[发明专利]一种负荷辨识方法和装置在审

专利信息
申请号: 202010961374.5 申请日: 2020-09-14
公开(公告)号: CN112085111A 公开(公告)日: 2020-12-15
发明(设计)人: 钱斌;肖勇;林晓明;胡厚鹏;罗奕 申请(专利权)人: 南方电网科学研究院有限责任公司;中国南方电网有限责任公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/00;G06N3/04
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 杨小红
地址: 510663 广东省广州市萝岗区科*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 负荷 辨识 方法 装置
【权利要求书】:

1.一种负荷辨识方法,其特征在于,包括:

采集负荷用电数据;

对所述负荷用电数据进行预处理,得到预处理数据;

从所述预处理数据中提取负荷特征;

将所述负荷特征输入预设非侵入式负荷综合辨识模型,输出所述负荷用电数据的辨识结果;其中,所述预设非侵入式负荷综合辨识模型包括长短时记忆LSTM神经网络辨识子模型和加权随机森林子模型。

2.根据权利要求1所述的方法,其特征在于,所述对所述负荷用电数据进行预处理,得到预处理数据的步骤,包括:

对所述负荷用电数据进行去重、插值和去噪的预处理,得到预处理数据。

3.根据权利要求1所述的方法,其特征在于,所述负荷特征包括有功功率、无功功率、电流谐波和功率波形;所述从所述预处理数据中提取负荷特征的步骤,包括:

从所述预处理数据中提取所述有功功率和所述无功功率;

对所述预处理数据进行离散傅里叶变换,得到所述电流谐波;

采用所述有功功率、所述无功功率生成所述功率波形。

4.根据权利要求3所述的方法,其特征在于,所述将所述负荷特征输入预设非侵入式负荷综合辨识模型,输出辨识结果的步骤,包括:

将所述有功功率、所述无功功率和所述电流谐波作为样本输入所述LSTM神经网络子模型,输出所述样本的第一辨识结果;

将所述功率波形输入所述加权随机森林子模型,输出所述功率波形的第二辨识结果;

采用预设加权软投票法融合所述第一辨识结果和所述第二辨识结果,输出所述负荷用电数据的辨识结果。

5.一种负荷辨识装置,其特征在于,包括:

负荷用电数据采集模块,用于采集负荷用电数据;

预处理模块,用于对所述负荷用电数据进行预处理,得到预处理数据;

负荷特征提取模块,用于从所述预处理数据中提取负荷特征;

辨识结果输出模块,用于将所述负荷特征输入预设非侵入式负荷综合辨识模型,输出所述负荷用电数据的辨识结果;其中,所述预设非侵入式负荷综合辨识模型包括长短时记忆LSTM神经网络辨识子模型和加权随机森林子模型。

6.根据权利要求5所述的装置,其特征在于,所述预处理模块,包括:

预处理子模块,用于对所述负荷用电数据进行去重、插值和去噪的预处理,得到预处理数据。

7.根据权利要求5所述的装置,其特征在于,所述负荷特征包括有功功率、无功功率、电流谐波和功率波形;所述负荷特征提取模块,包括:

有功功率和所述无功功率提取子模块,用于从所述预处理数据中提取所述有功功率和所述无功功率;

电流谐波提取子模块,用于对所述预处理数据进行离散傅里叶变换,得到所述电流谐波;

功率波形生成子模块,用于采用所述有功功率、所述无功功率生成所述功率波形。

8.根据权利要求7所述的装置,其特征在于,所述辨识结果输出模块,包括:

第一辨识结果输出子模块,用于将所述有功功率、所述无功功率和所述电流谐波作为样本输入所述LSTM神经网络子模型,输出所述样本的第一辨识结果;

第二辨识结果输出子模块,用于将所述功率波形输入所述加权随机森林子模型,输出所述功率波形的第二辨识结果;

辨识结果输出子模块,用于采用预设加权软投票法融合所述第一辨识结果和所述第二辨识结果,输出所述负荷用电数据的辨识结果。

9.一种负荷辨识设备,其特征在于,所述设备包括处理器以及存储器:

所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的负荷辨识方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的负荷辨识方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南方电网科学研究院有限责任公司;中国南方电网有限责任公司,未经南方电网科学研究院有限责任公司;中国南方电网有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010961374.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top