一种稳暂态混合的非侵入式负荷监测方法及系统

本发明属于电力负荷管理分析，具体涉及一种稳暂态混合的非侵入式负荷监测方法及系统。

背景技术：

1、非侵入式负荷监测技术，旨在通过仅安装电力用户入口处的智能电表，采集用户用电的总数据，实现对用户负荷运行状态的识别。其具有低成本，高可靠性，保护用户隐私等有点，并在需求侧响应领域具有巨大的应用潜力，近年来受到了广泛的关注和研究。

2、基于使用用电数据特征的类型不同，负荷识别方法可分为两类，即基于稳态特征的负荷识别方法和基于暂态特征的负荷识别方法。稳态特征可从提取稳态过程的用电数据中提取，在此过程中负荷的运行状态未发生变化；暂态特征可从暂态过程的用电数据中提取，在此过程中有负荷的运行状态会发生变化。基于稳态特征的负荷识别方法通常较为简单易懂，便于实现，但对于具有相似稳态特征的负荷或负荷组合难以进行有效识别；基于暂态特征的负荷识别方法可具有较高的识别精度，但依赖高频数据，数据量较大，对智能电表有较高的硬件要求。因此，亟需一种能够对负荷组合有效识别且识别精度足够高的负荷识别方法。

技术实现思路

1、针对现有技术的不足，本发明的目的在于提供一种稳暂态混合的非侵入式负荷监测方法及系统。

2、本发明的目的可以通过以下技术方案实现：

3、一种稳暂态混合的非侵入式负荷监测方法，包括以下步骤：

4、s1，通过智能电表采集用户的用电总数据，构建典型负荷的用电模型；

5、s2，使用事件检测算法对事件进行识别，来划分稳态过程和暂态过程，并分别提取稳态特征和暂态特征；

6、s3，使用基于稳态特征的方法进行负荷识别，并根据用电模型中的用电数据，得到稳态识别结果候选集合；

7、s4，使用基于暂态特征的方法进行负荷识别，并根据用电模型中的用电数据，得到暂态识别结果候选集合；

8、s5，建一条表征负荷运行状态变化情况的时序路径，使用维特比算法对稳态和暂态识别结果候选集合进行筛选，判定最终的识别结果。

9、进一步地，所述用电总数据包括：有功功率、无功功率、电压、电流、时间戳；

10、所述用电模型包括：负荷的工作状态数目、相对应所消耗的有功功率和无功功率数值、负荷在发生状态切换时的功率变化数据。

11、进一步地，基于稳态特征进行负荷识别时的优化模型为：

12、

13、其中p(t)、q(t)分别为用户在t时刻的总有功功率和总无功功率数据，pi,j(t)、qi,j(t)分别为第i个负荷的第j个工作状态所对应的有功功率和无功功率值，n为负荷数量，ni为第i个负荷的工作状态数目，xi,j(t)用于表征在t时刻第i个负荷的工作状态，xi,j(t)＝0表示该负荷不在其第j个工作状态，xi,j(t)＝1表示该负荷在其第j个工作状态。

14、进一步地，基于稳态特征进行负荷识别时的优化约束为：

15、

16、进一步地，求解基于稳态特征的负荷识别结果候选集合的步骤为：

17、1)在对每个稳态过程进行负荷识别时，将负荷的工作状态xi,j(t)作为决策变量，采用离散粒子群优化算法对目标函数进行迭代求解；

18、2)在每次迭代过程中更新并记录若干个全局最优结果及对应的目标函数值；迭代结束后将其输出，作为基于稳态特征的负荷识别结果候选集合。

19、进一步地，基于暂态特征进行负荷识别时的优化模型为：

20、

21、其中函数f2()用于比较从用电数据提取得到的暂态特征与特征模版的相似程度，其函数值越小，则该暂态特征与模版特征的相似性越大，feature(k)表示从第k个事件的用电数据中提取得到的暂态特征，featurei,j表示第i个负荷的第j个状态切换过程对应的特征模版。

22、进一步地，求解基于暂态特征的负荷识别结果候选集合的步骤为：

23、1)在对每个暂态过程进行负荷识别时，采用动态规整算法对暂态特征与特征模版之间的相似程度进行计算；

24、2)提取若干个目标函数最小值所对应的负荷状态切换过程，作为基于稳态特征的负荷识别结果候选集合。

25、进一步地，负荷的状态切换过程可用变量xi,j表示，取-1，0，1三个值，xi,j＝0表示第i个负荷的第j个工作状态未发生变化，xi,j＝1表示暂态过程中第i个负荷的第j个工作状态开始，xi,j＝-1表示暂态过程中第i个负荷的第j个工作状态结束；

26、第k个暂态过程的负荷状态切换情况用表示；对应的暂态识别结果候选集合用数组表示。

27、进一步地，最终负荷识别结果的获取步骤为：

28、s51，输入参数为：模型λ＝(a,b,π)以及观测序列o＝(o1,o2,...,ok)；输出结果为各个隐藏序列的识别结果xs＝(xs,1,xs,2,...,xs,k)；其中观测序列可看作在是每个稳态过程中，从用户用电总数据中提取得到的电气特征，其用于进行基于稳态特征的负荷识别，隐藏状态为每个稳态过程所对应的将中每个结果对应的目标函数值进行归一化处理，即可得到发射概率b；将中每个结果对应的目标函数值进行归一化处理，即可得到转移概率a；

29、s52，初始化，s51的各个隐藏状态的前向概率δ1(i)＝π(i)*b1(i)，以及其对应的最优路径ψ1(i)＝0，并且i＝1,2,...,ns；

30、s53，递推计算，第k步的前向概率为δk(i)＝max[δk-1(j1)*ak-1(j2)]bk(i)；其中j1＝1,2,...,ns以及j2＝1,2,...,ne，并且满足公式xs,k-1+xe,k-1＝xs,k，最优路径为ψk(i)＝argmax[δk-1(j1)*ak-1(j2)]；

31、s54，终止，递推到观测序列末端时，计算最后一步的最大前向概率p*＝maxδk(i)以及对应的路径

32、s55，最优路径回溯，对k＝k-1,k-2,...,2,1，计算路径以及对应的负荷识别结果该结果即为经过校核分析后得到的最终负荷识别结果。

33、进一步地，包括数据采集模块、事件识别模块、稳态识别模块、暂态识别模块以及结果判定模块；

34、数据采集模块：通过智能电表采集用户的用电总数据，构建典型负荷的用电模型；

35、事件识别模块：使用事件检测算法对事件进行识别，来划分稳态过程和暂态过程，并分别提取稳态特征和暂态特征；

36、稳态识别模块：使用基于稳态特征的方法进行负荷识别，并根据用电模型中的用电数据，得到稳态识别结果候选集合；

37、暂态识别模块：使用基于暂态特征的方法进行负荷识别，并根据用电模型中的用电数据，得到暂态识别结果候选集合；

38、结果判定模块：建一条表征负荷运行状态变化情况的时序路径，使用维特比算法对稳态和暂态识别结果候选集合进行筛选，判定最终的识别结果。

39、本发明的有益效果：

40、1、本发明能够在负荷识别过程中，根据相邻稳态过程和暂态过程的负荷运行状态之间的逻辑关系，联立多个稳态过程和暂态过程，对识别结果进行校核分析，在一定程度上排除错误的识别结果，进一步提高负荷识别的精确程度，具有很强的实用价值和现实意义；

41、2、此外，通过本发明方法的构建，可以在基于事件检测的负荷识别问题中，通过引入稳态时序逻辑辅助识别，大大降低对暂态过程高频数据的依赖性，从而降低数据采样需求，实现智能电表硬件需求的轻量化。