[发明专利]基于假设检验的事件检测算法检测开关事件的方法和装置

说明书

本申请提供了一种基于假设检验的事件检测算法检测开关事件的方法和装置，涉及电力检测领域。所述方法包括：根据检测窗口、参考数据集以及拟合优度值公式，计算得到所有样本的拟合优度值，确定拟合优度值为最大值的样本点为可疑样本点；以可疑样本点为基点，前后各取一个长度为预设数量的第一样本窗口和第二样本窗口；计算统计量Z的计算值；根据计算值，得到概率值P的计算值；在样本有显著差异的情况下，确定可疑样本点为开关事件发生点。本发明的技术方案，只针对可疑点进行事件检验，不但运算简单迅速，并且在用电功率较大时，依然保证了开关事件的识别精度，不会出现漏检且具有较高的鲁棒性。

技术领域

本发明涉及电力检测领域，尤其是涉及一种基于假设检验的事件检测算法检测开关事件的方法和装置。

背景技术

非侵入式负荷监测(Non-intrusive load monitoring，NILM)技术Hart于10世纪80年代首次。NILM技术采用非侵入式负荷监测方法，只需要在用户的电力入户处进行用电数据采集，通过信号分析与处理进行负荷识别，即可实现对整个系统内部负荷的在线监测，最终获取整个用电网络内所有负荷的状态，该技术操作方便、成本低、效益高，也是用户和电力公司实现双向互动服务体系的重要环节之一。

NILM包括四个步骤，分别是数据量测及预处理、事件检测、负荷特性提取、负荷识别，精准的检测出开关事件才能为特性提取和负荷识别做好准备。为了提高NILM在事件检测方面的准确度，近年来国内外研究人员提出了很多改进方法。例如：基于贝叶斯信息准则的负荷事件检测方法；采用小波变换技术的负荷事件检测方法；使用倒频谱分析法的负荷事件检测方法；基于标准卡方拟合优度方法的负荷事件检测方法等。

但上述各种存在数据处理量大、涵盖面不全、鲁棒性等问题，从而导致对开关事件的识别精度较差，尤其是在用电功率较高时，开关事件漏检较为严重。

发明内容

鉴于上述问题，本发明提供一种基于假设检验的事件检测算法检测开关事件的方法和装置，解决了开关事件的识别精度较差，尤其是在用电功率较高时，开关事件漏检较为严重的问题。

本发明实施例提供一种基于假设检验的事件检测算法检测开关事件的方法，所述方法应用于智能电表，所述智能电表用于采集用户的用电总功率，所述方法包括：

步骤1：根据检测窗口、参考数据集以及拟合优度值公式，计算得到所述检测窗口中所有样本的拟合优度值，所述参考数据集为所述智能电表采集的所述用电总功率形成的数据集，所述检测窗口为检测所述开关事件是否发生所使用的窗口，所述检测窗口大小的最小值为预设值，所述检测窗口大小的最大值由用户的用电设备状态转变的最大长度决定；

步骤2：对比所述检测窗口中所有样本的拟合优度值中的最大值与功率波动阈值的大小关系，所述功率波动阈值通过经验法得到，所述功率波动阈值随所述检测窗口大小的改变而改变；

步骤3：在所述拟合优度值中的最大值大于所述功率波动阈值的情况下，确定拟合优度值为最大值的样本点为可疑样本点；

步骤4：以所述可疑样本点为基点，前后各取一个长度为预设数量的第一样本窗口和第二样本窗口；

步骤5：对所述第一样本窗口中的样本和所述第二样本窗口中的样本采用Z检验的公式进行计算，得到统计量Z的计算值；

步骤6：根据所述统计量Z的计算值，计算得到所述开关事件发生的概率值P的计算值；

步骤7：根据所述概率值P的计算值与标准值，以及所述统计量Z的标准值与计算值，判断所述第一样本窗口中的样本和所述第二样本窗口中的样本是否有显著差异；

步骤8：在所述第一样本窗口中的样本和所述第二样本窗口中的样本有显著差异的情况下，确定所述可疑样本点为所述开关事件发生点。