[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

说明书

技术领域

本发明涉及一种家庭电网管理技术，具体地说是一种基于核密度估计的非侵入式电力负荷辨识方法。

背景技术

家庭能源管理系统的研究最早起源于20世纪70年代，美国和部分欧洲国家为了提高居民侧的用电效率，实现“节能减排”开始了该领域的研究工作。近年来，随着传感技术、信息通信技术、控制技术的发展，特别是智能电网的兴起，家庭能源管理系统的任务也逐渐增加。作为智能电网在居民侧的延伸，如图1所示，家庭能源管理系统除了满足提高用电效率、节能减排的要求外，还要为居民侧需求响应的实施、分布式可再生能源的接入、大规模电动汽车的安全接入提供支持，智能电网环境下的家庭能源管理系统的研究也因此成为智能电网领域研究的一个热点。

要想实现对家庭电网的有效管理，首先应当能够对家庭用电进行有效的监测。用电检测结果能够指导家庭合理安排用电以错开用电高峰、为电力系统升级、相关公司企业研发提供数据参考。当前主流检测方式主要包括侵入式检测方式及非侵入式检测两种。侵入式检测即对每一个用电负荷都添加一个传感器，其投入较大，而且容易影响用电器的正常运转，而且涉及隐私问题等使得用户心理上也难以接受。

相对于侵入式检测，非侵入式检测通过一个家庭用电总表对家庭整体的用电情况进行数据分析、得出用电器用电情况，大大便捷了用户的使用。非入侵式负荷识别是基于负荷特征分析基础之上的，负荷特征给出了关于独立电器的运行状态。通过相应负荷检测算法实现对负荷识别的分析。当前非侵入式检测的分解精度较低，且多为高频高精度采样分析方法，成本较高，难以推广到家庭的实际中去。

发明内容

针对现有技术中采用非侵入式检测实现对家庭电网的有效管理存在检测的分解精度低、成本高、难以推广等不足，本发明要解决的技术问题是提供一种尽可能降低电力监测系统对电表的硬件要求、降低电表成本、便用户使用的基于核密度估计的非侵入式电力负荷辨识方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种基于核密度估计的非侵入式电力负荷辨识方法，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。

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。

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。

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。

衡量数据波动程度的指标如下：

在本发明中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。

用核密度估计得到各状态模拟数据的概率分布参考模型包括以下步骤：

通过核密度估计的方法提取各子状态功耗的概率分布，核密度估计对于给定数据组通过下式进行：

其中x为自变量，f为估计出来的概率密度函数；h为带宽，按照下式得到

其中，N为核密度估计后产生的离散概率分布数组的点数；