[发明专利]基于电器物理特性及居民用电行为的负荷分解方法

说明书

本发明公开了一种基于电器物理特性及居民用电行为的负荷分解方法。本发明为减少原始数据对负荷特征提取影响，首先利用分箱法将家用电器历史运行数据进行降噪处理，同时按电器运行情况将家用电器分为间断型家用电器和持续型家用电器。提取电流的基波、三次，五次和七次谐波为间断型家用电器的负荷特征，运行功率为持续型家用电器的负荷特征，分别建立深度神经网络和MLP神经网络对其进行训练，并实现不同类型家用电器的负荷分解。

技术领域

本发明涉及非侵入式负荷监测的负荷分解领域，具体涉及一种基于电器物理特性和居民用电行为相结合的非侵入式负荷分解方法。

背景技术

现有的非侵入式负荷分解方法主要根据智能表计所测得的负荷的电气特征建立对应的电器负荷模型，然后利用模式识别技术实现电力负荷的分解。在智能表计在采集数据时难免出现数据缺失的问题，如果直接利用这些原始数据提取负荷特征必定会对负荷分解造成影响，因此对原始采集数据中的异常数据进行处理是必不可少。此外，由于电器不同的物理特性和居民用电的不同习惯，如果单一的负荷分解模型进行计算会影响分解结果的精度。因此可以根据不同的电气物理特性和用户用电习惯将家用电器进行分类，对于不同类别电器提取不同负荷特征，并建立不同数学模型利用不同的深度学习神经网络进行处理。

发明内容

本发明针对智能表计量测的原始数据缺失的情况，以及现有非侵入负荷分解方法对电器物理特性和居民用电行为考虑不足的问题，提出了一种基于电器物理特性和居民用电行为相结合的非侵入式负荷分解方法。

为减少原始数据对负荷特征提取影响，采用箱型图分析获得异常数据，并对异常数据进行处理。同时将家用电器按其运行情况分为持续型家用电器(一般为全天保持工作或低功耗待机状态的家用电器)，常见的该类电器有：冰箱，电热水器；和间断型家用电器(一般为开启或关闭不确定且每次运行时间较短的家用电器，一般每次运行不超过8h)，常见的该类电器有：微波炉，电灯，笔记本电脑；同时对于一些难以区分为持续型家用电器和间断型家用电器如：空调，加湿器；该类电器的运行情况在不同条件下所属类别存在差异，具体分属哪一类由外界环境和居民用电行为共同决定。例如，对经济条件好的家庭来说，空调在春秋季属于间断型家用电器的概率较大，在夏冬季属于持续型家用电器的概率是较大，但对于比较节约的家庭可能一年四季空调都属于间断型家用电器；加湿器在干燥时节或者中国北方地区属于持续型家用电器的概率较大，在湿润时节或者中国南方地区属于间断型家用电器的概率又大于持续型家用电器。本发明中认为，当该电器一天内投切次数小于2次或处于工作状态和低功耗状态时长超过20h以上则认为其属于持续型家用电器否则为间断型家用电器，因此对于同一电器在不同情况下可能属于不同类型的电器。

对间断型和持续型家用电器根据电器本身特性提取不同负荷特征，间断型家用电器由于投切次数较多容易引起谐波且大部分时间处于关闭状态运行功率为0，故提取负荷电流的基波和奇次低次谐波为负荷特征(一般选7次以下)。而对于持续性家用电器，由于全天处于运行或低功耗状态，运行功率数据易获取且在分类后很难与其他家用电器出现功率重叠的情况，故选择运行功率为持续型家用电器的负荷特征。并且根据提取的负荷特征不同，对这两种不同类型的家用电器使用不同深度学习模型进行负荷分解。

本方法采用技术方案如下：

步骤一：首先根据采样频率查找获得的各家用电器历史运行功率数据是否有缺失值，然后采用箱型图分析获得功率的异常数据，并对异常数据采用分箱法进行处理。具体做法如下：