[发明专利]一种基于基波和谐波混合判据的电器特征辨识方法

说明书

本发明涉及一种基于基波和谐波混合判据的电器特征辨识方法，包括以下步骤：S1、获取用电数据获取，并进行预处理；S2、对所述S1预处理后的数据判断是否有事件发生；若存在事件发生，则进入S3，否则进入S1；S3、分别采用电压‑电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征；S4、基于S3得到的负荷特征，对所述S2判断得到的事件进行基于支持向量机的负荷识别，识别得到用户家庭中处于工作状态的用电器。本发明能够解决现有技术只依靠单一负荷特征的非侵入式负荷识别所得出的结果往往并不可靠的缺点的技术问题。

技术领域

本发明属于负荷识别技术领域，涉及一种电器特征辨识方法，尤其是一种基于基波和谐波混合判据的电器特征辨识方法。

背景技术

随着电力系统网络的愈加成熟和人工智能快速发展，智能电网也随着二者的结合应运而生，慢慢地发展壮大。而在未来智能电网地规划里，是朝着一个完全自动化的电力传输网络方向发展的，具有监视和控制每个用户和电网节点，保证从电厂到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动的能力。因此，这要求在电网终端要与用户之间形成良好互动，实现更好地用电管理和服务。随着非侵入式负荷监测系统(Non-intrusive Load monitoring system，NILMS)地提出，即在不侵入用户内部设备的前提下，进行负荷识别,得到用户实时用电功率组成。通过统计不同负荷的用电量,用户可以获知详细的电能消耗情况,有效管理用电行为。

在这其中，负荷印记(Load Signature，LS)的提取和良好的负荷识别分类器是决定负荷识别准确性的关键环节。当前国内外学者对基于稳态和暂态的负荷特征提取展开了一系列的研究，稳态特征包括功率、电压-电流波形、电压噪声和电流谐波等；暂态特征包括瞬时电压、瞬时功率、电压噪声、电流等。而随着机器学习的不断发展，包括线性分类器、支持向量机、神经网络等在内的分类器也广泛被应用于负荷识别中。但是因为不同类型负荷的单一负荷特征往往存在重叠情况，如果只依靠单一负荷特征的非侵入式负荷识别所得出的结果往往并不可靠，造成的误辨识对结果影响较大。

经检索未发现和本发明相同或相似的现有技术的公开文献。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于基波和谐波混合判据的电器特征辨识方法，能够解决现有技术只依靠单一负荷特征的非侵入式负荷识别所得出的结果往往并不可靠的缺点的技术问题。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于基波和谐波混合判据的电器特征辨识方法，包括以下步骤：

S1、获取用电数据获取，并进行预处理；

S2、对所述S1预处理后的数据判断是否有事件发生；若存在事件发生，则进入S3，否则进入S1；

S3、分别采用电压-电流曲线提取方法和谐波特征提取方法对事件发生后的电压电流信号进行特征提取和组合，得到负荷特征；

S4、基于S3得到的负荷特征，对所述S2判断得到的事件进行基于支持向量机(下文以SVM简称)的负荷识别，识别得到用户家庭中处于工作状态的用电器。

进一步的，所述S1中，用电数据包括：电流、电压及功率。

进一步的，所述S2中，对所述S1预处理后的数据判断是否有事件发生的具体方法为：通过功率的有效值变化判断事件发生，当所述功率的有效值变化大于阈值，则有事件发生，否则不存在事件发生，其具体步骤包括：

设定S1预处理得到的视在功率：S₁，…，S_t，S_t+1，…；事件开始时间t_on为t秒，事件结束时间t_off为t+TL秒；事件探测窗每次移动的步长为L；