[发明专利]一种基于滑动窗残差模型的负荷投切动作监测方法

摘要

本发明公开一种基于滑动窗自回归残差模型的非侵入式负荷投切动作监测方法。通过NILM设备如智能电表获取总线电流，对电流进行小波滤波去噪处理。获取电流周期最大值序列，使用AR回归模型获取下一个电流最大值残差，根据残差与阈值的大小关系来判断负荷状态，该方法使用双阈值U和L来对负荷投切的相应事件进行划分。本发明方法对负荷投切动作的监测范围扩大，能够对较小功率的负荷投切动作进行检测，避免了因功率变化导致对小功率负荷的投切动作漏检；另外不需要获取非侵入式测量设备的其他电力参量，只需要总线电流参数，这样简化了对非侵入式的性能要求；负荷的种类划分也能简化整个NILM的识别算法复杂程度。

主权项

1.一种基于滑动窗残差模型的负荷投切动作监测方法，其特征在于，包括如下步骤：1)、时间序列周期最大值提取：提取电流信号的周期最大值，获取电流波形的包络信号，得到时间序列X(t1),X(t2),X(t3),…,X(tn),X(tn+1),…2)、滑动窗零均值化：设X(tn)为t＝n时的电流观测值，对检测滑动窗W1{X(tn),X(tn+1),…,X(tn+N-1)}(N表示滑动窗的长度)进行零均值化： X ‾ = 1 N Σ i = 0 N - 1 X ( t n + i ) - - - ( 1 ) ]]> x ( t n + i ) = X ( t n + i ) - X ‾ i = 0 , 1 , 2 , ... N - - - ( 2 ) ]]>公式(1)：表示获取检测滑动窗W1的均值；公式(2)为每个电流周期最大值采样点与均值的差，表示检测滑动窗W1零均值化的序列；3)、滑动窗残差模型：对异常检测滑动窗W1零均值化后的时间序列用AR(2)模型进行拟合，得到模型系数和计算X(tn+N)的残差en+N：4)、暂态事件检测：通过残差en+N来判断X(tn+N)是否发生异常，在暂态事件检测结果中根据准确率和召回率最大来选择全局最优的的双阈值U,L；当en+N>U或者en+N<-L时，X(tn+N)判断为异常点，此时判断系统中有电器发生了投切或者工作状态转换动作；当en+N≤U且en+N≥-L时，返回至步骤1)；5)、暂态窗检测：暂态事件窗W2(M为暂态窗长度)，W2{X(tn+N),X(tn+N+1),…,X(tn+N+M-1)} W 2 _ 1 = W 2 - X ‾ - - - ( 4 ) ]]>W2_1为暂态事件窗W2零均值化的序列；计算(4)式来划分广义ON和OFF事件；具体可以根据暂态事件窗W2与异常检测滑动窗W1均值差的正负性以及数量占优的原则进行判断：6)、稳态窗检测：通过稳态窗W3来实现R类和非R类的负荷划分设W3稳态窗的长度为L，W3{X(tn+N+M),X(tn+N+M+1),…,X(tn+N+M+L-1)}，定义脉冲系数α和脉冲偏移δ，H为自适应阈值，Amp为W2_1最大值。 H = α ( W 3 - X ‾ ‾ ) + δ - - - ( 6 ) ]]>Amp＝max(W2_1) (7)自适应阈值H为稳态事件窗W3零均值化的序列平均值与系数α乘积再加上偏执δ；当H大于Amp将负荷划分为非R类，反之则将负荷划分为R类；7)、暂态特征提取：在暂态事件窗W2中对暂态时间进行提取。