[发明专利]一种非居民用户非侵入式负荷用电信息采集方法

说明书

本发明提出一种非居民用户非侵入式负荷识别方法。首先在配电变压器低压侧进行非侵入负荷数据采集。基于实测数据，建立负荷特征库。通过依据负荷特征数据库中的模板生成训练和测试混合信号，从混合信号中提取特征作为样本数据，其相应的标签通过随机森林算法根据负荷是否参与叠加来决定。这样构成的数据集被作为输入数据来建立多标签分类模型。本发明能在非侵入用电数据采集条件下，有效的识别非居民用户的多种负荷，以帮助电网公司进行负荷管理，是非居民用户非侵入式负荷检测的有效实现方法。

技术领域

本发明属于智能用电及技术领域，具体涉及一种非居民用户非侵入式负荷识别方法。

背景技术

负荷监测技术对于智能电网的建立具有重要意义。一方面，它可以把采集到的用户用电信息提供给电网侧，提高电网的利用效率，另一方面，它可以把用户的用电信息反馈给用户，改善用电行为。

目前，负荷监测技术主要分为“侵入式”和“非侵入式”。通常，侵入式负荷监测需要把传感器放置在用户内部各用电负荷处，在传感器的安装与维护过程中,需要对用户进行断电。因此，虽然这种技术得到的数据可靠，但用户的接受程度较低。相比之下，非侵入式负荷监测只需在用户电力供给的入口加入一个监测设备便可对整个用户内部负荷进行监测，对用户几乎没有影响，因此具有很强的实用性。

通过把AI芯片放在检测设备从而实时处理数据是负荷识别是非侵入式负荷监测中最重要的一步，它直接反映了用户负荷的使用信息。非侵入式负荷监测中收集的数据通常由多个负荷的运行状态决定。但是现有技术对于多个负荷同时运行的混合信号的识别仍然存在较大问题。

发明内容

本发明为了解决现有技术中无法有效对于多个负荷同时运行的混合信号的识别的问题，通过对负荷特征采用随机森林算法建立模型进行识别的方案。

具体而言本发明提供了一种非居民用户非侵入式负荷识别方法，其特征在于，所述负荷识别方法包括以下步骤：

步骤S1：在配电变压器低压侧进行非侵入负荷数据采集；

步骤S2：根据负荷数据固有和统计特征识别负荷类型，建立负荷特征数据库；

步骤S3：依据负荷特征数据库生成训练数据集和测试数据集；

步骤S4：对训练数据集中各特征贡献度进行评估；

步骤S5：去除的贡献度低于特定值的特征，并生成新的训练数据集来构建模型；

步骤S6：使用测试数据集进行测试，以评估模型在实际环境中的性能。

更进一步地，在步骤S2中，所述负荷特征数据库实时根据用户新增的电器更新数据库。

更进一步地，步骤S3中，所述训练数据集包括样本数据和与样本数据相关标签集；

所述与样本数据相关标签集包括数据库中所有负荷种类的标志位，并对参与叠加的负荷种类的标志位将被标记为“1”，未参与叠加的负荷种类的标志位将被标记为“0”。

更进一步地，步骤S3中，所述样本数据是由所述负荷特征数据库中多种负荷的模板波形叠加形成的混合信号。

更进一步地，步骤S4中，所述特征包括电流均方根I_RMS，振幅系数I_C，电流最大值I_MAX，有功功率P，无功功率Q，功率因数PF，基波FW和第三谐波HAR_3rd。

更进一步地，步骤S4中，所述训练数据集中任一特征的贡献度可表示为：

其中，c代表所述训练数据集中特征总数，是所述训练数据集中所有特征的贡献度之和，为所述训练数据集中任一特征的贡献度。