[发明专利]一种基于改进DAG-SVMS的非侵入式负荷辨识方法在审

专利信息
申请号: 202110252776.2 申请日: 2021-03-05
公开(公告)号: CN113036754A 公开(公告)日: 2021-06-25
发明(设计)人: 王毅;徐元源 申请(专利权)人: 重庆邮电大学
主分类号: H02J3/00 分类号: H02J3/00;H02J13/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 400065*** 国省代码: 重庆;50
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 基于 改进 dag svms 侵入 负荷 辨识 方法
【说明书】:

发明公开了一种基于改进DAG‑SVMS的非侵入式负荷辨识方法。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。数据采集模块采集电力系统入口处总电流数据;事件检测模块对电流进行暂态事件检测;检测到暂态事件后,特征提取模块进行暂态波形分离,将分离后暂态电流波形特征,特征归一化处理;负荷辨识模块使用DAG‑SVMS算法训练生成负荷识别模型,分类器使用粒子群算法进行参数优化,使用基尼指数优化DAG‑SVMS节点排列顺序,以减小累积误差,提高模型识别准确率。当电力系统内部包括多种负荷,特别地,存在负荷状态变化变频负荷时,本发明提出的方法能够准确识别发生变化的负荷种类和时间,辨识准确率高,速度快。

技术领域

本发明涉及智能电网领域,特别地,提出一种基于改进DAG-SVMS的非侵入式负荷辨识方法

背景技术

在供电入口处嵌入非侵入式负荷识别技术,有利于电力需求侧管理、实现电力用户与电网之间的用电信息交流、优化用户用电、完善智能电网体系的建设,同时,推动智能家居的发展。

从负荷特征提取角度出发,非侵入式负荷识别技术可分为基于暂态的和基于稳态的,考虑到暂态特征的提取需要较高的采样频率,对硬件要求较高,目前大多数的非侵入式负荷识别技术是基于稳态的,但是随着大规模集成电路的发展,硬件成本降低,基于暂态的非侵入式负荷识别技术发展与普及成为可能。相较与稳态,暂态特征能够提供更多的细节信息,在状态持续变化的变频设备识别中表现出更好的性能,识别准确率更高,其次,以暂态过程的特征提取作为输入,将多负荷的识别转化为单负荷识别模型,辨识复杂性降低。

综上,本发明公开了一种基于改进有向无环图的非侵入式负荷辨识方法,先对系统暂态过程进行检测,检测到暂态过程后进行暂态波形分离进行暂态特征提取,将特征量归一化处理后,使用DAG-SVMS算法训练生成负荷识别模型,并对模型中的分类器利用PSO算法进行参数优化,最后优化分类模型节点排列顺序,减小累积误差提高模型识别准确率。本发明较于一般方法,识别准确率高,识别速度快,实用性强。

发明内容

本发明公开了一种基于改进DAG-SVMS的非侵入式负荷辨识方法,本发明较于一般方法,识别准确率高,识别速度快,实用性强。

本发声的目的之一是通过如下方案实现的,一种基于改进DAG-SVMS非侵入式负荷辨识方法,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。

进一步地,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,以获取总电流数据,为事件检测模块提供数据来源。

进一步地,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基于启发式的暂态事件监测算法,具体包括:

定义第T个周期的负荷电流强度定义为:

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重庆邮电大学,未经重庆邮电大学许可,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/202110252776.2/2.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