一种电力负荷的欠定式盲源分离方法与流程

本发明涉及智能电网中非侵入式负荷监测领域，尤其涉及一种电力负荷的欠定式盲源分离方法。

背景技术：

1、构建清洁低碳、节能高效的社会用能体系，对经济可持续发展有着重要意义。非侵入式负荷监测技术仅对用户电力入口处采集到的用电数据进行分析，获取各独立电器运行情况、用电多少等信息。该行为促进用户积极参与需求侧响应，实现电网和用户的灵活双向互动，达到削峰填谷和节能减排的目的。负荷分解是非侵入式负荷监测的关键步骤。

2、目前非侵入式负荷分解研究的重点主要体现在两个方面，一是基于模型训练的负荷分解，cn113987913a公开了一种改进的非侵入式负荷分解模型，该类方法需提前采集大量的先验数据后进行模型训练，当输入总功率信号后，根据训练时的样本分解出各个负载的运行情况。这类方法忽略了在实际情况中先验数据难以获取的重要前提，这也就使得此类方法难以在复杂多变的生活环境中进行应用。二是基于数据挖掘的负荷分解，cn116307165a公开了一种基于负荷特性和数据挖掘的大用户负荷预测方法，该方法通过对总功率信号进行分析，对负载投切判断标准进行合理建模，不需先验数据就能完成负荷分解，但数据过于庞大，且参数调整不够灵活。鉴于此，现有技术有进一步改进的必要。

技术实现思路

1、为了解决上述现有技术存在的缺陷，本发明提出了一种电力负荷的欠定式盲源分离方法，以解决上述现有技术中的问题。

2、本申请的发明目的可通过以下技术手段实现：

3、一种电力负荷的欠定式盲源分离方法，包括以下步骤：

4、步骤10：独立负载个数判断；

5、步骤20：独立负载功率求解；

6、步骤30：进行负荷分解；

7、步骤31：根据盲源分离思想将负荷分解问题进行矩阵建模；

8、步骤32：由矩阵模型得到用户所有独立负载的运行情况。

9、在步骤10中，包括步骤11：负载分布特征构建，获取用户的有功功率值，处理后得到负载分布特征数据集q；

10、步骤12：用k-means聚类算法把负载分布特征数据集分为多个簇；

11、步骤13：计算负载分布特征数据集q中任意点的欧氏距离d；

12、步骤14：计算簇内不相似度a(i)；

13、步骤15：计算簇间不相似度b(i)；

14、步骤16：依据簇内不相似度a(i)和簇间不相似度b(i)求解轮廓系数s；

15、步骤17：若k＜n，则k=k+1，返回步骤13；若k=n，则进入步骤18。其中，n表示该数据集所有点的个数；

16、步骤18：找出轮廓系数s的最大值，该最大值s所对应的k值，即为最佳聚类簇数，即参与该数据集内的独立负载个数。

17、在步骤20中，包括步骤21：构建潜在负载功率库，依据k值假设真实独立负载功率pt；

18、步骤22：根据概率归一法的思想构建概率事件。从潜在独立负载功率δp中任取k个数；

19、步骤23：给初始误差偏移阈值ξ赋值；

20、步骤24：在功率序列δp中筛选出k个功率值，利用初始误差偏移阈值ξ进行判断；

21、步骤25：令b为整数且b∈[0,k]，求解事件概率pb；

22、步骤26：若筛选出的k个功率值事件概率之和为1且满足m次，则输出m组p1,p2,…,pk，pt为m组p1,p2,…,pk的集合，若不满足此式，则返回步骤22；

23、步骤27：若m=1，即得到真实独立负载功率pt，无需后续步骤。若m≥2，则进入步骤28；

24、步骤28：令ξ=ξ-0.1，并返回步骤24。直至值取得最小且m≠0，对每个独立负载求取平均值，得到最佳真实独立负载功率pt。

25、在本发明中，在步骤13中，欧氏距离为。其中，（ti,δpi）与（tj,δpj）为负载分布特征数据集q中任意两点。

26、在本发明中，在步骤16中，轮廓系数求解公式为：， ，其中，s(i)表示i点的轮廓系数，刻画了样本点i属于该簇的合理程度，s则是所有样本点中轮廓系数的均值，a(i)为簇内不相似度，b(i)为簇间不相似度。

27、本发明实施的这种电力负荷的欠定式盲源分离方法，具有以下有益效果：本发明以盲源分离模型为依据，将待求的相关参数合理拆分并用所提的概率归一法完成参数求解，最终实现负荷分解。帮助电网侧及时获取用户侧的用电情况，实现电网侧与用户侧的灵活双向互动。本发明相关参数可自适应调整以提高分解准确度，只需人为设定某些初始值，实现简单。本发明可实现任何独立用户家庭内的负荷分解。不需采取先验信息，仅需对总功率信号进行数据挖掘，具有普适性、分解精度高的特点，可满足实际需求。

技术特征：

1.一种电力负荷的欠定式盲源分离方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的电力负荷的欠定式盲源分离方法，其特征在于，在步骤10中，包括步骤11：负载分布特征构建，获取用户的有功功率值，处理后得到负载分布特征数据集q；

3.根据权利要求1所述的电力负荷的欠定式盲源分离方法，其特征在于，在步骤20中，包括步骤21：构建潜在负载功率库，依据k值假设真实独立负载功率pt；

4.根据权利要求1所述的电力负荷的欠定式盲源分离方法，其特征在于，在本发明中，在步骤13中，欧氏距离为。其中，（ti,δpi）与（tj,δpj）为负载分布特征数据集q中任意两点。

5. 根据权利要求1所述的电力负荷的欠定式盲源分离方法，其特征在于，在本发明中，在步骤16中，轮廓系数求解公式为：， ，其中，s(i)表示i点的轮廓系数，刻画了样本点i属于该簇的合理程度，s则是所有样本点中轮廓系数的均值，a(i)为簇内不相似度，b(i)为簇间不相似度。

技术总结
一种电力负荷的欠定式盲源分离方法，仅通过居民用户总电表采集到的有功功率实现柔性负荷的分解与识别。首先，对总功率信号进行相邻点做差，构建负载分布特征后，利用聚类算法分析出独立负载个数；随后结合独立负载个数与潜在独立负载数据库，提出了一种概率归一的思想求解出欠定混合矩阵，将独立负载有功功率矩阵的输出条件等效为三种概率事件，三种概率事件的概率之和必须为1；最后结合盲源分离模型，根据有功功率的可叠加性，将总端口功率信号分解为各独立负载功率信号。经实例分析表明，所提方法具有普适性、分解精度高的特点，可满足实际需求。

技术研发人员：何水龙,唐钜德,龙云,王强,谢露平
受保护的技术使用者：中铁二十四局集团上海电务电化有限公司
技术研发日：
技术公布日：2024/3/17