[发明专利]基于多层级分类的非侵入式负载识别方法及系统

说明书

本发明公开了一种基于多层级分类的非侵入式负载识别方法及系统，首先为需要识别的负载构建数据库，并将数据库中的各负载进行多层次分类，定义各负载所属的负载类型和具体电器，然后通过检测负载的稳态特征并据此确定负载所属的负载类型，再检测负载的稳态特征、暂态特征和行为模式，并据此进一步确定负载所属的具体电器，从而实现非侵入式负载识别。本发明与传统的OAR方法相比，提高了分类的准确性，减少了识别的计算复杂性，识别过程更简单、快速、精确。

技术领域

本发明涉及电网技术，尤其涉及一种基于多层级分类的非侵入式负载识别方法及系统。

背景技术

建筑的电力能源消耗约占中国总发电量的75％。在商业建筑和家庭居民使用的一次电力中，约有37％的电能被各种繁杂的电力负荷(Miscel laneous Electric Loads，MEL)所消耗，预计在2008年到2030年间其用电量将增长78％。对MEL进行有效的管理会将建筑节能量提高约10％至30％。但由于MELs的多样性，开发广泛适用的MELs节能解决方案非常困难。如果要在现有的家用电器上安装智能家居控制的通讯单元也不切实际，而非侵入式负荷识别技术则是解决该问题一个行之有效的思路。

G.W.Hart在20世纪80年代提出并开发了第一个非侵入式负荷监测与识别(NILM)的方法。此后，大部分的研究学者都在以下4个方面进行的研究，包括数据采集层，事件检测层，特征提取层和分类算法层。特征提取层是成功解决NILM技术的关键。对于稳态特征的探索，现有技术利用了有功、无功功率以及稳态特性的RMS电流值来识别负载类型，在此基础上，电流谐波也被用作特征提取的核心技术用于识别非线性直流电源的负载。现有技术中提出了一种新的V-I轨迹建模方法，通过负载的V-I轨迹特征来识别，但稳态特征的提取时间较长，且细节信息相似，当出现负荷印记叠加时，达不到快速、精准的要求。对于暂态特征的提取，高云，曲朝阳等学者建立家庭用电负荷暂态特征的标准化模板，考虑用开关特性产生的瞬态特征贴近度进行识别，加上人工智能算法的蓬勃发展，结合k-NN结合核Fisher等智能算法优化了识别的精度和快速性，但暂态特征的获取对设备的采样频率要求很高，成本高昂，不利于市场推广和大面积运用。

发明内容

本发明主要目的在于，提供一种基于多层级分类的非侵入式负载识别方法及系统，以解决现有技术中通过稳态特征提取进行负荷识别时间长，不准确，而通过暂态特征提取进行负荷识别对设备采样频率要求高的问题。

本发明是通过如下技术方案实现的：

一种基于多层级分类的非侵入式负载识别方法，包括：

步骤1：为需要识别的负载构建数据库，所述数据库中包括若干种类型的负载；

步骤2：对所述数据库中的各负载进行多层次结构分类，所述多层次结构包括负载类型和具体电器；

步骤3：检测负载的稳态特征，并据此确定所述负载所属的负载类型；

步骤4：检测负载的稳态特征、暂态特征和行为模式，并据此确定所述负载所属的具体电器。

进一步地，所述稳态特征为负载的前端电路的稳态特征。

进一步地，所述稳态特征包括时域特征、频域特征和电压电流波形特征。

进一步地，所述负载类型包括纯阻性负载、感性负载、不带功率因数校正的负载、带功率因数校正的负载、线性电源、相角可控负载和复杂结构负载。

一种基于多层级分类的非侵入式负载识别系统，包括：

数据库构建模块，用于为需要识别的负载构建数据库，所述数据库中包括若干种类型的负载；

分类模块，用于对所述数据库中的各负载进行多层次结构分类，所述多层次结构包括负载类型和具体电器；