本技術(shù)涉及負(fù)荷識(shí)別，尤其涉及一種負(fù)荷識(shí)別方法及負(fù)荷監(jiān)測(cè)設(shè)備。

背景技術(shù)：

1、如今社會(huì)對(duì)于智能用電、安全用電的需求日益增長(zhǎng)，無論是居家、學(xué)校還是醫(yī)院等場(chǎng)所的用電安全問題都受到了人們的重視。非侵入式負(fù)荷識(shí)別可以有效的幫助人們進(jìn)行用電設(shè)備的智能監(jiān)測(cè)，從而進(jìn)行能耗的預(yù)測(cè)和用電異常的預(yù)警，能大大的提高用電安全和效率。

2、現(xiàn)有的非侵入式負(fù)荷識(shí)別大多使用全連接神經(jīng)網(wǎng)絡(luò)、特征庫匹配、決策樹等方法，但是這些方法不僅需要采集到各類電器單獨(dú)運(yùn)行時(shí)的電流、電壓特征，還需要采集多種電器組合時(shí)的電流、電壓等特征，不然難以達(dá)到一個(gè)較高的識(shí)別準(zhǔn)確度。

3、然而當(dāng)今的電器種類非常繁多，比如，同種類電器由于品牌不同或規(guī)格不同在運(yùn)行時(shí)的電壓、電流等特征也不相同，極難取得所有電器的不同數(shù)量的組合特征?？傊?，現(xiàn)有技術(shù)中，在執(zhí)行非侵入式負(fù)荷識(shí)別方法時(shí)，需要大量電器組合特征，且識(shí)別準(zhǔn)確度比較低。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)實(shí)施例提供一種負(fù)荷識(shí)別方法及負(fù)荷監(jiān)測(cè)設(shè)備，可以提高識(shí)別精度、減少收集電器組合特征數(shù)據(jù)的數(shù)量。

2、第一方面，本技術(shù)實(shí)施例提供一種負(fù)荷識(shí)別方法，包括：

3、獲取表示目標(biāo)用電用戶的用電行為的運(yùn)行曲線，以及根據(jù)所述運(yùn)行曲線確定的用電行為變化對(duì)應(yīng)的用電電器的初始種類范圍識(shí)別結(jié)果；

4、根據(jù)所述初始種類范圍識(shí)別結(jié)果和所述運(yùn)行曲線，生成初始種群；

5、采用遺傳學(xué)算法對(duì)所述初始種群中各個(gè)體進(jìn)行交叉或變異操作，得到一個(gè)精確的用電行為識(shí)別結(jié)果，以實(shí)現(xiàn)非侵入式監(jiān)測(cè)所述目標(biāo)用電用戶的用電行為。

6、在一些實(shí)施例中，所述初始種群中的個(gè)體中包括初始狀態(tài)、若干中間操作行為狀態(tài)以及最終狀態(tài)分別對(duì)應(yīng)的電氣參數(shù)特征信息；所述電氣參數(shù)特征信息包括電氣參數(shù)和電氣參數(shù)特征值；

7、所述根據(jù)所述初始種類范圍識(shí)別結(jié)果和所述運(yùn)行曲線，生成初始種群，包括：

8、根據(jù)所述初始種類范圍識(shí)別結(jié)果中包括的各電器種類，確定初始種群中各個(gè)體的各中間操作行為狀態(tài)對(duì)應(yīng)的目標(biāo)電器；

9、根據(jù)所述運(yùn)行曲線中最前端n個(gè)采樣點(diǎn)以及對(duì)應(yīng)的電氣參數(shù)特征信息，確定所述個(gè)體的初始狀態(tài)的電氣參數(shù)特征信息，n＞0；

10、根據(jù)所述運(yùn)行曲線中有效局部極值點(diǎn)的數(shù)量、采樣周期、相鄰采樣周期之間電氣參數(shù)特征值的差值確定所述中間操作行為狀態(tài)的數(shù)量；

11、從所述目標(biāo)電器中為所述中間操作行為狀態(tài)選擇一電器作為操作對(duì)象，并為所述操作對(duì)象確定工作狀態(tài)；根據(jù)所述操作對(duì)象、所述工作狀態(tài)以及預(yù)設(shè)的電氣知識(shí)庫確定所述中間操作行為狀態(tài)對(duì)應(yīng)的電氣參數(shù)特征信息，得到各個(gè)體的中間操作行為狀態(tài)；

12、根據(jù)所述個(gè)體的初始狀態(tài)以及各中間操作行為狀態(tài)分別對(duì)應(yīng)的電氣參數(shù)特征信息，計(jì)算得到個(gè)體的最終狀態(tài)的電氣參數(shù)特征信息，得到所述初始種群。

13、在一些實(shí)施例中，所述根據(jù)所述運(yùn)行曲線中有效局部極值點(diǎn)的數(shù)量、采樣周期、相鄰采樣周期之間電氣參數(shù)特征值的差值確定所述中間操作行為狀態(tài)的數(shù)量，包括通過以下公式得到所述中間操作行為狀態(tài)的數(shù)量：

14、

15、其中，ε為有效局部極值點(diǎn)的數(shù)量，on為中間操作行為狀態(tài)的數(shù)量，ω為采樣周期調(diào)整參數(shù)，t為k倍的采樣周期，為功率調(diào)整參數(shù)，δp為兩個(gè)相鄰采樣周期對(duì)應(yīng)的平均功率的差值。

16、在一些實(shí)施例中，所述初始種群中的個(gè)體中包括初始狀態(tài)、若干中間操作行為狀態(tài)以及最終狀態(tài)分別對(duì)應(yīng)的電氣參數(shù)特征信息；

17、所述采用遺傳學(xué)算法對(duì)所述初始種群中各個(gè)體進(jìn)行交叉或變異操作，得到一個(gè)精確的用電行為識(shí)別結(jié)果，包括：

18、設(shè)置遺傳算法參數(shù)，其中，所述遺傳算法參數(shù)包括迭代結(jié)束條件、交叉概率、變異概率；

19、計(jì)算所述初始種群中各個(gè)體的適應(yīng)值，根據(jù)各適應(yīng)值以及所述迭代結(jié)束條件，確定是否結(jié)束迭代操作；

20、若確定結(jié)束迭代操作，則輸出最優(yōu)適應(yīng)值對(duì)應(yīng)的個(gè)體，以作為最優(yōu)個(gè)體；

21、若確定繼續(xù)迭代操作，則基于預(yù)設(shè)的目標(biāo)種群篩選方式，從所述初始種群中篩選得到目標(biāo)種群；

22、從所述目標(biāo)種群中確定適應(yīng)值最大的前p個(gè)個(gè)體，得到目標(biāo)交叉對(duì)象組，p＞0；根據(jù)所述交叉概率在所述目標(biāo)種群中除所述目標(biāo)交叉對(duì)象組之外的各個(gè)體中確定若干個(gè)交叉操作目標(biāo)個(gè)體，將各所述交叉操作目標(biāo)個(gè)體與所述目標(biāo)交叉對(duì)象組中的一個(gè)體，進(jìn)行交叉運(yùn)算，以及根據(jù)所述變異概率在所述目標(biāo)種群中除所述目標(biāo)交叉對(duì)象組以及執(zhí)行交叉操作過的個(gè)體之外的各個(gè)體中確定若干個(gè)變異操作目標(biāo)個(gè)體，將各所述變異操作目標(biāo)個(gè)體進(jìn)行變異運(yùn)算，得到子種群；

23、計(jì)算所述子種群中各個(gè)體的適應(yīng)值，根據(jù)各適應(yīng)值以及所述迭代結(jié)束條件，確定是否結(jié)束迭代操作；

24、若確定繼續(xù)迭代操作，基于所述子種群重復(fù)所述迭代操作，直至滿足迭代結(jié)束條件，并輸出最優(yōu)個(gè)體；

25、將所述最優(yōu)個(gè)體的最終狀態(tài)作為一個(gè)精確的用電行為識(shí)別結(jié)果。

26、在一些實(shí)施例中，所述交叉概率的計(jì)算公式包括：

27、pc＝0.7-ln(f+1)

28、其中，pc表示交叉概率，f為個(gè)體的適應(yīng)值；

29、所述變異概率的計(jì)算公式包括：

30、pm＝1-f2

31、其中，pm表示變異概率，f為個(gè)體的適應(yīng)值。

32、在一些實(shí)施例中，所述適應(yīng)值的計(jì)算公式包括：

33、

34、

35、或，所述適應(yīng)值的計(jì)算公式包括：

36、

37、

38、其中，f表示個(gè)體的適應(yīng)值，pr表示通過采樣周期采集到的最終狀態(tài)的平均功率，表示對(duì)個(gè)體計(jì)算得到的最終狀態(tài)的功率值，為個(gè)體的初始狀態(tài)的功率，i為用電中間操作行為的序號(hào)，表示第i個(gè)中間操作行為狀態(tài)pi所對(duì)應(yīng)用電電器的電壓值，表示第i個(gè)中間操作行為狀態(tài)pi所對(duì)應(yīng)用電電器的電流值與第i個(gè)中間操作行為前的電流值之差；fc表示電壓補(bǔ)償后個(gè)體的適應(yīng)值，pc表示電壓補(bǔ)償后的最終狀態(tài)的功率值，us表示標(biāo)準(zhǔn)電壓值。

39、在一些實(shí)施例中，所述獲取表示目標(biāo)用電用戶的用電行為的運(yùn)行曲線，以及根據(jù)所述運(yùn)行曲線確定的用電行為變化對(duì)應(yīng)的用電電器的初始種類范圍識(shí)別結(jié)果，包括：

40、通過監(jiān)測(cè)目標(biāo)用電用戶的入戶主線上的電氣參數(shù)，得到各個(gè)采樣周期對(duì)應(yīng)的電氣參數(shù)特征值，進(jìn)而得到運(yùn)行曲線，并獲取所述運(yùn)行曲線；

41、根據(jù)當(dāng)前采樣周期和上一采樣周期分別對(duì)應(yīng)的所述電氣參數(shù)特征值，確定是否進(jìn)行電器種類識(shí)別；

42、若確定進(jìn)行電器種類識(shí)別，則獲取所述運(yùn)行曲線中的各有效局部極值點(diǎn)，并進(jìn)而分別獲取根據(jù)各所述有效局部極值點(diǎn)為目標(biāo)點(diǎn)確定的設(shè)定時(shí)段內(nèi)的運(yùn)行曲線，得到各待識(shí)別曲線段；

43、將各所述待識(shí)別曲線段與構(gòu)建的各標(biāo)準(zhǔn)運(yùn)行曲線段進(jìn)行匹配，得到用電行為操作的電器的初始種類范圍識(shí)別結(jié)果。

44、在一些實(shí)施例中，所述運(yùn)行曲線包括功率曲線；

45、所述獲取所述運(yùn)行曲線中的各有效局部極值點(diǎn)，并進(jìn)而分別獲取自各所述有效局部極值點(diǎn)起之前的設(shè)定時(shí)段內(nèi)對(duì)應(yīng)的運(yùn)行曲線，得到各待識(shí)別曲線段，包括：

46、采用滑動(dòng)窗口法獲取所述功率曲線上的各有效局部極值點(diǎn)，并分別獲取各所述有效局部極值點(diǎn)為目標(biāo)點(diǎn)的前d1長(zhǎng)度以及后d2長(zhǎng)度對(duì)應(yīng)的功率曲線段，得到各待識(shí)別功率曲線段，其中，d＝d1+d2，d為滑動(dòng)窗口長(zhǎng)度；

47、所述將各所述待識(shí)別曲線段與構(gòu)建的各標(biāo)準(zhǔn)運(yùn)行曲線段進(jìn)行匹配，得到用電行為操作的電器的初始種類范圍識(shí)別結(jié)果，包括：

48、將各待識(shí)別功率曲線段與構(gòu)建的各標(biāo)準(zhǔn)功率曲線進(jìn)行匹配，得到各所述待識(shí)別功率曲線段分別對(duì)應(yīng)的至少一個(gè)電器種類。

49、在一些實(shí)施例中，所述滑動(dòng)窗口長(zhǎng)度與采樣頻率成正相關(guān)關(guān)系；所述有效局部極值點(diǎn)對(duì)應(yīng)的功率與所述滑動(dòng)窗口內(nèi)各點(diǎn)對(duì)應(yīng)的功率的差值大于設(shè)定的極值點(diǎn)功率閾值。

50、第二方面，本技術(shù)實(shí)施例提供一種負(fù)荷監(jiān)測(cè)設(shè)備，所述負(fù)荷監(jiān)測(cè)設(shè)備包括處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器用于執(zhí)行所述計(jì)算機(jī)程序以實(shí)施本技術(shù)第一方面提供的一種負(fù)荷識(shí)別方法。

51、本技術(shù)的實(shí)施例具有如下有益效果：

52、本技術(shù)首先確定了用電行為變化對(duì)應(yīng)的用電電器的一個(gè)初始種類范圍識(shí)別結(jié)果，基于該初始種類范圍識(shí)別結(jié)果以及所述運(yùn)行曲線，生成初始種群；然后采用遺傳學(xué)算法對(duì)所述初始種群中各個(gè)體進(jìn)行交叉或變異操作，得到一個(gè)精確的用電行為識(shí)別結(jié)果，以實(shí)現(xiàn)非侵入式監(jiān)測(cè)所述目標(biāo)用電用戶的用電行為。由此，本技術(shù)可以有效的減少了電器組合特征的采集，以及可以識(shí)別出運(yùn)行曲線上多個(gè)電器負(fù)荷變化，并且達(dá)到一個(gè)較高的負(fù)荷識(shí)別精度。