[发明专利]一种非侵入式家庭电力负荷分解特征选择方法及装置

说明书

本发明提供了一种非侵入式家庭电力负荷分解特征选择方法及装置，通过基于Trace Ratio组稀疏子空间的大间隔特征选择算法构建的特征选择模型，利用大间隔和组稀疏子空间技术进行特征选择，计算量小，实现准确提取用于负荷分解的全局最优特征子集。

技术领域

本发明涉及数据处理技术领域，更具体的，涉及一种非侵入式家庭电力负荷分解特征选择方法及装置。

背景技术

构建智能用电策略是未来智能电网适应新时代生产生活的迫在需求，亦是满足供需互动的基本前提，智能用电策略对于改善居民用户用电方式，减少电能消耗具有重要作用。而智能用电策略制定的关键是了解用电用户电器设备的耗能分配与使用习惯。非侵入式负荷特征选择技术通过对用户电表采集到的用电数据进行分解，实时显示居民用户电器的使用情况，为智能电网用电策略的制定提供技术支持。

目前的一种特征选择算法主要基于启发式搜索来寻找特征子集，然后通过某些准则对所选特征子集进行评价，保存质量好的特征子集，淘汰差的特征子集。这类算法的缺点是计算量大，通常找不到全局最优解，用找出的特征进行分类，分类精度较低。

发明内容

有鉴于此，本发明提供了一种非侵入式家庭电力负荷分解特征选择方法及装置，利用大间隔和组稀疏子空间技术构建特征选择模型，准确得到用于负荷分解的全局最优特征子集

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种非侵入式家庭电力负荷分解特征选择方法，包括：

获取用户入口处的监测装置采集的用电数据；

对所述用电数据进行特征提取，得到所述用电数据对应的特征集；

将所述特征集输入预先构建的特征选择模型中进行特征选择，得到用于负荷分解的最优特征子集，所述特征选择模型是基于Trace Ratio组稀疏子空间的大间隔特征选择算法构建的。

可选的，所述对所述用电数据进行特征提取，得到所述用电数据对应的特征集，包括：

对所述用电数据进行预处理，得到标准用电数据；

对所述标准用电数据进行统计分析、信号分析和频谱分析，得到所述特征集。

可选的，所述将所述特征集输入预先构建的特征选择模型中进行特征选择，得到用于负荷分解的最优特征子集，包括：

将所述特征集投影到子空间，每个特征对应一个样本；

以Trace Ratio形式表示样本大间隔；

基于Trace Ratio形式的样本大间隔构建目标函数，并对所述目标函数进行稀疏表示；

利用Trace Ratio组稀疏子空间的大间隔特征选择算法求解所述目标函数，得到所述最优特征子集。

可选的，所述用Trace Ratio形式表示样本大间隔，包括：

将样本与不同类最近邻间的距离除以样本与同类最近邻的距离的商值，确定为样本大间隔；

通过定义预设列向量，对样本大间隔的表示形式进行简化，得到简化后的样本大间隔表示形式。

可选的，所述基于Trace Ratio形式的样本大间隔构建目标函数，并对所述目标函数进行稀疏表示，包括：

基于Trace Ratio形式的样本大间隔构建表示效用函数最大化的目标函数；

在所述目标函数的分母加入正则项，对所述目标函数进行稀疏表示，以使最终得到的最优特征子集具有行稀疏性。

一种非侵入式家庭电力负荷分解特征选择装置，包括：