[发明专利]一种基于改进DAG-SVMS的非侵入式负荷辨识方法

权利要求书

1.一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，包括数据采集模块、事件检测模块、特征提取模块、负荷辨识模块，数据传送模块。

所述数据采集模块，用于采集电力系统入口处总电流数据，以及，所述采集方式为将电流互感器输入端接于火线，输出端进行A/D转换。

所述事件检测模块，使用事件检测算法检测采集到的总电流数据，检测到暂态事件后，保存暂态事件起始时间。

所述特征提取模块，用于事件检测模块检测到暂态事件后，特征提取模块将暂态电流波形进行波形分离，获取引起暂态事件的目标负荷暂态波形，进一步的，提取用于区分不同负荷的暂态特征。

所述负荷辨识模块，包括负荷辨识模型训练阶段，还包括负荷实时识别阶段，所述负荷辨识模型训练阶段，以样本库数据为支撑，训练负荷辨识模型；所述负荷识别阶段，实时的提取出引起暂态事件的目标负荷特征，输入辨识模型进行识别。

所述结果数据传送模块，实时识别时，将所述事件检测模块检测得到的暂态起始时间，与所述负荷辨识模块辨识结果反馈给用户，供用户实时监测用电负荷投切时间与工作状态。

2.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述数据采集模块，对电流互感器输出端电流数据采用高频采样，A/D转换，获取总电流数据，为事件检测模块提供数据来源。

3.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述事件检测模块使用事件检测算法进行暂态事件监测，所述事件检测算法为，将总电流数据以周期为单位计算每个周期电流强度，某一时刻，相邻周期电流强度超过阈值，则判定暂态事件发生，记录第二个周期电流起始时刻为暂态事件起始时刻。检测到暂态事件后，若相邻连续几个周期电流强度差值小于阈值，则判定暂态事件结束，记录暂态事件结束时刻；所述暂态事件结束时刻减去所述暂态事件起始时刻得到暂态事件持续时间；所述暂态事件持续时间为电流工作周期整数倍。检测到暂态事件后，将暂态事件波形与暂态事件前电流波形同相位作差，获取目标负荷暂态电流波形；所述电流波形同相位作差，将相同周期长度的暂态事件电流数据与暂态事件前稳态电流数据作差。

4.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述特征提取模块，对目标负荷电流波形进行特征提取，所述特征包括：暂态过程持续时间，暂态电流波形提取最大值、峰峰值、平均值、绝对平均值、电流强度、稳态波形、峰均比、有效值、波形因数、波峰因数、负荷标志位。

5.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述特征提取模块，包括负荷辨识模型训练阶段，还包括负荷辨识阶段。所述负荷辨识模型训练阶段提取各用电负荷特征后，分别贴上训练标签，归一化，形成样本数据库，根据特征标志位将样本分为投入和切除两类，作为训练集；负荷辨识阶段采集到目标负荷特征后，将特征输入训练好的模型进行识别。

6.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述负荷辨识模块，包括训练负荷辨识模型阶段，具体步骤为：

步骤1：样本数据库两类数据样本，每一类样本中任意两种负荷为一个组合进行两两分组；

步骤2：使用PSO算法优化支持向量机误差惩罚参数C和高斯径向基核参数g，分别对每一个分组训练分类器；

步骤3：将两类样本中各组数据训练得到的分类器，分别搭建DAG-VMS识别模型，并使用Gini指数进行节点顺序优化，得到两种识别模型。

7.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述负荷辨识模块，还包括负荷辨识阶段，具体为：电力系统入口处检测到暂态事件，提取目标负荷特征，根据负荷标志位判断暂态事件属于投入或切除，并将特征输入对应的识别模型进行识别。

8.如权利要求1所述一种基于改进DAG-SVMS的非侵入式负荷辨识方法，其特征在于，所述数据传送模块，实时识别时，将暂态事件检测模块检测到的暂态事件起始时间(负荷投切时间)与辨识结果，通过WIFI、GPRS发送至用户终端，或传送至云端存储，供用户终端访问。