本數據劃分為訓練集和測試集；
S3、制作訓練集和測試集中每個樣本數據對應的標簽，利用訓練集和測試集分別對基于多核CNN的儲能非侵入式負荷監測模型進行訓練和測試，得到目標儲能非侵入式負荷監測模型，其中，標簽為儲能的工作狀態；
S4、將監測區域的實時總功耗數據和儲能系統充電負荷數據輸入目標儲能非侵入式負荷監測模型，得到目標儲能非侵入式負荷監測模型輸出的監測區域的儲能工作狀態。
2.根據權利要求1所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，步驟S1具體包括：
對歷史總功耗數據和歷史儲能系統充電負荷數據進行缺失值填充和異常值替代，其中，對于缺失值和異常值，使用缺失值和異常值相鄰兩個數據的均值分別進行填充和替代；
對歷史總功耗數據和歷史儲能系統充電負荷數據進行歸一化；
使用滑動窗口對歸一化后的歷史總功耗數據和歷史儲能系統充電負荷數據進行樣本劃分，得到樣本數據；
將樣本數據劃分為訓練集和測試集。
3.根據權利要求1所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，基于多核CNN的儲能非侵入式負荷監測模型包括輸入層、6個卷積層、池化層、全連接層和輸出層，每個卷積層包含四個卷積核，四個卷積核的大小分別為1×1、3×3、5×5和7×7。
4.根據權利要求1所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，在步驟S3之后步驟S4之前，還包括：
S3-4、采用評價指標驗證模型對目標儲能非侵入式負荷監測模型的識別效果進行驗證，若驗證通過，則執行步驟S4，若驗證不通過，則返回步驟S1。
5.根據權利要求4所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，評價指標驗證模型為：
其中，Pre為精確性指標，TP為真正例，FP為假正例，FN為假反例，TN為真反例，R為召回率指標，Acc為準確性指標，f1為F1分數指標，MSE為均方誤差，pt為第t個采樣點處的功耗的地面真值，為由NILM算法計算的第t個采樣點處的功耗的分解值，N為總采樣點數。
6.根據權利要求1所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，還包括：
S5、對監測區域的儲能系統工作狀態和對應的時間序列數據進行存儲和可視化展示。
7.根據權利要求6所述的基于多核CNN的儲能工作狀態非侵入式監測方法，其特征在于，步驟S5具體包括：
S51、記錄監測區域的儲能系統工作狀態和對應的時間序列數據，通過InfluxDB提供的API寫入到InfluxDB中；
S52、使用Grafana將InfluxDB中的時間序列數據進行數據可視化展示。
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中山供電局，未經廣東電網有限責任公司;廣東電網有限責任公司中山供電局許可，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/202310502697.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種鋰電池級羧甲基纖維素鉀的制備方法
- 下一篇：一種港區照明裝置
