[发明专利]一种基于分数阶Hilbert倒谱的特征提取方法

说明书

本发明具体涉及一种基于分数阶Hilbert倒谱的特征提取方法，包括S1、采集不同用电负荷单独运行时的电流数据；S2、对采集到的电流数据分别进行加窗预处理；S3、对处理后的电流数据分别进行分数阶Hilbert变换，将数据映射到分数空间；S4、对分数阶Hilbert变换阶数进行寻优，确定最优阶数；S5、在最优阶数下，计算得到不同用电负荷的倒谱特征；S6、将不同用电负荷在最优阶数下的分数阶倒谱特征代入支持向量机中进行负荷识别，得到不同用电负荷的识别率。本发明提出的分数阶倒谱特征有效的提高了不同用电负荷识别率，并且在负荷特征近似的情况下有较好的分类效果。

技术领域

本发明涉及非侵入式负荷特征提取方法，具体涉及一种基于分数阶Hilbert倒谱的特征提取方法。

背景技术

非侵入式负荷监测(Non-intrusive Load Monitoring，NILM)技术通过对用户总负荷数据的分解与识别，可以获得精细化的用户内部负荷类别与使用状态数据，是解决智能用电负荷监测难题的有效途径。非侵入式负荷监测无需在用户侧安装负荷监测装置或对智能电表大幅度升级改造，依靠现有用电信息采集系统的数据采集装置和通信网络，采用先进的数据通信技术获取精细化的用户用电负荷数据，再利用电力云平台强大的数据处理能力运行较为复杂和准确的负荷识别算法。具有很好的经济性和扩展性，在解决负荷数据通信技术的基础上，更适合在智能用电居民用户中推广与应用。特征提取是非侵入式负荷监测中的关键技术之一，如何提取有效特征及提高负荷识别率成为了当前研究的热点。传统的非侵入式负荷特征提取方法大多提取如电压、电流等的变化量、峰值、均方根、平均值、有效值等作为特征参量，或者提取负荷的有功功率和无功功率特征等作为特征参量进行负荷识别，以上特征提取方法在负荷类型较少的场景下有一定的识别能力。但当用电负荷的特征相似时，不能带来理想的识别效果。

现有技术文献名称：一种基于倒谱分析的非侵入式负荷监测方法发表至:(《电子技术》,2018,公开了利用传统的倒谱分析对于多个电器和单个电器分别运行时进行负荷识别，但是没有对于功率相近的负荷识别进行研究。

发明内容

1.所要解决的技术问题：

针对上述技术问题，本发明提供一种基于分数阶Hilbert倒谱的特征提取方法，本方法提出了基于分数阶Hilbert变换的倒谱特征，该特征综合考虑了信号的瞬时频率与信号能量，涵盖了信号频谱的包络特性，可准确反映信号的局部特征。

2.技术方案：

一种基于分数阶Hilbert倒谱的特征提取方法，其特征在于：包括以下步骤：

步骤一：以预设的采样频率，采样时间采集N个不同目标用电负荷单独运行时的电流数据构成样本集{X₁,X₂…,X_N}，其中X为其下标对应的目标用电负荷的电流数据组成的向量。

步骤二：对采集到的每个目标用电负荷电流数据分别进行加窗预处理。

步骤三：对加窗处理后的电流数据对每个负荷采集到的电流数据进行分数阶Hilbert变换，并将所有目标负荷的数据映射到同一个分数空间；具体包括以下步骤：

S31:分数阶Hilbert变换定义如下：

H_P,Q[x(t)]＝F^-Q{H_P(ω)F^Q} (1)

(1)式中F^Q表示Q阶分数阶傅里叶变换，F^-Q则为Q阶分数阶傅里叶逆变换，F^Q表达式：

(2)式中α＝Qπ/2，Q表示分数阶傅里叶变换的阶数，当Q＝1时，分数阶傅里叶变换则变成传统的傅里叶变换；K_α(t,ω)为变换核函数。