[发明专利]一种电力用户负荷细粒度识别方法及识别系统

说明书

本发明涉及一种电力用户负荷细粒度识别方法及识别系统，其中识别方法包括利用高频采样设备实时获取各类负荷的稳态电压、电流数据；在获取到各类负荷稳态电压、电流数据之后，利用Fryze功率理论将高频采样电流分解为有功、无功电流，并对高频采样电压与无功电流进行标准化处理构建二维V‑I轨迹图像；得到二维V‑I轨迹图像后，通过RGB颜色编码技术对二维V‑I轨迹进行处理，在R、G、B三通道中分别融合有功电流、瞬时功率及其变化信息，得到彩色V‑I轨迹图像；构建卷积神经网络，调整彩色V‑I轨迹图像分辨率，将其作为神经网络输入，对彩色V‑I轨迹图像进行特征提取，实现对负荷的识别。与现有技术相比，本发明具有识别精度高、通用性强等优点。

技术领域

本发明涉及一种电力负荷细粒度识别方法，尤其是涉及一种电力用户负荷细粒度识别方法及识别系统。

背景技术

随着家庭住宅与商业建筑的用电量的持续增加，减少建筑物的能耗浪费具有重要意义，非侵入式负荷监测(Non-Intrusive Load Monitoring，NILM)技术能够实现最低成本的能耗监测与管理，从而达到节能减排的目的。NILM技术通过获取电力用户总线的负荷数据，实时分析用户内部负荷类别、运行状态及能耗情况，帮助用户了解自身用电习惯，指导用户优化用电模式，减少家庭电能消耗；同时，有助于电网增强需求侧精细化管理，挖掘电力用户动态需求响应潜力，提供双向互动智能用电服务。

目前，单一的V-I轨迹只能传递图像信息，从原理上无法反映设备的功率、谐波等信息，且由于电器种类繁多，工作原理相似的不同种类负荷间存在V-I轨迹特征重叠的现象。虽然特征融合能够解决特征单一及特征重叠的问题，但目前特征融合多选用稳态特征进行融合，对暂态特征的关注度不足，而暂态特征由于其独特性更适用于负荷识别任务，所以现有技术中的电力用户负荷识别方法的识别精度较低，算法处理速度也较慢。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种识别精度高、通用性强的一种电力用户负荷细粒度识别方法及识别系统。

本发明的目的可以通过以下技术方案来实现：

一种电力用户负荷细粒度识别方法，所述的识别方法包括：

步骤1：利用高频采样设备实时获取各类负荷的稳态电压、电流数据；

步骤2：在获取到各类负荷稳态电压、电流数据之后，利用Fryze功率理论将高频采样电流分解为有功、无功电流，并对高频采样电压与无功电流进行标准化处理构建二维V-I轨迹图像；

步骤3：得到二维V-I轨迹图像后，通过RGB颜色编码技术对二维V-I轨迹进行处理，在R、G、B三通道中分别融合有功电流、瞬时功率及其变化信息，得到彩色V-I轨迹图像；

步骤4：构建卷积神经网络，调整彩色V-I轨迹图像分辨率，将其作为神经网络输入，对彩色V-I轨迹图像进行特征提取，实现对负荷的识别。

优选地，所述步骤1中高频采样设备对负荷电压、电流的采样频率大于或等于20KHz。

优选地，所述步骤1中高频采样设备采集负荷的稳态电压时，在单个电器的开关事件前后，电压波形基本保持不变，其电流波形通过计算开关事件前后总线的稳态电流差值来获取。

更加优选地，所述的单个电器开关事件的判断方法为：

计算负荷在某一时刻相邻周期的有功功率差值，若该差值大于设定的阈值则检测到有开关事件发生。

优选地，所述的步骤2中采用Fryze功率理论进行电流分解的方法具体为：

i_f(t)＝i(t)-i_a(t)