[发明专利]一种基于核密度估计的非侵入式电力负荷辨识方法

权利要求书

1.一种基于核密度估计的非侵入式电力负荷辨识方法，其特征在于包括以下步骤：

1)选取常用家庭用电负荷作为研究对象，采集其功耗数据，并进行子状态划分，提取功率分布；

2)根据功率分布，生成家庭工作状态总集，计算各状态下的模拟功耗数据；

3)用核密度估计得到各状态模拟数据的概率分布参考模型；

4)在上述参考模型中，对于给定输入目标数据，辨识家庭工作状态转移点，划分出各个家庭工作状态数据段；

5)对于各个工作状态数据段，搜索同其概率分布最接近的家庭工作状态，同参考模型中的概率分布进行比较，完成辨识任务。

2.按权利要求1所述的一种基于核密度估计的非侵入式电力负荷辨识方法，其特征在于子状态划分为：

确定单次处理数据长度；

确定数据波动度小于5％的各个区段；

判断平缓区段覆盖主要功率范围是否超过阈值限制；

如果超出阈值限制，则合并同一负荷相似子状态区段，完成一次子状态划分。

3.按权利要求2所述的一种基于核密度估计的非侵入式电力负荷辨识方法，其特征在于：如果没有超出阈值限制，放宽平缓阈值限制，转至确定数据波动度小于5％的各个区段步骤。

4.按权利要求2所述的一种基于核密度估计的非侵入式电力负荷辨识方法，其特征在于：子状态划分采用电负荷子状态划分技术，将家庭工作状态定义为一个包含各个家庭用电负荷工作状态的多维向量：

X＝{x₁,x₂,...x_m}

其中m为家庭中常见用电器的总数，各个元素x_i表示第i件用电负荷的工作状态，为整数；工作状态数为0表示停止工作；

以家庭工作状态向量为基础，得到所有家庭工作状态的组合总集S：

S＝{X₁,X₂,...X_n}

n为家庭工作状态的总数。

5.按权利要求3所述的一种基于核密度估计的非侵入式电力负荷辨识方法，其特征在于：衡量数据波动程度的指标如下：

$X=\frac{\mathrm{var}\left(data\right)}{min\left(data\right)}$

在本专利中X被称为波动度，较好的一组数据的波动度一般不大于5％，对于频繁连续切换且单独持续时间小于数据采样周期的20～50倍的工作状态进行合并，合并情况下的工作状态不受该波动因素的限制。