[发明专利]非侵入式负荷监测事件的分类方法及存储介质

说明书

本发明提供一种非侵入式负荷监测事件的分类方法及存储介质，用于从电力负荷数据中提取不同用电设备的电力负荷数据片段，并基于多个电力负荷数据片段之间的相似性进行聚类，对不同用电设备进行分类。

技术领域

本发明涉及用电技术领域，特别涉及一种非侵入式负荷监测事件的分类方法及存储介质。

背景技术

非侵入式负荷监测(NILM)是一种计算技术，用于从单个电表估算单个设备的功率需求，该电表测量多个设备的数据。典型的应用场景是全屋智能电表的逐项电费生成，其目的在于帮助用户/电网监控和管理设备的用电行为。电力数据中的功率等包含了丰富的用电器特征，可以为负荷的监测识别提供可靠依据。目前该领域主要技术难点在于如何准确提取用电事件的片段，从而提高识别算法的鲁棒性，也有助于建立易用且可靠的事件片段数据库。使用高频数据分析事件的暂态特征能够提高负荷识别的精度和速度，但高频信号采集会大幅提高量测设备的成本。在现有技术中，大部分非侵入式负荷监测的低频方法可归类为：1.人力提取事件片段，样本收集耗时耗力且缺乏泛用性；2.基于统计方法的变点检测，其可解释性差且对超参数的设定十分敏感，因而可靠性低，实际应用较为困难。

因此，本文提出一种新型的非侵入式负荷监测事件的分类方法及存储介质，以保留现有非侵入式负荷监测方法的积极效果，而消除现有的非侵入式负荷监测方法的消极效果。

发明内容

本发明的目的在于，提供一种非侵入式负荷监测事件的分类方法，用于从电力负荷数据中提取不同用电设备的电力负荷数据片段，并基于多个电力负荷数据片段之间的相似性进行聚类。

本发明提供一种非侵入式负荷监测事件的分类方法，包括如下步骤：获取多个预设历史时间段内的电力负荷数据片段，所述预设历史时间段内的电力负荷数据片段包括多个电力负荷数据序列；对多个电力负荷数据片段进行振荡性检测并滤除得到多个非振荡性的电力负荷数据片段；对多个非振荡性的电力负荷数据片段进行聚类分析。

进一步地，在对每一个电力负荷数据片段进行振荡性检测并滤除得到非振荡性的电力负荷数据片段中，具体包括如下步骤：采集一电力负荷数据片段的多个电力负荷数据序列；计算所述多个电力负荷数据序列的差分序列；并计数所述多个电力负荷数据序的差分序列的最大连续反向个数；判断每一差分序列的最大连续反向个数最大连续反向个数是否大于一阈值；若是，则判定该电力负荷数据序列是为振荡事件序列；若否，则判定该电力负荷数据序列是为非振荡事件序列；滤除每一电力负荷数据片段中的振荡事件序列。

进一步地，在所述对非振荡性的电力负荷数据片段进行聚类分析的步骤中，具体包括如下步骤：使用动态时间规整方法对多个非振荡性的电力负荷数据片段进行相似度计算；将相似度小于一预设值的非振荡性的电力负荷数据片段归为同一用电设备。

进一步地，在所述使用动态时间规整方法对多个非振荡性的电力负荷数据片段进行相似度计算的步骤中，相似度dtw计算公式如下：其中D(i,j)是两条序列中第一条序列的第i个时刻和第二条序列的第j个时刻的距离(p阶闵可夫斯基距离，通常取p＝2即欧氏距离)，D(i,j)为两条序列中第一条序列的前i个时刻和第二条序列的前j个时刻的最短规整距离，D(i,j)的距离为p阶闵可夫斯基距离，length(ES_i)表示序列ES_i所包含的时刻总数。

进一步地，在所述获取多个预设历史时间段内的电力负荷数据片段并存入数据库中的步骤中，具体包括如下步骤：提供一智能电表并接入用户的用电总线，连续地采集电力负荷数据。

进一步地，在所述连续地采集电力负荷数据存入数据库中的步骤中，采集频率为5～15Hz，采集的时间段大于等于7天。

进一步地，在所述提供一智能电表并接入用户的用电总线，连续地采集电力负荷数据的步骤之后，还包括如下步骤：填充所采集电力负荷数据中的缺失值。