[发明专利]一种用于智能电能表的非侵入式特征提取方法

权利要求书

1.一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述方法包括以下步骤：

步骤S1：采集居民用户的电力数据，提取出负荷特征信息，使每一样本数据对应多个特征信息数据；

步骤S2：对特征数据进行归一化处理；

步骤S3：针对所有样本数据使用ReliefF算法对所有信息进行排序；

步骤S4：将所有特征的相关度数据进行归一化处理，对每一特征的相关度数据求和，保留大于平均值的特征数据；

步骤S5：对所有保留特征利用斯皮尔曼相关性系数法进行相关性计算，当相关度大于80％时判定为强相关，保留强相关特征，作为有效特征，用于后续负荷识别的关键特征。

2.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述步骤S1中，获取居民用户的电力数据包含负荷启动的冲击电流、稳态电流高次谐波，电流序列的平均值等，特征数据的个数为n个，相应的特征信息为n维特征。

3.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述步骤S2中，对m个样本特征归一化，得到m*n维的样本集。

4.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述步骤S3中，利用ReliefF算法计算所有样本特征的权重。

5.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述步骤S4中，将样本特征数据进行归一化处理，计算每一特征的权重和求取平均值，保留大于平均值的特征：

6.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述步骤S5中，通过斯皮尔曼相关性系数法计算不同类特征间的相关性保留有利于识别的特征，去除冗余特征，计算方式如下：

将原始数据x_i，y_i按大小顺序排列，记x_1i,y_1i为原x_i，y_i在排列后数据所在的位置，则x_1i,y_1i为变量x_i，y_i的秩次，则d_i＝x_1i-y_1i为x_i，y_i的秩次之差，则ρ可由下式计算：

7.根据权利要求1所述的一种用于智能电能表的非侵入式特征提取方法，其特征在于：所述ReliefF算法具体的伪代码如下所示：

设训练数据集为D，样本抽样次数m，特征权重的阈值δ，最近邻样本个数k；输出为各个特性的特征权重T，步骤如下：

1.置所有特征权重为0，T为空集；

2.for i＝1 to m do

1)从D中随机选择一个样本R；

2)从R的同类样本集中找到R的k个最近邻H_j(j＝1，2，……k)，从每一个不同类样本集中找出k个最近邻M_j(C)

3)for A＝1 to N all feature do

8.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。

9.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。