[发明专利]一种基于KM匹配算法的非侵入式负荷辨识方法

说明书

本发明公开了一种基于KM匹配算法的非侵入式负荷辨识方法，在获取到测得的电力系统中各用电设备的数据后，首先对于用电设备的投切过程中有功、无功的特征变化，采用Parzon窗进行概率密度估计，得到其负荷投入和切除的特征概率分布；再针对实际场景下负荷的投入和切除，分别计算有功、无功概率密度，建立最佳的匹配模型；然后通过KM算法进行求解，获取最佳的负荷事件匹配；进一步地，通过匹配得到负荷事件与数据库样本同等操作，实现负荷状态的辨识方法。该方法，在综合有功功率和无功功率变化来使用KM算法，来消除辨识误差，与其他方法相比，本发明在辨识有功功率或无功功率相近的设备时具有较好的辨识准确性。

技术领域

本发明属于负荷监测领域，具体涉及一种基于KM匹配算法的非侵入式负荷辨识方法。

背景技术

负荷监测是当前的研究热点，目前负荷监测主要使用的技术有两种，分别为侵入式负荷监测和非侵入式负荷监测。非侵入式负荷监测仅在电表入口安装监测设备来监测负荷类型、用电明细等信息，是一种面向智能电表深化改革的必然趋势。但是，非侵入式负荷监测技术对算法的依赖性很大，而目前的大部分算法都存在辨识度不高、推广性不强等问题。KM算法作为二分图最佳匹配求解的优秀算法，在很多领域都有应用。因此，研究非侵入式负荷监测算法，尤其是将KM算法应用于非侵入式监测系统中很有必要。

发明内容

本发明的目的是提供一种基于KM匹配算法的非侵入式负荷辨识方法，以扩充前沿技术的受众范围，增强非侵入式算法的准确度、推广性等。

本发明所采用的技术方案是：

一种基于KM匹配算法的非侵入式负荷辨识方法，其特征在于，将KM算法应用于负荷匹配当中，所述KM算法是一种基于二分图理论，求完备匹配下的最大权匹配的算法，使得在一个赋权二分图G中存在的两个互不相交的顶点集X＝{X₁,X₂,…,X_n}，Y＝{Y₁,Y₂,…,Y_n}，X部中的每一个顶点都与Y部中的一个顶点匹配，或者Y部中的每一个顶点与X部中的一个顶点匹配；所述KM算法与负荷辨识相结合主要将有功功率和无功功率作为两个定点集应用,包括以下步骤：

步骤1：采集数据，构成数据样本，采集数据包括：原始的电压和电流；

步骤2：负荷事件检测，具体为：

假定在某个时刻点k，时间窗内L个数据样本{x_i}分为两类，为了避免电压、电流等波动的干扰，采用拟合逼近的方式进行负荷事件检测；规定在负荷事件检测窗内，以时刻点k为中间点将数据样本{x_i}分为两类，规定C₀类{x₁,x₂,…,x_k}(监测窗开始到时刻点k的数据样本集)和C₁类{x_k+1,x_k+2,…,x_L}(时刻点k后到检测窗结束的数据样本集)，其中L为窗口内样本长度，令当满足目标函数达到最小，便可得到负荷事件的变点；

步骤3：在步骤2中检测到变点之后，进行负荷特征提取；

步骤3.1：提取稳态P特征，有功功率定义为：v(t)是t时刻的电压值和i(t)是t时刻的电流值，T为一个周期；

步骤3.2：提取稳态Q特征，无功功率定义为：v(t)是t时刻的电压值和i(t)是t时刻的电流值，T为一个周期；

步骤3.3：提取开关事件的有功、无功曲线；将P、Q曲线结合构成P-Q特征图；

步骤4：负荷特征统计，具体为：

步骤4.1：对步骤2中检测的事件进行归类，规定负荷投入的负荷事件归为集合X，负荷切除的负荷事件归类为集合Y；