[发明专利]一种基于隐马尔科夫链的非侵入式电器负荷辨识方法

摘要

本发明为一种基于隐马尔科夫链的非侵入式电器负荷辨识方法，公开了一种基于隐马尔科夫模型的非侵入式用户负荷辨识算法。构建电器负荷模型的隐藏状态数量，统计所有电器的挡位状态和每个电器的挡位状态的数量；构建模型观测序列取值范围，计算电器的最大总和功率；确定转移状态矩阵，统计每两个隐藏状态之间的转换概率组成转移矩阵；统计隐藏状态的耗电功率，得到隐藏状态到观测序列的发射矩阵；统计各个隐藏状态在电器用电过程中出现的概率，组成每个隐藏状态的初始概率向量；获取当前电表的读数为当前观测序列，处理获得最优隐藏状态，得到每个电器当前的使用情况。本发明方法简单有效，获得用户的用电情况，不需要部署太多的传感器，也不需要高频采样，并对负荷过高进行预警，降低用电风险。

主权项

1.一种基于隐马尔科夫模型的非侵入式电器负荷辨识方法，其特征在于：方法包括以下步骤：/n1)以各个电器的挡位状态作为隐藏状态，构建电器负荷模型的隐藏状态数量，首先统计所有电器的挡位状态和每个电器的挡位状态的数量，即每个电器的状态数，所有电器的挡位状态组合作为用电情况，电器负荷模型的隐藏状态数量K等于各个电器的挡位状态数量的乘积；/n2)以电器的功率作为观测序列中元素的取值，构建模型的观测序列取值范围，计算所有电器的最大总和功率，以0～最大总和功率作为观测序列所有的可能取值范围，并将最大总和功率分为N个功率级别；/n3)确定转移状态矩阵，根据电器的历史数据统计每两个隐藏状态之间的转换概率组成转移矩阵A，转移矩阵A为K行K列，其中K为隐藏状态的数量，A_i，j表示上一时刻隐藏状态为i到下一时刻转移到隐藏状态j的概率；/n4)根据历史数据，统计隐藏状态对应的耗电功率，得到隐藏状态到观测序列的发射矩阵B，发射矩阵B为K行N+1列，其中B_u，v表示隐藏状态为u的情况下当前功率为v的概率，其中N表示电表最大的可能读数；/n5)根据历史数据，统计各个隐藏状态在电器用电过程中出现的概率，组成得到每个隐藏状态的初始概率向量π；/n6)获取当前电表的读数作为当前的观测序列，计算处理获得最优隐藏状态，得到每个电器当前的使用情况。/n