[发明专利]一种非侵入式负荷智能分解和优化控制方法

说明书

一种非侵入式负荷智能分解和优化控制方法，旨在解决如何实现在总线上测量用电器用电数据以及进行控制的技术问题。该方法包括：测量用户端用电数据和环境参数，利用无线通讯方式传输数据并处理数据，利用滑动窗口截取功率、功率因数、环境参数并进行标准化；输入训练好的带有Attention算法的LSTM神经网络分解出各用电器功率和开关状态，并根据环境参数等确定是否需要施加控制，通过继电器对用电器进行开关控制。本发明使用总线功率、功率因数的时间序列作为主要数据，综合考虑环境因素对负荷情况的影响，对复杂的总线用电数据进行特征提取和分解，从而实现一对多的测量，既降低了传感器的数量，也能获得相对精确的测量结果。

技术领域：

本发明涉及能源动力系统中的用电监测及分析方法，特别涉及一种非侵入式负荷智能分解和优化控制方法，属于能源动力工程领域。

背景技术：

面对用电负荷不确定和供电电力不确定这样一个双重不确定性的复杂问题，智能电网的实现需要多层级技术：高度的信息集中技术、高效灵活的调度控制技术等，而这些技术的一个应用前提是对用电负荷数据的获取。例如，除了使用传统的发电端和输电端调峰手段，也可以调节用户端的用电，在识别出用户端的用电情况后，为用户提供用高峰期电建议，将一些非必要的高功率用电器安排到用电和电价低谷期。通过合理安排用户端不同用电器的使用时间，达到既能降低电网运行压力，也提高用户用电经济性的效果。然而，这一切都只有基于精确到用电器的负荷测量技术才能实现。只有获取用电器这一层级的信息，才能合理地规划用户侧用电安排以削峰填谷，从而降低电力负荷需求、稳定电网运行，达到智能电网要求。

现行的负荷测量技术(即传统电表)只能读取用电总量，显然难以满足上述要求。现已有通过传感器与用电设备一对一监测的形式测量用户端用电情况的方式，即侵入式监测，能够得到准确而详细的用电数据的技术。但这种监测方式需要传感器的数量堆积才能够获得用户端所有用电器的详细测量结果，若在学校、工厂等用电器数量庞大的场合采用这种形式，需要很高的安装和维护成本。不少文献对非侵入式负荷监测进行了研究，如“非侵入式电力负荷分解方法、装置、设备及介质”(CN 113177299 A)提出了一种非侵入式负荷监测装置和基于状态转换事件的CUSUM事件转换算法，可以更准确的检测出单一设备和多设备的状态转换事件。“一种基于非侵入式注意力预处理过程与BiLSTM模型的预测方法”(CN 113177666 A)，采用深度学习方法，考虑时间序列的输入，并采取了一种注意力预处理过程，部分加强了对时间序列的处理能力。但这些方法对于历史数据和环境参数的特征提取仍不充分，不能很好适应快速变化的负荷，且仅包含测量功能，测量后无法进一步控制用电设备。

发明内容

针对现有技术中存在的问题和缺陷，本发明的目的是提供一种非侵入式负荷智能分解和优化控制方法，使其仅通过测量总线数据和部分环境参数即可识别监测各用电器负荷成分，实现一对多的测量，并适应负荷快速变化的情况，获得更高的测量精度；同时降低传感器的数量，达到进一步降低成本的目的。

本发明的技术方案如下：

一种非侵入式负荷智能分解与优化控制方法，其特征在于该方法包含以下步骤：

S1：以采样频率f采集如下数据：用电表采集用户所有用电器总线功率P和总线功率因数用湿度传感器采集环境湿度H；用温度传感器采集环境温度T；用光照强度传感器采集环境光照强度I；所述的所有用电器包括用于调节环境参数的用电器和与环境参数无关的用电器；

S2：利用长度为N的滑动窗口抽取P、H、T和I的时间序列并对其进行标准化处理；

S3：将步骤S2所述窗口中的数据输入到预训练的带有Attention算法的LSTM网络，对总线功率、总线功率因数和环境参数进行特征提取和分解，得到所有用电器的开关状态及功率；

S4：对所有用电器开关状态及功率进行优化控制，并根据环境参数确定是否需要施加控制，若需要优化控制，则通过关闭或开启调节环境参数的用电器，使得环境参数维持在正常范围内。