基于BGAIN-DD网络的非侵入式负荷分解方法

本发明属于非侵入式负荷分解，尤其涉及一种基于bgain-dd网络的非侵入式负荷分解方法。

背景技术：

1、非侵入式负荷分解(non-intrusive load decomposition,nild)是一种监测能耗状态的有效手段，只需在家庭用户电力入口处安装信息采集传感器，并将采集到的总负荷信息运用相关分解算法得到各电气设备详细的用电信息。nild有助于用户改善用电习惯，实现节能减耗，减少电费支出。与传统的侵入式负荷分解(intrusive loaddecomposition,ild)相比，非侵入式负荷分解技术有成本低廉、适用性强等优点,已逐步成为当前研究的热点和方向。

2、专利文献1公开了一种公开的基于transformer网络的非侵入式负荷分解方法，通过自适应高斯滤波对原始功率数据进行去噪处理，然后将划分好的数据输入到构建的transformer模型中，通过长距离依赖将不同时刻的功率特征进行拼接，增强了特征提取能力以及负荷分解精度。然而该文献存在网络参数多、计算复杂度高、训练耗时的问题，并且对计算资源有一定要求，难以与非侵入式负荷监测装置配合使用，给用户实时监测能耗状态带来困难。

3、专利文献2公开了一种基于特征增强的非侵入式负荷分解方法，将某时刻的功率缺失值使用前一时刻的数据填充，并对预处理后的总功率序列进行特征增强，随后送入cnn-lstm网络进行负荷分解，通过增强总功率序列的时序特征，使得负荷分解精度有一定提升。该文献尽管对总负荷有功功率序列构造增强特征，但是其采用传统的缺失值填充，没有考虑负荷数据的时序性，填补精度不高。当数据缺失较大时，会造成较大的非侵入式负荷分解误差。

4、参考文献

5、专利文献1 中国发明专利申请，公开号：cn 113434493a，公开日：2021.09.24；

6、专利文献2 中国发明专利申请，公开号：cn 114971197a，公开日：2022.08.30。

技术实现思路

1、本发明的目的在于提出一种基于bgain-dd网络的非侵入式负荷分解方法，其采用具有较高数据填补精度的bgain网络以及轻量化的负荷分解模型dd，以适应电器种类繁多、电表数据缺失的居民用户进行实时电器状态检测，确保总功率数据缺失较大时的负荷分解精度。

2、本发明为了实现上述目的，采用如下技术方案：

3、基于bgain-dd网络的非侵入式负荷分解方法，包括如下步骤：

4、步骤1. 获取uk-dale数据集中的低频功率数据进行预处理，并将预处理后的数据集划分为训练集、测试集；其中训练集以及测试集中的数据均是完整数据；

5、步骤2. 搭建包括输入层、生成器、双向判别器以及输出层在内的bgain网络，并使用完整的训练集数据对bgain网络进行模型训练；

6、步骤3. 搭建包括输入层、特征提取层、逻辑提取层以及输出层在内的dd网络，并使用完整的训练集数据对dd网络进行模型训练；

7、步骤4. 构建一个与功率数据维度大小一致的掩码矩阵m，并在 m上随机取w个值设0，以表示缺失数据，其余值设为1，以表示完整数据；

8、将掩码矩阵m与测试集数据进行哈达姆积运算得到随机缺失数据集；

9、将随机缺失数据集送入训练好的bgain网络进行数据填补，并将填补后的数据送入训练好的dd网络进行负荷分解，实现对bgain网络和dd网络测试；

10、步骤5. 将待分解的低频功率数据进行预处理，并将预处理后的数据输入到训练并测试好的bgain网络和dd网络中进行数据填补以及负荷分解，得到最终的电器功耗数据。

11、本发明具有如下优点：

12、如上所述，本发明针对目前居民用户智能电表的数据缺失填补方法较少考虑负荷数据的时序性特性而引起填补质量差，进而导致非侵入式负荷分解精度低的技术问题，充分考虑量测数据间的时序特性、相关性及负荷变化规律，提出一种基于bgain-dd网络的非侵入式负荷分解方法。本发明在生成对抗插补网络wsgain-gp的基础上，增加一个判别器，从而构建具有双向判别功能的生成对抗填补模型即bgain网络，实现从前向和后向两个方向对中间时刻总功率填补数据进行真假判别，提高了总功率数据填补的精度。此外，本发明还引入了引入树突网络dd进行负荷分解，充分利用树突结构的逻辑运算能力，相较于传统的胞体网络，提高了分解精度，减少了训练时间，降低了计算复杂度。本发明通过构建的bgain-dd网络，确保了非侵入式负荷监测装置在总功率数据缺失较大时有较高的负荷分解精度。

技术特征：

1.基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

3.根据权利要求1所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

4.根据权利要求3所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

5.根据权利要求4所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

6.根据权利要求4所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

7.根据权利要求4所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

8.根据权利要求4所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

9.根据权利要求4所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

10.根据权利要求1所述的基于bgain-dd网络的非侵入式负荷分解方法，其特征在于，

技术总结
本发明属于非侵入式负荷分解技术领域，具体公开了一种基于BGAIN‑DD网络的非侵入式负荷分解方法。本发明在生成对抗插补网络WSGAIN‑GP的基础上，增加一个判别器，从而构建具有双向判别功能的生成对抗填补模型即BGAIN模型，实现从前向和后向两个方向对中间时刻总功率填补数据进行真假判别，提高了总功率数据填补的精度。此外，本发明还引入了引入树突网络进行负荷分解，充分利用树突结构的逻辑运算能力，相较于传统的胞体网络，提高了分解精度，减少了训练时间，降低了计算复杂度。本发明通过BGAIN‑DD组合模型，确保了非侵入式负荷监测装置在总功率数据缺失较大时仍然有较高的负荷分解精度。

技术研发人员：白星振,尚继伟,张伟,康家豪
受保护的技术使用者：山东科技大学
技术研发日：
技术公布日：2024/1/15