[发明专利]一种基于S_Kohonen非侵入式居民负荷识别方法

说明书

本发明公开了一种基于S_Kohonen的非侵入式居民负荷识别方法，所述非侵入式居民负荷识别方法包括以下步骤：步骤一：根据家庭电力入口处有功功率的变化判断投切事件，当发生投切事件时，在家庭电力入口处采集发生投切事件的电器电流样本；步骤二：对采集到的电器电流样本进行频域分析，提取其频域谐波幅值作为各电器的负荷特征，形成负荷特征库；步骤三：设计适用于居民负荷识别的S_Kohonen神经网络，确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模，以确定获胜神经元的选择方式和权值调整的学习算法；步骤四：初始化参数；步骤五：训练集对S_Kohonen网络进行训练，测试集进行测试；步骤六：调整网络参数实现最佳网络性能。

技术领域

本发明涉及电网负荷监测技术领域，特别是涉及基于S_Kohonen非侵入式居民负荷识别方法。

背景技术

智能电网技术的发展使得电力用户与电网能够协调合作。其中智能用电是智能电网的重要环节之一，是互动服务体系的核心。要实现智能用电，电力用户需要更好地了解自身的用电特点，及时获得用电设备的能耗信息。负荷监测是实现智能用电的关键技术，通过负荷监测可以对各种用电设备进行用电信息的分析，从而引导电力用户改变用电习惯并优化用电行为，从而达到节能的目的。对于电网来说，负荷监测能够帮助电网了解负荷组成并掌握电力用户的用电行为，为电网的规划设计和发电调度提供指导，并支撑双向互动服务与智能用能服务。

负荷监测包括侵入式负荷监测和非侵入式负荷监测。其中侵入式负荷监测在每个用电设备上加装检测装置，该方法虽然准确性高，但成本大，维护难。非侵入式负荷监测是将监测设备安装在电力用户的电力入口处，通过监测算法分析电力用户的用电信息，从而获悉电力用户内部各设备的用电情况，大大简化了硬件结构、降低了经济成本，适用于大量独立用户安装模式。

目前使用的非侵入式负荷识别算法在负荷监测中存在识别准确率不高，对小功率电器、多状态电器和特征相近的电器难以正确识别的问题，这严重影响非侵入式负荷监测的实施和智能用电的实现。

因此希望有一种非侵入式居民负荷识别方法可以克服或至少减轻现有技术中非侵入式负荷识别算法在负荷监测中识别准确率低的问题。

发明内容

本发明的目的在于提供一种非侵入式居民负荷识别方法以解决在非侵入式负荷监测中家用电器识别准确率不高，小功率电器、多状态电器和特征相近的电器难以正确识别的问题。

本发明提供一种非侵入式居民负荷识别方法，包括以下步骤：

步骤一：根据家庭电力入口处有功功率的变化判断投切事件，当发生投切事件时，在家庭电力入口处采集发生投切事件的电器电流样本；

步骤二：对采集到的电器电流样本进行频域分析，提取其频域谐波幅值作为各电器的负荷特征，形成负荷特征库；

步骤三：设计适用于居民负荷识别的S_Kohonen神经网络，确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模，以确定获胜神经元的选择方式和权值调整的学习算法；

步骤四：初始化参数，其中参数包括：输入层与竞争层之间连接权值ω_ij、输出层与竞争层之间连接权值ω_jk、邻域半径r、ω_ij的学习速率η₁和ω_jk的学习速率η₂；

步骤五：各电器的负荷特征向量作为网络输入，电器类别作为网络输出，通过训练集对S_Kohonen网络进行训练，训练结束使用网络对测试集样本进行测试，得到识别结果，计算各电器的识别准确率以及总体识别准确率以测试网络性能；

步骤六：调整S_Kohonen神经网络的竞争层规模、终止阈值或最大迭代次数，研究网络参数与网络性能的关系，选择合适参数实现最佳网络性能。