[发明专利]一种非侵入式电力负荷分解方法及装置

权利要求书

1.一种非侵入式电力负荷分解方法，其特征在于，包括：

获取待监测各用电设备在监测时间段内各采样点的电流总和；

将所述电流总和与时间变量作为神经网络模型的输入层变量，并将所述各用电设备的工作状态作为输出层变量；

根据所述电流总和与时间变量利用所述神经网络模型确定所述监测时间段内各用电设备的工作状态；

其中，所述神经网络模型为根据获得的各用电设备在第一预设时间段内的采样数据训练完成的前向反馈BP神经网络模型；

在将所述各用电设备的工作状态作为输出层变量之前，还包括：

针对每一用电设备，根据在第二预设时间段内获取的电流值样本数据利用预设算法确定该用电设备的工作状态种类数；所述电流值样本数据为在所述第二预设时间段内所述用电设备实际监测的电流值数据；所述预设算法为K均值K-means聚类算法；

根据在第二预设时间段内获取的电流值样本数据利用预设算法确定该用电设备的工作状态种类数，具体包括：

根据所述电流值样本数据利用电流的概率密度函数确定所述用电设备的电流概率密度曲线；

根据所述概率密度曲线中尖峰点，确定聚类中心点数目k的取值范围；

根据所述电流值样本数据的类内距离与类间距离从所述聚类中心点数目k的取值范围中确定最优聚类中心点数目，所述最优聚类中心点数目为所述类内距离与类间距离的比值取最小值时的k值；

将所述最优聚类中心点数目确定为所述用电设备的工作状态种类数。

2.如权利要求1所述的方法，其特征在于，所述电流的概率密度函数为：

其中，p_X(x)表示用电设备的电流值为x的概率密度；

x表示用电设备的电流值；

I表示用电设备实际监测的电流值；

Pr[X＝x]表示用电设备的电流值为x的概率值。

3.如权利要求1所述的方法，其特征在于，通过以下公式确定最优聚类中心点数目：

其中，k_opt表示最优聚类中心点数目；

k表示聚类中心点数目，k的取值范围为k∈[k_min,k_max]；

inside(k)表示所述电流值样本数据的类内距离；

among(k)表示所述电流值样本数据的类间距离。

4.如权利要求3所述的方法，其特征在于，所述电流值样本数据的类内距离为所述样本数据各簇的类内距离的最大值；所述簇的类内距离为该簇中每个对象与该簇中其它各对象之间的平均距离的最小值；以及

通过以下公式计算所述电流值样本数据的类内距离：

其中，inside(k)表示所述电流值样本数据的类内距离；

表示第i簇的类内距离；

i＝1,2,...,k，j＝1,2,...|C_i|，p＝1,2,...|C_i|；

C_i表示第i簇；

|C_i|表示类别属于C_i的对象的个数；

x_j、x_p为属于类别C_i的对象；以及

通过以下公式计算所述电流值样本数据的类间距离：

其中，m＝1,2,...,k，n＝1,2,...,k，且q≠r；

C_m表示第m簇，C_n表示第n簇；

x_q为属于类别C_m的对象，x_r为属于类别C_n的对象。