[发明专利]基于BP神经网络模型的非侵入式负荷识别方法

权利要求书

1.一种基于BP神经网络模型的非侵入式负荷识别方法，其特征在于，包括以下步骤：

A、特征分析样本的获取：

A.1、实时采集用电入户端的电压瞬时值和电流瞬时值得到电压数据集合U^s_i和电流数据集合I^s_i；

A.2、对电压数据集合U^s_i和电流数据集合I^s_i进行处理得到负荷的有功功率瞬时值集合P^s_i和无功功率瞬时值集合Q^s_i；

A.3、根据有功功率瞬时值集合P^s_i和无功功率瞬时值集合Q^s_i进行数据截取获取特征分析样本；

B、特征样本集的获取：

B.1、对有功功率瞬时值集合P^s_i和无功功率瞬时值集合Q^s_i进行时域特征值和频域特征值的处理形成由特征值组成的特征数据集；

B.2、采用聚类分析法对获取的特征数据集进行特征量相似性度量分类并得到由最优负荷特征值组成的特征样本集；

C、BP神经网络的优化：通过特征样本集对BP神经网络进行训练，并通过最速下降法对训练结果进行优化；

D、输出负荷识别结果：对于待识别的负荷，将待识别的负荷中的最优负荷特征值输入至优化后的BP神经网络模型，获取负荷识别结果。

2.根据权利要求1所述的基于BP神经网络模型的非侵入式负荷识别方法，其特征在于，在步骤A.2中采用窗口滑差的方式分别对电压数据集合U^s_i和电流数据集合I^s_i每周期内的数据进行FFT变换得到每个采集周波下的电压的基波的初始相位Øu和电流信号的基波的初始相位Øi，根据公式

分别计算有功功率的瞬时值集合P^s_i和无功功率的瞬时值集合Q^s_i。