[发明专利]非侵入式电力负荷分解方法、装置、设备及介质

权利要求书

1.一种非侵入式电力负荷分解方法，其特征在于，包括：

获取目标用户的负荷监测数据，其中，所述负荷监测数据包括各用电设备在监测时间内的电气量总和；

利用滑动窗双边CUSUM事件检测算法对所述负荷监测数据进行状态转换事件检测，获取状态转换事件的开始时间和稳态时间；

根据所述开始时间和所述稳态时间之间的负荷监测数据获取所述状态转换事件的负荷特征向量；

利用混合整数规划模型从预先构建的负荷特征库中获取与所述状态转换事件的负荷特征向量相匹配的最优组合，将所述最优组合作为所述状态转换事件的负荷分解结果，其中，所述负荷特征库中包括所述目标用户的不同用电设备的不同状态转换的标准负荷特征向量，所述最优组合中包括至少一个所述标准负荷特征向量。

2.根据权利要求1所述的非侵入式电力负荷分解方法，其特征在于，所述利用滑动窗双边CUSUM事件检测算法对所述负荷监测数据进行状态转换事件检测，获取所述状态转换事件的开始时间和稳态时间之前，还包括：

以召回率函数和精确率函数作为目标函数，根据所述目标用户在历史监测时间段的历史负荷监测数据以及所述历史监测时间段的真实状态转换事件对所述滑动窗双边CUSUM事件检测算法进行基于NSGA-II算法的多目标优化计算，得到帕累托最优解集；

根据熵权双基点法分别计算所述帕累托最优解集中每个帕累托最优解的相对贴近度，将所述相对贴近度最大的帕累托最优解作为折中最优解；

根据所述折中最优解对应的参数组合对所述滑动窗双边CUSUM事件检测算法进行参数优化。

3.根据权利要求2所述的非侵入式电力负荷分解方法，其特征在于，所述以召回率函数和精确率函数作为目标函数，根据所述目标用户的历史负荷监测数据以及所述历史监测时间段的真实状态转换事件对所述滑动窗双边CUSUM事件检测算法进行基于NSGA-II算法的多目标优化计算，得到帕累托最优解集，包括：

获取目标用户在历史监测时间段的历史负荷监测数据以及所述历史监测时间段的真实状态转换事件；

以平均值计算窗长度、事件过程检测窗长度、功率稳态波动量以及阈值构建参数组合方案集；

利用不同参数组合方案的滑动窗双边CUSUM事件检测算法对所述历史负荷监测数据进行状态转换事件检测，得到所述历史监测时间段的预测状态转换事件；

根据所述历史监测时间段的真实状态转换事件以及所述历史监测时间段的预测状态转换事件分别计算每个参数组合方案对应的精确率和召回率，获取目标函数结果集合；

基于NSGA-II算法，根据所述目标函数结果集合获取所述帕累托最优解集。

4.根据权利要求2所述的非侵入式电力负荷分解方法，其特征在于，所述帕累托最优解集中的每个帕累托最优解包括召回率值和精确率值，所述根据熵权双基点法分别计算所述帕累托最优解集中每个帕累托最优解的相对贴近度，将所述相对贴近度最大的帕累托最优解作为折中最优解，包括：

获取所述帕累托最优解集中每个召回率值的第一熵权，所述第一熵权用于表征不同的召回率值之间的差异；

获取所述帕累托最优解集中每个精确率值的第二熵权，所述第二熵权用于表征不同的精确率值之间的差异；

根据每个所述召回率值与对应所述第一熵权的乘积计算每个所述召回率值对应的召回率熵权值；

根据每个所述精确率值与对应所述第二熵权的乘积计算每个所述精确率值对应的精确率熵权值；

将多个所述召回率熵权值中的最大值和最小值分别作为第一正理想值和第一负理想值，将多个所述精确率熵权值中的最大值和最小值分别作为第二正理想值和第二负理想值，根据所述第一正理想值和所述第二正理想值获取正理想解，根据所述第一负理想值和所述第二负理想值获取负理想解；

根据每个所述帕累托最优解对应的召回率熵权值和精确率熵权值构建加权帕累托最优解；

获取每个所述加权帕累托最优解与所述正理想解的第一欧式距离以及每个所述加权帕累托最优解与所述负理想解的第二欧式距离；

根据每个所述加权帕累托最优解的第一欧式距离和第二欧式距离计算每个帕累托最优解的相对贴近度，将所述相对贴近度最大的加权帕累托最优解对应的帕累托最优解作为折中最优解。