申请/专利权人：国网辽宁省电力有限公司经济技术研究院;国家电网有限公司;东北大学

申请日：2021-11-11

公开（公告）日：2024-03-19

公开（公告）号：CN114113773B

主分类号：G01R21/06

分类号：G01R21/06;G01R31/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明提供一种基于零样本学习的非侵入式负荷监测方法，涉及综合能源系统技术领域。该方法采集负荷端口的低压配电线路的数据，并进行数据处理；然后采用改进的阈值算法对负荷数据进行事件检测，分离出负荷设备的电压电流波形数据；将分离的各个负荷设备的数据输入训练好的设备大类分类训练模型，识别为设备大类，结合辅助信息给出初步的设备分类结果，采用相似性判别器来评估初步分类结果，根据结果反馈评估并给予不同的奖励，通过策略梯度指导辅助信息学习模型的建立，最终完成零样本分类模型识别设备种类的目的。同时考虑实时的环境温度对综合能源系统进行负荷非侵入式监测；该方法现了对具有用电行为和储能行为的负荷设备的非侵入式识别监测。

主权项：1.一种基于零样本学习的非侵入式负荷监测方法，其特征在于：所述负荷监测方法具体包括以下步骤：步骤1：采集综合能源系统负荷端口的低压配电线路的负荷数据，该数据为包含储能和用电设备的总负荷数据；采集的负荷数据包括电流、电压、功率以及天气和电价；步骤2：采用基于Grubbs准则的小波去噪算法对采集的负荷数据中的异常数据和缺失的数据进行降噪和降低异常峰值处理；步骤3：将降噪和降低异常峰值预处理后的负荷有功功率数据进行最值归一化；步骤4：采用改进的阈值算法对归一化后的负荷有功功率数据进行负荷功率变化事件检测，分离出负荷设备的电压和电流波形数据；步骤5：采用零样本学习方法识别含有储能设备和用电设备的综合能源系统中负荷设备类型和运行情况；步骤6：考虑实时的环境温度对综合能源系统进行负荷非侵入式监测；通过历史的负荷数据确定温度与负荷数据的关联规则，基于关联规则产生的权重获取不同负荷设备，利用聚类算法进行负荷数据分解并对与温度无关的负荷数据进行归类；步骤6.1：定时采样室内外的温度，得到t时刻室内外温度差△tt；步骤6.2：将步骤6.1采样的温度划分为u段，并将采集的负荷数据，以t′时间内的负荷数据为一个周期，标记相应的负荷数据所在的温差区间△tl，将室内外温度差△tt与负荷样本数据整合；结合温度及负荷历史数据，统计t时刻划分的温差区间中R个负荷设备的状态st,F，F＝1,2,...,R；步骤6.3：采用Apriori算法，以t时刻室内外温度差△tt为关联规则的先导A，负荷设备在t时刻的状态s为关联规则的后继B，计算所有采集的样本组合支持度Dsu和置信度Dco，Dsu为温差的区间△tl和R个负荷设备的状态st,F同时发生的概率，Dco是t时刻区域温差处于区间△tl时状态为st,F的概率；步骤6.4：将归一化后的总负荷数据两两相组并删去低于支持度与置信度阈值的组合，形成一层新的候选层，再次计算负荷设备状态的提升度Il与阈值Kulc，如下公式所示：Il△tt,st,F＝Pst,F|ΔttPst,FKulc△tl,st,F＝12[Dsu+Dco]其中，P为概率函数；当提升度Il小于1，则负荷与温度关系为负相关；当提升度大于1，则负荷与温度关系为正相关；若提升度等于1，则负荷与温度无关联；将提升度小于设定阈值的负荷设备状态组合删除，不断重复，得到满足关联规则的所有频繁项集；步骤6.5：对端口采集的总负荷有功功率数据与室内外温度差再次进行关联判别，得到各个负荷设备的负荷分解结果；步骤7：输出负荷各个设备名称、额定功率和运行状态，对于数据缺失或者无数据的设备用于完善设备数据库，并同时将分离的各个设备的数据发送给电网公司和用户。

全文数据：

权利要求：

百度查询： 国网辽宁省电力有限公司经济技术研究院;国家电网有限公司;东北大学 一种基于零样本学习的非侵入式负荷监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD