[发明专利]一种基于Boost模型的非侵入式用电器识别方法

说明书

本发明公开了一种基于Boost模型的非侵入式用电器识别方法，包括以下步骤：一、采用无标签数据收集，对电表数据进行收集；二、指引用户对需要识别的用电器分别进行开关操作，并记录电表功率数据和对应的用电器标签；三、先利用Bootstrap算法扩展有标签集，与无标签集一起组合成训练集，再用建立分类模型；四、实时收集功率突变事件，用训练好的模型对其分类，并向用户显示识别出的用电器结果；五、通过预识别阶段的新样本和新标签，将其添加到原有的有标签数据集中，重复步骤三和步骤四；六、用达到精度要求的模型对用电器进行识别，并实时反馈给用户或需求方；本发明可以通过总电表功率数据和少量训练数据，实现对居民用户中用电器的识别。

技术领域

本发明涉及用电器在线识别技术领域，尤其涉及一种基于Boost模型的非侵入式用电器识别方法。

背景技术

电力负荷监测是指通过智能电表采集负荷运行过程中产生的电气参数，进而分析出其运行状态的技术。对家庭用户来说负荷监测能够使用户清楚每类电器的分时电量、启动和停止时间，并依据此信息指导用电行为，从而达到节能的目的。对电力公司而言，通过对家庭用电情况的监控，建立典型用户数据平台，对不同用户的用电行为进行精细建模、分析、分类、制定套餐，实现电力资源的合理配置。

据对负荷的影响程度的不同，电力负荷监测技术可以分为侵入式和非侵入式两大类。侵入式将带有数字通信功能的传感器安装在每个电器与电网的接口，从而监测每个电器的运行状态和功率消耗，这种方法优点是计量准确，缺点是需要在用电户中每一个用电器上安装电路设施，安装工作需要进入电器内部，实现难度较大，会影响正常的生产工作，不适宜全面推广，非侵入式能够仅通过总电表的用电数据识别用电器，但在目前的方法中，通过额定功率识别的模型误差较大，且往往要求电表的无功功率数据，而通过瞬时电流变化识别的模型对于电表采样率的要求过高。

发明内容

本发明目的是针对现有技术存在的缺陷提供了一种基于Boost模型的非侵入式用电器识别方法，本识别方法实现了不需要加装大量分级电表，不需要大量更改用户电路设施，只需要结合电表功率数据以及和用户的少量互动，即能达到对不同用电器进行识别的目的。

本发明为实现上述目的，采用如下技术方案：一种基于Boost模型的非侵入式用电器识别方法，包括以下步骤：

步骤一：采用无标签数据收集，对电表数据进行收集，实时判断功率值突变的时点，并对前后短时间段内的数据进行储存；

步骤二：进入用户训练阶段，指引用户对需要识别的用电器分别进行开关操作，并记录相应时段中的电表功率突变事件前后短时间段内的数据和对应的用电器标签；

步骤三，训练初步模型，先利用Bootstrap算法扩展有标签集，与无标签集一起组合成训练集，再用Boost算法为每一种有标签的用电器建立一个分类模型；

步骤四，预识别阶段，即实时收集功率突变事件，用训练好的模型对其分类，并向用户显示识别出的用电器结果，并让用户选择正确或错误；

步骤五，精度提高阶段，即通过预识别阶段的新样本和新标签，并将其添加到原有的有标签数据集中，重复步骤三和步骤四；

步骤六，正式识别阶段，即用已经达到精度要求的模型对用电器进行识别，并实时反馈给用户或需求方。

优选的，所述步骤三中的Boost算法的步骤如下：

S21：从样本整体集合D中，不放回的随机抽样n₁ n个样本，得到集合D1，用以训练弱分类器C1；

S22：从样本整体集合D中，抽取 n₂ n 个样本，其中合并进一半被 C1 分类错误的样本，得到样本集合 D2，用以训练弱分类器C2；