[发明专利]一种基于暂稳态组合特征的由事件驱动的非侵入式电力负荷监测方法

权利要求书

1.一种基于暂稳态组合特征的由事件驱动的非侵入式电力负荷监测识别方法，其特征在于，包括：

步骤S1，利用电流均方值的跳变量实现电器投切事件的检测；

步骤S2，利用电流的可加性实现电器事件信号与叠加信号的分离；

步骤S3，从事件电流中以电流基本周期(0.02s)为单位提取两组电流轨迹特征，分别是电流波形多维度统计特征以及有功、无功功率和谐波含量特征(P-Q-THD)；

步骤S4，训练随机森林模型以预测事件样本从属于不同电器类型的概率，同时对不同设备类别单独训练独立二分类模型，二分类模型采用了一种可训练权重的k-NN模型。

步骤S5，预测时，首先将待预测的样本输入随机森林模型，根据随机森林排序结果依次输入到前H个类别对应的二分类模型进行分类，输出最终结果。

2.根据权利要求1所述的一种基于暂稳态组合特征的由事件驱动的非侵入式电力负荷监测识别方法，其特征在于，所述步骤S1中投切事件检测的具体方法为：

对于采集到的入口处电信号，通过过零检测法寻找电压信号的过零点作为一个基础周期的开始，在每一个基础频率周期内求解平均电流信号的均方根(rms)，同时也求解平均电压信号的均方根值。假设一个基础周期内有n个采样点，在第t个周期内电压的均方根求解如下：

其中v_t,j是第t个周期的第j个采样值。利用电压的均方根值对电流的均方根值进行归一化，以去除标准电压幅度变化引起的电流波动，选取的标准电压为V_norm，计算第t个周期内的归一化电流为：

将相邻周期的归一化电流均方差值做差，得到电流均方值的跳变量序列，通过平方处理扩大相邻周期的跳变量差异，得到跳变量平方序列P_t，以便于进行变点检测。这一过程的计算公式描述如下：

变点检测该算法需要两个参数：1)阈值θ，任何低于该阈值的跳变量都会被过滤掉；2)事件之间的最小时间间隔W。当第个t周期的跳变量平方值P_t大于给定的阈值θ，且距离上一个检测到的事件间隔大于给定值W时认为在当前周期内检测到电器投切事件。值得注意的是，阈值越小，时间间隔越小，事件的分辨率越高。

3.根据权利要求1所述的一种基于暂稳态组合特征的由事件驱动的非侵入式电力负荷监测识别方法，其特征在于，所述步骤S2中利用电流的可加性实现电器事件信号与叠加信号的分离的具体方法为：

家用电路中不同电器设备之间是并联的，NILM设备采集到的入口处电流为所有电器电流的加和。设采样频率为f，每个周期有n个采样值。将事件发生前的电流稳态信号作为分离的基准信号。将投切事件发生时刻及其后一段时间内的信号与基准信号做差以得到事件独立信号。以基本周期作为电流做差的基本单位，对于发生在第t周期的事件，我们选取第t-M₁-M₂周期到第t-M₁周期共M₂个完整周期的电流计算平均周期电流i_base，是不同周期电流采样序列对应位置取平均得到的。是一个周期内的采样信号向量，维度为n。选定窗口长度L，提取事件发生后第t到t+L周期内的L个周期的窗口电流信号，{i₁,i₂,...,i_l,...,i_L}，L取值要满足可以覆盖事件发生后的暂态与部分稳态，利用窗口电流与基准电流分离事件独立电流I_e如下：

由于投切事件是与设备一一对应的，我们可以构建单一设备的负荷特征库，而不需要考虑不同设备之间的干扰。