[发明专利]一种非侵入式电力负荷分解的辨识决策方法及系统

说明书

本发明涉及一种非侵入式电力负荷分解的辨识决策方法及系统，属于电力负荷分解技术领域。本发明首先采用非侵入式设备采用负荷侧的用电信息，并从中提取出电力负荷特征；采用至少两种负荷分解算法对提取出的电力负荷特征进行分解，且每种算法都进行设备的辨识；采用辨识据测算法对得到电力负荷分解的辨识结果进行决策。本发明同时采用不同的方法对家用电器设备进行辨识，通过辨识决策算法对三种辨识结果进行决策，提高了辨识的准确度，并通过实际样例测试决策算法的效果。

技术领域

本发明涉及一种非侵入式电力负荷分解的辨识决策方法及系统，属于电力负荷分解技术领域。

背景技术

电力负荷分解可以采用侵入式和非侵入式的装置。侵入式的装置要求在用户家庭每一个电器设备线路上安装传感器，以检测设备的工作状态和相关用电信息。不仅成本高，而且安装麻烦，还给用户带来不便。非侵入式的电力负荷分解装置，成本低，安装方便易于被用户接受。但是，现存的一些电力负荷分解方法，都是通过单一方法进行负荷分解，可能受偶然因素的影响，精度有限。因此，提高非侵入式电力负荷分解方法来进行电器设备识别是迫切任务。特别是电网公司通过负荷分解了解负荷侧信息进行调峰谷，制定用电计划，精度偏低的电力负荷分解方法已不能满足实际系统的要求。所以，实际的使用需求也同样迫切要求高精度的电力负荷分解方法的出现。单一辨识方法局限性大，很容易受某一因素影响而降低识别精度，这样会造成对负荷侧的设备判断失误，从而影响之后的调峰谷等用电调度，不仅影响用户侧的用电体验，也不利于节能降耗。

发明内容

本发明的目的是提供一种非侵入式电力负荷分解的辨识决策方法及系统，以提高电力负荷分解的辨识度。

本发明为解决上述技术问题提供了一种非侵入式电力负荷分解的辨识决策方法，该方法的步骤如下：

1)采用非侵入式设备采用负荷侧的用电信息，并从中提取出电力负荷特征；

2)采用至少两种负荷分解算法对提取出的电力负荷特征进行分解，且每种算法都进行设备的辨识；

3)采用辨识据测算法对得到电力负荷分解的辨识结果进行决策。

所述步骤2)采用三种负荷分解算法，分别为神经网络、K-means和NaiveBayes。

所述步骤2)中采用三种不同的负荷分解算法得到各设备辨识时，还需计算出设备的距离d，

d＝||(F-(P_i+P_j))||²

其中i,j为设备编号，F为各设备组合工作状态实际测得的功率，P_i和P_j为设备单独工作时的功率。

所述步骤3)的中辨识决策算法是根据步骤2)各算法得到的距离值建立目标函数，计算各设备处于开状态的可能性，并根据设定阈值进行判断，当处于开状态的可能性大于设定阈值时，可判定设备为开状态，否则判断为闭状态，所建立的目标函数y为：

f_i＝(d_j+d_k)/((3-1)*(d₁+d₂+d₃)),i＝1,2,3,i≠j≠k

d₁、d₂和d₃分别表示神经网络，K-means，Naive Bayes三种方法下辨识出来的距离，f_i为第i种方法的隶属度，可理解为距离权重，s_i表示设备的开关状态i＝1,2,…N，N为设备的个数，s_i等于0表示设备处于关状态，s_i等于1表示该设备处于开状态。

所述的设定阈值为0.7。