[发明专利]一种基于鸡群算法的多特征加权的家用电气负荷识别方法

说明书

本发明涉及一种基于鸡群算法的多特征加权的家用电气负荷识别方法，包括以下步骤：步骤1、在用户端口处安装传感器，在获取的用户基础数据中，对各个电气属性有功功率、无功功率、谐波电流进行统计；步骤2、对获取的用户基础数据中，对各个电气属性有功功率、无功功率、谐波电流进行目标函数的寻优；利用改进的离散式鸡群算法获取得到目标函数最优值；步骤3、对各个电气特征所得的电气运行结果，构建属性决策矩阵，利用结构熵权法，获取电气特征量的熵数值，对应步骤2中得出的识别矩阵，将熵值法确定的权重和对识别矩阵的赋值结合，得到最终的负荷使用情况。本发明解决了现有技术中非侵入式负荷监测进行负荷识别的准确度。

技术领域

本发明涉及电力领域，用于非侵入式电气设备中，具体而言涉及一种基于鸡群算法的 多特征加权的家用电气负荷识别方法。

背景技术

能源资源的合理规划使用在在当今世界上一直是热点问题，如今能源紧张的局势加 剧，环境问题也是日益严峻，各国都在提倡节能减排，提高能源利用率。为此，我国政府也是积极制定的一系列节能减排的政策。电力部分也是积极响应国家号召，对电网内部进一步规划，优化运行负荷，减少损耗。而在人民生活水平大幅度提高的今天，居民用电电 能消耗比重的逐渐增大。因此，对居民用电情况进行分析，合理安排居民用电，提倡低碳 生活，减少能源消耗，对保护自然环境、自然资源具有重大的意义。

而在如今智能电网的背景下，采集居民的大量用电数据，对用户用电习惯的分析以及 更深层次的利用成为研究热点，这是探究智能电网与用户进行频繁交互的实际基础，为之 后的分析用户的用电行为、如何合理规划、引导用户的用电习惯。如何收集居民用电的详 细数据成了首要问题。起初，侵入式负荷监测成为人们的首要选择，但侵入式监测需要在 每一个电器上安装传感器，虽然能够在电器的使用时准确的获取电器的实时用电量以及相 关的电气参数，如电压、电流、频率、有功功率、无功功率和功率因数。但大量传感器以 及数据传输装置需要安装，一方面大量的安装维护工作会对用户的生活产生影响，设备在 用户侧的推广难度增大，另一方面大量的传感器以及数据传送通道的建设对于设备的成本 也有较大的提高。

基于此，Hart教授于1982年提出了非侵入式负荷监测NILM(Non-Intrusive LoadMonitoring)方法，通过检测用户端口处的电气信息，依据电气信息，利用数学算法对用户总体用电功率实行分解，计算出用户室内各电气设备的运行情况。对比于侵入式监测，NILM的成本低，安装维护更加方便，推广使用的价值强，在居民家庭为主体的负荷监测 场景中，拥有着广泛的应用前景。但目前非侵入式识别负荷的准确度相较于侵入式而言还 有很大的不足。

发明内容

本发明提供了一种非侵入式负荷识别的方法，以至少优化提高现有技术中对非侵入式负 荷监测进行负荷识别准确度低的技术问题。

本发明至少通过如下技术方案之一实现。

一种基于鸡群算法的多特征加权的家用电气负荷识别方法，该方法包括以下步骤：

步骤1、基础数据处理：在用户端口处安装传感器，采集用户电气数据，统计居民用户的用电习惯，以此作为基础数据库；在获取的用户基础数据中，对各个电气属性有功功率、无功功率、谐波电流进行统计；

步骤2、目标函数寻优：对获取的用户基础数据中，对各个电气属性有功功率、无功功 率、谐波电流进行目标函数的寻优；利用改进的离散式鸡群算法得到目标函数最优值；

步骤3、结构熵权法加权分析：对各个电气特征所得的电气运行结果，构建属性决策 矩阵，利用结构熵权法，获取电气特征量的熵数值，依据得出的识别矩阵，将熵值法确定的权重和对识别矩阵的赋值结合，最终识别出负荷使用情况。该方法将采集的居民用电离散数据进行进一步分类细化，通过权重比例设定，结合鸡群算法寻优，使得非侵入式识别结果更加符合居民用电习惯，识别结果也更加准确。

进一步地，所述步骤1包括：