[发明专利]基于自适应谐振网络的电力需求侧设备辨识方法和系统

权利要求书

1.一种基于自适应谐振网络的电力需求侧设备辨识方法，其特征在于，包括：

S100.采集电力需求侧未知设备多维特征数据，并根据事件检测算法提取未知设备负荷事件，通过未知设备负荷事件得到未知设备启停时间、各特征暂态变化量和稳态运行特征数据；

S200.将未知设备启停时间、各特征暂态变化量和稳态运行特征数据进行分类得到输入数据和测试数据，并将所述输入数据和测试数据进行归一化和编码处理；将未知设备启停时间、各特征暂态变化量和稳态运行特征数据进行分类，获取输入数据和测试数据的方法为：获取电力需求侧未知设备个数l，每种设备运行时随机进行开启和关闭；以采集频率f记录其m种特征，然后在两个暂态事件之间随机取n个特征点，因此可以获得n个m维数据组成的矩阵A_n×m；其中用于测试的数据记作a＝{a₁,a₂,…,a_m}，用于学习的数据记作b＝{b₁,b₂,…,b_i}，其中i为数据序列的最大量；

S300.通过自适应谐振网络对输入数据进行训练学习，得到自适应谐振网络训练模型；所述自适应谐振网络横向分为测试数据辨识区ARTa、标准数据学习区ARTb和连接两区域的映射区域x^ab，纵向分为输入层、编码层和辨识层；映射区域x^ab表示为

其中运算符∧定义为w_i∧y_i＝min(ω_i,y_i)；

S400.根据自适应谐振网络训练模型对测试数据进行辨识，得到辨识结果；S400包括：

S401确定测试数据辨识区ARTa选择函数T_i^a，选择函数T_i^a如式(1)：

其中，α为选择参数，x^α为输入数据，w_i^α为ARTa层权重向量；

S402确定胜出类别J，胜出类别J如下公式(2)：

S403根据胜出类别J、数据序列x、胜出节点有关的权值向量W_J和共振警戒参数ρ判断数据序列x类别，若满足如下公式(3)：

则可以产生共振，序列x属于类别J；如果不满足公式(3)，则T_i^α被重置为0，权值w根据学习速率β更新为w_J^new，如下公式(4)

S500.根据预存数据库对所述辨识结果进行匹配，得到未知设备匹配结果；

S600.通过人机交互界面对辨识结果进行修正，并将所述修正结果加入预存数据库，更新预存数据库。

2.如权利要求1的一种基于自适应谐振网络的电力需求侧设备辨识方法，其特征在于，使用最小-最大化特征法将输入数据和测试数据进行归一化，所述归一化公式如式(5)：

其中，a_i′是归一化后的第i个采样点。

3.如权利要求1的一种基于自适应谐振网络的电力需求侧设备辨识方法，其特征在于，对输入数据和测试数据进行编码，输入数据和测试数据编码方法分别按式(6)和式(7)来计算：

x^a＝[a,a^c]＝[a,1-a] (6)

x^b＝[b,b^c]＝[b,1-b] (7)。

4.如权利要求1的一种基于自适应谐振网络的电力需求侧设备辨识方法，其特征在于，S500包括：

S501.利用预存数据库中大类数据库对类别J进行基础识别，所述大类数据库包括暂稳功率数据、谐波数据、电器运行周期、常用时段以及对应的具体电器类型，识别未知设备具体电器类型；

S502.利用预存数据库中精细数据库对类别J进行精确识别，所述精细数据库包括电器设备型号的单个电器特性，用于识别未知设备具体型号。