CN108923426B - 一种负荷识别方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种负荷识别方法、装置、设备及计算机可读存储介质，其中方法包括：获取电表的总消耗功率曲线；根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间；在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组，所述电器功率数据库包括：由各电器功率构成的电器功率组和每个所述电器功率组中各个电器功率对应的时间特征。解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

Description

一种负荷识别方法、装置、设备及计算机可读存储介质

技术领域

本申请属于电力技术领域，尤其涉及一种负荷识别方法、装置、设备及计算机可读存储介质。

背景技术

随着社会的发展，居民用电量占配电网总用电量的比重越来越大，对于用户侧的负荷识别得到了研究人员的广泛关注。负荷识别指在家庭场景下，将电表的总消耗功率分解到各个家用电器，电网可以根据负荷识别的结果了解用户的用电***。

但是，现有负荷识别方法数据量庞大，对设备的计算能力有较高的要求，例如：每秒钟一个采样点，此时若分析一天内的负荷分解情况，则需要对24*60*60＝86400个点进行分析，数据量较为庞大。

发明内容

本申请提供了一种负荷识别方法、装置、设备及计算机可读存储介质，用于用户端用电的负荷识别，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

有鉴于此，本申请第一方面提供了一种负荷识别方法，包括：

获取电表的总消耗功率曲线；

根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间；

在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组，所述电器功率数据库包括：由各电器功率构成的电器功率组和每个所述电器功率组中各个电器功率对应的时间特征。

优选地，所述根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间：

根据所述总消耗功率曲线的阶梯型特征，确定所述总消耗功率曲线上的各个阶梯的功率均值，及各个阶梯对应的时间特征，所述时间特征包括开启时间和结束时间；

将多个所述阶梯的功率均值作为多个待分解功率，每个所述阶梯的时间特征作为对应的待分解功率的时间特征。

优选地，所述在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

在电器功率数据库中，确定与每一所述待分解功率对应的所有待匹配电器功率组及每个所述待匹配电器功率组对应的时间特征，每一所述待分解功率与其所对应的每个所述待匹配电器功率组中所有电器的功率和相等；

根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组。

优选地，所述根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

根据每个所述待分解功率的开始时间及其所对应的每个所述待匹配电器功率组的开始时间，计算每个所述待匹配电器功率组在其所对应的所述待分解功率的开始时间上的开启概率，并确定第一预置数量的开启概率最大的待匹配电器功率组；

在每个所述待分解功率的第一预置数量的待匹配电器功率组中，基于最大似然度估计法根据每个所述待匹配电器功率组的结束时间，确定似然度最大的待匹配电器功率组，所述似然度最大的待匹配电器功率组为与其所对应的待分解功率的电器功率组。

优选地，所述方法还包括：

采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征；

根据各个所述工作功率及各个所述工作功率的时间特征，确定相同时间特征的工作功率构成电器功率组，得到电器功率数据库。

优选地，所述采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征具体包括：

获取用户家中各个电器单独运行时的工作功率曲线；

根据无监督聚类算法得到各个电器单独运行时的工作功率曲线对应的电器功率及各个电器功率的时间特征。

优选地，所述获取电表的总消耗功率曲线之后还包括：

对所述总消耗功率曲线进行预处理。

本申请第二方面提供一种负荷识别装置，包括：

获取单元，用于获取电表的总消耗功率曲线；

第一单元，用于根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间；

第二单元，用于在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组，所述电器功率数据库包括：由各电器功率构成的电器功率组和每个所述电器功率组中各个电器功率对应的时间特征。

本申请第三方面提供一种负荷识别设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述的负荷识别方法。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述的负荷识别方法。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请提供了一种负荷识别方法、装置、设备及计算机可读存储介质，其中方法包括：首先获取电表的总消耗功率曲线，因总消耗功率曲线呈现阶梯型的变化，每个阶梯对应一个功率值，每个功率值对应有一组家庭电器的使用状态，当总消耗功率值不变时，家庭电器的使用状态也不会发生改变，因此根据总消耗功率曲线的阶梯型特征确定多个待分解功率，然后只需对这些待分解功率进行分解，得到其所对应的电器功率组(家庭电器的使用状态)，即可得到这些待分解功率所对应的总消耗功率曲线整体的家庭电器的使用状态，无需对总消耗功率曲线上的所有点分析，减少了计算时的数据量，使得负荷识别也可在计算能力不强的设备上进行，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

附图说明

图1为本申请实施例中一种负荷识别方法的第一实施例的流程示意图；

图2为本申请实施例中一种负荷识别方法的第二实施例的流程示意图；

图3为本申请实施例中一种负荷识别装置的结构示意图；

图4为本申请实施例中电表的总消耗功率曲线的示意图。

具体实施方式

本申请实施例提供了一种负荷识别方法、装置、设备及计算机可读存储介质，用于用户端用电的负荷识别，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，本申请实施例中一种负荷识别方法的第一实施例的流程示意图，包括：

步骤101、获取电表的总消耗功率曲线。

需要说明的是，在进行负荷识别时，首先获取电表的总消耗功率曲线。可以理解的是消耗功率曲线的横坐标为时间，纵坐标为功率，如图4所示。

步骤102、根据总消耗功率曲线的阶梯型特征确定多个待分解功率及每个待分解功率对应的时间特征，时间特征包括：开启时间和结束时间。

需要说明的是，因总消耗功率曲线呈现阶梯型的变化，每个阶梯对应一个功率值，每个功率值对应有一组家庭电器的使用状态，当总消耗功率值不变时，家庭电器的使用状态也不会发生改变，因此根据总消耗功率曲线的阶梯型特征确定多个待分解功率，及每个待分解功率的时间特征。

步骤103、在电器功率数据库中，根据每一待分解功率及其所对应的时间特征，确定每一待分解功率对应的电器功率组，电器功率数据库包括：由各电器功率构成的电器功率组和每个电器功率组中各个电器功率对应的时间特征。

需要说明的是，确定总消耗功率曲线上的多个待分解功率后，在电器功率数据库中，根据每一待分解功率及其所对应的时间特征，确定每一待分解功率对应的电器功率组，电器功率数据库包括：由各电器功率构成的电器功率组和每个电器功率组中各个电器功率对应的时间特征。

本实施例中，首先获取电表的总消耗功率曲线，因总消耗功率曲线呈现阶梯型的变化，每个阶梯对应一个功率值，每个功率值对应有一组家庭电器的使用状态，当总消耗功率值不变时，家庭电器的使用状态也不会发生改变，因此根据总消耗功率曲线的阶梯型特征确定多个待分解功率，然后只需对这些待分解功率进行分解，得到其所对应的电器功率组(家庭电器的使用状态)，即可得到这些待分解功率所对应的总消耗功率曲线整体的家庭电器的使用状态，无需对总消耗功率曲线上的所有点分析，减少了计算时的数据量，使得负荷识别也可在计算能力不强的设备上进行，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

以上为本申请实施例提供的一种负荷识别方法的第一实施例，以下为本申请实施例提供的一种负荷识别方法的第二实施例。

请参阅图2，本申请实施例中一种负荷识别方法的第二实施例的流程示意图，包括：

步骤200、采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征。

需要说明的是，为了创建电器功率数据库，首先采集用户家中各个电器单独运行时的电器功率和各个电器功率对应的时间特征。

进一步地，采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征具体包括：获取用户家中各个电器单独运行时的工作功率曲线；根据无监督聚类算法得到各个电器单独运行时的工作功率曲线对应的电器功率及各个电器功率的时间特征。可以理解的是各个电器的工作功率曲线的横坐标为时间，纵坐标为功率。可以理解的是，单个电器虽然有固定的工作功率，但是采集电器的工作功率曲线时，对每一个功率值可能会有波动，因此根据无监督聚类算法得到各个电器单独运行时的工作功率及各个工作功率对应的时间特征。具体地，根据无监督聚类算法得到各个电器单独运行时的工作功率及各个工作功率对应的时间特征包括：根据完全聚类算法得到各个电器的可能工作功率及及各个可能工作功率对应的时间特征，然后根据类中心融合算法对可能工作功率进行融合得到各个电器单独运行时的电器功率及各个电器功率的时间特征。

步骤201、根据各个工作功率及各个工作功率的时间特征，确定相同时间特征的工作功率构成电器功率组，得到电器功率数据库。

需要说明的是，采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征后，可以确定相同时间特征的工作功率构成电器功率组，所有的电器功率组的组合得到电器功率数据库。

步骤202、获取电表的总消耗功率曲线。

需要说明的是，可以对总消耗功率曲线进行预处理，预处理包括但不限于使用均值滤波器进行滤波。

步骤203、根据总消耗功率曲线的阶梯型特征，确定总消耗功率曲线上的各个阶梯的功率均值，及各个阶梯对应的时间特征，时间特征包括开启时间和结束时间。

步骤204、将多个阶梯的功率均值作为多个待分解功率，每个阶梯的时间特征作为对应的待分解功率的时间特征。

步骤205、在电器功率数据库中，确定与每一待分解功率对应的所有待匹配电器功率组及每个待匹配电器功率组对应的时间特征，每一待分解功率与其所对应的每个待匹配电器功率组中所有电器的功率和相等。例如电表的待分解功率为200W时，时间特征为：开始时间13:00，结束时间14:00，求得家中电器功率和为200W时的所有待匹配电器功率组为：家中台灯和电视机的功率和为200W，其对应的时间特征为：开始时间：13:00，结束时间15:00，还有洗衣机和洗碗机的功率和为200W，其对应的时间特征为：开始时间：12:00，结束时间14:00，还有电脑和空调的功率和为200W，其对应的时间特征为：开始时间：13:00，结束时间14:00，还有微波炉的功率为200W，且微波炉一般在早上7:00使用，结束时间7:10，在该时间段无其他电器使用。

可以理解的是，为了使得计算的速度更快，可以首先将电器数据库中功率和相等的电器功率组合并为一个类组，例如所有功率和为200W的电器功率组为一个类组，所有功率和为300W的电器功率组为一个类组，当分解待分解功率所对应的电器功率组时，知道待分解功率的功率值后，只需在该值对应的类组里面寻找，显著减少计算时间。

步骤206、根据每个待分解功率的时间特征及其所对应的每个待匹配电器功率组的时间特征，确定每一待分解功率对应的电器功率组。

需要说明的是，为了加快计算速度，可以根据每个待分解功率的开始时间及其所对应的每个待匹配电器功率组的开始时间，计算每个待匹配电器功率组在其所对应的待分解功率的开始时间上的开启概率，并确定第一预置数量的开启概率最大的待匹配电器功率组；例如待分解功率为200W时，可以确定待分解功率组对应的待匹配电器功率组为：台灯和电视机所构成的待匹配电器功率组、电脑和空调所构成的待匹配电器功率组。可以理解的是，第一预置数量可以根据实际需要设置。

在每个待分解功率的第一预置数量的待匹配电器功率组中，基于最大似然度估计法根据每个待匹配电器功率组的结束时间，确定每个电器待匹配电器功率组的似然度，将似然度最大的待匹配电器功率组作为与其对应的待分解功率的电器功率组。例如，此时在上一步求得的2个待匹配电器功率组中，计算每个待匹配电器功率组结束时间的似然度，求得电脑和空调所构成的待匹配电器功率组的似然度最大，此时即将电脑和空调所构成的待匹配电器功率组作为电器功率组。可以理解的是，最大似然度估计法属于现有技术，在此不再赘述。

本实施例中，首先获取电表的总消耗功率曲线，因总消耗功率曲线呈现阶梯型的变化，每个阶梯对应一个功率值，每个功率值对应有一组家庭电器的使用状态，当总消耗功率值不变时，家庭电器的使用状态也不会发生改变，因此根据总消耗功率曲线的阶梯型特征确定多个待分解功率，然后只需对这些待分解功率进行分解，得到其所对应的电器功率组(家庭电器的使用状态)，即可得到这些待分解功率所对应的总消耗功率曲线整体的家庭电器的使用状态，无需对总消耗功率曲线上的所有点分析，减少了计算时的数据量，使得负荷识别也可在计算能力不强的设备上进行，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

以上为本申请实施例提供的一种负荷识别方法的第二实施例，以下为本申请实施例提供的一种负荷识别装置的实施例，请参阅图3。

本申请实施例中提供的一种负荷识别装置，包括：

获取单元301，用于获取电表的总消耗功率曲线；

第一单元302，用于根据总消耗功率曲线的阶梯型特征确定多个待分解功率及每个待分解功率对应的时间特征，时间特征包括：开启时间和结束时间；

第二单元303，用于在电器功率数据库中，根据每一待分解功率及其所对应的时间特征，确定每一待分解功率对应的电器功率组，电器功率数据库包括：由各电器功率构成的电器功率组和每个电器功率组中各个电器功率对应的时间特征。

本实施例中，首先获取电表的总消耗功率曲线，因总消耗功率曲线呈现阶梯型的变化，每个阶梯对应一个功率值，每个功率值对应有一组家庭电器的使用状态，当总消耗功率值不变时，家庭电器的使用状态也不会发生改变，因此根据总消耗功率曲线的阶梯型特征确定多个待分解功率，然后只需对这些待分解功率进行分解，得到其所对应的电器功率组(家庭电器的使用状态)，即可得到这些待分解功率所对应的总消耗功率曲线整体的家庭电器的使用状态，无需对总消耗功率曲线上的所有点分析，减少了计算时的数据量，使得负荷识别也可在计算能力不强的设备上进行，解决了现有负荷识别因数据量庞大，对设备的计算能力有较高要求的技术问题。

本申请实施例还提供了一种负荷识别设备，设备包括处理器以及存储器：存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行上述的负荷识别方法。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行上述的负荷识别方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (8)

1.一种负荷识别方法，其特征在于，包括：

获取电表的总消耗功率曲线；

根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间；

在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组，所述电器功率数据库包括：由各电器功率构成的电器功率组和每个所述电器功率组中各个电器功率对应的时间特征；

所述在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

在电器功率数据库中，确定与每一所述待分解功率对应的所有待匹配电器功率组及每个所述待匹配电器功率组对应的时间特征，每一所述待分解功率与其所对应的每个所述待匹配电器功率组中所有电器的功率和相等；

根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组；

所述根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

根据每个所述待分解功率的开始时间及其所对应的每个所述待匹配电器功率组的开始时间，计算每个所述待匹配电器功率组在其所对应的所述待分解功率的开始时间上的开启概率，并确定第一预置数量的开启概率最大的待匹配电器功率组；

在每个所述待分解功率的第一预置数量的待匹配电器功率组中，基于最大似然度估计法根据每个所述待匹配电器功率组的结束时间，确定似然度最大的待匹配电器功率组，所述似然度最大的待匹配电器功率组为与其所对应的待分解功率的电器功率组。

2.根据权利要求1所述的方法，其特征在于，所述根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间：

根据所述总消耗功率曲线的阶梯型特征，确定所述总消耗功率曲线上的各个阶梯的功率均值，及各个阶梯对应的时间特征，所述时间特征包括开启时间和结束时间；

将多个所述阶梯的功率均值作为多个待分解功率，每个所述阶梯的时间特征作为对应的待分解功率的时间特征。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征；

根据各个所述电器功率及各个所述电器功率的时间特征，确定相同时间特征的电器功率构成电器功率组，得到电器功率数据库。

4.根据权利要求3所述的方法，其特征在于，所述采集用户家中各个电器单独运行时的电器功率及各个电器功率对应的时间特征具体包括：

获取用户家中各个电器单独运行时的工作功率曲线；

根据无监督聚类算法得到各个电器单独运行时的工作功率曲线对应的电器功率及各个电器功率的时间特征。

5.根据权利要求1所述的方法，其特征在于，所述获取电表的总消耗功率曲线之后还包括：

对所述总消耗功率曲线进行预处理。

6.一种负荷识别装置，其特征在于，包括：

获取单元，用于获取电表的总消耗功率曲线；

第一单元，用于根据所述总消耗功率曲线的阶梯型特征确定多个待分解功率及每个所述待分解功率对应的时间特征，所述时间特征包括：开启时间和结束时间；

第二单元，用于在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组，所述电器功率数据库包括：由各电器功率构成的电器功率组和每个所述电器功率组中各个电器功率对应的时间特征；

所述在电器功率数据库中，根据每一所述待分解功率及其所对应的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

在电器功率数据库中，确定与每一所述待分解功率对应的所有待匹配电器功率组及每个所述待匹配电器功率组对应的时间特征，每一所述待分解功率与其所对应的每个所述待匹配电器功率组中所有电器的功率和相等；

根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组；

所述根据每个待分解功率的时间特征及其所对应的每个所述待匹配电器功率组的时间特征，确定每一所述待分解功率对应的电器功率组具体包括：

根据每个所述待分解功率的开始时间及其所对应的每个所述待匹配电器功率组的开始时间，计算每个所述待匹配电器功率组在其所对应的所述待分解功率的开始时间上的开启概率，并确定第一预置数量的开启概率最大的待匹配电器功率组；

在每个所述待分解功率的第一预置数量的待匹配电器功率组中，基于最大似然度估计法根据每个所述待匹配电器功率组的结束时间，确定似然度最大的待匹配电器功率组，所述似然度最大的待匹配电器功率组为与其所对应的待分解功率的电器功率组。

7.一种负荷识别设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1至5中任一项所述的负荷识别方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1至5中任一项所述的负荷识别方法。

Images