一种基于单分类结合模糊宽度学习的负荷识别方法

技术特征：
1.一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，包括以下步骤：s1：采集总电能输入端的电流数据，对获得的负荷电流数据进行预处理；s2：根据处理后的电流数据，根据监测电流的变化量判断是否发生负荷投切事件(若无投切事件发生则继续执行s2)；s3：通过投切前后的电流差值，提取当前设备电流数据，然后利用傅里叶变换提取1-9次奇次谐波构建负荷特征印记，并对数据进行标准化；s4：基于负荷特征构建负荷特征库，并基特征库训练模糊宽度学习系统；s5：对待测样本提取特征后，基于负荷特征库通过单分类k近邻算法计算样本的待测距离和类内距离，根据距离大小判断样本是否为未知负荷；s6：对检测为已知样本的负荷利用模糊宽度学习系统进行分类，识别负荷类型。2.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s1中对总电能输入端的电流数据进行高频采样，并对电流数据进行预处理，通过小波阈值去噪减小噪声干扰：(1)通过小波变换将信号进行多尺度的分解，对各层信号的小波系数进行去噪，常用的方法为阈值量化。(2)通过小波逆变换利用量化后的小波系数对信号进行重构，从而达到去噪的目的。3.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s2中根据电流变化量判断负荷投切事件的方法为：(1)计算负荷电流在某一时刻相邻周期的电流差值；(2)若该差值大于设定的阈值则检测到有投切事件发生。4.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s3中检测到投切事件后，通过稳态电流的可加性，提取当前投切事件的电流数据，通过傅里叶变换提取1-9次奇次谐波构建负荷特征印记，并对数据进行标准化，标准化公式如下所示：式中，x为提取的电流1-9次奇次谐波信息，为谐波平均值，σ为谐波标准差，x
*
为标准化后的谐波特征。5.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s4中基于负荷特征构建负荷特征库，并基于特征库训练模糊宽度学习系统。6.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s5中对待测样本提取特征后，基于负荷特征库通过单分类k近邻算法计算样本的待测距离和类内距离，根据距离大小判断样本是否为未知负荷，当待测距离大于类内距离时判断为未知负荷，反之，则判断为已知样本。待测距离和类内距离的计算方式如下式所示：
式中，d1,d2分别为待测距离与类内距离a
(l)
,b
(l)
为待测样本a和样本b的第l维特征，p为p范数，本发明基于欧式距离计算特征距离，即p＝2。c负荷特征库中距离样本b最近的k
nn
个样本点所组成的数据集合，k
nn
值为30，x为集合c中的负荷样本数据。7.如权利要求1所述的一种基于单分类结合模糊宽度学习的负荷识别方法，其特征在于，在所述步骤s6中对于检测为已知负荷的样本作为模型输入，利用模糊宽度学习系统进行分类。

技术总结
本发明公开了一种基于单分类结合模糊宽度学习的负荷识别方法，所述方法包括：对采集的负荷电流数据进行标准化处理；通过检测负荷电流的变化来判断有无投切事件的发生；检测到事件后通过投切前后的电流差值，提取当前设备电流数据，并利用傅里叶变换提取负荷电流的1-9次奇次谐波构建负荷特征印记；基于负荷特征构建负荷特征库，并基于特征库训练模糊宽度学习系统；将待测负荷的特征序列通过单分类K近邻算法计算特征距离，判断样本是否为未知负荷；对检测为已知负荷的数据样本通过模糊宽度学习系统进行分类。与现有技术相比，本发明能够提高检测未知负荷，提高负荷分类模型的鲁棒性，进一步提高识别率。进一步提高识别率。进一步提高识别率。


技术研发人员：王毅 王萧阳
受保护的技术使用者：重庆邮电大学
技术研发日：2022.04.01
技术公布日：2022/6/28