[发明专利]基于电压电流正交曲线的用电感知方法

说明书

本发明涉及电力技术领域，尤其涉及一种基于电压电流正交曲线的用电感知方法，包括：采集专变运行数据；对专变运行数据进行分析，探测专变运行过程中的负荷事件，并记录负荷事件变化前后的负荷数据；利用负荷事件变化前后的负荷数据基于电压电流正交曲线提取不同负荷事件中表征负荷特性的图形特征；基于提取的图形特征针对不同负荷设备建立对应工作状态的特征库；利用特征库进行机器学习算法训练获得训练模型，完成对图形特征的自适应识别，实现专变用户的用电行为感知。本发明实现专变用户的用电行为感知，分析效率高且准确率高。

技术领域

本发明涉及电力技术领域，尤其涉及一种基于电压电流正交曲线的用电感知方法。

背景技术

电力用户的用电行为感知技术是一种针对电力用户用电信息进行采集分析的技术，其技术基础是非侵入式负荷监测技术(non-intrusive load monitoring，NILM)，利用用户总电源入口的电量信息对用户内部的负荷信息进行分解、分析、记录。

目前，电力公司采用人为监控或者简单的算法对用户的用电事件进行简单的分析，一方面分析的效率较低，另一方面分析的准确率较低。

发明内容

为解决上述问题，本发明提出一种基于电压电流正交曲线的用电感知方法。

基于电压电流正交曲线的用电感知方法，包括：

采集专变运行数据；

对专变运行数据进行分析，探测专变运行过程中的负荷事件，并记录负荷事件变化前后的负荷数据；

利用负荷事件变化前后的负荷数据基于电压电流正交曲线提取不同负荷事件中表征负荷特性的图形特征；

基于提取的图形特征针对不同负荷设备建立对应工作状态的特征库；

利用特征库进行机器学习算法训练获得训练模型，完成对图形特征的自适应识别，实现专变用户的用电行为感知。

优选的，所述对专变运行数据进行分析，探测专变运行过程中的负荷事件包括：针对专变运行数据，基于滑动窗的双边累计和暂态事件检测算法检测不同类型负荷的负荷事件。

优选的，所述利用负荷事件变化前后的负荷数据基于电压电流正交曲线提取不同负荷事件中表征负荷特性的图形特征包括：

利用负荷事件变化前后的负荷数据生成电压电流正交曲线及平均曲线；

获取电压电流正交曲线中最高点和最低点间的跨度及平均曲线近零点的斜率；

提取电压电流正交曲线中的图形特征，分析各类图形特征与负荷特性的关系，通过比较得到与负荷特性相关度较高的图形特征。

优选的，所述基于提取的图形特征针对负荷设备建立对应工作状态的特征库包括：对建立完成的特征库通过模式识别算法进行训练增强。

优选的，所述基于提取的图形特征针对负荷设备建立对应工作状态的特征库还包括：

在每次成功感知用电行为后均可利用识别过程中的图形特征作为特征库的补充，动态的进行该类设备的特征库的更新。

优选的，所述基于提取的图形特征针对负荷设备建立对应工作状态的特征库还包括：将同类不同型号的设备特征再次组合形成设备分类的图形特征，在新设备的用电行为感知过程中在感知到设备工作的图形特征与某类设备的分类图形特征有一定的相似度，即可完成设备特征的聚类分层；对于特征库中已有的设备特征，通过建立不同维度的分类标准完成特征库的动态调整。

优选的，所述利用特征库进行机器学习算法训练获得训练模型包括：

利用特征库通过AdaBoost机器学习算法训练出能识别出不同负荷设备的识别器F(x)。

本发明的有益效果：