[发明专利]一种非侵入式负荷分解方法

权利要求书

1.一种非侵入式负荷分解方法，其特征在于：所述非侵入式负荷分解方法包括：

步骤一、建立负荷特征库，所述负荷特征库中存储有负荷总电流序列；

步骤二、监测得到实际的负荷总电流序列，将监测得到的负荷总电流序列与负荷特征库中存储的负荷总电流序列之间的欧式距离最小作为目标函数构建差分总电流序列模型；

步骤三、利用阶梯递减式个数递减机制构建改进型差分进化算法；

步骤四、应用改进型差分进化算法对建立的差分总电流模型进行迭代优化，得出各个用电器最优时间系数；

步骤五、由最优时间系数确定用电器的开启状态及开启时间，继而实现电力负荷分解，获得负荷识别结果；

其中，所述目标函数为如下式所示：

式中，[t₁,t₂,...,t_n]为使差分总电流序列模型的欧式距离D(I,I₁)最小的各个用电器的时间系数，n为用电器种类；I为监测得到的各个用电器的负荷总电流，I₁为依据负荷特征库得到的各个用电器的负荷总电流。

2.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于：步骤三包括：

步骤301，初始化种群；

步骤302，计算初始化种群的适应度；

步骤303，判断当前解状态，如果为最优解则输出，否则继续执行；

步骤304，执行变异操作；

步骤305，执行基于阶梯递减式c个数递减机制的交叉操作；

步骤306，执行选择操作；

步骤307，判断迭代状态，如果不满足迭代状态条件则继续执行，否则输出最优解。

3.根据权利要求2所述的一种非侵入式负荷分解方法，其特征在于：步骤301中，种群规模设置为NP，迭代次数G＝0,1,...,G_max，G_max为最大迭代次数；

种群中迭代次数为G时第i个个体向量X_i,G＝[x_1,i,G,x_2,i,G,x_3,i,G,...,x_D,i,G]，D为个体向量的维数；

初始化种群在设定的可行域范围内随机均匀产生，初始化种群根据如下公式生成：

x_j,i,0＝x_j,min+rand_i,j[0,1]·(x_j,max-x_j,min)

式中，x_j,i,0是个体X_i,G的第j个分量，x_j,max和x_j,min为个体向量X_i,G第j维的上、下限值，j＝1,2,...,D，rand_i,j[0,1]是0到1之间的随机数。

4.根据权利要求3所述的一种非侵入式负荷分解方法，其特征在于：步骤304中，在种群中随机选择不同个体向量进行差分操作产生差分向量，并对个体向量进行扰动产生变异向量V_i,G，差分变异方程为下式所示：

其中，V_i,G为变异向量，为基向量，r₁、r₂及r₃表示种群中不同个体向量的索引号，r₁,r₂,r₃∈[1,2,...,NP]，r₁、r₂及r₃为不等于i且互不相同的随机整数，及为当前种群中的随机向量，F为变异因子，用于对差分向量进行缩放。

5.根据权利要求4所述的一种非侵入式负荷分解方法，其特征在于：步骤305中，依据交叉因子C_R对当前向量X_i,G和变异向量V_i,G进行重组产生试验向量