[发明专利]非侵入式负荷监测方法

说明书

本发明公开了一种非侵入式负荷监测方法。本发明非侵入式负荷监测方法包括：设备分类预测子流程、新设备识别子流程和分类器自我训练子流程。本发明具有如下的有益效果：本发明在传统非侵入式负荷监测框架的基础上，创新性地提出了一种新型非侵入式负荷检测框架体。在此框架下，首先对采集到的高频电流、电压数据进行有效地预处理，通过清洗、线性填补和插值，扩充了数据密度，保证了数据的完整性、精确性和利用性。通过挖掘设备特征，计算提取了能够表征用电设备运行印记的多维度特征值。考虑了不同分类器模型，最终建立了效果最好的随机森林分类器模型用于分类识别，且识别准确度高、模型鲁棒性强。

技术领域

本发明涉及负荷检测领域，具体涉及一种非侵入式负荷监测方法。

背景技术

近年来因传统的电力负荷监测方法成本高、效率低，在应用上受到很大制约，而非侵入式负荷检测系统(non-intrusive load monitoring,NILM)技术仅需在电网的用户入口处安装一个传感器，通过采集和分析电流、电压等用户用电特征来监测用户内部每个或每类用电设备的工作状态，得到广泛的研究。

传统的非侵入式研究的架构主要包括数据采集、数据预处理、特征提取、分类器预测，得到分类结果。这种系统架构通常需要事先建立设备库，对设备库中的设备进行数据采集、数据预处理、特征提取、模型训练等操作，得到能够用于预测的分类器模型，且只能识别出包括在设备库里的设备的使用情况。

但在实际应用中，传统的非侵入式负荷监测系统架构存在局限性，无法应对复杂的设备更换、变动等情况，对于识别到设备库之外的新设备，如何截取新设备运行数据，并更新设备库、重新训练，没有很好的应对方法。

发明内容

本发明要解决的技术问题是提供一种非侵入式负荷监测方法，该方法能够应对复杂的实际应用情况。当识别到设备库之外的新设备时，能够截取该新设备的数据加入设备库，实现能够准确识别出设备库已有设备，以及发现设备库之外的新设备时能够自动更新设备库的一整套完整的系统监测流程。

为了解决上述技术问题，本发明提供了一种非侵入式负荷监测方法，包括：

设备分类预测子流程：

第一步：通过安装在家庭入口处的数据采集终端，采集一段时间的高频电流、高频电压数据，为进一步的数据分析处理提供数据基础；

第二步：对获取到的原始用电数据进行预处理，包括剔除异常值和插值处理；

第三步：基于上述清洗过的用电数据，提取能够体现用电设备运行状态的特征；

第四步：根据上述提取获得的设备特征，以特征作为分类器模型输入，调用训练生成的分类器模型进行预测，输出对应相应的设备类别编号；

第五步：对分类器分类结果进行分析，分析出有哪些设备正在运行，何时开启，何时关闭，得到用电设备的用能信息：运行状态和能耗；

新设备识别子流程：

第一步：在设备分类预测子流程的第二步中，得到预处理过的一段时间的高频电流、电压波形数据，运用事件探测方法，对暂态事件进行探测，用以检测何时有用电设备开启事件发生，并记录事件的暂态过程发生的时间点和结束的时间点；

第二步：根据上述记录的每一个暂态事件发生的时间点和结束的时间点，作为信息输入，计算出一段时间内设备运行平稳段的数量，即这段时间没有设备再开启的段数，以及标出起始时间及终止时间标出相应的段号并记录；通过截取每一个设备开启和结束的节点，得到多段包含相对应的起始时间、终止时间及段号的设备运行稳定段波形数据；

对所述的各个设备运行稳定段波形数据，进行特征提取，特征计算方法等同于设备分类预测流程中第三步特征提取；计算得到不同设备稳定段的各个特征：电流有效值、有功功率、无功功率、功率因数、U_I轨迹的斜率和面积、U_I轨迹精细斜率的平均值和方差与1到32次谐波；