[发明专利]一种非侵入式负荷监测多变量暂态特征提取方法

权利要求书

1.一种非侵入式负荷监测多变量暂态特征提取方法，其特征在于，至少包括如下步骤：

步骤S10，根据负荷对应的多变量数据，建立对应的多维时间序列，所述多维度时间序列的特征编号分别对应于基本有功功率时间序列、无功功率时间序列、三次电流谐波、五次电流谐波、七次电流谐波；

步骤S11，根据预先确定的多元滑动窗算法构建一多变量暂态特征检测通用模型；

步骤S12，在所述多变量暂态特征检测通用模型中，根据所述多元滑动窗算法，移动预定尺寸的窗口，计算当前窗口内决策函数值；

步骤S13，将所述决策函数值并与比较阈值进行比较，对暂态过程起止时刻进行定位；

步骤S14，根据获得的起止时刻，截取暂态过程起止时刻区间内的多维向量，计算获得对应的暂态特征。

2.如权利要求1所述的方法，其特征在于，所述步骤S10进一步包括：

根据实时监测的负荷数据，定义一组输入的多维时间序列为x_m∈lR^p，如x_m＝(x_m,1,…,x_m,j,…,x_m,p)^T。其中x_m,p是特征j∈{1,…,p}在m时刻的值；

令且m∈{t_a,…,t}，特征编号{1,…,p}分别对应“基本有功功率时间序列、无功功率时间序列、三次电流谐波、五次电流谐波、七次电流谐波”需要融合进行暂态特征提取的多维时间序列。

3.如权利要求2所述的方法，其特征在于，所述步骤S11进一步包括：

在多元滑动窗算法中，预设第一个包含w/2个采样点的窗口和最后一个包含w/2个采样点的窗口为暂态过程检测输入样本，另设包含u个采样点的窗口作为跨步窗口，跨步窗口中的数据不参与暂态过程检测计算；

则每个向量x_m假设遵循一个多元高斯分布其中μ∈lR^p是平均向量，Σ∈lR^p×p是半定协方差矩阵；

通过动态修正统计参数来建模分析t_b和t_c之间的潜在暂态过程，建立多变量暂态特征检测通用模型，包括如下假设：

其中，在“无变化”假设H₀下(式1)，信号样本x_m服从具有平均向量μ₀和协方差矩阵Σ₀的多变量高斯分布；

在“有变化”假设H₁下(式2)，在t_a和t_b之间，信号样本x_m服从平均向量为μ_1a，协方差矩阵为Σ_1a的多变量高斯分布；在t_c和t之间，信号样本x_m服从平均向量为μ_1b，协方差矩阵为Σ_1b的多变量高斯分布，且μ_1b≠μ_1a或Σ_1b≠Σ_1a。

4.如权利要求3所述的方法，其特征在于，在1Hz低频数据场景中，所述w和u分别取值为20和5。

5.如权利要求3或4所述的方法，其特征在于，所述步骤S12进一步包括：

步骤S120，建立贝叶斯信息准则(BIC)基本模型，包括：

在假设Hi下(i∈{0,1})，定义X_t,p的BIC为以模型复杂度为惩罚函数的最大似然准则，与M_i相关，按照如下方法估计概率模型中的可变参数：

其中λ是一个惩罚因子，理想情况下等于1；为假设H_i下的似然函数，对应的观测数据的联合概率密度函数(Probability Density Function，PDF)为：

步骤S121，根据下式进行BIC决策函数计算，获得决策函数值g_t：

比较阈值h≥1