[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

说明书

本发明涉及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，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；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。本发明将隐马尔科夫模型应用于非侵入式负荷辨识领域，本发明为隐马尔科夫模型应用于非侵入式负荷辨识的一种实现，克服了负荷特征库过大、电网供电存在波动、相近特征量家用电器负荷难以区分的问题，取得了较高的识别精度。

技术领域

本申请涉及非侵入式负荷辨识技术领域，尤其涉及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。

背景技术

随着智能电网信息化、自动化、智能化进程加快，电力系统对需求侧的透明度要求越来越高，实时、精确的负荷设备识别对于电力系统的规划、负荷预测以及市场调节至关重要。从目前情况来看，负荷监测与用能分析具有广阔的发展前景，通过负荷监测与用能分析可以为居民用户提供详实的家庭能效信息，帮助用户分析家庭能耗构成，使用户了解自身行为习惯对于家庭能效的影响，从而引导用户自觉地采取节能措施，并养成节能行为习惯，同时为用户提供个性化的用电设备节能控制策略服务。

传统的侵入式家居负荷辨识需要大量的硬件设施，它需要在家庭内部每个负荷上都安装具有通信与数据采集能力的模块，安装与维护不便，经济成本较高，且未考虑到用户隐私等问题，推广难度较大。与之相比，通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律，这种方法经济成本低，实用性较强，因此引起了广泛的关注。

因此，如何通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律，是目前需要解决的主要问题。

发明内容

本申请提供了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，解决了如何通过直接采集用户入口处的数据来识别用户内部各个负荷的工作运行状态，从而对用户进行用能分析，了解用户内部各个负荷的用电信息与用电规律的问题。

本申请采用的技术方案如下：

本申请的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，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；

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。

进一步地，所述时间窗为指定的一段时间。

进一步地，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。

进一步地，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。