[发明专利]一种基于K-means建模的个人用电设备状态识别方法

说明书

技术领域

本发明涉及一种个人用电设备状态识别方法。

背景技术

由于当今社会生活中人们的节能意识还很薄弱，一些公共场所中的个人用电设备(如公共计算机、排风扇、照明装置等)由于人们的不自觉关闭而浪费了巨大的电能。目前在公共大型用电场所，可以采集供电设备在不同的工作状态下的功率信息进行建模，然后根据已建立的模型和当前用电设备的功率信息，来识别当前用电设备的功耗状态，从而采取有效的节能措施。例如，当识别出用电设备无人使用且没有关闭的情况时，便可以对用电器进行休眠或者关闭等节能操作。

然而，对于不同的用电设备，其能耗千差万别，即便对于同一种用电设备，如个人用计算机，由于配置不同，其功耗值也相差甚远。如果对每一个被监控设备的功耗都进行前期的测量和建模，将会浪费巨大的人力和物力，且对于规模较大的用电场所这种方法也是不可行的。

发明内容

本发明为了解决现有功率识别方法需要对不同功耗设备分别进行前期测量和建模，致使产生巨大的人力和物力的浪费，并且不能够对大规模用电场所进行功耗识别的问题，提出一种基于K-means建模的个人用电设备状态识别方法。

一种基于K-means建模的个人用电设备状态识别方法，它包括如下步骤：

步骤一：通过与用电设备相连的电力计量装置获取待监测用电设备的功率信息；

步骤二：将步骤一获取的功率信息进行解析处理，并将所述处理后的功率信息保存；

步骤三：读取已保存的功率信息，并通过K-means算法进行聚类分析，建立对应的功耗模型；

步骤四：获取待监测用电设备的实时功率信息，通过步骤三所述的功耗模型进行功耗状态识别；所述功耗状态包括关机状态、启动待机状态、开机且无人操作状态、正常使用状态和全速运行状态；

步骤五：根据获取的待监测用电设备的状态，对闲置状态的待监测用电设备进行处理。

步骤一中所述获取待监测用电设备的功率信息的频率为1次/5-10min。

步骤一中所述保存的信息的数量为八百至一千条信息。

所述步骤三：读取已保存的功率信息，并通过K-means算法进行聚类分析，建立对应的功耗模型的过程为：

步骤三A：选取聚类的初始中心；

获取n个待监测用电设备的功率信息：x₁，x₂，……，x_n，并将n个数据聚成k个类，所述选取聚类的初始中心的过程为在n个数据中随机地选取k个对象作为初始的聚类中心c₁，c₂，……，c_k，进行初始分类和迭代，其中n＞k；

步骤三B：根据步骤三A所述聚类的初始中心进行数据归类；

计算步骤三A中所述n个数据与各个聚类中心的距离d(x_i，c_m)：

d(xi,cm)=(xi-cm)2]]>

对每一个x_i进行所述的距离计算，获得最小值d(x_i，c_m)即x_i距离c_m最近，则把x_i归到c_m所在的第m个类，直至将n个数据全部归类；

步骤三C：将步骤三B计算获得的每一个类中的全部元素求平均值，令这个平均值为这个类的新中心点求平均值公式如下所示：