[发明专利]一种基于自适应特征选择的非侵入式家电负荷识别方法

权利要求书

1.一种基于自适应特征选择的非侵入式家电负荷识别方法，其特征在于，具体按照以下步骤实施：

步骤1、数据预处理，对选取的REDD数据集进行去噪处理；

步骤2、通过改进的广义似然比检验对步骤1中的数据进行事件检测，若检测到事件则执行步骤3，否则返回步骤1；

步骤3、对检测到的事件变点，提取多维负荷特征；

步骤4、根据功率进行分段，针对步骤3得到的多维特征，用自适应mRmR算法，分别提取各区段对应特征；

步骤5、将步骤4得到的特征作为负荷印记，通过改进的K-means算法建立负荷特征库；

步骤6、根据步骤5得到的负荷特征库，使用kNN算法对用户内部家电负荷工作状态进行识别。

2.根据权利要求1所述的一种非侵入式家电负荷识别方法，其特征在于，所述步骤1具体按照以下步骤实施：

步骤1.1、数据集的选取，选择REDD公开数据集做测试，它包含六个家庭三个礼拜左右的数据，表现为15kHz的高频数据和1Hz的秒级低频数据；

步骤1.2、功率信号的去噪处理，由于孤立的噪声点易被事件检测算法错误识别为事件，故选取中值滤波方法，对原始的功率信号进行处理，保证其消除噪声的同时，不改变边缘信息：假设存在一个数字信号序列x_j(-∞j+∞)，对其进行滤波处理时，首先定义一个长度为奇数L的窗口，L＝2N+1，N为正整数，假设在某一时刻i，窗口内的信号样本为x_i-N,…,x_i,…,x_i+N，其中x_i是位于窗口中心的信号样本值，对这L个信号从小到大重新排列后，其中值便定义为中值滤波器的输出值。

3.根据权利要求1所述的一种非侵入式家电负荷识别方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1、根据公式(1)计算基波有功功率P₁，将其联合有功功率P作为二维功率时间序列根据公式(2)提出二元假设检验；

式中，V₁为基波电压，I₁为基波电流，为二者的相位差；n_c为变点发生时刻，k为窗口总长度，n为窗口中最后一个样本时刻，μ₀,∑₀为假设检验H₀条件下的高斯分布均值，协方差矩阵，μ_a,∑_a为H₁条件下变点发生之前的多维信号均值、多维协方差矩阵，μ_b,∑_b为H₁条件下变点发生之后的多维信号均值、多维协方差矩阵；

步骤2.2、在此时间序列内定义两个连续的窗口W_a和W_b，两窗口内样本为X_n＝{x_m,m＝n-k+1,…,n}，两窗口长度均为k/2，根据公式(3)、公式(4)分别计算两窗口内的μ和Σ，之后根据公式(5)计算决策函数g_n；

步骤2.3、将g_n与阈值h₁比较，寻找事件发生的可疑点：当决策函数值大于h₁时，拒绝H₀，两窗口内部数据分布不一致，在变点时刻n_c有发生事件的可能；当决策函数小于h₁时，拒绝H₁，两窗口数据分布一致，无事件发生；由于GLR适用于低阈值检测，故易出现误检；

步骤2.4、以可疑事件点为基点，进行快速事件再检验,即利用相邻检测点之间的差值变化对可疑事件点进行二次判别；根据公式(6)、公式(7)、公式(8)计算n_c点相邻样本的差值变化，考虑到噪声的影响，根据公式(9)计算综合变化量R；将R与阈值h₂比较，当R大于10时则判断该点有事件发生；

δ(n_c)＝|x(n_c)-x(n_c-1)| (6)

δ(n_c-1)＝|x(n_c-1)-x(n_c-2)| (7)