[发明专利]一种居家办公环境下的用电负荷状态识别方法

说明书

本发明公开了一种居家办公环境下的用电负荷状态识别方法。本发明为了更加准确快速的识别出用电负荷的工作状态，首先要获取居家、办公环境下用电负荷（例如冰箱、空调、饮水机等）投切时的瞬态功率波形TPW，及负荷投切时的准确标签，以便用于负荷辨识，及算法性能评估。然后，针对小功率和相似负荷识别存在的难点，本发明提出对同类负荷TPW进行系统聚类，选取典型TPW模板，提高负荷的识别率。最后为了解决负荷种类增多存在的困难，本发明提出利用PSO算法进行参数优化，确定负荷典型TPW簇数的最优组合，使得负荷状态识别算法的综合性能最佳。本发明所提方法为居家办公环境下的负荷状态识别及智能用电做了重要贡献。

技术领域

本发明属于非侵入式负荷识别技术领域，具体涉及一种居家办公环境下的用电负荷状态识别方法。

背景技术

随着社会经济的发展，电力成为当今社会中应用最为广泛的能源之一。为了给用户提供更加可靠、绿色的电能以及减缓全球变暖及气候改变所带来的影响，智能用电，变得愈发重要。为了更好的利用电能，首先需要对用电负荷进行负荷监测，负荷监测是为了获取用户用电数据，掌握详细的用户负荷运行状态和使用频率，其采样及用电行为的挖掘是建设灵活互动智能用电的关键环节。

电力负荷监测方法大致可以分为侵入式和非侵入式两类，侵入式负荷监测，往往需要在每个电器负荷上安装相应的数据采集和传感装置，带来大量的人力物力资源消耗。非侵入式负荷监测只需要在电力供给的入口处安装非侵入式的监测设备，通过监测该处的电压、电流等信号就可以分析得到负荷集群中单个负荷的种类和运行情况，以此实现对整个系统范围内的所有用电负荷的在线监测。相较于传统的侵入式负荷监测方法，非侵入式负荷监测(non-instrusive load monitoring，NLIM)不中断设备供电，易于被用户所接受，不需要安装大量的检测设备，节省了购买、安装和维护这些硬件设备所需要的投资和时间，是未来电力负荷监测的重要发展方向。

非侵入式负荷监测技术一般可以分为数据测量、事件检测、负荷识别。对于电网来说,负荷监测能够帮助电网企业细致地掌握负荷组成和用户用电行为，为电网的规划、发电调度提供指导，为双向互动与智能用电提供服务。对于用户而言负荷监测能给出各用电设备的具体用电信息，从而引导用户改变用电习惯、优化用电行为，节约用电成本。负荷监测和智能用电的结合在智能电网中得到了完美体现，非侵入式负荷监测技术具有广泛的应用前景，能为用户、电力公司等多方面带来效益。

传统的负荷监测技术多利用负荷的稳态特征来进行识别，比如负荷工作时的稳态电流、稳态电压等信息，然后基于最优化问题解决方法来找出当前总负荷下各个用电负荷的最佳组合，这类负荷状态识别方法往往需要建立复杂模型，且对负荷的历史数据依赖很大，且随着负荷种类的增多，用电负荷整体的识别准确率不高。还有一部分负荷识别算法是基于负荷暂态特征进行的，但是由于负荷特征提取的单一性，未能够细分深挖用电负荷的最典型特征，故这部分算法对相似用电设备和小功率电器的识别效果较差。

发明内容

本发明针对目前方法存在稳态特征建模复杂，负荷识别度不高；暂态特征对相似设备和小功率负荷识别精度低等问题，提出基于PSOSC-MDTW(Particle swarmoptimization-System Clustering-Multidimensional DTW)的负荷状态识别算法，用于对居家办公环境下的用电负荷进行状态识别。

本发明具体是：

步骤1.构建负荷特征模板库

1-1、获取居家或办公环境中用电负荷投切时的有功功率时间序列和无功功率时间序列，将上述的两种功率时间序列记为用电负荷的瞬态功率波形TPW。

获取和投切事件相对应的事件标签，将所有电负荷的瞬态功率波形TPW组成一个完整的数据集dataset。将每一种用电负荷的瞬态功率波形TPW随机取出50％的数据作为训练集，记为TR，用于负荷特征模板库选择。将数据集dataset中另外50％的数据作为测试集，记为TE，用于用电负荷状态识别方法的性能测试。