[发明专利]基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法

权利要求书

1.一种基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于，包括以下步骤：

采集多个家用电器启停时的有功功率、无功功率、电流二次谐波、电流三次谐波的变化量，作为特征库中的样本特征；

根据各个所述样本特征，给出各类电器启停时采集的有功功率、无功功率、电流二次谐波、电流三次谐波变化量的联合概率分布作为多参量隐马尔科夫模型的观测概率分布；

依据样本特征库中各个样本特征的出现次序，给出某电器启停事件发生后下一个发生事件属于某事件类的概率分布作为多参量隐马尔科夫模型的状态转移概率分布；

在一个时间窗内，截取用户用电入口处有功功率、无功功率、电流二次谐波、电流三次谐波变化量序列，作为多参量隐马尔科夫模型观察值向量序列；

在每一个时间窗开始时，设定每类事件的初始发生概率均为0，形成多参量隐马尔科夫模型中的初始概率分布；

依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布，计算多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。

2.根据权利要求1所述的基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于，所述时间窗为指定的一段时间。

3.根据权利要求1所述的基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于，所述各电器启停事件序列为各家用电器启停事件构成的序列。

4.根据权利要求1所述的基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于，依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、初始概率分布，应用Viterbi算法求得多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的，还包括：

依据所述多参量隐马尔科夫模型观察值向量序列、观测概率分布、状态转移概率分布、使用零初始化概率分布，应用Viterbi算法求得多参量隐马尔科夫模型的隐含状态链，即各电器启停事件序列，从而达到负荷辨识的目的。