负荷身份库构建方法及系统、负荷身份识别方法及系统与流程

技术特征：
1.一种负荷身份库构建方法，其特征在于，所述构建方法用于针对不同的用户构建不同的负荷身份库，所述构建方法包括如下步骤：监测用户的总用电数据，获取总用电数据突变时的总电流变化量波形和总电压变化量波形，分别作为用户负荷的电流波形和电压波形；对用户负荷的电流波形和所述电压波形进行特征提取，获得用户负荷的负荷特征图谱；将用户负荷的负荷特征图谱输入负荷分类器，获得用户负荷的负荷类型；所述负荷分类器是基于典型负荷样本的负荷特征图谱对svm网络模型进行训练得到的；所述典型负荷样本的负荷特征图谱是对典型负荷样本单独运行时的电压波形和电流波形进行特征提取获得的；判断所述负荷类型是否包含在所述用户的负荷身份库内，获得判断结果；若所述判断结果表示否，则将用户负荷的电流波形和负荷类型作为负荷知识，存入所述用户的负荷身份库；返回步骤“监测用户的总用电数据，获取总用电数据突变时的总电流变化量波形和总电压变化量波形，分别作为用户负荷的电流波形和电压波形”，直到单个监测周期内所述判断结果均表示是，输出所述用户的负荷身份库。2.根据权利要求1所述的负荷身份库构建方法，其特征在于，对典型负荷样本单独运行时的电压波形和电流波形进行特征提取获得典型负荷样本的负荷特征图谱的步骤具体包括：基于每个典型负荷样本单独运行时的电压波形和电流波形计算每个典型负荷样本的电参数特征；所述电参数特征包括电流总谐波畸变率、有功功率、无功功率、功率因数和皮尔逊系数；基于每个典型负荷样本单独运行时的电压波形和电流波形，采用统计的方式，确定每个典型负荷样本的非电参数特征；所述非电参数特征包括开启频次、投切持续时间、第一负荷类型、第二负荷类型和第三负荷类型；所述第一负荷类型包括阻性负荷和非阻性负荷，所述第二负荷类型包括连续运行负荷和间续运行负荷，所述第三负荷类型包括固定运行时间负荷和非固定运行时间负荷；基于每个典型负荷样本的电参数特征和非电参数特征，构建每个典型负荷样本的负荷特征图谱。3.根据权利要求2所述的负荷身份库构建方法，其特征在于，所述基于每个典型负荷样本的电参数特征和非电参数特征，构建每个典型负荷样本的负荷特征图谱，具体包括：基于每个典型负荷样本单独运行时的电压波形和电流波形，利用如下公式计算每个典型负荷样本的电参数特征；
；其中，p
k
、q
k
、pf
k
、thd
k
和r
k
分别表示第k个典型负荷样本的有功功率、无功功率、功率因数、电流畸变和电流波形与标准正弦波之间的皮尔逊系数，u
k,i
、i
k,i
和φ
k,i
分别表示第k个典型负荷样本在第i个采样点的电压值、电流值和相位角，i
k
和μ
ik
分别表示第k个典型负荷样本的电流波形和第k个典型负荷样本的电流波形的标准差，i
k,r
和μ
ik,r
分别表示标准正弦的电流波形和标准正弦的电流波形的标准差。4.根据权利要求2所述的负荷身份库构建方法，其特征在于，所述基于每个典型负荷样本的电参数特征和非电参数特征，构建每个典型负荷样本的负荷特征图谱，具体包括：按照类内类间散布矩阵准则选取每个典型负荷样本的电参数特征中区分性能好的电参数特征，组成每个典型负荷样本的融合电参数特征；基于每个典型负荷样本的融合电参数特征和非电参数特征，采用熵权法量化每个负荷特征的权重，构建每个典型负荷样本的负荷特征图谱；所述负荷特征为融合电参数特征或非电参数特征。5.根据权利要求4所述的负荷身份库构建方法，其特征在于，所述按照类内类间散布矩阵准则选取每个典型负荷样本的电参数特征中区分性能好的电参数特征，组成每个典型负荷样本的融合电参数特征，具体包括：利用如下公式计算不同典型负荷样本在每种电参数组合下的散布矩阵特征值；；其中，m
0,j
表示所有负荷类型中的典型负荷样本的第j种电参数组合中每个电参数的均值的和组成的数值向量，m
c,j
表示第c种负荷类型中的典型负荷样本的第j种电参数组合中
每个电参数的均值组成的均值向量，c表示负荷种类数，φ
c
表示第c种负荷类型的典型负荷样本集合，x
s,j
表示属于第c种负荷类型的第s个典型负荷样本的第j种电参数组合中每个电参数的数值组成的数值向量；s
w,j
和s
b,j
分别表示第j种电参数组合下的类内散布矩阵和类间散布矩阵，j
j
表示第j种电参数组合下的散布矩阵特征值；选取散布矩阵特征值较大的电参数组合作为融合电参数集合；获得每个典型负荷样本对应融合电参数集合中的电参数的数值，得到每个所述典型负荷样本的融合电参数特征。6.根据权利要求4所述的负荷身份库构建方法，其特征在于，所述基于每个典型负荷样本的融合电参数特征和非电参数特征，采用熵权法量化每个负荷特征的权重，具体包括：基于每个典型负荷样本的融合电参数特征和非电参数特征，采用如下公式，计算每个负荷特征的权重；；；其中，表示第l个负荷特征的权重，l表示负荷特征的数量，d
l
表示第l个负荷特征的信息熵冗余度，p
kl
表示第l个负荷特征中第k个典型负荷样本所占的比重，h
l
表示第l个负荷特征的信息熵，f
kl
表示第k个典型负荷样本的第l个负荷特征的归一化后的特征值，k表示典型负荷样本的数量。7.一种负荷身份库构建系统，其特征在于，所述构建系统用于针对不同的用户构建不同的负荷身份库，所述构建系统包括：监测模块，用于监测用户的总用电数据，获取总用电数据突变时的总电流变化量波形和总电压变化量波形，分别作为用户负荷的电流波形和电压波形；特征提取模块，用于对用户负荷的电流波形和所述电压波形进行特征提取，获得用户负荷的负荷特征图谱；负荷类型识别模块，用于将用户负荷的负荷特征图谱输入负荷分类器，获得用户负荷的负荷类型；所述负荷分类器是基于典型负荷样本的负荷特征图谱对svm网络模型进行训练得到的；所述典型负荷样本的负荷特征图谱是对典型负荷样本单独运行时的电压波形和电流波形进行特征提取获得的；判断模块，用于判断所述负荷类型是否包含在所述用户的负荷身份库内，获得判断结果；负荷身份库更新模块，用于若所述判断结果表示否，则将用户负荷的电流波形和负荷
类型作为负荷知识，存入所述用户的负荷身份库；返回模块，用于调用监测模块，直到单个监测周期内所述判断结果均表示是，输出所述用户的负荷身份库。8.一种负荷身份识别方法，其特征在于，所述识别方法包括如下步骤：监测用户的总用电数据，获取总用电数据突变时的总电流变化量波形；基于所述用户的负荷身份库中各负荷类型对应的电流波形，构建所述用户的总拟合波形函数；用户的负荷身份库为采用权利要求1-6任一项所述负荷身份库构建方法构建的；所述总拟合波形函数中的拟合系数待定；采用遗传算法确定拟合系数；由所述拟合系数所确定的拟合波形，与总电流变化量波形的最大差值小于预设阈值；所述拟合波形是将所述拟合系数代入所述总拟合波形函数后得到的；根据所述拟合波形，确定所述总电流变化量波形中包含的负荷身份信息。9.根据权利要求8所述的负荷身份识别方法，其特征在于，采用遗传算法确定拟合系数的过程中的目标函数和约束条件为：；其中，d表示目标函数值，i
x
表示待识别的总电流变化量波形，i
q
表示负荷身份库中第q个负荷类型的电流波形；a
q
表示负荷身份库中第q个负荷类型的电流波形的拟合系数，m表示负荷身份库中负荷类型的数量，s表示拟合波形，r表示带识别总电流波形与拟合波形之间的皮尔逊系数，μ
ix
和μ
s
分别表示待识别的总电流变化量波形和拟合波形的标准差。10.一种负荷身份识别系统，其特征在于，所述识别系统包括：总电流变化量波形获取模块，用于监测用户的总用电数据，获取总用电数据突变时的总电流变化量波形；波形拟合模块，用于基于所述用户的负荷身份库中各负荷类型对应的电流波形，构建所述用户的总拟合波形函数；用户的负荷身份库为采用权利要求1-6任一项所述负荷身份库构建方法构建的；所述总拟合波形函数中的拟合系数待定；拟合系数求解模块，用于采用遗传算法确定拟合系数；由所述拟合系数所确定的拟合波形，与总电流变化量波形的最大差值小于预设阈值；所述拟合波形是将所述拟合系数代入所述总拟合波形函数后得到的；负荷识别模块，用于根据所述拟合波形，确定所述总电流变化量波形中包含的负荷身份信息。

技术总结
本发明涉及一种负荷身份库构建方法及系统、负荷身份识别方法及系统，属于负荷辨识技术领域。本发明的负荷身份库构建方法通过根据用户的总用电数据的波动实现负荷波形的提取，在此基础上基于负荷分类器进行负荷类型识别，实现用户的负荷身份库的建立，无需到用户家中获得不同负荷的负荷先验数据，并实现了自动化的负荷身份库的建立。后续可基于负荷身份库进行负荷识别。行负荷识别。行负荷识别。


技术研发人员：武昕 李想 郭一凡
受保护的技术使用者：华北电力大学
技术研发日：2022.02.28
技术公布日：2022/4/1