[发明专利]一种非侵入式负载分解方法及系统

说明书

本发明涉及一种非侵入式负载分解方法及系统，所述方法包括：对待分解总功率数据进行归一化处理；基于预先训练的分解网络对归一化处理后的待分解总功率数据进行分解，获取待分解总功率数据中各类电器的功率归一化值；对待分解总功率数据中各类电器的功率归一化值进行反归一化处理，获取待分解总功率数据中各类电器的功率值；本发明提供的技术方案能够提高非侵入式负载分解的效率，降低非侵入式负载分解的操作难度以及其操作过程中产生的误差。

技术领域

本发明涉及电力系统自动化分析技术领域，具体涉及一种非侵入式负载分解方法及系统。

背景技术

负载分解技术和负荷监控技术是实现智能电网的一项关键技术，传统的负载用电监控一般采用侵入式方法，即在用户的电器上安装传感器，然后来记录用户对各个电器的使用情况，这种负载监控手段保证了从各个电器上获得的监控数据准确可靠，数据噪声也相对较小，但是仍然面临着实施难度较大，用户的接受度相对较低等问题。

非侵入式负载分解技术的出现弥补了侵入式负载分解中存在的缺陷，非侵入式负载分解是通过分析整个家庭的电表读数来估算单个电器所消耗能量的一个过程。换句话说，非侵入式负载分解是无需在家庭用电器中安装大量监控设备，就能从单一的全家电表中分析出(估算的)各项电器的能源消耗。非侵入式负载分解能够依靠智能化技术对能源进行监控，对各种电器故障进行检测，以及对故障进行分析，因此该技术在电力的优化配置和分析中有很大的应用价值。

针对非侵入式负载分解技术，目前有许多相关研究。例如：粒子群优化算法针对少量地几种电器进行非侵入式负载分解实验，该算法可以将总功率数据同时分解到各个用电设备上，但是得到的分解结果误差仍较大。针对分解误差较大的问题，稀疏优化算法进行非侵入式负载分解算法，在一定程度上减小了分解的误差。多因子隐马尔科夫算法进行非侵入式负载分解实验，利用单个的电器隐马尔科夫链，然后利用克罗内克积得到组合的隐马尔科夫链的组合参数，在分解阶段，多因子隐马尔科夫会根据给定的总功率数据以及确定的参数寻找其最优的组合,和组合优化算法类似，该算法首先通过聚类得到电器状态功率，其编码解码过程是对这些聚类得到的功率值寻优的过程，分解得到的结果也是通过聚类得到的功率值的组合，并不能得到比较准确的电器功率消耗值。其他研究如基于Adaboost算法、K-近邻算法、支持向量机算法，模糊算法，神经网络算法等算法在非侵入式负载分解任务中都取得了一定的成就。

然而以上算法中主要存在有几个问题，以上的分解误差相对而言还是较大，效率相对较低，在提高准确的同时，需要增加大量的负载特征信息，而特征信息的获取在实际的非侵入式负载分解任务中的操作难度较大，需要大量的人工手动提取，而人工提取特征需要花费大量的时间，人工设计的特征提取方法对噪声的鲁棒性差，基于优化理论的nilm方法是离散化的算法，只适合用来分析电器的开关状态，不能精确的将总功率数据分解到各个电器的连续功率值，以上方法很难较准确地将低频总功率数据分解到各个电器功耗上。

发明内容

针对现有技术的不足，本发明的目的是提供一种非侵入式负载分解方法能够达到快速精确获取各类电器的功率值的目的。

本发明的目的是采用下述技术方案实现的：

本发明提供了一种非侵入式负载分解方法，其改进之处在于，所述方法包括：

对待分解总功率数据进行归一化处理；

基于预先训练的分解网络对归一化处理后的待分解总功率数据进行分解，获取待分解总功率数据中各类电器的功率归一化值；

对待分解总功率数据中各类电器的功率归一化值进行反归一化处理，获取待分解总功率数据中各类电器的功率值。

优选的，所述对待分解总功率数据进行归一化处理，包括：

按下式确定待分解总功率数据中第i个总功率值的归一化值x_i^*：