用电设备类型辨识方法和系统与流程

本发明涉及智能用电技术领域，特别是涉及一种用电设备类型辨识方法和系统。

背景技术：

随着智能电网发展的不断深入，智能电网领域技术也不断取得突破，包括：关键技术和标准的研究、关键设备研制、需求侧管理实践、电网与用户互动服务和营销自动化系统建设等等，其中，关键技术和标准的研究包括：用电信息采集系统、智能电能表、电动汽车充电设备与设施、电力光纤到户等关键技术研究等，以及制定了用电信息采集技术领域和电动汽车充放电技术领域等企业标准。

用电负荷用电监测与识别方法一直是智能用电领域的关键技术，而且也是用电信息采集系统的重要技术。传统的用电负荷监测方法是：先为每个用电设备安装用电信息采集传感器，再通过户内无线局域网与监测主站通信来对各个区域的用电负荷进行监测。

但是，这种侵入式的用电负荷监测系统建设成本较高、运行维护困难，同时可能会对用户生产生活造成影；此外，用电信息采集传感器与监测主站采用无线局域网进行数据通信会使得用户用电信息存在安全隐患。虽然已经提出了非侵入式用电负荷辨识系统与方法，然而，随着用电设备种类的逐渐增多以及所采用技术的不断复杂化，现有的用电负荷辨识方法已经很难保证非侵入式用电负荷辨识系统的准确性。

综上所示，现有的用电负荷辨识方法的准确性较低。

技术实现要素：

基于此，有必要针对现有的用电设备负荷辨识方法的准确性较低的技术问题，提供一种用电设备类型辨识方法和系统。

一种用电设备类型辨识方法，包括如下步骤：

分别采集待辨识的各种用电设备的第一电参数；其中，所述第一电参数包括用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形；

对所述第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；

采集所述各个用电设备实际工作时的第二电参数；其中，所述第二电参数包括用电设备工作时的有功功率波形和无功功率波形；

对所述第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；

根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。

上述用电设备类型辨识方法，通过采集待辨识的各种用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，并对上述参数进行特征提取得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；然后，采集所述各个用电设备实际工作时的有功功率波形和无功功率波形，并对上述参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；最后，根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。本发明的用电设备类型辨识方法，通过对采集的各个用电设备的有功功率波形和无功功率波形的分析，实现了对用电设备的类型辨识，提高了用电设备类型辨识的准确度。

一种用电设备类型辨识系统，包括：

第一采集模块，用于分别采集待辨识的各种用电设备的第一电参数；其中，所述第一电参数包括用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形；

第一提取模块，用于对所述第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；

第二采集模块，用于采集所述各个用电设备实际工作时的第二电参数；其中，所述第二电参数包括用电设备工作时的有功功率波形和无功功率波形；

第二提取模块，用于对所述第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；

辨识模块，用于根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。

上述用电设备类型辨识系统，通过第一次采集模块采集待辨识的各种用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，并利用第一提取模块对上述参数进行特征提取得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；然后，通过第二采集模块采集所述各个用电设备实际工作时的有功功率波形和无功功率波形，并利用第二提取模块对上述参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；最后，通过辨识模块根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。本发明的用电设备类型辨识系统，通过对采集的各个用电设备的有功功率波形和无功功率波形的分析，实现了对用电设备的 类型辨识，提高了用电负荷辨识的准确度。

附图说明

图1为本发明的其中一个实施例的用电设备类型辨识方法流程图；

图2为本发明的另一个实施例的用电设备类型辨识方法流程图；

图3为本发明的其中一个实施例的用电设备类型辨识系统的结构示意图；

图4为本发明的另一个实施例的用电设备类型辨识系统的结构示意图。

具体实施方式

为了更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。

如图1所示，图1为本发明的其中一个实施例的用电设备类型辨识方法流程图，包括如下步骤：

步骤S101：分别采集待辨识的各种用电设备的第一电参数；其中，所述第一电参数包括用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形；

在本步骤中，通过采集包括有功功率波形和无功功率波形在内的用电设备的第一电参数，用于为后续步骤的特征提取奠定了基础，也为后文准确辨识用电设备类型提供了可靠的数据参考，是提高用电设备类型辨识准确度的重要步骤。

步骤S102：对所述第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；其中，所述第一稳态特征向量和第一暂态特征向量构成第一特征向量；

在本步骤中，通过对各个用电设备的第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量。需要说明的是，本步骤中所述的第一稳态特征向量和第一暂态特征向量 分别由各个用电设备的稳态特征和暂态特征组成，也可以说，本步骤中所述的第一稳态特征向量和第一暂态特征向量构成了各个用电设备的特征库，第一稳态特征向量和第一暂态特征向量中的每一个元素都代表着某类用电设备的特征值，因此，本发明在后续步骤中通过采集各个用电设备在实际工作时的第二电参数，并进一步得到第二稳态特征向量和第二暂态特征向量，进而对各个用电设备类型进行辨识，最终对某个区域的用电负荷进行辨识，以便尽早发现意外情况，将危险系数降到最低。

步骤S103：采集所述各个用电设备实际工作时的第二电参数；其中，所述第二电参数包括用电设备实际工作时的电压、电流、有功功率波形和无功功率波形；

在实际应用中，可以选定某个区域，并采集该区域内的用电设备实际工作时的第二电参数，需要特别指出的是，第二电参数中包括相应的用电设备的有用功率波形和无用功率波形，另外，还可以包括电压、电流等参数。在本步骤中，通过采集用电设备的有用功率波形和无用功率波形，用于后续步骤的对这些参数进行特征提取，得到各个用电设备的第二稳态特征向量和第二暂态特征向量，为最终的对各个用电设备类型进行辨识提供可靠的参考依据。

在实际应用中，步骤S101中所述的第一电参数可以是在对用电设备类型进行辨识之前就预先获取并进行存储的，而步骤S103中所述的第二电参数是在对用电设备类型进行辨识的过程中在线实时获取的。

步骤S104：对所述第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；其中，所述第二稳态特征向量和第二暂态特征向量构成第二特征向量；

在本步骤中，通过对用电设备的第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量。需要说明的是，本步骤中所述的第二稳态特征向量和第二暂态特征向量分别由各个用电设备实际运行的稳态特征和暂态特征组成，也可以说，本步骤中所述的第二稳态 特征向量和第二暂态特征向量构成了各个用电设备实际运行状态的特征库，第二稳态特征向量和第二暂态特征向量中的每一个元素都代表着某类用电设备在实际运行时某个参数的特征值，用于后续步骤的对各个用电设备类型进行辨识，最终对某个区域的用电负荷进行辨识，以便尽早发现意外情况，将危险系数降到最低。

步骤S105：根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。

在本步骤中，根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。需要说明的是，类型辨识模型的输入参数是向量，最终输出的也是向量，是由用电设备类型的相似度组成的向量。因此，在实际应用中，若知道了输入某个参数之后的输出向量中的第几个元素的值最小，则输出该元素的索引，即，知道了索引，也就知道了与该参数相对应的用电设备类型。

在实际应用中，由于第一电参数包括了用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，对第一电参数进行特征提取之后得到的第一稳态特征向量和第一暂态特征向量同样包括了用电设备在各个状态时的运行参数，因此，根据建立的类型辨识模型同样也可以辨识出各个用电设备的运行状态。

上述用电设备类型辨识方法，通过采集待辨识的各种用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，并对上述参数进行特征提取得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；然后，采集所述各个用电设备实际工作时的电压、电流、有功功率波形和无功功率波形，并对上述参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；最后，根据各 个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。本发明的用电设备类型辨识方法，通过对采集的各个用电设备的有功功率波形和无功功率波形的分析，实现了对用电设备的类型辨识，提高了用电设备类型辨识的准确度。

在其中一个实施例中，本发明的用电设备类型辨识方法，所述用电设备的类型辨识模型如下：

式中，表示由待辨识的用电设备的第一特征向量和实际工作时的各个用电设备的第二特征向量之间的相似度构成的向量，K₁、K₂均表示实数，且K₁+K₂＝1， 表示由待辨识的用电设备的第一稳态特征向量和实际工作时各个用电设备的第二稳态特征向量之间的相似度构成的向量，表示由待辨识的用电设备的第一暂态特征向量和实际工作时各个用电设备的第二暂态特征向量之间的相似度构成的向量，表示各个用电设备的第二稳态特征向量，表示K个用电设备的第二稳态特征向量，表示第K个用电设备的第一稳态特征向量和该用电设备的第二稳态特征向量之间的差值向量，表示各个用电设备所有M个暂态分段中第m段的直方图特征参数组成的暂态特征向量， 表示K个用电设备所有M个暂态分段中第m段的直方图特征参数组成的第二暂态特征向量，M'_P表示子向量中有功相关参数的数目，M'_Q表示子向量中无功相关参数的数目。

在其中一个实施例中，本发明的用电设备类型辨识方法，所述用电设备的稳态特征包括：所述用电设备稳定运行状态下的有功功率、无功功率、功率因数角、奇次谐波电流与基波电流的相位差和电流谐波畸变率。

在实际应用中，公式(1)中的K1和K2，优选为0.5，使得用电设备的稳态特征相似度和暂态特征相似度对用电设备类型的影响一致，提高了辨识的准确度。需要说明的是，公式(1)中的和均表示向量，通俗来讲，R是由待辨识的用电设备的第一特征向量和实际应用中各个用电设备的第二特征向量之间的相似度组成的向量，例如，R＝{0.001、0.002、0.012、0.201}，而R中的各个数值对应的是待辨识的用电设备和“电磁炉、微波炉、冰箱、洗衣机”之间的相似度，在预先建立的辨识模型中，R会输出相似度最小的元素对应的索引，以上述R向量的数值为例，相似度最低的是“0.001”，对应的索引是0，那么，该索引对应的用电设备的类型就是“电磁炉”。

公式(2)用于计算用电设备特征库中的第一稳态特征向量和实际运行时的用电设备的第二稳态特征向量之间的稳态特征相似度，其中，向量R_W的第一个元素计算的是用电设备特征库中第1个用电设备的第一稳态特征向量与用电设备的实际运行时的第二稳态特征向量之间的稳态特征相似度，其他元素同样如此，需要注意的是，在公式(2)的后半部分，通过将第一稳态特征向量和第二稳态特征向量中5个稳态特征参数的差的绝对值进行相加，最终得到两者的稳态特征相似度。利用根据公式(2)计算得到的稳态特征相似度，最终辨识到的用电设备类型的准确率更高，这也是本发明提高辨识准确度很重要的步骤。

在上述实施例中，公式(2)中的n表示用电设备的稳态特征的参数个数，在本实施例中限定了用电设备的稳态特征包括有功功率、无功功率、功率因数角、奇次谐波电流与基波电流的相位差和电流谐波畸变率等5个参数，因此，在公式(2)中n的取值为1至5。在实际应用中，若增加或者减少用电设备稳态特征的参数个数，n的取值范围也相应增加或者减少。

公式(3)用于计算用电设备特征库中的第一暂态特征向量和实际运行时的用电设备的第二暂态特征向量之间的暂态特征相似度，同样的，向量的第一个元素计算的是用电设备特征库中第1个用电设备的第一暂态特征向量与实际运行时相应的用电设备的第二暂态特征向量之间的暂态特征相似度，其中，和分别表示所有M个暂态分段中第m段的直方图特征参数组成的子向量，M'_P表示子向量中有功相关参数的数目，M'_Q表示子向量中无功相关参数的数目。

在其中一个实施例中，本发明的用电设备类型辨识方法，所述对所述电参数进行特征提取，得到各个用电设备的稳态特征的步骤可以包括：

式中，P表示用电设备的有功功率，U_h表示第h次谐波电压有效值，I_h表示第h次谐波电流有效值，θ_h表示第h次谐波电流滞后该次谐波电压的相位，Q表示用电设备的无功功率，表示用电设备的功率因数角，arctan(.)表示反正切函数，α_idx表示用电设备的奇次谐波电流与基波电流相位差，idx＝[(h_odd-1)/2]∈{1、2、3…}，h_odd∈{1、3、5、7…}表示电流谐波次数，β₁表示用电设备的基波电流相位，I_THD表示电流谐波总畸变率，表示用电设备的电流有效值。

在上述实施例中，通过对获取的各个用电设备稳定运行状态下的电参数进行特征提取，得到各个用电设备的稳态特征，用于后续步骤的对用电设备的类型进行辨识。需要说明的是，本发明的用电设备辨识方法中采集的电参数同时包含了有功功率波形和无功功率波形，这极大地提高了用电设备类型辨识的准确度。

如图2所示，图2为本发明的另一个实施例的用电设备类型辨识方法流程图，所述生成各个用电设备的第一暂态特征向量的步骤S102可以包括：

步骤S1021：记录各个用电设备在开启或关停过程中的有功功率波形和无功功率波形；

步骤S1022：根据采样周期将所述有功功率波形和无功功率波形分别进行离散表示，例如，可以将所述有功功率波形和无功功率波形表示如下：

步骤S1023：分别将所述有功功率波形和无功功率波形分成M段，得到有功功率波形和无功功率波形的序列分段，仍以上式为例，分段后的序列分段表示如下：

步骤S1024：对所述有功功率波形和无功功率波形的序列分段进行直方图序列分析，得到各个用电设备的第一暂态特征向量。

在上述实施例中，通过上述操作，本发明的用电设备类型辨识方法实现了对待辨识的用电设备的暂态特征的提取。

在其中一个实施例中，本发明的用电设备类型辨识方法，所述对所述第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征的步骤 还可以包括：

根据所述第二电参数，判断各个用电设备暂态过程的起始时刻；

提取各个用电设备的第二稳态特征和第二暂态特征。

在其中一个实施例中，可以采用如下方式，判断各个用电设备暂态过程的起始时刻：

根据所述第二电参数，判断各个用电设备暂态功率波形的持续时长；

根据所述各个用电设备暂态功率波形的持续时长，选择各个用电设备的分析数据窗长度W₀(即数据窗中包含的功率数据点数目)；

利用各个用电设备的分析数据窗长度，判断各个用电设备暂态过程的起始时刻。

在实际应用中，可以分别计算第i个数据窗与第i+1个数据窗的最大有功功率，当前、后两个数据窗中最大有功功率之差的绝对值超过预先设定的有功功率阈值K₂时，即可确定在第i+1个数据窗中，用电设备正处在暂态过程，随后在第i个数据窗中判断用电设备的暂态过程开始时刻。

在其中一个实施例中，所述利用各个用电设备的分析数据窗长度，判断各个用电设备暂态过程的起始时刻的步骤可以包括：

依次记录各个用电设备数据窗中第j个采样时间点和j+1个采样时间点的有功功率，并计算两者之间的差值；

当所述差值超过预先设定的有功功率阈值K₂时，判定采样时间点j即为相应的用电设备暂态过程的起始时刻。

在实际应用中，本发明的用电设备类型辨识方法，可以从用电设备暂态过程开始时刻开始，将有功功率波形时间序列中相邻两个时刻的功率差值记录在一个序列S₀中，当序列S₀的某个子序列S₁中的元素的取值均小于设定有功功率阈值K₃，且子序列S₁的长度大于分析数据窗长度W₀的一半，即可判断子序列S₁对应的时间段内用电设备处于稳态，也就是说，子序列S₁的第一个元素对应的时刻为稳态过程的起始时刻，也是暂态过程的终止时刻，而最后一个元素对应的时刻为稳态过程的终止时刻，因此，可以根据需要提取用电设备的稳态特征、以及暂态有功和无功功率波形时间序列P和Q，并分别计算暂态有功功率 和无功功率特征值，而且，当用电设备的暂态波形时间序列长度小于时间阈值T₁时，判断此暂态过程为关停过程，否则为开启过程。

在其中一个实施例中，本发明的用电设备类型辨识方法，所述根据建立的所述各个用电设备的类型辨识模型对各个用电设备的类型进行辨识的步骤包括：

根据建立的所述各个用电设备的类型辨识模型，计算得到用电设备索引；

将所述用电设备索引输入到由各个用电设备组成的用电设备库中，对比得到采集的第二电参数所对应的用电设备类型。

在实际应用中，本发明根据稳态特征相似度和暂态特征相似度计算结果，输出综合相似度最高的用电设备索引，即实现用电负荷类型和运行状态在线辨识。

如图3所示，图3为本发明的另一个实施例的用电设备类型辨识系统的结构示意图，包括：

第一采集模块101，用于分别采集待辨识的各种用电设备的第一电参数；其中，所述第一电参数包括用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形；

在第一采集模块101中，通过采集包括有功功率波形和无功功率波形在内的用电设备的第一电参数，后后续步骤的特征提取奠定了基础，也为后文准确辨识用电设备类型提供了可靠的数据参考，是提高用电设备类型辨识准确度的重要步骤。

第一提取模块102，用于对所述第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；

在第一提取模块102中，通过对各个用电设备的第一电参数进行特征提取，得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量。需要说明的是，本步骤中所述的第一稳态特征向量和第一暂态特征向量分别由各个用电设备的稳态特征和暂态特征组成，也可以说，本步骤 中所述的第一稳态特征向量和第一暂态特征向量构成了各个用电设备的特征库，第一稳态特征向量和第一暂态特征向量中的每一个元素都代表着某类用电设备的特征值，因此，本发明在后续步骤中通过采集各个用电设备在实际工作时的第二电参数，并进一步得到第二稳态特征向量和第二暂态特征向量，进而对各个用电设备类型进行辨识，最终对某个区域的用电负荷进行辨识，以便尽早发现意外情况，将危险系数降到最低。

第二采集模块103，用于采集所述各个用电设备实际工作时的第二电参数；其中，所述第二电参数包括用电设备实际工作时的电压、电流、有功功率波形和无功功率波形；

在实际应用中，可以选定某个区域，并采集该区域内的用电设备实际工作时的第二电参数，需要特别指出的是，第二电参数中包括相应的用电设备的有用功率波形和无用功率波形，另外，还可以包括电压、电流等参数。在本步骤中，通过采集用电设备的有用功率波形和无用功率波形，用于后续步骤的对这些参数进行特征提取，得到各个用电设备的第二稳态特征向量和第二暂态特征向量，为最终的对各个用电设备类型进行辨识提供可靠的参考依据。

第二提取模块104，用于对所述第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；

在第二提取模块104中，通过对用电设备的第二电参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量。需要说明的是，本步骤中所述的第二稳态特征向量和第二暂态特征向量分别由各个用电设备实际运行的稳态特征和暂态特征组成，也可以说，本步骤中所述的第二稳态特征向量和第二暂态特征向量构成了各个用电设备实际运行状态的特征库，第二稳态特征向量和第二暂态特征向量中的每一个元素都代表着某类用电设备在实际运行时某个参数的特征值，用于后续步骤的对各个用电设备类型进行辨识，最终对某个区域的用电负荷进行辨识，以便尽早发现意外情况，将危险系数降到最低。

辨识模块105，用于根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。

在辨识模块105中，根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。需要说明的是，类型辨识模型的输入参数是向量，最终输出的也是向量，是由用电设备类型组成的向量。因此，在实际应用中，若知道了输入某个参数之后的输出结果是向量的第几个元素，即，向量的索引，也就知道了与该参数相对应的用电设备类型。

在实际应用中，由于第一电参数包括了用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，对第一电参数进行特征提取之后得到的第一稳态特征向量和第一暂态特征向量同样包括了用电设备在各个状态时的运行参数，因此，根据建立的类型辨识模型同样也可以辨识出各个用电设备的运行状态。

上述用电设备类型辨识系统，通过第一次采集模块101采集待辨识的各种用电设备在开启、稳定运行和关停过程中的电压、电流、有功功率波形和无功功率波形，并利用第一提取模块102对上述参数进行特征提取得到各个用电设备的第一稳态特征和第一暂态特征，并根据所述第一稳态特征和第一暂态特征分别生成各个用电设备的第一稳态特征向量和第一暂态特征向量；然后，通过第二采集模块103采集所述各个用电设备实际工作时的有功功率波形和无功功率波形，并利用第二提取模块104对上述参数进行特征提取得到各个用电设备的第二稳态特征和第二暂态特征，并根据所述第二稳态特征和第二暂态特征分别生成各个用电设备的第二稳态特征向量和第二暂态特征向量；最后，通过辨识模块105根据各个用电设备的第一稳态特征向量、第一暂态特征向量、第二稳态特征向量和第二暂态特征向量，建立各个用电设备的类型辨识模型，并利用所述类型辨识模型对各个用电设备的类型进行辨识。本发明的用电设备类型辨识系统，通过对采集的各个用电设备的有功功率波形和无功功率波形的分析， 实现了对用电设备的类型辨识，提高了用电负荷辨识的准确度。

在其中一个实施例中，本发明的用电设备类型辨识系统，所述用电设备的类型辨识模型如下：

式中，表示由待辨识的用电设备的第一特征向量和实际工作时的各个用电设备的第二特征向量之间的相似度构成的向量，K₁、K₂均表示实数，且K₁+K₂＝1， 表示由待辨识的用电设备的第一稳态特征向量和实际工作时各个用电设备的第二稳态特征向量之间的相似度构成的向量，表示由待辨识的用电设备的第一暂态特征向量和实际工作时各个用电设备的第二暂态特征向量之间的相似度构成的向量，表示各个用电设备的第二稳态特征向量，表示K个用电设备的第二稳态特征向量，表示第K个用电设备的第一稳态特征向量和该用电设备的第二稳态特征向量之间的差值向量，表示各个用电设备所有M个暂态分段中第m段的直方图特征参数组成的暂态特征向量， 表示K个用电设备所有M个暂态分段中第m段的直方图特征参数组成的第二暂态特征向量，M'_P表示子向量中有功相关参数的数目，M'_Q表示子向量中无功相关参数的数目。

在其中一个实施例中，本发明的用电设备类型辨识系统，所述用电设备的稳态特征包括：所述用电设备稳定运行状态下的有功功率、无功功率、功率因数角、奇次谐波电流与基波电流的相位差和电流谐波畸变率。

在实际应用中，公式(1)中的K1和K2，优选为0.5，使得用电设备的稳态特征相似度和暂态特征相似度对用电设备类型的影响一致，提高了辨识的准确度。需要说明的是，公式(1)中的和均表示向量，通俗来讲，R是由待辨识的用电设备的第一特征向量和实际应用中各个用电设备的第二特征向量之间的相似度组成的向量，例如，R＝{0.001、0.002、0.012、0.201}，而R中的各个数值对应的是待辨识的用电设备和“电磁炉、微波炉、冰箱、洗衣机”之间的相似度，在预先建立的辨识模型中，R会输出相似度最小的元素对应的索引，以上述R向量的数值为例，相似度最低的是“0.001”，对应的索引是0，那么，该索引对应的用电设备的类型就是“电磁炉”。

公式（2）用于计算用电设备特征库中的第一稳态特征向量和实际运行时的 用电设备的第二稳态特征向量之间的稳态特征相似度，其中，向量R_W的第一个元素计算的是用电设备特征库中第1个用电设备的第一稳态特征向量与用电设备的实际运行时的第二稳态特征向量之间的稳态特征相似度，其他元素同样如此，需要注意的是，在公式（2）的后半部分，通过将第一稳态特征向量和第二稳态特征向量中5个稳态特征参数的差的绝对值进行相加，最终得到两者的稳态特征相似度。利用根据公式（2）计算得到的稳态特征相似度，最终辨识到的用电设备类型的准确率更高，这也是本发明提高辨识准确度很重要的步骤。

在上述实施例中，公式(2)中的n表示用电设备的稳态特征的参数个数，在本实施例中限定了用电设备的稳态特征包括有功功率、无功功率、功率因数角、奇次谐波电流与基波电流的相位差和电流谐波畸变率等5个参数，因此，在公式(2)中n的取值为1至5。在实际应用中，若增加或者减少用电设备稳态特征的参数个数，n的取值范围也相应增加或者减少。

公式(3)用于计算用电设备特征库中的第一暂态特征向量和实际运行时的用电设备的第二暂态特征向量之间的暂态特征相似度，同样的，向量的第一个元素计算的是用电设备特征库中第1个用电设备的第一暂态特征向量与实际运行时相应的用电设备的第二暂态特征向量之间的暂态特征相似度，其中，和分别表示所有M个暂态分段中第m段的直方图特征参数组成的子向量，M'_P表示子向量中有功相关参数的数目，M'_Q表示子向量中无功相关参数的数目。

在其中一个实施例中，本发明的用电设备类型辨识系统，所述第一提取模块102还用于，对所述电参数进行特征提取，得到各个用电设备的稳态特征：

式中，P表示用电设备的有功功率，U_h表示第h次谐波电压有效值，I_h表示第h次谐波电流有效值，θ_h表示第h次谐波电流滞后该次谐波电压的相位，Q表示用电设备的无功功率，表示用电设备的功率因数角，arctan(.)表示反正切函数，α_idx表示用电设备的奇次谐波电流与基波电流相位差，idx＝[(h_odd-1)/2]∈{1、2、3…}，h_odd∈{1、3、5、7…}表示电流谐波次数，β₁表示用电设备的基波电流相位，I_THD表示电流谐波总畸变率，表示用电设备的电流有效值。

在上述实施例中，通过对获取的各个用电设备稳定运行状态下的电参数进行特征提取，得到各个用电设备的稳态特征，用于后续步骤的对用电设备的类型进行辨识。需要说明的是，本发明的用电设备辨识方法中采集的电参数同时包含了有功功率波形和无功功率波形，这极大地提高了用电设备类型辨识的准确度。

如图4所示，图4为本发明的另一个实施例的用电设备类型辨识系统的结构示意图，所述第一提取模块102可以包括：

记录模块1021，用于记录各个用电设备在开启或关停过程中的有功功率波形和无功功率波形；

离散模块1022，用于根据采样周期将所述有功功率波形和无功功率波形分别进行离散表示，例如，可以将所述有功功率波形和无功功率波形表示如下：

分段模块1023，用于分别将所述有功功率波形和无功功率波形分成M段， 得到有功功率波形和无功功率波形的序列分段，仍以上式为例，分段后的序列分段表示如下：

分析模块1024，用于对所述有功功率波形和无功功率波形的序列分段进行直方图序列分析，得到各个用电设备的第一暂态特征向量。

在上述实施例中，通过上述操作，本发明的用电设备类型辨识系统实现了对待辨识的用电设备的暂态特征的提取。

在其中一个实施例中，本发明的用电设备类型辨识系统，所述第二提取模块104还可以用于：

根据所述第二电参数，判断各个用电设备暂态过程的起始时刻；

提取各个用电设备的第二稳态特征和第二暂态特征。

在其中一个实施例中，可以采用如下方式，判断各个用电设备暂态过程的起始时刻：

根据所述第二电参数，判断各个用电设备暂态功率波形的持续时长；

根据所述各个用电设备暂态功率波形的持续时长，选择各个用电设备的分析数据窗长度W₀(即数据窗中包含的功率数据点数目)；

利用各个用电设备的分析数据窗长度，判断各个用电设备暂态过程的起始时刻。

在实际应用中，可以分别计算第i个数据窗与第i+1个数据窗的最大有功功率，当前、后两个数据窗中最大有功功率之差的绝对值超过预先设定的有功功率阈值K₂时，即可确定在第i+1个数据窗中，用电设备正处在暂态过程，随后在第i个数据窗中判断用电设备的暂态过程开始时刻。

在其中一个实施例中，本发明的用电设备类型辨识系统，还可以采用如下方法利用各个用电设备的分析数据窗长度，判断各个用电设备暂态过程的起始时刻：

依次记录各个用电设备数据窗中第j个采样时间点和j+1个采样时间点的有功功率，并计算两者之间的差值；

当所述差值超过预先设定的有功功率阈值K₂时，判定采样时间点j即为相应的用电设备暂态过程的起始时刻。

在实际应用中，本发明的用电设备类型辨识系统，可以从用电设备暂态过程开始时刻开始，将有功功率波形时间序列中相邻两个时刻的功率差值记录在一个序列S₀中，当序列S₀的某个子序列S₁中的元素的取值均小于设定有功功率阈值K₃，且子序列S₁的长度大于分析数据窗长度W₀的一半，即可判断子序列S₁对应的时间段内用电设备处于稳态，也就是说，子序列S₁的第一个元素对应的时刻为稳态过程的起始时刻，也是暂态过程的终止时刻，而最后一个元素对应的时刻为稳态过程的终止时刻，因此，可以根据需要提取用电设备的稳态特征、以及暂态有功和无功功率波形时间序列P和Q，并分别计算暂态有功功率和无功功率特征值，而且，当用电设备的暂态波形时间序列长度小于时间阈值T₁时，判断此暂态过程为关停过程，否则为开启过程。

在其中一个实施例中，本发明的用电设备类型辨识系统，所述辨识模块105还可以用于：

根据建立的所述各个用电设备的类型辨识模型，计算得到用电设备索引；

将所述用电设备索引输入到由各个用电设备组成的用电设备库中，对比得到采集的第二电参数所对应的用电设备类型。

在实际应用中，本发明的用电设备类型辨识系统，根据稳态特征相似度和暂态特征相似度计算结果，输出综合相似度最高的用电设备索引，即实现用电负荷类型和运行状态在线辨识。

本发明的用电设备类型辨识方法和系统，同时从有功功率波形和无功功率波形特征中提取用电设备暂态特征，并采用新的暂态特征相似度计算方法，从而在用电设备种类的逐渐增多及所采用技术的不断复杂化为非侵入式用电负荷辨识提出技术挑战的情况下，保证非侵入式用电负荷辨识系统的辨识准确性，最终提高非侵入式用电负荷辨识技术系统及相关产品的实用性。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。