[发明专利]一种识别电器的用电状态的方法和系统

说明书

本发明涉及一种识别电器的用电状态的方法和系统，所述方法包括：步骤1、基于电器的电压电流数据计算特征参数，构建电器用电工作状态特征数据集；步骤2、构建电器用电工作状态隐马尔可夫模型，利用步骤1中计算得到的用电工作状态特征数据集进行模型训练并获取最优模型参数；步骤3、结合基于最优模型参数得到的状态转移方程和观测方程，利用进化粒子滤波算法，通过已知的观测序列去计算在此观测序列下出现的状态序列的后验概率密度函数，从而实现对电器复杂用电状态的识别。所述系统包括数据采集单元、特征提取单元、隐马尔可夫模型构建单元和电器用电状态识别单元。

技术领域

本发明涉及智能电表领域，并且更具体地，涉及一种识别电器的用电状态的方法和系统。

背景技术

随着传统电表中出现的诸多问题，智能电表的发展迫在眉睫。实施智能电表发展战略能使用户获得高安全性、高可靠性、高质量性、高效率和价格合理的电力供应。智能电表是智能家庭中重要的一个环节，智能电表能够监测到家庭中不同电器的用电信息，可以使用户能准确了解家庭的用电情况，这样可以让用户能够更加合理、有效的使用家庭中的电器。对于多数电器，一般只有两种状态：开状态和关状态，例如电灯、电视机等。但是有些电器有很多不同状态，像电风扇除了有开关状态，还有不同档位的几个状态，在不同状态它的用电情况是不同的。如果我们只能了解到一个家庭中总的用电信息，但是不知道电器正处于什么样的用电状态，这就需要智能电表能够根据电器的用电信息，识别出此刻电器处于的用电状态。

本发明主要解决的问题是：对于一些复杂状态的电器进行用电状态的智能识别。

发明内容

为了解决背景技术存在的对电器的复杂用电状态进行识别的问题，本发明提供一种方法：首先通过构建隐马尔可夫模型对电器的用电状态进行建模分析，再运用进化粒子滤波算法，通过已知的观测序列，去计算在此观测序列下最有可能出现的状态序列的后验概率密度函数，从而实现对家用电器复杂用电状态的识别。

本发明所述的识别电器的用电状态的方法包括：

步骤1、基于电器的电压电流数据计算特征参数，构建电器用电工作状态特征数据集，其中，所述特征参数包括有功功率、无功功率、频率、电流的均方根、电压的均方根和谐波分量；

步骤2、构建电器用电工作状态隐马尔可夫模型，利用步骤1中计算得到的用电工作状态特征数据集进行模型训练并获取最优模型参数；

步骤3、结合基于最优模型参数得到的状态转移方程和观测方程，利用进化粒子滤波算法，通过已知的观测序列去计算在此观测序列下出现的状态序列的后验概率密度函数，从而实现对电器复杂用电状态的识别。

进一步地，所述电器的电压电流数据是分别采用电压传感器和电流传感器实时采集电器的电压电流信号，然后通过A/D转换模块把电压、电流的模拟信号转换成数字信号而得到的。

进一步地，用电工作状态特征数据集中所述特征参数的计算公式如下：

有功功率P＝UI cosα；

无功功率Q＝UI sinα；

电流的均方根

电压的均方根

其中P为有功功率，Q为无功功率，I_rms为电流的均方根，U_rms为电压的均方根。

进一步地，构建电器用电工作状态的隐马尔可夫模型，利用步骤1中计算得到的用电工作状态特征数据集进行模型训练并获取最优模型参数包括：