[发明专利]一种非侵入式负荷分解方法及系统

权利要求书

1.一种非侵入式负荷分解方法，其特征在于，包括：

获取目标用户一段时间内的负荷总功率序列；

基于所述用户的负荷总功率序列以及设定的负荷种类，按照预先训练的总功率序列与各负荷种类的功率特征序列关系，将所述负荷总功率进行分解得到所述时间段内各负荷种类的功率特征序列；

其中，所述负荷种类由用户对家电的使用情况确定；

训练过程包括：基于恒等映射并按时序进行感受野放大。

2.如权利要求1所述的方法，其特征在于，所述总功率序列与各负荷种类的功率特征序列关系的训练，包括：

获取历史多用户负荷总功率序列；

获取基于所述用户使用的电器种类以及与所述负荷总功率序列匹配的各负荷使用序列；

对所述负荷总功率序列和各负荷使用序列进行处理，得到训练样本数据和测试样本数据；

基于NILM网络，将所述训练样本数据进行训练得到负荷种类的功率特征序列关系。

3.如权利要求2所述的方法，其特征在于，所述对所述负荷总功率序列和各负荷使用序列进行处理，得到训练样本数据和测试样本数据，包括：

对各负荷使用序列归一化处理，通过采用最大值最小值归一化方法，使结果映射到区间[0,1]内，并设置各负荷的功率阈值；

将负荷总功率序列和归一化处理的负荷序列分解为初始训练序列和初始测试序列；

对所述初始训练序列和初始测试序列通过设定长度和设定步长进行滑动处理得到训练样本数据和测试样本数据。

4.如权利要求3所述的方法，其特征在于，所述训练样本数据，通过下式进行获取：

Y_m:m+n-1＝F(X_m:m+n-1)+e

其中，X_m:m+n-1为训练样本数据中的总功率特征序列，Y_m:m+n-1为训练样本数据中的单负荷功率特征序列，F为映射函数，e为高斯噪声向量；

所述测试样本数据，通过下式进行获取：

Y'_m:m+n-1＝F(X'_m:m+n-1)+e

其中，X'_m:m+n-1为测试样本数据中的总功率特征序列，Y'_m:m+n-1为测试样本数据中的单负荷功率特征序列，F为映射函数，e为高斯噪声向量。

5.如权利要求2所述的方法，其特征在于，所述基于NILM网络，将所述训练样本数据进行训练得到负荷种类的功率特征序列关系，包括：

步骤1：通过NILM网络，将负荷总功率序列依次进行恒等映射，得到感受野放大后的负荷总功率序列；

步骤2：将感受野放大后的负荷总功率序列分解到对应的各负荷种类的功率特征序列；

步骤3：重复所述步骤1和步骤2，直至训练样本数据中所有的负荷总功率都恒等映射到各自对应的各负荷种类的功率特征序列上，得到负荷种类的功率特征序列关系。

6.如权利要求5所述的方法，其特征在于，所述通过NILM网络，将负荷总功率序列依次进行恒等映射，得到感受野放大后的负荷总功率序列，包括：

将所述负荷总功率序列通过所述NILM网络中的残差块进行恒等映射；

基于所述恒等映射，将所述负荷总功率序列通过残差块中的卷积核和扩张率进行感受野放大。

7.如权利要求6所述的方法，其特征在于，所述感受野通过下式进行放大：

R＝k+(k-1)×(r-1)

其中，R为源序列的感受野尺寸，k为一维卷积核的尺寸，r是扩张率。

8.如权利要求2所述的方法，其特征在于，所述基于NILM网络，将所述训练样本数据进行训练得到负荷种类的功率特征序列关系，还包括：

将测试样本数据中的负荷总功率序，通过所述功率特征序列关系，得到测试结果；

将所述测试结果与所述测试样本数据中各负荷的功率特征序列进行比对，得到平均误差；

根据所述平均误差对所述功率特征序列关系进行校正，得到最终的负荷种类的功率特征序列关系。