平码五不中公式规律
  • / 11
  • 下载费用:30 金币  

基于多特征融合的非侵入式家用负荷实时识别方法及装置.pdf

关 键 ?#21097;?/dt>
基于 特征 融合 侵入 家用 负荷 实时 识别 方法 装置
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201610919198.2

申请日:

2016.10.21

公开号:

CN106483370A

公开日:

2017.03.08

当前法律状态:

实审

有效性:

审中

法?#19978;?#24773;: 实质审查的生效IPC(主分类):G01R 21/06申请日:20161021|||公开
IPC分类号: G01R21/06; G01R21/00 主分类号: G01R21/06
申请人: 威胜集团有限公司
发明人: 汤博; 汪龙峰; 任智仁; 杨鹏; 周宣; 周杰文
地址: 410205 湖南省长沙?#24615;?#40595;区长沙高新技术开发区桐梓坡西路468号
优?#28909;ǎ?/td>
专利代理机构: 长沙永星专利商标事务所(普通合伙) 43001 代理人: 周咏;林毓俊
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201610919198.2

授权公告号:

|||

法律状态公告日:

2017.04.05|||2017.03.08

法律状态类型:

实质审查的生效|||公开

摘要

本发明涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,包括以下步骤:实时采集所监测环境入口处电压,电流数据,并计算基本电参量;根据第一步所得基本电参量监测有效负荷投切事件,并缓存投切事件前后电压,电流采样数据;根据上一步所缓存信息,提取投切事件前后序稳态,暂态特征,生成当前事件特征向量;根据所得事件特征向量信息,过滤负荷特征库中样本,得到候选负荷样本子集;依次计算候选负荷样本与当前事件特征向量间的吻合度;最后选取最优结果并与预设定的吻合度门限?#24403;?#36739;,输出识负荷别结果;本方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技术后续实用推广打下坚实基础。

权利要求书

1.一种基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于包括下述的步
骤:
S1实时采集所监测环境入口处电压和电流数据;
S2根据S1所得实时信息,当有功值发生变化,?#20918;?#21270;值大于预定阈值,则缓存有功?#24403;?br />化时刻之前与之后N个周期的电压和电流采样数据;
S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有
功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度
五个特征;
S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子
集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停
特征为所述事件特征向量的五个特征;
S5依次计算候选负荷样本与当前事件特征向量间的吻合度;
S6选取吻合度最高的设备结果,并与预设定的吻合度门限?#24403;?#36739;,若大于预设门限值,
则输出所识别的负荷种类,否则,输出为?#20302;?#25200;动。
2.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S1实时采集所监测环境入口处电压和电流数据,并计算基本电参量,基本电参量包括
有功、无功和周波长?#21462;?br />
3.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S3和S4中有功增量和无功增量定义如下:
Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作
前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操
作前无功数值。
4.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:
<mrow> <msub> <mi>CHD</mi> <mrow> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> <mi>M</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mi>i</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mi>i</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>/</mo> <mrow> <mo>(</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>CHD</mi> <mrow> <mi>sec</mi> <mi>o</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <mo>(</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>2</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>2</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>2</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>2</mn> </mrow> </msub> <mo>)</mo> <mo>/</mo> <mo>(</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>RE</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>IM</mi> <mrow> <mi>&Delta;</mi> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
REΔi=abs(REcuri-REprei),(i=1,,…M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
<mrow> <msub> <mi>RExxx</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msubsup> <mi>re</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mo>/</mo> <mi>N</mi> <mrow> <mo>(</mo> <mi>x</mi> <mi>x</mi> <mi>x</mi> <mo>=</mo> <mi>p</mi> <mi>r</mi> <mi>e</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> <mo>;</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>M</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>IMxxx</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msubsup> <mi>im</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mo>/</mo> <mi>N</mi> <mrow> <mo>(</mo> <mi>x</mi> <mi>x</mi> <mi>x</mi> <mo>=</mo> <mi>p</mi> <mi>r</mi> <mi>e</mi> <mo>,</mo> <mi>c</mi> <mi>u</mi> <mi>r</mi> <mo>;</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>M</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;REΔi为负荷启停操作
前后电流i次谐波实部均?#24403;?#21270;量,IMΔi为变化前后电流i次谐波虚部均?#24403;?#21270;量;REprei为
负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部均,REcuri
为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚部均;
为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分析的周
波数,M为电流分析最高谐波次数,abs为取绝对值操作符。
5.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S3和S4中负荷启停暂态电流变化窗口长度定义为:
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引值,
MScoeff为两个相邻功?#23454;?#20043;间的时间常量。
6.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S4所述负荷过滤方法为:若特征库中?#25104;?#22791;存在一项或多项特征与S3所得特征值差值
超过预设门限值,则将该设备过滤。
7.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征
在于S5所述特征向量间的吻合度G定义如下式:
<mrow> <mi>G</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>G</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>,</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>&gt;</mo> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N=5,为特征向量内特征数目,i分别对应所述事件特征向量的五个特征;Wi为第i
个特征对应的权重;CSi为当前事件特征向量内第i个特征值,TSi为负荷特征数据库中某一
样本第i个特征值。
8.一种基于多特征融合的非侵入式家用负荷实时识别装置,其特征在于包括:
数据采样模块:用于实时采集所监测环境入口处电压和电流数据;
事件监测模块:用于根据数据采样模块所得实时信息,当有功值发生变化,?#20918;?#21270;值大
于预定阈值,则缓存有功?#24403;?#21270;时刻之前与之后N个周期的电压和电流采样数据;
特征提取模块:用于根据事件监测模块所缓存电压和电流采样信息,计算事件特征向
量;所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负
荷启停暂态电流变化窗口长度五个特征;
样本过滤模块:用于根据特征提取模块所得事件特征向量信息,过滤负荷特征数据库
中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停
特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;
负荷识别模块:用于依次计算候选负荷样本与当前事件特征向量间的吻合度,选取吻
合度最高的设备结果,并与预设定的吻合度门限?#24403;?#36739;,若大于预设门限值,则输出所识别
的负荷种类,否则,输出为?#20302;?#25200;动。

说明书

基于多特征融合的非侵入式家用负荷实时识别方法及装置

技术领域

本发明涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,属于
家用负荷监测与节能减排等技术领域。

背景技术

家用负荷识别技术可分为两大技术路线,即侵入式与非侵入式。其中,侵入式需为
每个设备安装计量仪表,具有测量数据准确,成本高,安装复杂,维护困难等优缺点。非侵入
式则在用户供电入口安装计量仪表,成本低,易于安装,适合在线监测,但技术难度大,难以
实时捕捉负荷事件。负荷特征是负荷内部独特电力消耗模式的表现,即负荷运行时的电气
行为,这是实现识别负荷的关键。负荷特征进一步又可分为暂态特征与稳态特征两大类。参
考文献[1]所述方法在较低采样率下,以设备稳态特征有功、无功二维特征平面为基础,对
负荷进行分类识别;参考文献[2]则从用电负荷投入切除操作暂态功率波形特征入手,搜索
与当前操作事件暂态波形相似度最高的负荷样本。此方法需要计算功率暂态波形相似度,
因此要求高密度的功率值与大量匹配运算,导致“存储空间”占用大,“计算性能?#24065;?#27714;高。另
外,此方法抗负荷波动性较差,容易产生误检。随着负荷识别技术实用化需求?#25214;?#22686;加,在
算法设计时需同步考虑以下两大因素:负荷识别的准确率高;算法空间、时间复杂度低,运
行实时性高。

参考文献:

[1]Hart,G W.Nonintrusi ve Appliance Load Moni toring[J].Proceedings
of the IEEE,1992,80(12):1870-18910.

[2]高云,杨洪耕.基于暂态特征贴近度匹配的家用负荷识别[J].电力?#20302;?#33258;动
化,2013,9(37):54-59.

发明内容

针对上述负荷识别技术实用化过程中的问题,本发明的目的是提供一种基于多特
征融合的非侵入式家用负荷实时识别方法,负荷识别准确度提高,同时合理低?#26723;?#26102;间与
空间复杂?#21462;?br />

本发明的技术方案为:一种基于多特征融合的非侵入式家用负荷实时识别方法,
包括下述的步骤:

S1实时采集所监测环境入口处电压和电流数据;

S2根据S1所得实时信息,当有功值发生变化,?#20918;?#21270;值大于预定阈值,则缓存有功
?#24403;?#21270;时刻之前与之后N个周期的电压和电流采样数据;

S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包
括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口
长度五个特征;

S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样
本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷
启停特征为所述事件特征向量的五个特征;

S5依次计算候选负荷样本与当前事件特征向量间的吻合度;

S6选取吻合度最高的设备结果,并与预设定的吻合度门限?#24403;?#36739;,若大于预设门
限值,则输出所识别的负荷种类,否则,输出为?#20302;?#25200;动。

在一个具体实施例中,S1实时采集所监测环境入口处电压和电流数据,并计算基
本电参量,基本电参量包括有功、无功和周波长?#21462;?br />

在一个具体实施例中,S3和S4中有功增量和无功增量定义如下:

Pdelta=Pcur-Ppre (1)

Qdelta=Qcur-Qpre (2)

其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停
操作前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启
停操作前无功数值。

在一个具体实施例中,S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:



REΔi=abs(REcuri-REprei),(i=1,…,M) (5)

IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)



其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;REΔi为负荷启停
操作前后电流i次谐波实部均?#24403;?#21270;量,IMΔi为变化前后电流i次谐波虚部均?#24403;?#21270;量;
REprei为负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部
均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚
部均;为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分
析的周波数,M为电流分析最高谐波次数,abs为取绝对值操作符。

在一个具体实施例中,S3和S4中负荷启停暂态电流变化窗口长度定义为:

TWL=(IDXcur-IDXpre)*MScoeff (9)

其中IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引
值,MScoeff为两个相邻功?#23454;?#20043;间的时间常量。

在一个具体实施例中,S4所述负荷过滤方法为:若特征库中?#25104;?#22791;存在一项或多
项特征与S3所得特征值差值超过预设门限值,则将该设备过滤。

在一个具体实施例中,S5所述特征向量间的吻合度G定义如下式:



Gi=1-|CS′i-TS′i| (14)

CS′i=CSi/Smax (15)

TS′i=TSi/Smax (16)

Smax=max(CSi,TSi) (17)

其中,N=5,为特征向量内特征数目,i分别对应所述事件特征向量的五个特征;Wi
为第i个特征对应的权重;CSi为当前事件特征向量内第i个特征值,TSi为负荷特征数据库中
某一样本第i个特征值。

本发明还提供一种基于多特征融合的非侵入式家用负荷实时识别装置,包括:

数据采样模块:用于实时采集所监测环境入口处电压和电流数据;

事件监测模块:用于根据数据采样模块所得实时信息,当有功值发生变化,?#20918;?#21270;
值大于预定阈值,则缓存有功?#24403;?#21270;时刻之前与之后N个周期的电压和电流采样数据;

特征提取模块:用于根据事件监测模块所缓存电压和电流采样信息,计算事件特
征向量;所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量
和负荷启停暂态电流变化窗口长度五个特征;

样本过滤模块:用于根据特征提取模块所得事件特征向量信息,过滤负荷特征数
据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷
启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;

负荷识别模块:用于依次计算候选负荷样本与当前事件特征向量间的吻合度,选
取吻合度最高的设备结果,并与预设定的吻合度门限?#24403;?#36739;,若大于预设门限值,则输出所
识别的负荷种类,否则,输出为?#20302;?#25200;动。

本发明收益效果是:无需侵入用户家庭内部,便于安装改造。综合考虑负荷稳态、
暂态特征,有效提高负荷识别准确?#21462;?#23545;暂态特征以暂态时间长度与功?#35797;?#21319;替功率代波
形比较,无需高密度的功率值与大量匹配运算。算法空间、时间复杂度低,运行实时性高。

本发明方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技
术后续实用推广打下坚实基础。

附图说明

图1本发明基于多特征融合的非侵入式家用负荷实时识别方法模块框图;

图2本发明基于多特征融合的非侵入式家用负荷实时识别方法流程图。

具体实施方式

为更清楚地说明基于多特征融合的非侵入式家用负荷实时识别方法,下面将结合
附图展开进一步描述:

图1为基于多特征融合的非侵入式家用负荷实时识别方法模块框图,包括:

数据采样模块:负责按设定频?#35782;?#25152;监测环境电压、电流数据采样;

数据处理模块:对电压、电流采样数据进行去噪处理,按设定周期计算基本电参
量;

事件监测模块:实时监测家用负荷投入切除操作事件;

特征提取模块:提取投入切除操作事件的稳态、暂态综合特征向量;

样本过滤模块:根据所得事件特征向量信息,过滤负荷特征库中样本,减少后续识
别模块工作量;

负荷识别模块:计算特征库中待选设备与当前事件特征向量吻合度,选取最优结
果并与预设定的吻合度阈?#24403;?#36739;;

事件记录模块:记录负荷别结果,为后续分类计量提供依据。

图2为基于多特征融合的非侵入式家用负荷实时识别方法流程图,包括以下步骤:

第一步,离线建立各类家用负荷启停特征数据库,特征数据库中包含:有功增量、
无功增量、电流总谐波、电流偶次谐波,暂态间隔。

在一些实施方案中,所述有功增量、无功增量、电流总谐波、电流偶次谐波按如下
公式(1)-(9)计算:Pdelta=Pcur-Ppre (1)

Qdelta=Qcur-Qpre (2)



REΔi=abs(REcuri-REprei),(i=1,…,M) (5)

IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)



TWL=(IDXcur-IDXpre)*MScoeff (9)

其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停
操作前有功数值;

式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前
无功数值;

式(3),(4)内CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;

式(5),(6)内REΔi为负荷启停操作前后电流i次谐波实部均?#24403;?#21270;量,IMΔi为变化
前后电流i次谐波虚部均?#24403;?#21270;量。REprei为负荷启停操作前电流i次谐波实部均,IMprei为
负荷启停操作前电流i次谐波虚部均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri
为负荷启停操作后电流i次谐波虚部均。M为电流分析最高谐波次数,abs为取绝对值操作
符;

式(7),(8)内为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为
参与电流谐波分析的周波数;

式(9)内TWL为负荷启停暂态电流变化窗口长度,IDXcur为负荷启停操作后采样点
索引值,IDXpre为负荷启停操作前采样点索引值,MScoeff为两个相邻功?#23454;?#20043;间的时间常量。

第二步,实时采集所监测环境入口处电压、电流数据,并计算基本电参量;在一些
实施方案中,所述基本电参量包括有功、无功、周波长度,周波长度为Fs/50,其中Fs为实际
采样?#30465;?#22522;本电参量计算频率为N周波,其中N为非零正整数;

在一些实施方案中,所述有功、无功按如下公式计算:

P=UI sin(θ) (10)

Q=UI cos(θ) (11)

其中,式(10),(11)内P为有功,U为电压有效值,I为电流有效值,?#20219;?#30005;流相对于电
压的初始相位差。

第三步,当第二步所得有功值发生变化,?#20918;?#21270;值Pdelta大于预定阈值Pthreshold,则
缓存有功?#24403;?#21270;时刻之前与之后各N个周期的电压、电流采样数据,其中N为非零正整数。

第四步,根据第三步所缓存电压、电流采样信息,计算有功增量、无功增量、电流总
谐波、电流偶次谐波;

在一些实施方案中,所述有功增量、无功增量、电流总谐波、电流偶次谐波按如公
式(1)-(9)计算。

第五步,根据第四步所得事件特征向量信息,过滤负荷特征数据库中样本,得到候
选负荷样本子集;

在一些实施方案中,所述负荷过滤方法为:若特征库中?#25104;?#22791;存在一项或多项特
征与第四步所得特征值差值超过预设门限值P%,则将该设备过滤。

第六步,依次计算候选负荷样本与当前事件特征向量间的吻合度;

在一些实施方案中,第六步所述特征向量间的吻合度G定义如下式12-17所示:



Gi=1-|CS′i-TS′i| (14)

CS′i=CSi/Smax (15)

TS′i=TSi/Smax (16)

Smax=max(CSi,TSi) (17)

其中,N为特征向量内特征数目(本实施例中N=5,i分别对应有功增量、无功增量、
电流总谐波、电流偶次谐波、暂态时间);Wi为特征向量内第i个特征对应的权重,实际实施
中应根据不同负荷的特征属性赋予不同权重值;CSi为当前事件特征向量内第i个特征值,
TSi为特征库中某一样本第i个特征值。式15-17为对应单特征间的归一化操作。

第七步,选取吻合度最高的设备结果,并与预设定的吻合度门限?#24403;?#36739;,若大于预
设门限值,则输出所识别的负荷种类,否则,输出为?#20302;?#25200;动。

为了测试家用负荷实时识别算法的正确?#21097;?#26412;发明利用已搭建的硬件平台对多种
家电进行了测试实验,包括对定频空调、电水壶、电磁炉、电视机,对应负荷开启特征库如表
1。



这里以电视机处于开的状态为例进行说明,测试时实际获取的电视机启动特征如
下:{147w,-21var,14%,4.8%,20ms},特征权重系数为:{0.5,0.2,0.1,0.1,0.1},?#20302;成?br />定的特征过滤门限值为:8%,?#20302;成?#23450;的吻合度门限值为0.9。首先,根据有功值140w可将
表1所示特征库中“定频空调?#20445;?#30005;水壶?#20445;?#30005;磁炉?#27604;?#37096;过滤,按照式(12)-(17)计算当前设
备启动事件与电视机样本吻合度G等于0.969,本次设备启动操作正确识别为设备“电视
机”。

关于本文
本文标题:基于多特征融合的非侵入式家用负荷实时识别方法及装置.pdf
链接地址:http://www.pqiex.tw/p-5994872.html
关于我们 - 网站声明 - 网?#38236;?#22270; - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 股票融资如何操作 北京龙跃股票配资加盟 美国股票指数东方财富网 京东方a股票 关于股票配资的帖子 北京股票融资贷款 股票融资融券操作方法 股票行情查询今天 股票行情大盘走势指数 08年最牛的股票分析师