[发明专利]基于量子遗传优化的非侵入式电器负荷识别方法

权利要求书

1.基于量子遗传优化的非侵入式电器负荷识别方法，其特征在于，具体通过利用实测负荷电流及电压数据，获得电流有效值，并通过量子遗传算法进行对比寻优得出最优解，最终确定电器的具体负荷类型；

具体包括基于采集到的负荷的电压、电流数据，对采集到的数据进行预处理分析从而得到电流有效值，再通过配置量子遗传算法参数，采用量子比特编码初始化染色体，通过选择合适的量子旋转门来改变量子比特相位，更新量子位的概率幅来实现染色体的变异，并对负荷设备的数量边界值进行解空间转换，然后构造负荷运行状态的适应度函数，通过量子遗传算法寻找最优解，最终实现识别电器的种类和数量；

具体包括以下步骤：

A.采集电器设备电流及电压数据，并通过对采集的电流及电压数据进行预处理得到有效的电流数据；所述步骤A中在采集电器设备电流及电压数据前会预设一个采集周期N，且步骤A中具体是对采集周期N时间段内的电器设备的电流及电压数据进行采集；所述步骤A中通过预处理得到每种电器设备的有效电流数据后还包括通过电压相位对齐找到M域的电流起点，并根据电流起点计算每类电器M域内的电流幅值的最大值，最小值，其中，M域就是采样周期中的数据波形进行相位对齐获取的一个波段，且该波段内获取的数据个数具体为m个；

B.配置量子遗传算法参数，所述量子遗传算法参数至少包括种群大小、迭代次数N_max、每类电器数量作为定义域的区间值、染色体长度；

C.采用量子比特编码来初始化染色体矩阵；所述步骤C中采用量子比特编码进行初始化染色体矩阵时，编码初始化值设置为被初始化后的染色体矩阵具体如下：为2×n矩阵，其中，n为定义的家用电器种类数即染色体长度；

D.以每类电器数量作为定义域的区间值作为解空间转换的变量，进行解空间转换从而得到当前迭代中每类电器的数量；所述步骤D中所用到的解空间转换公式具体为：

其中为当前迭代解转换得到的第i类电器数量解，[m_j,n_j]表示第j种电器数量的区间值，表示第i条染色体的第j个量子位，根据步骤C设定的编码初始化值则具体的，i的取值范围为不小于1且不大于n，j的取值范围为不小于1且不大于m；

E.通过量子旋转门进行染色体更新及变异，计算适应度、记录最优解；所述步骤E中选取的量子旋转门为：其中θ为旋转角，θ取值范围为[0,2π]，对染色体进行更新变异时具体如下：

其中，为染色体中第i个基因，为通过量子旋转门更新后的基因，R(θ)为量子旋转门；所述步骤E中还包括：进行实测数据的获取，得到各类电器设备的实测数据的电流幅值的最大值，最小值，以及对应M域内的m个点的电流数据列表，从而得到实测数据；然后再根据步骤B中设定的迭代次数N_max，启动量子遗传算法，通过量子遗传编码，解空间转换得到的设备数量列表，分别计算适应度函数值，并获取最优值作为下一代的更新及变异目标，然后再通过量子旋转门进行染色体更新及变异；所述适应度函数具体为：

其中Q_i表示实测数据中M域内的m个点的电流数据列表中第i个电流数据，P_ij表示第j种电器的单个样本数据的对应的M域内的m个点的电流值中的第i个电流值，N_ij表示第j种电器数量，表示第j种电器的权重，P_kj表示第j种电器的单个样本数据的对应的M域内的m个点的电流值中的第k个电流值；

F.根据迭代次数N_max判断是否迭代完成，若完成则进入步骤G，否则返回步骤E；

G.获取最优解。

2.根据权利要求1所述的基于量子遗传优化的非侵入式电器负荷识别方法，其特征在于，所述步骤G具体为：完成迭代后将得到N_max个最优个体列表，求取最小值即为最后的最优解，即最后识别的电器种类和数量。