[发明专利]基于多特征融合的电力负荷辨识方法及系统

权利要求书

1.一种基于多特征序列融合的负荷辨识方法，其特征是，所述的方法包括：

在用户的用电入口处对有功功率进行监测；

将有功功率利用整数规划求解，确定该时刻可能存在的负荷；

将有功功率通过滑动窗口算法获得功率序列；

根据功率序列提取有功功率的统计特征和奇异值特征；

根据统计特征和奇异值特征通过欧式距离求解可能存在负荷组合各个特征的相似度；

将统计特征和奇异值特征的相似度利用线性加权和法将多相似度转化为综合相似度；

将综合相似度最大值与设定的阈值进行比较确定该时刻运行的负荷；

根据功率序列提取其统计特征和奇异值特征，其具体包括：

统计特征具体有：该时刻的负荷功率序列到极大值的距离为d_max和到极小值的距离为d_min以及平均值和同时包括负荷功率序列曲线轮廓统计特征值r，s，v和f，计算方式如下；

式中：P(t_i)为功率序列t_i时刻的功率值，为功率序列的功率平均值，P(t+d_max)为t时刻负荷功率序列极大值，P(t+d_min)为t时刻负荷功率序列极小值，N为综合相似度，P(t_i-1)为功率序列(t_i-1)时刻的功率值；

通过计算不同时刻的负荷功率序列统计特征，作为负荷功率序列特征的特征向量，其值分别为Φ_k为第k个功率序列特征向量；

奇异值特征统计值求解方法如下：对于负荷功率序列的奇异值特征提取，通过对功率序列进行奇异值分解；奇异值分解的求解如下：对任意的一个矩阵A_m×n，存在正交矩阵U及V使得：

其中，S＝dig{σ₁,σ₂,…,σ_r}，且σ₁≥σ₂≥…≥σ_r＞0，σ_i称为矩阵A的奇异值，i＝1,2,…,r，A是A^HA或AA^H特征值λ_i的算术根，即

2.根据权利要求1所述的基于多特征序列融合的负荷辨识方法，其特征是，根据统计特征和奇异值特征对可能存在的负荷特征通过欧式距离求解相似度；

其具体步骤如下：

首先，计算可能存在负荷组合的统计特征和奇异值特征；

然后，通过欧式距离求解与可能存在负荷组合各个特征的相似度，欧式距离计算公式具体如下：

其中，n是特征值的个数，表示统计特征或者奇异值特征的个数，x_i和y_i分别不同组合的负荷的特征值；

欧式距离表示两者贴近程度，当欧式距离越小，则两者贴近程度越大，为了表示各个特征相似度，相似度定义如下：

3.根据权利要求1所述的基于多特征序列融合的负荷辨识方法，其特征是，将统计特征和奇异值特征的相似度利用线性加权法将多相似度转化为综合相似度，具体步骤如下：

利用线性加权法将多相似度转化为综合相似度，公式如下：

N＝ω₁N₁+ω₂N₂

其中：N₁和N₂分别为统计特征或者奇异值特征与需辨识负荷通过负荷组合的统计特征和奇异值特征求得地相似度，ω₁和ω₂代表两者权重系数，且ω₁+ω₂＝1。

4.根据权利要求1所述的基于多特征序列融合的负荷辨识方法，其特征是，将综合相似度最大值与设定的阈值进行比较确定该时刻运行的负荷，其具体包括：

根据线性加权法将不同组合负荷与需辨识负荷综合相似度求出，将综合相似度最大值与设定的阈值进行比较；若最大值大于阈值，则判定待识别目标为最大值对应的组合，若最大值小于阈值，则拒判。