[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

说明书

本发明公开了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，包括：建立负荷特征数据集；以监测得到的与计算得到的负荷总电流序列之间距离最小为目标函数构建差分总电流序列模型；构建改进型差分进化算法，对模型进行优化处理，获得各个用电器的最优时间系数。本发明的改进型差分进化算法改善了传统差分进化算法的全局收敛性及鲁棒性，以精英解为基向量构建的差分变异策略方程能够在在进化前期兼顾种群多样性，避免个体在当前最优解周围过度聚集而导致算法陷入局部最优解，在后期使精英解的选择趋于最优解，从而加快收敛速度；将该算法用于差分总电流序列模型的优化处理能够很好地提升各个用电器的开启状态识别率。

技术领域

本发明涉及电力技术领域，特别涉及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。

背景技术

当前，全球能源及环境问题日益突出，节能减排越来越受到重视。高级量测设备已经成为智能电网的重要组成部分，其能够通过分析用户侧的电力消耗数据来完成需求侧的能量管理。大量研究分析表明，获取用户侧用电细节信息能够非常有效地实现节能减排。同时，智能电网发展迅速，用户对于家庭能源消耗管理的意识也有了很大提升。

非侵入式电力负荷监测(Non-Intrusive Load Monitoring，简称NILM)是一种先进的电力负荷用电细节监测技术，利用非侵入式电力负荷监测技术可以获取用户侧的用电细节信息，并且在监测现场无需安装大量的监测传感器，只需获取总负荷数据即能够利用智能算法实现总负荷分解处理，进而获取电器的用电细节信息。非侵入式电力负荷监测技术通过在用电端口例如一户居民或一幢楼宇、一条工业母线或一个工厂车间、甚至一个微电的总口处安装监测传感器，通过分析负荷在总口处的量测信息例如端电压、总电流来对总负荷内部的各种用电器的用电细节信息实现近乎实时的跟踪监测，获取分项的用电细节信息，包括用电器的工作状态、用电功率以及总用电量等用电细节信息。非侵入式电力负荷监测技术突破了目前智能电表只能对电力负荷的用电总量进行监测的瓶颈，将用电信息监测深入细化到电力负荷内部。对于获取用电细节信息的应用场景而言，同传统侵入式监测技术相比，非侵入式电力负荷监测技术具有极大的部署和运行优势。

现有技术中，差分进化(Differential Evolution，简称DE)算法是一种基于群体的随机优化方法，其具有运算速度快、算法简单、鲁棒性好、全局收敛性等特点，在多个科学及工程领域已经得到广泛关注和应用。不同于其它进化算法，差分进化算法的差分变异算子是由种群中任意选取的多对向量的差值得到的。差分进化算法主要用于实参数优化问题，在处理不可微和非线性的连续空间问题上优于其它算法。然而，发明人经研究发现，传统的差分进化算法在解决多极值优化问题时容易陷入停滞，因此需要针对其存在问题进行改进，提出应用于电力负荷监测及负荷感知识别的改进型差分进化算法。

发明内容

基于此，为解决现有技术中的技术问题，特提出了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，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；