[发明专利]基于改进型差分进化算法的非侵入式电力负荷感知识别方法

权利要求书

1.一种基于改进型差分进化算法的非侵入式电力负荷感知识别方法，其特征在于，包括：

建立用电器的负荷特征数据集；将参与负荷感知识别的用电器的负荷特征数据添加至负荷特征数据集中；

对各个用电器在设定时间段内运行时的用电数据进行监测，采集各个用电器的负荷特征数据；所述负荷特征数据包括负荷电流；

利用负荷特征数据集计算各个用电器的负荷电流之和，计算得到第一负荷总电流序列；监测得到第二负荷总电流序列；

以计算得到的第一负荷总电流序列与监测得到的第二负荷总电流序列之间距离最小作为目标函数构建差分总电流序列模型；

利用精英解引导机制来构建改进型差分进化算法，用于对构建的差分总电流序列模型进行优化处理；

利用改进型差分进化算法对构建的差分总电流序列模型进行优化处理，获得最优时间系数；其中，改进型差分进化算法不断迭代解向量直至获得差分总电流序列模型的最优解，最优解即为各个用电器的最优时间系数；

利用获得的最优时间系数确定用电器的开启状态及开启时间，进行电力负荷分解获得负荷感知识别结果。

2.根据权利要求1所述的基于改进型差分进化算法的非侵入式电力负荷感知识别方法，其特征在于，

其中，所述目标函数为下式所示：

其中，为使得监测得到的负荷总电流序列与计算得到的负荷总电流序列这两个序列之间的欧氏距离最小的各个用电器的最优时间系数，其中m为用电器类型；

其中，I₁为计算得到的第一负荷总电流序列；I₂为监测得到的第二负荷总电流序列。

3.根据权利要求1所述的基于改进型差分进化算法的非侵入式电力负荷感知识别方法，其特征在于，

其中，利用改进型差分进化算法对构建的差分总电流序列模型进行优化处理，获得最优时间系数，具体包括：

步骤1，设置种群规模、最大进化代数、变异因子及交叉因子，初始化种群，生成初始种群，种群中的个体向量为用电器的时间系数向量；

步骤2，对初始种群进行评价，计算种群中每个个体向量的适应度值；

步骤3，判断当前种群得到的解向量是否为最优解即最优时间系数，若是最优解时则输出该最优解，否则继续执行；

步骤4，以精英解为基向量构建差分变异策略方程，执行变异操作；

步骤5，执行交叉操作，获得中间种群及其对应的个体向量；

步骤6，对当前种群及中间种群中的个体向量执行选择操作，得到下一代种群及其对应的个体向量；

步骤7，判断是否进行迭代，即判断当前种群得到的解向量是否为最优解即最优时间系数，或达到最大进化代数；是则返回步骤4继续执行变异操作，否则输出当前解向量为最优解，最优解即为各个用电器的最优时间系数；

其中，初始化种群具体包括：

设置种群规模NP，即设置有NP个个体向量参与差分进化算法；设置最大进化代数G_max即最大迭代次数，进化代数为G＝0,1,...,G_max，；种群中第i个个体向量表示为

其中，种群中的个体向量K_i,G为用电器的时间系数所构成的向量；其中，个体向量的维数m表示用电器类型；

初始种群中每个个体向量在目标函数设定的值域范围内随机均匀产生，初始种群个体向量表示为下式：

k_j,i,0＝k_j,min+rand_i,j[0,1]·(k_j,max-k_j,min)

其中，k_j,max和k_j,min分别为第i个个体向量K_i,G在第j维的上限和下限，其中j＝1,2,...,m，其中rand_i,j[0,1]是在[0,1]区间范围内均匀分布的随机数。