CN108197817A - 一种基于大数据的非侵入式负荷暂态监测的方法 - Google Patents
一种基于大数据的非侵入式负荷暂态监测的方法 Download PDFInfo
- Publication number
- CN108197817A CN108197817A CN201810050843.0A CN201810050843A CN108197817A CN 108197817 A CN108197817 A CN 108197817A CN 201810050843 A CN201810050843 A CN 201810050843A CN 108197817 A CN108197817 A CN 108197817A
- Authority
- CN
- China
- Prior art keywords
- intrusion type
- type load
- data
- big data
- transient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 102
- 230000001052 transient effect Effects 0.000 title claims abstract description 92
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 61
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 5
- 230000005611 electricity Effects 0.000 description 6
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000000205 computational method Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明大数据监测应用技术领域，具体涉及一种基于大数据的非侵入式负荷监测的方法，包括以下步骤：（1）电力数据的远程采集，通过对电力***进行数据监测和监测控制，全面采集各类暂态过程的实测样本；（2）建立非侵入式负荷监测的训练模型，形成判别空间；（3）进行非侵入式负荷暂态监测的实测，根据判别空间对实测的暂态过程进行判别。本发明利用大数据技术手段，从累积的海量的电力负荷数据中，获取大量的暂态过程的数据，依据合理的负荷分类的方法，选取合适的特征参数来构建高维的特征判别空间，再利用大数据技术手段中的降维和分类方法，能够精准并且快速的实现非侵入式负荷监测的功能。
Description
技术领域
本发明属于大数据监测应用技术领域，具体涉及一种基于大数据的非侵入式负荷监测的方法。
背景技术
当今社会，计算机技术得到了迅速的发展，信息技术为人类步入智能社会开启了大门,带动了互联网、物联网、电子商务、现代物流、网络金融等现代服务业发展,催生了车联网、智能电网、新能源、智能交通、智能城市、高端装备制造等新兴产业发展.由于人类要处理的数据越来越多，简单的人工分析已经达不到人们所期望的要求，所以数据库管理***的广泛应用，节省了人力和物力。随着数据库的容量在越做越大，人们积攒的历史数据也将越来越多。人们应当如何面对海量的数据，在海量数据的背后如何才能探索出有意义的信息，并且发现信息的价值，从中提取对人类有用的知识，己经成为了目前大数据领域需要思考的重要问题。
在电力***中，为了实现人们对电力***内的负荷进行监测的目标，非侵入式负荷监测应运而生，从决策角度出发，非侵入式负荷监测可以使决策者能够了解整个电力***内各类负荷的含量和状态，以及每类负荷的用电量与用电时间，并监测负荷投切，实时获取整个***的运行状况，从而在决策层面合理地引导负荷用电，科学地安排负荷投切，实现电力***高效且稳定的运行；从电力规划角度出发，非侵入式负荷监测可以从整个***的全局层面提供详细的电力数据，使规划人员能够在大时间粒度上了解负荷的用电规律和趋势，这对更好地实现负荷预测与电网规划有着重要作用；从每个电力用户的角度出发，非侵入式负荷监测是智能家居、智能工厂等前沿概念的重要技术支撑，可以使电力用户在任何时间和地点都能够了解自己局域电力***内各类负荷的状态，并监测故障、投切等暂态事件的发生，保障整个局域电力***的正常运行。
随着国民耗电量的不断增长，接入电力***的负荷也越来越多，实现非侵入式负荷监测的难度也随之加大，尤其在大数据背景下，不仅接入电力***的负荷种类不断增加，而且表示负荷的投切状态的大量暂态数据也将被采集和累积下来，势必造成非侵入式负荷分解的暂态识别的能力下降的问题。
发明内容
本发明的目的在于解决提出的负荷种类多、暂态过程数据量大造成的非侵入式负荷监测的暂态识别率低的问题，提出一种基于大数据技术的非侵入式负荷暂态监测的方法，利用大数据技术手段，从累积的海量的电力负荷数据中，获取大量的暂态过程的数据，通过构建训练模型和测试模型，实现非侵入式负荷分解的暂态监测功能。
本发明是通过以下技术方案实现的：
一种基于大数据的非侵入式负荷监测的方法，其特征在于：包括以下步骤：
（1）电力数据的远程采集，通过对电力***进行数据监测和监测控制，全面采集各类暂态过程的实测样本；
（2）建立非侵入式负荷监测的训练模型，形成判别空间；
（3）进行非侵入式负荷暂态监测的实测，根据判别空间对实测的暂态过程进行判别。
进一步的，所述步骤（1）中的电力***主要由中心站连接上位机，上位机经传输通道通过RTU控制设备进行数据采集。
进一步的，所述步骤（2）包括以下步骤：
（21）对采集到的暂态实测样本进行检测与分离；
（22）对分离后的暂态样本进行特征提取；
（23）运用降维方法，形成低维判别空间；
进一步的，步骤（21）的检测过程中，对电流波形按照一定频率采样，并在缓冲区记录最近固定周期数的波形，若实时的电流强度发生的变化超过一定的阈值，则判定暂态过程开始，直到实时电流强度不在发生明显的变化，则判定暂态过程结束，并记录下暂态过程的波形。
进一步的，（22）中，将提取的暂态前后的特征参数形成高维的特征空间，并且去除奇异样本后，归一化形成样本集。
进一步的，步骤（23）采用大数据技术的数据降维方法进行特征空间降维，从而形成低维的判别空间。
与现有技术相比，本发明的有益效果是：
本设计提出了一种基于大数据的非侵入式负荷监测的方法，提出了负荷暂态过程的检测和分离算法，能检测到暂态过程的发生，并排除其他负荷的干扰，得到单一的暂态波形，给出了用于暂态过程判别的特征量和相应的计算方法，并用归一化的特征量构成高维特征空间，将大数据技术应用到暂态过程特征空间的降维，将髙维特征空间降为低维判别空间，降低特征空间的维度。
本设计针对目前电力***内负荷种类多、暂态过程数据量大造成的非侵入式负荷监测的暂态识别率低的问题，提出一种基于大数据技术的非侵入式负荷暂态监测的方法，利用大数据技术手段，从累积的海量的电力负荷数据中，获取大量的暂态过程的数据，依据合理的负荷分类的方法，选取合适的特征参数来构建高维的特征判别空间，再利用大数据技术手段中的降维和分类方法，通过构建训练模型和测试模型，能够精准并且快速的实现非侵入式负荷监测的功能。此外，本发明方法原理可靠，步骤简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
图1是本发明中电力数据远程采集***的***硬件结构图。
图2是本发明中构建非侵入式负荷监测训练模型的流程图。
图3是本发明中构建非侵入式负荷监测实测模型流程图。
图4是本发明中电力数据远程采集***基本组成结构图。
图5是本发明实施例3中得到的电冰箱暂态波形图。
图6是本发明实施例3中得到的空气压缩机暂态波形图。
图7是本发明实施例3中得到的电视机暂态波形图。
图8是本发明实施例3中得到的电灯暂态波形图。
具体实施方式
下面结合附图对本发明作进一步详细描述：
实施例1
如图1至3所示，本发明提供的一种基于大数据的非侵入式负荷监测的方法，其特征在于：包括以下步骤：
（1）电力数据的远程采集，通过对电力***进行数据监测和监测控制，全面采集各类暂态过程的实测样本；
（2）建立非侵入式负荷监测的训练模型，形成判别空间；
（3）进行非侵入式负荷暂态监测的实测，根据判别空间对实测的暂态过程进行判别。
进一步的，如图1所示，所述步骤（1）中的电力***主要由中心站连接上位机，上位机经传输通道通过RTU控制设备进行数据采集。
进一步的，所述步骤（2）包括以下步骤：
（21）对采集到的暂态实测样本进行检测与分离；
（22）对分离后的暂态样本进行特征提取；
（23）运用降维方法，形成低维判别空间；
如图2所示，在本实施例中，步骤（21）的检测过程中，对电流波形按照一定频率采样，并在缓冲区记录最近固定周期数的波形，若实时的电流强度发生的变化超过一定的阈值，则判定暂态过程开始，直到实时电流强度不在发生明显的变化，则判定暂态过程结束，并记录下暂态过程的波形。步骤（22）中，将提取的暂态前后的特征参数形成高维的特征空间，并且去除奇异样本后，归一化形成样本集。步骤（23）采用大数据技术的数据降维方法进行特征空间降维，从而形成低维的判别空间。
本设计提出了一种基于大数据的非侵入式负荷监测的方法，提出了负荷暂态过程的检测和分离算法，能检测到暂态过程的发生，并排除其他负荷的干扰，得到单一的暂态波形，给出了用于暂态过程判别的特征量和相应的计算方法，并用归一化的特征量构成高维特征空间，将大数据技术应用到暂态过程特征空间的降维，将髙维特征空间降为低维判别空间，降低特征空间的维度。
本设计针对目前电力***内负荷种类多、暂态过程数据量大造成的非侵入式负荷监测的暂态识别率低的问题，提出一种基于大数据技术的非侵入式负荷暂态监测的方法，利用大数据技术手段，从累积的海量的电力负荷数据中，获取大量的暂态过程的数据，依据合理的负荷分类的方法，选取合适的特征参数来构建高维的特征判别空间，再利用大数据技术手段中的降维和分类方法，通过构建训练模型和测试模型，能够精准并且快速的实现非侵入式负荷监测的功能。此外，本发明方法原理可靠，步骤简单，具有非常广泛的应用前景。
实施例2
在电力***中，SCADA***应用最为广泛，技术发展也最为成熟。它作为能量管理***（EMS***）的一个最主要的子***，有着信息完整、提高效率、正确掌握***运行状态、加快决策、能帮助快速诊断出***故障状态等优势，现已经成为电力调度不可缺少的工具。它对提高电网运行的可靠性、安全性与经济效益，减轻调度员的负担，实现电力调度自动化与现代化，提高调度的效率和水平方面有着不可替代的作用。
电力数据远程采集***是建设智能电网的物理基础，***将新兴的计算机技术、通信及控制技术、以及高级的传感技术应用到其中，从而实现数据的远程采集、完成了数据的管理，并且对数据进行统计分析，及时的发现电力数据信息中的异常，对电力用户的用电负荷进行监测和控制，提高供电公司的电力管理效率与质量。
本实施例中的电力数据远程***如图1和4所示，由主站、通信信道、采集设备三部分组成。
下面进行步骤（2）建立非侵入式负荷监测的训练模型。
非侵入式负荷监测分为训练和实测两部分，其中训练是为了形成判别空间，判别空间实质上是通用的暂态过程数据库，数据库形成后在实测判定时就无需再进行训练；实测部分是将实测得到的待分解暂态过程投影到训练得到的判别空间，以判定其属于哪类暂态过程。
要完成非侵入式负荷监测，首先要对电力***的暂态过程进行检测和分离，进而对分离出的暂态过程进行特征提取，提取的特征越多，越能精确的表征不同暂态过程的特点，即构成高维特征空间，伴随着高维数特征空间将会带来计算和解析上的问题，所以需要将特征向量矩阵进行降维处理，形成低维判别空间，即构成暂态过程数据库。非侵入式负荷监测的训练模型流程如图2所示。
其算法步骤表述为：
<1> 全面的采集各类暂态过程的实测样本。该步骤主要由SCADA***完成。
<2> 对上述样本进行暂态的检测与分离。电流波形按照一定频率采样，并在缓冲区记录最近固定周期数的波形，若实时的电流强度发生的变化超过一定的阈值，则判定暂态过程开始，直到实时电流强度不在发生明显的变化，则判定暂态过程结束，并记录下暂态过程的波形。
<3> 特征提取形成特征空间。对分离后的暂态样本进行特征提取，由于暂态发生前后势必会带来电流值和功率值的瞬间激增和引起电流有效值、有功功率和无功功率的明显变化和电压有效值的微小变化。本实施例中选取暂态前后的电流有效值差值△I、电压有效值差值△V、有功功率差值△P、无功功率差值△Q、暂态过程中冲击电流最大值Imax、电压最大值Vmax、有功功率最大值Pmax、无功功率最大值Qmax、冲击电流最大值与暂态前稳态电流有效值的比值Icrest、暂态电压最大值与暂态前稳态电压有效值的比值Vcrest、暂态有功功率最大值与暂态前稳态无功功率值的比值Pcrest、暂态无功功率最大值与暂态前稳态无功功率值的比值Qcrest、暂态持续的周期数T以及负荷所属的类别标签作为特征参数，形成高维的特征空间，并且去除奇异样本后，归一化形成样本集
<4> 运用降维方法，形成低维判别空间。针对此样本集，用大数据技术中的数据降维方法进行特征空间降维，从而形成低维的判别空间。
非侵入式负荷监测问题实质上是一个多元统计量的分类问题，在解决这类问题时，空间的维数是决定分类好坏的关键因素，一方面，特征空间维数过低，会导致特征提取不全面，无法有效区分一些聚类；另一方面，特征空间维数过高又会带来计算和解析上的问题，许多在低维空间行之有效的计算和解析方法，在高维空间就行不通。目前数据降维方法分为两种：线性降维和非线性降维方法。本申请研究的是一个多元统计量的线性分类问题，线性降维方法中具有代表意义的有主成分分析（PCA）和线性鉴别分析法（LDA）算法。而PCA具有丢失原始数据最少的信息的优势，因此在本实施例中采取PCA算法进行线性降维。
然后，进入步骤（3）非侵入式负荷监测的实测。
当判别空间构建完成后，就可以针对实测的暂态过程进行判别。将高维的实测样本特征向量依据最佳投影方向投影到低维判别空间，投影完成后，还需要判定投影点到底属于哪个聚类，选取合适的聚类算法进行聚类即可分辨出不同的暂态过程。
目前电力***内的用电设备的种类数不胜数，在非侵入式负荷监测领域内，尚未形成统一的负荷分类的标准。除了按照负荷的等级将负荷划分为一级负荷、二级负荷、三级负荷外，还可以按照负荷特性划分为阻性负荷、容性负荷和感性负荷，按照负荷的用途可划分为农业负荷、工业负荷、居民生活负荷和商业动力负荷。在家用电器的分类中，通常分为六大类：电阻式，泵式，电机驱动，电子馈电，电子电源控制和荧光灯。本申请采用大数据的技术的优势就在于，它可以根据不同的需求，建立不一样的监督式或者非监督式学习的模型，根据实际需要，按照不同的分类标准进行主动学习，为后期的聚类算法奠定决策的基础。
非侵入式负荷监测的实测模型流程如图3所示，其算法步骤表述为：
<1>***总端检测到暂态过程，并对其进行分离。
<2> 对检测分离后的暂态过程进行特征提取，形成特征空间。
<3> 按照训练得出的最优投影方向投影到低维的判别空间。
<4> 用聚类算法判定其属于哪类负荷发生的暂态过程。
实施例3
本发明提出的一种基于大数据的非侵入式负荷监测的方法，分析了相关理论基础，并列出了相关模型流程，在本实施例中，要得到用电设备的暂态波形图需要通过以下步骤：
（1）电力数据的远程采集，通过对电力***进行数据监测和监测控制，全面采集各类暂态过程的实测样本；
（2）建立非侵入式负荷监测的训练模型，形成判别空间；
（3）进行非侵入式负荷暂态监测的实测，根据判别空间对实测的暂态过程进行判别。
在本实施例中，以电力***中常见的用电设备电冰箱、空气压缩机、电视机以及点灯为例，按照以上步骤进行建模，得到暂态波形图如图5至8所示，可以看出本申请的有益效果在于：
１）提出了负荷暂态过程的检测和分离算法，能检测到暂态过程的发生，并排除其他负荷的干扰，得到如图5至8所示的单一的暂态波形。
２）给出了用于暂态过程判别的特征量和相应的计算方法，并用归一化的特征量构成高维特征空间。
３）分析了PCA降维算法的应用价值，将其应用到暂态过程特征空间的降维，将髙维特征空间降为低维判别空间，降低特征空间的维度。
本申请针对目前电力***内负荷种类多、暂态过程数据量大造成的非侵入式负荷监测的暂态识别率低的问题，提出一种基于大数据技术的非侵入式负荷暂态监测的方法，利用大数据技术手段，从累积的海量的电力负荷数据中，获取大量的暂态过程的数据，依据合理的负荷分类的方法，选取合适的特征参数来构建高维的特征判别空间，再利用大数据技术手段中的降维和分类方法，通过构建训练模型和测试模型，能够精准并且快速的实现非侵入式负荷监测的功能。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
Claims (6)
1.一种基于大数据的非侵入式负荷监测的方法，其特征在于：包括以下步骤：
电力数据的远程采集，通过对电力***进行数据监测和监测控制，全面采集各类暂态过程的实测样本；
建立非侵入式负荷监测的训练模型，形成判别空间；
（3）进行非侵入式负荷暂态监测的实测，根据判别空间对实测的暂态过程进行判别。
2.如权利要求1所述的一种基于大数据的非侵入式负荷监测的方法，其特征在于：所述步骤（1）中的电力***主要由中心站连接上位机，上位机经传输通道通过RTU控制设备进行数据采集。
3.如权利要求1所述的一种基于大数据的非侵入式负荷监测的方法，其特征在于：所述步骤（2）包括以下步骤：
（21）对采集到的暂态实测样本进行检测与分离；
（22）对分离后的暂态样本进行特征提取；
（23）运用降维方法，形成低维判别空间。
4.如权利要求3所述的一种基于大数据的非侵入式负荷监测的方法，其特征在于：步骤（21）的检测过程中，对电流波形按照一定频率采样，并在缓冲区记录最近固定周期数的波形，若实时的电流强度发生的变化超过一定的阈值，则判定暂态过程开始，直到实时电流强度不在发生明显的变化，则判定暂态过程结束，并记录下暂态过程的波形。
5.如权利要求3所述的一种基于大数据的非侵入式负荷监测的方法，其特征在于：步骤（22）中，将提取的暂态前后的特征参数形成高维的特征空间，并且去除奇异样本后，归一化形成样本集。
6.如权利要求3所述的一种基于大数据的非侵入式负荷监测的方法，其特征在于：步骤（23）采用大数据技术的数据降维方法进行特征空间降维，从而形成低维的判别空间。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710847363 | 2017-09-19 | ||
| CN2017108473632 | 2017-09-19 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108197817A true CN108197817A (zh) | 2018-06-22 |
Family
ID=62589822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810050843.0A Pending CN108197817A (zh) | 2017-09-19 | 2018-01-18 | 一种基于大数据的非侵入式负荷暂态监测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108197817A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921424A (zh) * | 2018-06-28 | 2018-11-30 | 广东电网有限责任公司 | 一种电力数据异常检测方法、装置、设备及可读存储介质 |
| CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
| CN110426554A (zh) * | 2019-08-09 | 2019-11-08 | 威胜集团有限公司 | 家用负荷电气特征提取方法、装置及计算机可读存储介质 |
| CN110879537A (zh) * | 2018-09-06 | 2020-03-13 | 珠海格力电器股份有限公司 | 智能家居能源***暂态稳定性的处理方法和装置 |
| CN111222768A (zh) * | 2019-12-29 | 2020-06-02 | 杭州拓深科技有限公司 | 非侵入式负荷识别-用电行为分析用电判断方法及*** |
| CN111366800A (zh) * | 2020-03-11 | 2020-07-03 | 北京慧飒科技有限责任公司 | 一种非侵入式电气负载智能识别方法 |
| CN111722028A (zh) * | 2019-03-19 | 2020-09-29 | 华北电力大学 | 一种基于高频数据的负荷识别方法 |
| CN112446416A (zh) * | 2020-10-09 | 2021-03-05 | 国网山东省电力公司日照供电公司 | 一种非侵入式负荷监测与辨识方法及*** |
| CN112564090A (zh) * | 2020-11-20 | 2021-03-26 | 东北电力大学 | 基于mblda的交直流***暂态电压稳定监测方法 |
| CN112701683A (zh) * | 2020-12-23 | 2021-04-23 | 国网黑龙江省电力有限公司双鸭山供电公司 | 非侵入式负荷检测与分解方法、***以及存储介质 |
| CN113034305A (zh) * | 2021-02-10 | 2021-06-25 | 上海千居智科技有限公司 | 非侵入式负荷监测事件的分类方法及存储介质 |
| CN113297742A (zh) * | 2021-05-27 | 2021-08-24 | 东北大学 | 基于独立成分分析的自能源非侵入式***及其建模方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526280A (zh) * | 2016-08-25 | 2017-03-22 | 北京电力经济技术研究院 | 一种铁路电力负荷冲击暂态过程的检测与分离方法 |
| CN106786534A (zh) * | 2016-12-28 | 2017-05-31 | 天津求实智源科技有限公司 | 一种非侵入式电力负荷暂态过程辨识方法及*** |
-
2018
- 2018-01-18 CN CN201810050843.0A patent/CN108197817A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526280A (zh) * | 2016-08-25 | 2017-03-22 | 北京电力经济技术研究院 | 一种铁路电力负荷冲击暂态过程的检测与分离方法 |
| CN106786534A (zh) * | 2016-12-28 | 2017-05-31 | 天津求实智源科技有限公司 | 一种非侵入式电力负荷暂态过程辨识方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 李雨轩: "非侵入式负荷分解算法的综合研究", 《中国优秀硕士学位论文全文数据库•工程科技II辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921424A (zh) * | 2018-06-28 | 2018-11-30 | 广东电网有限责任公司 | 一种电力数据异常检测方法、装置、设备及可读存储介质 |
| CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
| CN109270368B (zh) * | 2018-09-03 | 2020-09-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
| CN110879537A (zh) * | 2018-09-06 | 2020-03-13 | 珠海格力电器股份有限公司 | 智能家居能源***暂态稳定性的处理方法和装置 |
| CN111722028A (zh) * | 2019-03-19 | 2020-09-29 | 华北电力大学 | 一种基于高频数据的负荷识别方法 |
| CN110426554A (zh) * | 2019-08-09 | 2019-11-08 | 威胜集团有限公司 | 家用负荷电气特征提取方法、装置及计算机可读存储介质 |
| CN111222768A (zh) * | 2019-12-29 | 2020-06-02 | 杭州拓深科技有限公司 | 非侵入式负荷识别-用电行为分析用电判断方法及*** |
| CN111366800A (zh) * | 2020-03-11 | 2020-07-03 | 北京慧飒科技有限责任公司 | 一种非侵入式电气负载智能识别方法 |
| CN112446416A (zh) * | 2020-10-09 | 2021-03-05 | 国网山东省电力公司日照供电公司 | 一种非侵入式负荷监测与辨识方法及*** |
| CN112564090A (zh) * | 2020-11-20 | 2021-03-26 | 东北电力大学 | 基于mblda的交直流***暂态电压稳定监测方法 |
| CN112564090B (zh) * | 2020-11-20 | 2023-04-07 | 东北电力大学 | 基于mblda的交直流***暂态电压稳定监测方法 |
| CN112701683A (zh) * | 2020-12-23 | 2021-04-23 | 国网黑龙江省电力有限公司双鸭山供电公司 | 非侵入式负荷检测与分解方法、***以及存储介质 |
| CN113034305A (zh) * | 2021-02-10 | 2021-06-25 | 上海千居智科技有限公司 | 非侵入式负荷监测事件的分类方法及存储介质 |
| CN113297742A (zh) * | 2021-05-27 | 2021-08-24 | 东北大学 | 基于独立成分分析的自能源非侵入式***及其建模方法 |
| CN113297742B (zh) * | 2021-05-27 | 2023-10-31 | 东北大学 | 基于独立成分分析的自能源非侵入式***及其建模方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108197817A (zh) | 一种基于大数据的非侵入式负荷暂态监测的方法 | |
| CN103872782B (zh) | 一种电能质量数据综合服务*** | |
| CN111624931B (zh) | 工业园区用电互联网智能运维管控***及其方法 | |
| CN113570200B (zh) | 一种基于多维信息的电网运行状态监测方法及*** | |
| CN104091070A (zh) | 一种基于时间序列分析的轨道交通故障诊断方法和*** | |
| CN112926749A (zh) | 一种智能电网信息设备监控***及方法 | |
| CN106682835B (zh) | 一种数据驱动的复杂机电***服役质量状态评估方法 | |
| CN113036759B (zh) | 一种电力用户负荷细粒度识别方法及识别*** | |
| CN113011089B (zh) | 一种基于深度学习的机采井***效率优化方法与装置 | |
| CN113466597A (zh) | 一种轨道交通供电***设备状态智能检测方法 | |
| CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
| CN113902104A (zh) | 联合无监督域自适应策略和注意力机制的非侵入式负荷监测方法 | |
| CN109711664B (zh) | 一种基于大数据的输变电设备健康评估*** | |
| CN109491339B (zh) | 一种基于大数据的变电站设备运行状态预警*** | |
| CN111327118B (zh) | 一种非侵入式电力负荷识别方法 | |
| CN112615428A (zh) | 一种线损分析治理***及方法 | |
| CN117559443A (zh) | 尖峰负荷下大工业用户集群有序用电控制方法 | |
| CN117610934A (zh) | 一种电网安全风险评估预警*** | |
| CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
| CN114924518A (zh) | 一种智慧水务用信息处理***及处理方法 | |
| Gurbuz et al. | Comprehensive non-intrusive load monitoring process: Device event detection, device feature extraction and device identification using KNN, random forest and decision tree | |
| CN106649034B (zh) | 一种可视化智能运维方法及平台 | |
| CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和*** | |
| Yao et al. | AdaBoost-CNN: a hybrid method for electricity theft detection | |
| CN114662576A (zh) | 基于有监督分类的非侵入式电瓶车充电检测方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |
|
| RJ01 | Rejection of invention patent application after publication |