[发明专利]基于神经网络的非侵入式电力负荷识别方法

说明书

本发明涉及电力负荷识别领域，具体地说，是基于神经网络的非入侵式电力负荷识别方法。包括以下步骤：在用户电表上安装传感器采集用户电压、电流、功率信息；从电压、电流、功率的波形中提取可以唯一识别电器的有效稳态特征；以满足要求的采样频率完成模拟信号的数字化；对原始数字信号做预处理；将预处理后的样本数据输入神经网络模型，根据输出计算识别准确率；调整神经网络模型的参数，直至准确率大于设定阈值；输入电力负荷数据，获得电力负荷识别结果。本发明基于神经网络模型将满足奎斯特采样率的设定参数以及保证准确性的预处理采样数据，通过神经网络模型的特点使得推理数字化，能够更加简单明了的表现出非入侵式电力负荷的情况。

技术领域

本发明涉及电力负荷识别领域，具体地说，是基于神经网络的非入侵式电力负荷识别方法。

背景技术

电力负荷，又称用电负荷，电能用户的用电设备在某一时刻向电力系统取用的电功率的总和，称为用电负荷。电力系统的总负荷就是系统中所有用电设备消耗总功率的总和；将工业、农业、邮电、交通、市政、商业以及城乡居民所消耗的功率相加，就得电力系统的综合用电负荷；综合用电负荷加网络损耗的功率就是系统中各发电厂应供应的功率，称为电力系统的供电负荷（供电量）；供电负荷再加各发电厂本身消耗的功率（即厂用电），就是系统中各发电机应发的功率，称为系统的发电负荷（发电量）。非入侵式电力负荷监测是将总的电力消耗分解为每个用电设备的电力消耗并对其进行监测，而目前的监测设施中对电力负荷监测不具备储存和自学功能，为非入侵式电力负荷监测带来困难。

发明内容

为了解决上述技术问题，本发明解决了对非入侵式电力负荷的监测困难，通过神经网络的来使得电力负荷识别具有自学功能，还具有联想储存功能，实现智能化技术效果。

为了实现上述目的，本发明使用的技术方案如下：

基于神经网络的非侵入式电力负荷识别方法，包括以下步骤：

1）在用户电表上安装传感器采集用户电压、电流、功率信息；

2）从电压、电流、功率的波形中提取可以唯一识别电器的有效稳态特征；

3）以满足要求的采样频率完成模拟信号的数字化；

4）对原始数字信号做预处理；

5）将预处理后的样本数据输入神经网络模型，根据输出计算识别准确率；

6）调整神经网络模型的参数，直至准确率大于设定阈值；

7）输入电力负荷数据，获得电力负荷识别结果。

本发明进一步改进，步骤2）中的有效稳态特征分为时域特征和频域特征。

本发明进一步改进，时域特征，具体为，电流、电流、功率、峰值、电压与电流的相角变化、功率因数等等。

本发明进一步改进，频域特征，具体为，采用傅里叶变换将电压、电流的时域特征转换为频域特征，主要采用谐波成分数据。

本发明进一步改进，步骤3）中的满足要求的采样频率是指电表的采样率必须满足奈奎斯特采样率，才能获得想要的谐波成分。

本发明进一步改进，步骤4）中的预处理指对电流、电压、功率信号的去噪和异常值去除、以及通过电压、电流相位较正保证相位信息准确等等。

本发明进一步改进，步骤 6）中的神经网络模型参数分为根据输入数据设定的参数和需要调试的参数。

本发明进一步改进，根据输入数据设定的参数，具体为，输入节点数、输出节点数等等。

本发明进一步改进，需要调试的参数，具体为，学习率、隐层数、隐层节点数、激活函数、mini-batch参数等等。