[发明专利]一种非侵入式负荷分解方法

权利要求书

1.一种非侵入式负荷分解方法，它包括：

步骤1、获取各电器的电力指纹，生成训练数据和测试数据；

步骤2、通过聚类算法对电器工作状态进行聚类，并计算各聚类簇的均值和标准差，并对电器工作状态进行编码；

步骤3、建立多元参数隐马尔科夫模型并计算模型参数；

步骤3所述建立多元参数隐马尔科夫模型并计算模型参数的方法为：将多元参数隐马尔科夫模型两条时间序列的物理意义进行定义，隐含状态序列对应各用电器的运行状态，观测序列对应电器的电力指纹数据；建立模型并计算参数，具体包括：

步骤3.1、用S表示各用电器运行状态组合的集合，也就是总状态的集合；该集合是各用电器运行状态的全排列，集合元素个数由各用电器状态聚类数目决定；

步骤3.2、用V表示用户用电总的电力指纹集合，集合V中的元素由总有功功率和总稳态电流构成的向量组成；

步骤3.3、建立状态转移矩阵A，a_ij指从时刻t的各用电器的总状态q_t＝s_i转移到t+1时刻的总状态q_t+1＝s_j的概率；计算方法：

式中：h_ij是总状态q_t＝s_i转移到t+1时刻的总状态q_t+1＝s_j的频数，N是隐含状态总数；

步骤3.4、建立输出矩阵B：b_ik表示t时刻各用电器处于总状态q_t＝s_i而观测值为y_t＝v_k的概率，计算方法：

式中：o_ik是t时刻总状态q_t＝s_i而观测值为y_t＝v_k的频数，M为观测值总数；

步骤3.5、初始概率矩阵π：π_i表示初始时刻，各用电器总状态处于s_i的概率，计算方法：

式中d是训练集数据总量，d_i表示训练集中隐含状态s_i出现的频数；

步骤4、导入测试数据并进行聚类；

步骤5、基于维特比算法进行状态识别并得到预测状态序列；

步骤6、根据预测状态序列和各聚类簇的统计值，基于极大似然估计原理分解负荷功率；

步骤7、输出状态序列和功率分解结果。

2.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于：步骤1所述获取各电器的电力指纹生成训练数据和测试数据的方法为：获取各电器的电力指纹，从数据集中选取各种电器各个采样点的有功功率与稳态电流数据并按时间均分成组，训练数据和测试数据；所述各电器的电力指纹包括该电器的有功功率以及稳态工作电流的1到11次谐波历史数据。

3.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于：步骤2所述通过聚类算法对电器工作状态进行聚类，并计算各聚类簇的均值和标准差，并对电器工作状态进行编码的方法为：采用K-Means聚类算法对电器工作状态进行聚类，得到聚类结果后计算各聚类簇的均值和标准差，对各个电器进行状态编码，将各个电器的工作状态向量编码为一个二进制状态。

4.根据权利要求3所述的一种非侵入式负荷分解方法，其特征在于：对各个电器进行状态编码，将各个电器的工作状态向量编码为一个二进制状态的方法包括：

步骤2.1、分配位数，根据电器的状态数确定编码所需要的二进制位数；

步骤2.2、确定取值，根据当前时刻电器的十进制状态值计算二进制状态值；

步骤2.3、拼接表示，将所得到的二进制状态值根据电器排序从高到低拼接，得到最终的结果。