一种电力负荷投切点的检测方法及装置与流程

1.本发明涉及数据处理技术领域，尤其涉及一种电力负荷投切点的检测方法及装置。


背景技术：

2.基于非侵入式的家电投切检测方法是指：通过在电气总线上安装负荷监测装置，收集进线端的电气信号，实现对各家电类负荷的启停动作的检测和定位。
3.现有的家电投切检测方法，在面对实际生活中大量家用电器的混合投切中，往往由于电气噪声大、谐波污染等问题使得大量噪声点被错误判断为实际投切点；且在面对启停特性相差大、功率相差大的家电发生投切时，阈值设置过大时大功率家电的电气信号发生正常抖动时往往会被判定为小功率家电的投切动作，阈值设置过小时又会使小功率家电的投切动作被视为噪声而滤除，出现漏检和错检现象。
4.综上所述，现有的家电投切点的检测方法无法准确区分实际投切点和噪声点，对负荷投切点检测准确性不高。


技术实现要素：

5.本发明实施例提供一种电力负荷投切点的检测方法及装置，能够提高对家电投切点的检测的准确性。
6.本技术实施例的第一方面提供了一种电力负荷投切点的检测方法，包括：
7.获取第一电量数据，并对第一电量数据进行归一化处理，得到第二电量数据；
8.对第二电量数据进行n层离散小波变换计算，获取疑似投切点；其中，n为正整数；
9.当第一电量数据的负荷类型未知时，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果；
10.根据识别结果判断疑似投切点是否为电力负荷投切点。
11.在第一方面的一种可能的实现方式中，对第二电量数据进行n层离散小波变换计算，获取疑似投切点，具体为：
12.对第二电量数据进行n层离散小波变换计算，得到n层细节系数的平均值；
13.根据n层细节系数的平均值，获取局部模极大值；
14.当局部模极大值大于第一预设数值时，判定局部模极大值对应的位置为疑似投切点的位置后，得到疑似投切点。
15.在第一方面的一种可能的实现方式中，根据识别结果判断疑似投切点是否为电力负荷投切点，具体为：
16.若识别结果为第一结果，判定疑似投切点为电力负荷投切点；
17.若识别结果为第二结果，判定疑似投切点为非电力负荷投切点。
18.在第一方面的一种可能的实现方式中，负荷投切点识别模型的训练方法包括：
19.根据多个电器的电力负荷投切点数据对疑似投切点数据进行标注，生成带标签的
疑似投切点数据；其中，标签包括：电力负荷投切点标签和非电力负荷投切点标签；
20.将带标签的疑似投切点数据进行归一化处理后，按照预设比例随机分类训练集和测试集；
21.将训练集输入分类模型中进行训练，并结合测试集计算分类模型的准确率；
22.当准确率大于第二预设数值时，停止训练并生成负荷投切点识别模型。
23.在第一方面的一种可能的实现方式中，还包括：
24.当第一电量数据的负荷类型已知时，获取并根据疑似投切点的位置，获取有功功率差值，将有功功率差值与第三预设数值进行比较，根据比较结果判断疑似投切点是否为电力负荷投切点；
25.或者，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果；根据识别结果判断疑似投切点是否为电力负荷投切点。
26.在第一方面的一种可能的实现方式中，根据疑似投切点的位置，获取有功功率差值，具体为：
27.根据疑似投切点的位置，获取第一周期内第一有功功率以及第二周期内的第二有功功率；其中，第一周期为疑似投切点的位置前的一个稳态工频周期，第二周期为疑似投切点的位置后的一个稳态工频周期；
28.将第一有功功率和第二有功功率进行求差值处理，得到有功功率差值并获取。
29.在第一方面的一种可能的实现方式中，将有功功率差值与第三预设数值进行比较，根据比较结果判断疑似投切点是否为电力负荷投切点，具体为：
30.当有功功率差值大于第三预设数值时，判断疑似投切点为电力负荷投切点；
31.当有功功率差值小于第三预设数值时，判断疑似投切点为非电力负荷投切点。
32.本技术实施例的第二方面提供了一种电力负荷投切点的检测装置，包括：包括：获取模块、计算模块、识别模块和检测模块；
33.其中，获取模块用于获取第一电量数据，并对第一电量数据进行归一化处理，得到第二电量数据；
34.计算模块用于对第二电量数据进行n层离散小波变换计算，获取疑似投切点；其中，n为正整数；
35.识别模块用于当第一电量数据的负荷类型未知时，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果；
36.检测模块用于根据识别结果判断疑似投切点是否为电力负荷投切点。
37.本技术实施例的第三方面提供了一种移动终端，包括处理器和存储器，存储器存储有计算机可读程序代码，处理器执行计算机可读程序代码时实现上述的一种电力负荷投切点的检测方法的步骤。
38.本技术实施例的第四方面提供了一种存储介质，存储介质存储计算机可读程序代码，当计算机可读程序代码被执行时实现上述的一种电力负荷投切点的检测方法的步骤。
39.相比于现有技术，本发明实施例提供的一种电力负荷投切点的检测方法及装置，其中，所述检测方法包括：获取第一电量数据，并对所述第一电量数据进行归一化处理，得到第二电量数据；对第二电量数据进行n层离散小波变换计算，获取疑似投切点；其中，n为
正整数；在当第一电量数据的负荷类型未知时，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果；根据识别结果判断疑似投切点是否为电力负荷投切点。
40.本发明实施例对电量数据进行归一化处理和n层离散小波变换计算后，得到疑似投切点；然后将负荷类型未知的电量数据所对应的疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果。使用负荷投切点识别模型进一步识别和剔除疑似投切点中的噪声点，解决了传统检测方法在多类型电器混合运行、投切的复杂场景下，噪声点和负荷投切点难以区分的问题，完善了电力负荷投切检测的判断依据，能够有效提高电力负荷投切点的检测方法在复杂场景下的适应性和准确率。
41.此外，本发明实施例通过对电量数据进行归一化处理和n层离散小波变换计算后得到疑似投切点，而离散小波变换选取的db3小波基函数具有双正交性、良好的紧支性、正则性以及近似对称性，能够准确计算得到疑似投切点，从而进一步提高电力负荷投切点的检测方法的准确性。
42.最后，当电量数据的负荷类型已知时，可以将“将疑似投切点输入至负荷投切点识别模型”以判断疑似投切点是否为电力负荷投切点的检测流程简化为通过“根据疑似投切点的位置得到有功功率差值，并将有功功率差值与预设数值比较”来判断疑似投切点是否为电力负荷投切点，能够在保证电力负荷投切点检测的准确率的基础上，进一步提高检测的效率。
43.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
附图说明
44.图1是本发明一实施例提供的一种电力负荷投切点的检测方法的流程示意图；
45.图2是本发明一实施例提供的一种电力负荷投切点的检测装置的结构示意图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
47.参照图1，是本发明一实施例提供的一种电力负荷投切点的检测方法的流程示意图，包括s101-s104：
48.s101：获取第一电量数据，并对第一电量数据进行归一化处理，得到第二电量数据。
49.在本实施例中，所述获取第一电量数据，具体为：获取频率高于5khz的原始采样数据，包括用户的电压数据和电流数据；根据用户的电压数据和电流数据，得到负荷的有功功率后作为第一电量数据。负荷的有功功率p
t
是指每个工频周期的平均功率，可由以下公式表示：
[0050][0051]
其中，n为一个工频周期内的采样次数；un为用户的电压数据、in为用户的电流数据。
[0052]
所述对第一电量数据进行归一化处理，得到第二电量数据，归一化过程可由以下公式表示：
[0053][0054]
其中，p为采样时间内的一段有功功率序列；p
*
为归一化后的有功功率序列，即第二电量数据。为避免第二电量数据过于接近0和1，赋予其最大值和最小值0.05的裕度。
[0055]
s102：对第二电量数据进行n层离散小波变换计算，获取疑似投切点。
[0056]
其中，n为正整数。具体地，n的数值可由以下公式计算得到：
[0057][0058]
其中，dn为离散小波变换的分解层数，即n的数值；fs为信号采样频率；f0为工频。
[0059]
在本实施例中，对所述第二电量数据进行n层离散小波变换计算，获取疑似投切点，具体为：
[0060]
对所述第二电量数据进行n层离散小波变换计算，得到n层细节系数的平均值；
[0061]
根据所述n层细节系数的平均值，获取局部模极大值；
[0062]
当所述局部模极大值大于第一预设数值时，判定所述局部模极大值对应的位置为所述疑似投切点的位置后，得到所述疑似投切点。
[0063]
优选地，n为5，则对所述第二电量数据进行5层离散小波变换计算后，得到5层细节系数的平均值。当n等于5时，第二电量数据中电气信号的基波、三次谐波、五次谐波分量可以有效地分别分解到各层细节系数中，因此在本发明中将离散小波变换的分解层数设置为5，可以在高频段内综合更多电气谐波的有效信息去确定疑似投切点，从而提高疑似投切点的检测准确率。
[0064]
在一具体实施例中，所述的局部模极大值的定义为：若细节系数f(t)在点(s0,t0)的导数值为0、且在属于t0某一邻域的任一点t，都满足|f(s0,t0)|≥|f(s0,t)|，则判定点(s0,t0)为局部模极大值点。
[0065]
在一具体实施例中，选取具有双正交性、良好的紧支性、正则性以及近似对称性的db3小波作为小波基函数对归一化后的有功功率序列(即第二电量数据)进行离散小波变换，选取前n层细节系数相加取平均形成平均化的细节系数(即n层细节系数的平均值)。
[0066]
在一具体实施例中，第一预设数值可由以下公式表示：
[0067]
[0068]
其中，x
max
为局部模极大值，为模平均值。对于大于第一预设数值的局部极大值所对应的位置即可判定为疑似投切点。
[0069]
s103：当第一电量数据的负荷类型未知时，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果。
[0070]
在本实施例中，当所述第一电量数据的负荷类型已知时，获取并根据所述疑似投切点的位置，获取有功功率差值，将所述有功功率差值与第三预设数值进行比较，根据比较结果判断所述疑似投切点是否为电力负荷投切点；
[0071]
或者，将所述疑似投切点输入至负荷投切点识别模型中，以使所述负荷投切点识别模型对所述疑似投切点进行识别，得到识别结果；根据所述识别结果判断所述疑似投切点是否为电力负荷投切点。
[0072]
其中，第一电量数据的负荷类型未知，是指在获取第一电量数据时不清楚第一电量数据对应的电器类型；相应地，第一电量数据的负荷类型未知，是指在获取第一电量数据时已经清楚第一电量数据对应的电器类型。
[0073]
在一具体实施例中，所述根据所述疑似投切点的位置，获取有功功率差值，具体为：
[0074]
根据所述疑似投切点的位置，获取第一周期内第一有功功率以及第二周期内的第二有功功率；其中，所述第一周期为所述疑似投切点的位置前的一个稳态工频周期，所述第二周期为所述疑似投切点的位置后的一个稳态工频周期；
[0075]
将所述第一有功功率和所述第二有功功率进行求差值处理，得到所述有功功率差值并获取。
[0076]
具体地，稳态工频周期为负荷稳态时对应的周期。其中，负荷稳态为：以疑似投切点的位置为起点，当起点之前/之后连续三个工频周期内的所有局部模极大值都小于第一预设数值时，即可认为负荷在疑似投切点之前/之后已达稳态。
[0077]
在一具体实施例中，所述将所述有功功率差值与第三预设数值进行比较，根据比较结果判断所述疑似投切点是否为电力负荷投切点，具体为：
[0078]
当所述有功功率差值大于所述第三预设数值时，判断所述疑似投切点为电力负荷投切点；当所述有功功率差值小于所述第三预设数值时，判断所述疑似投切点为非电力负荷投切点。其中，第三预设数值为用电设备投切时功率变化阈值，功率变化阈值为某用电设备在发生投切动作前后理论上能产生的最小功率变化。
[0079]
在一具体实施例中，所述负荷投切点识别模型的训练方法包括：
[0080]
根据多个电器的电力负荷投切点数据对所述疑似投切点数据进行标注，生成带标签的疑似投切点数据；其中，所述标签包括：电力负荷投切点标签和非电力负荷投切点标签；
[0081]
将所述带标签的疑似投切点数据进行归一化处理后，按照预设比例随机分类训练集和测试集；
[0082]
将所述训练集输入分类模型中进行训练，并结合所述测试集计算分类模型的准确率；
[0083]
当所述准确率大于第二预设数值时，停止训练并生成所述负荷投切点识别模型。
[0084]
在一具体实施例中，所述根据多个电器的电力负荷投切点数据对所述疑似投切点
数据进行标注，生成带标签的疑似投切点数据，具体包括s1031-s1034：
[0085]
s1031：在实验室中进行多种电器的混合投切实验，通过采样仪采集投切实验中的电压、电流信息，采样频率为10khz；并记录多种电器所有实际投切点的位置，得到多个电器的电力负荷投切点数据。
[0086]
s1032：将疑似投切点数据中第一周期的稳态指标与第二周期的稳态指标之间的差值作为样本特征。其中，第一周期为疑似投切点的位置前的一个稳态工频周期，第二周期为所述疑似投切点的位置后的一个稳态工频周期。
[0087]
具体地，稳态指标包括指一个稳态工频周期内的电流有效值、电压有效值、有功功率值、视在功率值、无功功率值、电流谐波畸变率、0-7次电压谐波幅值和相位、0-7次电流谐波幅值和相位。其中，电压和电流的谐波信息是通过快速傅里叶变换(fft)计算获得。
[0088]
其中，电流有效值i
rms
、电压有效值v
rms
的计算公式如下所示：
[0089][0090][0091]
有功功率值p的计算公式如下所示：
[0092][0093]
视在功率值s的计算公式如下所示：
[0094]
s＝i
rms
×vrms
；
[0095]
无功功率值q的计算公式如下所示：
[0096][0097]
谐波含量i
thd
的计算公式如下所示：
[0098][0099]
其中，在电流有效值i
rms
、电压有效值v
rms
、有功功率值p、视在功率值s、无功功率值q和谐波含量i
thd
的计算公式中，n为一个工频周期内的采样次数；vn为用户的电压数据、in为用户的电流数据。
[0100]
s1033：根据样本特征，并结合电力负荷投切点数据中的位置数据与疑似投切点数据中的位置数据进行比较，确定各个疑似投切点是否为电力负荷投切点(即实际投切点)。
[0101]
s1034：根据比较结果将疑似投切点划分为电力负荷投切点(即实际投切点)和非电力负荷投切点(即噪声点)，并根据划分结果对疑似投切点数据进行标注，生成带标签的疑似投切点数据。其中，实际投切点为发生负荷投切动作的疑似投切点，噪声点为由于电器功率正常波动等非投切动作因素产生的疑似投切点。
[0102]
在一具体实施例中，将带标签的疑似投切点数据进行归一化处理，具体为：
[0103][0104]
其中，a
′
表示归一化后的特征值,a表示原特征值(即带标签的疑似投切点数据),a
max
表示该类特征数据的最大值,a
min
表示该类特征数据的最小值。
[0105]
在一具体实施例中，按照4:1(即预设比例)随机划分训练集和测试集后，将训练集输入分类模型进行训练，并在测试集中验证模型效果，计算分类模型的准确率，当准确率大于95％(即第二预设数值)后，停止训练，生成负荷投切点识别模型。
[0106]
在一具体实施例中，分类模型为决策树模型或随机森林模型。
[0107]
当分类模型为决策树模型时，决策树模型采用cart算法，该算法采用二分递归分割技术，将当前样本分成两个子样本集，使得生成的非叶子节点都有两个分支。根据每个节点的基尼不纯度函数选择最优属性作为输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。所述基尼不纯度函数反映了从样本集中随机抽取两个样本，其类别不一致的概率。基尼指数越小，则样本集纯度越高，分类精度越高。
[0108]
当分类模型为随机森林模型时，随机森林模型在初始训练集中有放回地随机抽取k个样本生成m个训练样本集合，然后根据这m个样本集分别生成m棵分类树组成随机森林，对每棵决策树的投票进行赋权，形成最终的分类结果。当分类模型为随机森林模型时，将训练集按照十折交叉验证方式输入分类模型进行超参数训练，并在测试集中验证模型效果。当模型在测试集中的分类准确率满足要求后，停止训练。
[0109]
在一具体实施例中，将疑似投切点输入至负荷投切点识别模型中，具体为：
[0110]
将疑似投切点数据中第一周期的稳态指标与第二周期的稳态指标之间的差值作为特征量；
[0111]
将特征量进行归一化处理后输入至负荷投切点识别模型中。
[0112]
s104：根据识别结果判断疑似投切点是否为电力负荷投切点。
[0113]
在本实施例中，所述根据所述识别结果判断所述疑似投切点是否为电力负荷投切点，具体为：
[0114]
若所述识别结果为第一结果，判定所述疑似投切点为电力负荷投切点；
[0115]
若所述识别结果为第二结果，判定所述疑似投切点为非电力负荷投切点。
[0116]
在一具体实施例中，当识别结果为数值1(即第一结果)，判定疑似投切点为电力负荷投切点；当识别结果为数值0(即第二结果)，判定疑似投切点为非电力负荷投切点。其中，第一结果和第二结果可以根据实际需求进行设定。
[0117]
在一具体实施例中，根据疑似投切点的位置即可对电力负荷投切点进行准确定
位。对于投切暂态较长的负荷，如果在一个暂态过程中检测到多个疑似投切点，取最早检测出的疑似投切点的位置作为电力负荷投切点。电力负荷投切点的位置为负荷投切事件的起始时刻。
[0118]
在一具体实施例中，一种移动终端，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现上述的一种电力负荷投切点的检测方法的步骤。
[0119]
在一具体实施例中，一种存储介质，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现上述的一种电力负荷投切点的检测方法的步骤。
[0120]
为了进一步说明电力负荷投切点的检测装置，请参照图2，图2是本发明一实施例提供的一种电力负荷投切点的检测装置的结构示意图，包括：获取模块201、计算模块202、识别模块203和检测模块204。
[0121]
其中，所述获取模块201用于获取第一电量数据，并对所述第一电量数据进行归一化处理，得到第二电量数据；
[0122]
所述计算模块202用于对所述第二电量数据进行n层离散小波变换计算，获取疑似投切点；其中，n为正整数；
[0123]
所述识别模块203用于当所述第一电量数据的负荷类型未知时，将所述疑似投切点输入至负荷投切点识别模型中，以使所述负荷投切点识别模型对所述疑似投切点进行识别，得到识别结果；
[0124]
所述检测模块204用于根据所述识别结果判断所述疑似投切点是否为电力负荷投切点。
[0125]
本发明实施例先通过获取模块201获取第一电量数据，并对所述第一电量数据进行归一化处理，得到第二电量数据；再通过计算模块202对第二电量数据进行n层离散小波变换计算，获取疑似投切点；其中，n为正整数；接着通过识别模块203在当第一电量数据的负荷类型未知时，将疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果；最后通过检测模块204根据识别结果判断疑似投切点是否为电力负荷投切点。
[0126]
本发明实施例对电量数据进行归一化处理和n层离散小波变换计算后，得到疑似投切点；然后将负荷类型未知的电量数据所对应的疑似投切点输入至负荷投切点识别模型中，以使负荷投切点识别模型对疑似投切点进行识别，得到识别结果。使用负荷投切点识别模型进一步识别和剔除疑似投切点中的噪声点，解决了传统检测方法在多类型电器混合运行、投切的复杂场景下，噪声点和负荷投切点难以区分的问题，完善了电力负荷投切检测的判断依据，能够有效提高电力负荷投切点的检测方法在复杂场景下的适应性和准确率。
[0127]
此外，本发明实施例通过对电量数据进行归一化处理和n层离散小波变换计算后得到疑似投切点，而离散小波变换选取的db3小波基函数具有双正交性、良好的紧支性、正则性以及近似对称性，能够准确计算得到疑似投切点，从而进一步提高电力负荷投切点的检测方法的准确性。
[0128]
最后，当电量数据的负荷类型已知时，可以将“将疑似投切点输入至负荷投切点识别模型”以判断疑似投切点是否为电力负荷投切点的检测流程简化为通过“根据疑似投切点的位置得到有功功率差值，并将有功功率差值与预设数值比较”来判断疑似投切点是否
为电力负荷投切点，能够在保证电力负荷投切点检测的准确率的基础上，进一步提高检测的效率。
[0129]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。