[发明专利]一种基于影场的隐马尔可夫模型的非侵入式负荷分解方法

说明书

本发明涉及一种基于影场的隐马尔可夫模型的非侵入式负荷分解方法。本发明在获取各个小区各个用户的用电设备数据后，对数据进行预处理，得到每个用户的总功率序列，使用DTW算法对每个用户的功率序列进行匹配对比，对相似度较高数据段进行标记，获得其类域独立数据与类域重叠数据。然后对类域重叠数据进行分段处理，通过滑动窗口算法得出功率序列的重叠区间，从而达到简化数据库的目的。再通过建立HMM模型对用电数据进行分解辨识。本发明在通过数据简化后能够大量减少数据处理量，提高负荷分解辨识效率，同时，通过HMM模型能够降低因为特征相近所带来的误判。

技术领域

本发明属于负荷检测领域，具体涉及一种基于影场的隐马尔可夫模型的非侵入式负荷分解方法。

背景技术

智能电网是21世纪全球能源的新战略，而电网的第二次智能化重点在于配电和用电。其中负荷监测属于智能电网的高级测量体系技术领域。目前负荷监测技术主要分为两种，分别为侵入式负荷监测和非侵入式负荷监测，侵入式负荷监测需要在每个电器端口介入传感器，而非侵入式负荷监测只需在电表接人口安装监测设备就可利用模式识别技术分析电信号而识别全部电器的状态。由此可见，实现非侵入式负荷监测是未来负荷监测技术发展的主要方向。但是，非侵入式负荷监测的流程中，特征库的建立是其中较为重要的一环，一个简洁的负荷数据库，能够为负荷辨识阶段减少大量的计算工作。因此，在研究非侵入式负荷分解的过程中进行数据库的筛选很有必要。

发明内容

本发明的目的是提供一种基于影场的隐马尔可夫模型的非侵入式负荷监测方法。减少负荷辨识过程中计算的复杂性，同时扩充非侵入式负荷监测的技术范围，增强非侵入式算法的准确性、推广度等。

本发明中提出影场的概念，其特征在于，对小区域用电数据进行“影化”处理，获得影化数据从而来简化数据库。本发明中总数据库R由部分区域中所有的小区数据库R₁、R₂、R₃....所组成。

所述的“影化”处理主要包括两个方面：自影和他影。

自影即使用DTW算法在小区数据库内进行自我匹配，对相似度较高的数据进行提取的过程。获得相似度较高的数据后，建立一个子数据库，通过滑动窗口来提取各个家庭总功率序列的最大重叠区间。

他影即使用DTW算法在各小区数据库之间的匹配，对相似度较高的数据进行提取的过程。获得相似度较高的数据后，建立一个子数据库，通过滑动窗口来提取各个家庭总功率序列的最大重叠区间。

所述的DTW算法是一种典型的优化算法，它的主要思想是将一个复杂的全局最优问题转化为许多局部最优化问题，能够通过将时间轴拉长或者缩短，对不同的时间长度序列进行匹配。DTW算法结合了时间规整和间距测量计算的非线性规整技术，运用动态规划思想，按局部最优化自动寻求一条路径(即时间弯曲函数)，沿该路径两个特征矢量间的距离最小，则相似度最大。

本发明解决技术问题所采取的技术方案为：

步骤1：采集数据，构建数据初始样本；

采集的数据主要有每户家庭总电流以及总电压，每隔三秒采集一个数据点；计算得出每个电器的有功功率。

步骤2：对采集的数据进行自影和他影处理

自影处理方式为：运用DTW算法对小区数据库R₁内的有功功率序列进行两两此对，得到两个序列相似度，并对其进行标记，将小区数据库R₁内相似度较高的有功功率序列组成子数据库Y₁。

他影处理方式为：运用DTW算法对总数据库R内的有功功率序列进行两两此对；计算得到两个序列相似度，并对其进行标记，将小区数据库之间相似度较高的有功功率序列找出组成子数据库F。

将自影和他影步骤中有功功率序列相似度低的数据组合得到数据库W。