[发明专利]一种云端协同的负荷辨识系统及方法

说明书

本发明公开了一种云端协同的负荷辨识系统及方法，属于负荷辨识技术领域。本发明系统，包括：智能物联电能表模组，确定未完成匹配的特征对应的负荷特征数据；用采信息前置/采集模组，将未完成匹配的特征对应的负荷特征数据作为待协同处理的负荷特征数据传输至主站负荷辨识模组；主站负荷辨识模组，完成待识别特征数据与负荷特征库的匹配。本发明实现了本地智能物联网电能表等负荷识别装置在线识别未知设备功能，强化了设备的负荷识别能力。

技术领域

本发明涉及负荷辨识技术领域，并且更具体地，涉及一种云端协同的负荷辨识系统及方法。

背景技术

居民侧用电设备负荷识别是智能电网研究的一个重要方向，用户的用电设备存在种类繁多、设备规模庞大、各设备负荷特征差异大等特点。目前在用户侧安装的主流电能表只实现了总用电量的计量功能，并未实现按用电设备性质进行分类电量计量功能。当能够分析出家庭详细的能效构成信息，为各个用电设备的用电时段及用电量构成提出节能建议，使用户及时了解具体用电设备的用能状况，从而引导用户自主采取节能措施，为用户降低电费支出，进而有效降低能源的消耗和不合理浪费，实现节能降耗效果，因此居民用户负荷识别技术具有重要的研究意义。

负荷识别一般分为侵入式负荷识别和非侵入式负荷识别技术，侵入式负荷识别技术，需要针对用户的每类负荷或者重点用电设备进行单独计量，这种方式需要安装大量的硬件设备，在安装、维护及信息处理等方面需消耗大量的成本，经济效益差，这是难以大规模推广普及的重要原因。

非侵入式负荷识别方法，只需在用户的电力总表处安装带负荷识别的设备进行用电数据如电压、电流的采集，基于本地的辨识算法与负荷特征库进行负荷辨识，从而分析出家庭内所有负荷的状态。此方式无需硬件的安装及维护、降低了成本、更易于实现。

目前随着居民用户的负荷识别试点及推广，已经有不少本地侧负荷识别的设备在居民用户家庭部署，在实际使用过程中发现负荷识别设备一般要事先经过样本数据训练或学习过程；部分算法效率低，负荷辨识的实时性难以保证；由于电气设备种类繁多，工况复杂，比较难找到一种算法精确识别各个电器等情况。由于设备自身性能有限，本地负荷特征库在部署后不能及时更新，只能识别部分电器设备，且当用户接入新设备后往往无法正确识别，这对设备的使用场景带来很大局限性，因此需要考虑采用一种方法来解决本地负荷识别设备的在线识别及同步问题。

发明内容

针对上述问题，本发明提出了一种云端协同的负荷辨识系统，包括：

智能物联电能表模组，所述智能物联电能表模组识别用户电器设备的负荷特征数据，并对负荷特征数据以预设的负荷特征提取算法进行特征提取，对提取的特征与负荷特征库进行匹配，确定未完成匹配的特征对应的负荷特征数据；

用采信息前置/采集模组，所述用采信息前置/采集模组调用未完成匹配的特征对应的负荷特征数据，并将未完成匹配的特征对应的负荷特征数据作为待协同处理的负荷特征数据传输至主站负荷辨识模组；

主站负荷辨识模组，所述主站负荷辨识模组导入待协同处理的负荷特征数据，对待处理的负荷特征数据进行数据定向处理，获取待识别特征数据，对待识别数据识别智能物联电能表模组，使用的预设的负荷特征提取算法类型，确定使用的预设的负荷特征提取算法与智能物联电能表模组是否匹配，当匹配时，对匹配信息进行存储并选择待识别特征数据的匹配最优匹配策略，根据最优匹配策略，识别待识别特征数据与负荷特征库的最优匹配解，并完成待识别特征数据与负荷特征库的匹配。

可选的，完成待识别特征数据与负荷特征库的匹配后，将待识别特征数据录入负荷数据库。

可选的，负荷特征库，包括个性化负荷特征库和通用负荷特征库。

可选的，主站负荷辨识模组，包括：

数据导入/导出组件，导入待协同处理的负荷特征数据；