[发明专利]基于LSTM和序列到点翻译模型非侵入式负荷监测方法

权利要求书

1.基于LSTM和序列到点翻译模型非侵入式负荷监测方法，其特征在于：包括以下步骤：

步骤一：获取电力入口处安装的智能电表采集用户所有用电设备负荷功率的历史数据，对历史数据进行预处理得到总负荷序列；

步骤二：对步骤一生成的总负荷序列进行信息粒化处理，并将粒化处理后的总负荷序列代入功率嵌入矩阵映射到高维紧密向量空间；

步骤三：基于滑动窗口的事件探测算法对步骤二得到的高维紧密向量空间进行探测，记下负荷类别作为负荷样本标签；

步骤四：构建序列到点翻译模型；所述序列到点翻译模型为将输入窗口的总负荷序列读取和输出序列即单个设备中的功率预测之间建立映射，将总负荷序列通过编码和解码两个步骤转换成输出序列窗口的中点值；所述构建序列到点翻译模型包括局部特征提取卷积网络和负荷识别LSTM网络；

步骤五：采用开放数据集UK-DALE对步骤四构建的序列到点翻译模型进行训练达到最佳收敛状态；

步骤六：利用训练好的序列到点翻译模型辨识出工作状态发生动作的用电设备，统计设备的用电信息；所述设备的用电信息包含设备的启停时刻、负荷消耗类型以及电能消耗。

2.根据权利要求1所述的基于LSTM和序列到点翻译模型非侵入式负荷监测方法，其特征在于：步骤一还包括构建每个目标设备数据的滑动窗口长度；所述目标设备为用户所有用电设备种类中的一类；步骤一具体包括：

将总负荷有功功率的历史数据根据目标设备的激活周期分割、预处理后导入滑动窗口；如果分割后的子序列中缺失值的持续时间小于预设的时间间隔，用向后填充法填补对应的缺失值；

所述预处理后导入滑动窗口的预处理为导入滑动窗口的总负荷有功功率历史数据或者输出的目标设备的功率值，减去功率平均值除以功率标准差，如下式(1)；

式(1)中X为电表或目标设备在t时刻的功率值，X_mean为电表或目标设备的功率均值，X_std为电表或目标设备的功率标准差。

3.根据权利要求1所述的基于LSTM和序列到点翻译模型非侵入式负荷监测方法，其特征在于：步骤二具体包括以下步骤：

S21：对总负荷序列按采样频率整数倍切割粒化，得到粒化后的序列其中代表目标设备j在对应的总功率序列中的第i个功率点的功率；

S22：将粒化后的序列代入随机初始化功率嵌入矩阵E＝[v_s*e_s]映射得到高维向量

4.根据权利要求1所述的基于LSTM和序列到点翻译模型非侵入式负荷监测方法，其特征在于：步骤三中的滑动窗口的事件探测算法具体包括：

S31：对总负荷序列提取功率点P_k处的窗口功率序列S＝[P_k-W…P_k…P_k+W]，W为P_k两侧窗口长度；

S32：预设滑动窗S的方差S_方差作为功率突变阈值；若S_方差S_均值，则判断发生功率突变事件；其中S_均值为滑动窗S的平均功率；

S33：通过滑动窗口找到功率突变事件的大致起始点P_开始和P_结束位置，同时利用序列窗口长度W的滑动位移，可以得到准确的事件发生始点P0_开始＝P_开始+W,以及终点P0_结束＝P_结束+W，探测到事件发生后，记下负荷类别作为负荷样本标签。