CN111126780B - 一种非侵入式负荷监测方法及存储介质 - Google Patents

一种非侵入式负荷监测方法及存储介质 Download PDF

Info

Publication number
CN111126780B
CN111126780B CN201911194849.6A CN201911194849A CN111126780B CN 111126780 B CN111126780 B CN 111126780B CN 201911194849 A CN201911194849 A CN 201911194849A CN 111126780 B CN111126780 B CN 111126780B
Authority
CN
China
Prior art keywords
power
power consumption
time
event
period
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.)
Active
Application number
CN201911194849.6A
Other languages
English (en)
Other versions
CN111126780A (zh
Inventor
杨万春
杨子元
王蒙
郑晓磊
唐凯
王宇
李达伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maxtropy Data Technology Co ltd
Shanghai Qianjuzhi Technology Co ltd
Baotou Power Supply Bureau Of Inner Mongolia Power Group Co ltd
Original Assignee
Shanghai Maxtropy Data Technology Co ltd
Shanghai Qianjuzhi Technology Co ltd
Baotou Power Supply Bureau Of Inner Mongolia Power Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Maxtropy Data Technology Co ltd, Shanghai Qianjuzhi Technology Co ltd, Baotou Power Supply Bureau Of Inner Mongolia Power Group Co ltd filed Critical Shanghai Maxtropy Data Technology Co ltd
Publication of CN111126780A publication Critical patent/CN111126780A/zh
Application granted granted Critical
Publication of CN111126780B publication Critical patent/CN111126780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种非侵入式负荷监测方法及存储介质。本发明用于从电力负荷总功率曲线中提取用不同用电器的用电事件，即判断单一用电器的开启事件或关闭事件。通过分析预先采集的用电总线的瞬时用电功率，获取电力负荷背景基准值，将在波动区间内的瞬时功率值都视为背景功率，以此获得若干时间间隔的连续的背景功率时间段。并根据将两段相邻的背景功率时间段之间的时间段定义为一个用电时段，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，进而可以提取该单一用电器的用电事件。

Description

一种非侵入式负荷监测方法及存储介质
技术领域
本发明涉及用电技术领域，特别涉及一种非侵入式负荷监测方法及存储介质。
背景技术
非侵入式负荷监测(NILM)是一种计算技术，用于从单个电表估算单个设备的功率需求，该电表测量多个设备的组合需求。一种用例是使用单个全屋智能电表生成逐项电费单。最终目的可能是帮助用户减少能耗；或是帮助运营商管理电网；或是找出有故障的电器；或是调查设备的使用行为。对于人类而言，可以用肉眼检测聚合用电功率数据中隐含的电器，特别是具有丰富特征的电器(例如，洗衣机、打印机等多状态的用电设备)。我们可以考虑使用手动工程特征提取器来获得这些丰富的特征，但这将很耗时，并且得到的特征对噪声可能不足够健壮，会随着噪声的出现而产生较大的偏差。此外，使用高频数据可以提取出一定用电器的开关特征，但是高频数据的采集会大幅提高成本，不符合日常家用的条件。因此需要一种基于低频用电数据的负荷检测方法，在这种负荷监测方法中，关键技术在于用电事件提取，以方便后续以事件为目标进行相关计算。
因此，本发明提出一种非侵入式负荷监测方法及存储介质，用于从电力负荷总功率曲线中提取用不同用电器的用电事件，即判断不同用电器的开启事件或关闭事件。
发明内容
本发明的目的在于，提供一种非侵入式负荷监测方法及存储介质。本发明通过分析预先采集的用电总线的瞬时用电功率，获取电力负荷背景基准值，将在波动区间内的瞬时功率值都视为背景功率，以此获得若干时间间隔的连续的背景功率时间段。并根据将两段相邻的背景功率时间段之间的时间段定义为一个用电时段，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，进而可以提取该单一用电器的用电事件。
本发明提供一种非侵入式负荷监测方法，包括如下步骤：数据库建立步骤，录入一用电总线的预设历史时间段瞬时耗电功率至一数据库，所述用电总线至少连接一用电器；所述用电总线的预设历史时间段瞬时耗电功率为连接该用电总线的用电器的瞬时耗电功率之和；第一采集步骤，采集所述数据库中所有用电总线的预设历史时间段瞬时耗电功率；背景功率基准值获取步骤，将所述预设历史时间段瞬时耗电功率取整并依据幂律分布得到背景功率基准值，所述背景功率基准值为在幂律分布中出现最多次数的瞬时耗电功率；背景功率获取步骤，设置一波动区间，采集在所述波动区间内的瞬时耗电功率为背景功率，所述背景功率基准值位于所述波动区间内；背景功率时段获取步骤，设定一时间间隔，根据所述背景功率获取若干时间间隔的背景功率时段并存入至所述数据库中；第二采集步骤，采集第一时间序列的背景功率时段以及第二时间序列的背景功率时段的瞬时耗电功率，所述第一时间序列以及所述第二时间序列皆包含于所述预设历史时间段；切分步骤，切分所述第一时间序列的背景功率时段与所述第二时间序列的背景功率时段之间的背景功率时段记为一耗电时段；判断步骤，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，所述单一用电器开启事件与所述单一用电器关闭事件记为单一用电器用电事件。
进一步地，还包括：单一用电器事件分类步骤，计算不同耗电时段与所述单一用电器用电事件相似性，并将相似度高的划分为同一单一用电器事件。
进一步地，还包括：功率削减步骤，根据所述同一单一用电器用电事件的开闭时间序列，移出数据库中所述预设历史时间段中的所述开闭时间序列的瞬时耗电功率；循环步骤，执行所述第一采集至所述判断步骤，得到另一单一用电器用电事件。
进一步地，在所述数据库建立步骤之前，包括:准备步骤，提供一智能电表，所述智能电表接入所述用电总线，所述智能电表以一固定频率不间断地读取所述用电总线的瞬时耗电功率；数据预处理步骤，对所述智能电表读取的所述用电总线瞬时耗电功率进行空缺值填补，平滑去除噪声后得到所述用电总线的预设历史时间段瞬时耗电功率所述并存储至数据库中。
进一步地，所述空缺值为所述只能电表采集前一采样点的数据；和/或，
所述平滑去除噪声的方式包括加权移动平均法；和/或，所述固定频率为5～15赫兹。
进一步地，所述预设历史时间段大于等于7天；所述波动区间的开始值低于所述背景功率基准值的10％～30％，所述波动区间的结束值高于所述背景功率基准值的10％～30％。
进一步地，在所述切分步骤中，若所述用电时段的时间长度小于所述时间阈值，则将所述用电时段视为噪声事件。
进一步地，在所述判断步骤中，具体包括：提取步骤，采集每个耗电时段的M个点，其中，多个耗电时段具有单一用电器开启事件，即
Figure BDA0002294434340000031
其中，i为第i个耗电时段，ti为第i个耗电时段的起始时间点，M为所述选取时长，N为耗电时段的个数，x瞬时耗电功率；
计算步骤，计算不同ES序列之间的欧式距离，即：
Figure BDA0002294434340000032
选取最小距离值所对应的两个ES序列，将所述两个ES序列取平均值作为单一用电器事件参照；序列相似度计算步骤，在一个耗电时段内，每隔h个点选取其后连续的q个点，那么同一个耗电时段内的第j个需要计算相似度的序列为目标序列Sij，记为：
Figure BDA0002294434340000033
其中，h为间隔时间，q为序列长度，ti为第i个耗电时段的起始时间点，使用动态时间规整算法计算目标序列与参照序列之间的相似度，根据所述相似度判断单一用电器开启的事件或关闭事件。
进一步地，若判断单一用电器开启的事件，则在所述提取步骤中，采集每个耗电时段的前M个点；若判断单一用电器关闭的事件，则在所述提取步骤中，采集每个耗电时段的后M个点。
本发明还提供一种存储介质，该介质上存储有计算机程序，在处理器执行所述计算机程序时可实现前文所述的方法。
本发明的有益效果是：本发明提供一种非侵入式负荷监测方法及存储介质。本发明用于从电力负荷总功率曲线中提取用不同用电器的用电事件，即判断单一用电器的开启事件或关闭事件。通过分析预先采集的用电总线的瞬时用电功率，获取电力负荷背景基准值，将在波动区间内的瞬时功率值都视为背景功率，以此获得若干时间间隔的连续的背景功率时间段。并根据将两段相邻的背景功率时间段之间的时间段定义为一个用电时段，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，进而可以提取该单一用电器的用电事件。
附图说明
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明提供的非侵入式负荷监测方法的流程图；
图2为本发明提供的数据实施例的瞬时耗电功率取整后的幂律分布图；
图3为本发明提供的判断步骤的流程图。
具体实施方式
以下是各实施例的说明是参考附加的图式，用以例示本发明可以用实施的特定实施例。本发明提到的元件名称，例如第一、第二等，仅是区分不同的元部件，可以更好的表达。在图中，相同的部件用相同标号表示，相邻或类似的部件用类似的标号表示。
本文将参照附图来详细描述本发明的实施例。本发明可以表现为许多不同形式，本发明不应仅被解释为本文阐述的具体实施例。本发明提供这些实施例是为了解释本发明的实际应用，从而使本领域其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改方案。
如图1所示，本发明提供一种非侵入式负荷监测方法，包括如下步骤S11)～S23)。
步骤S11)准备步骤，提供一智能电表，所述智能电表接入所述用电总线，所述智能电表以一固定频率不间断地读取所述用电总线的瞬时耗电功率；
步骤S12)数据预处理步骤，对所述智能电表读取的所述用电总线瞬时耗电功率进行空缺值填补，平滑去除噪声后得到所述用电总线的预设历史时间段瞬时耗电功率所述并存储至数据库中。
所述空缺值为所述只能电表采集前一采样点的数据；和/或，所述平滑去除噪声的方式包括加权移动平均法。
步骤S13)数据库建立步骤，录入一用电总线的预设历史时间段瞬时耗电功率至一数据库，所述用电总线至少连接一用电器；所述用电总线的预设历史时间段瞬时耗电功率为连接该用电总线的用电器的瞬时耗电功率之和。
所述固定频率为5～15赫兹；和/或，所述预设历史时间段大于等于7天。
步骤S14)第一采集步骤，采集所述数据库中所有用电总线的预设历史时间段瞬时耗电功率。
步骤S15)背景功率基准值获取步骤，将所述预设历史时间段瞬时耗电功率取整并依据幂律分布得到背景功率基准值，所述背景功率基准值为在幂律分布中出现最多次数的瞬时耗电功率。
如图2所示，提供一数据实施例，为一预设历史时间段瞬时耗电功率取整后的幂律分布图。
分布图横轴为功率值，纵轴为该功率的计数，符合幂律分布。
而我们之所以可以使用分布中出现次数最多的功率值作为我们的背景功率基准值，一般在非侵入式监测中，若有电器经常开，那么认为这个电器不在我们的监测对象中。因此我们认为出现次数最多的值是基准值，在该图中，出现次数最多的功率是116瓦，次数为53629次。
步骤S16)背景功率获取步骤，采集在波动区间内的瞬时耗电功率为背景功率，所述背景功率基准值位于所述波动区间内。
所述波动区间的开始值低于所述背景功率基准值的10％～30％，最优20％；为所述波动区间的结束值高于所述背景功率基准值的10％～30％，最优20％。
步骤S17)背景功率时段获取步骤，根据所述背景功率获取若干时间间隔的背景功率时段并存入至所述数据库中，背景功率时段皆是有用电器用电事件的，所以步骤S18)选取之间的时间段作为耗电时段。
本发明对时间间隔并未限定，不超过预设历史的时间序列长度即可。
步骤S18)第二采集步骤，采集第一时间序列的背景功率时段以及第二时间序列的背景功率时段的瞬时耗电功率，所述第一时间序列以及所述第二时间序列皆包含于所述预设历史时间段。
步骤S19)切分步骤，切分所述第一时间序列的背景功率时段与所述第二时间序列的背景功率时段之间的背景功率时段记为一耗电时段。
在所述切分步骤中，若所述用电时段的时间长度小于所述时间阈值，则将所述用电时段视为噪声事件。
步骤S20)判断步骤，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，单一用电器开启事件与所述单一用电器关闭事件记为单一用电器用电事件。
如图3所示，在所述判断步骤中，具体包括如下步骤S201)～步骤S203)。
步骤S201)提取步骤，采集每个耗电时段的M个点，其中，多个耗电时段具有单一用电器开启事件，即
Figure BDA0002294434340000061
其中，i为第i个耗电时段，ti为第i个耗电时段的起始时间点，M为所述选取时长，N为耗电时段的个数，x瞬时耗电功率；
步骤S202)计算步骤，计算不同ES序列之间的欧式距离，即：
Figure BDA0002294434340000062
选取最小距离值所对应的两个ES序列，将所述两个ES序列取平均值作为单一用电器事件参照；
步骤S203)序列相似度计算步骤，在一个耗电时段内，每隔h个点选取其后连续的q个点，那么同一个耗电时段内的第j个需要计算相似度的序列为目标序列Sij，记为：
Figure BDA0002294434340000063
其中，h为间隔时间，q为序列长度，ti为第i个耗电时段的起始时间点，使用动态时间规整算法计算目标序列与参照序列之间的相似度，根据所述相似度判断单一用电器开启的事件或关闭事件。
若判断单一用电器开启的事件，则在所述提取步骤中，采集每个耗电时段的前M个点；若判断单一用电器关闭的事件，则在所述提取步骤中，采集每个耗电时段的后M个点。
步骤S21)单一用电器事件分类步骤，计算不同耗电时段与所述单一用电器用电事件相似性，并将相似度高的划分为同一单一用电器事件。
步骤S22)功率削减步骤，根据所述同一单一用电器用电事件的开闭时间序列，移出数据库中所述预设历史时间段中的所述开闭时间序列的瞬时耗电功率。
步骤S23)循环步骤，执行所述第一采集至所述判断步骤，得到另一单一用电器用电事件。
本发明提供一种非侵入式负荷监测方法。本发明用于从电力负荷总功率曲线中提取用不同用电器的用电事件，即判断单一用电器的开启事件或关闭时间。通过分析预先采集的用电总线的瞬时用电功率，获取电力负荷背景基准值，将在波动区间内的瞬时功率值都视为背景功率，以此获得若干时间间隔的连续的背景功率时间段。并根据将两段相邻的背景功率时间段之间的时间段定义为一个用电时段，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，进而可以提取该单一用电器的用电事件。
并且从其他耗电时段判断与该单一用电器事件的相似性，进而可以将用电器进行分类，并从总功率中减去单一用电器的用电事件对应的瞬时耗电功率，并进行下一种类的单一用电电器的用电事件的提取。
本发明可以自适应用电环境，无需前期配置即可较为准确地提取出用电器事件，可以准确得到用电器的开启时间和关闭时间。此外，本发明可以准确识别多个用电器在同一时间段使用的情况。
本发明还提供一种存储介质，该介质上存储有计算机程序，其特征在于，在处理器执行所述计算机程序时可实现本发明的非侵入式负荷监测方法。
本发明还提供一种电子设备，包括存储器及处理器，所述存储器用于存储可执行程序代码；所述处理器通过读取所述可执行程序代码来运行与所述可执行程序代码对应的程序，以执行前文所述的非侵入式负荷监测方法中的步骤。
应当指出，对于经充分说明的本发明来说，还可具有多种变换及改型的实施方案，并不局限于上述实施方式的具体实施例。上述实施例仅仅作为本发明的说明，而不是对发明的限制。总之，本发明的保护范围应包括那些对于本领域普通技术人员来说显而易见的变换或替代以及改型。

Claims (10)

1.一种非侵入式负荷监测方法，其特征在于，包括如下步骤：
数据库建立步骤，录入一用电总线的预设历史时间段瞬时耗电功率至一数据库，所述用电总线至少连接一用电器；所述用电总线的预设历史时间段瞬时耗电功率为连接该用电总线的用电器的瞬时耗电功率之和；
第一采集步骤，采集所述数据库中所有用电总线的预设历史时间段瞬时耗电功率；
背景功率基准值获取步骤，将所述预设历史时间段瞬时耗电功率取整并依据幂律分布得到背景功率基准值，所述背景功率基准值为在幂律分布中出现最多次数的瞬时耗电功率；
背景功率获取步骤，采集在一波动区间内的瞬时耗电功率为背景功率，所述背景功率基准值位于所述波动区间内；
背景功率时段获取步骤，根据所述背景功率获取若干时间间隔的背景功率时段并存入至所述数据库中；
第二采集步骤，采集第一时间序列的背景功率时段以及第二时间序列的背景功率时段的瞬时耗电功率，所述第一时间序列以及所述第二时间序列皆包含于所述预设历史时间段；
切分步骤，切分所述第一时间序列的背景功率时段与所述第二时间序列的背景功率时段之间的背景功率时段记为一耗电时段；
判断步骤，将多个耗电时段聚类得到最优耗电时段，输入一目标时间序列的瞬时耗电功率，计算所述最优耗电时段与所述目标时间序列瞬时耗电功率的相似性并判断单一用电器开启事件或单一用电器关闭事件，所述单一用电器开启事件与所述单一用电器关闭事件记为单一用电器用电事件。
2.如权利要求1所述的非侵入式负荷监测方法，其特征在于，还包括：
单一用电器事件分类步骤，计算不同耗电时段与所述单一用电器用电事件相似性，并将相似度高的划分为同一单一用电器事件。
3.如权利要求2所述的非侵入式负荷监测方法，其特征在于，还包括：
功率削减步骤，根据所述同一单一用电器用电事件的开闭时间序列，去除数据库中所述预设历史时间段中的所述开闭时间序列内的瞬时耗电功率；
循环步骤，执行所述第一采集至所述判断步骤，得到另一单一用电器用电事件。
4.如权利要求1所述的非侵入式负荷监测方法，其特征在于，
在所述数据库建立步骤之前，包括:
准备步骤，提供一智能电表，所述智能电表接入所述用电总线，所述智能电表以一固定频率不间断地读取所述用电总线的瞬时耗电功率；
数据预处理步骤，对所述智能电表读取的所述用电总线瞬时耗电功率进行空缺值填补，平滑去除噪声后得到所述用电总线的预设历史时间段瞬时耗电功率所述并存储至数据库中。
5.如权利要求4所述的非侵入式负荷监测方法，其特征在于，
所述空缺值为所述只能电表采集前一采样点的数据；和/或，
所述平滑去除噪声的方式包括加权移动平均法；和/或，
所述固定频率为5～15赫兹。
6.如权利要求1所述的非侵入式负荷监测方法，其特征在于，
所述预设历史时间段大于等于7天；
所述波动区间的开始值低于所述背景功率基准值的10％～30％，所述波动区间的结束值高于所述背景功率基准值的10％～30％。
7.如权利要求1所述的非侵入式负荷监测方法，其特征在于，
在所述切分步骤中，若所述用电时段的时间长度小于所述时间阈值，则将所述用电时段视为噪声事件。
8.如权利要求1所述的非侵入式负荷监测方法，其特征在于，
在所述判断步骤中，具体包括：
提取步骤，采集每个耗电时段的M个点，其中，多个耗电时段具有单一用电器开启事件，即
Figure FDA0002294434330000021
其中，i为第i个耗电时段，ti为第i个耗电时段的起始时间点，M为所述选取时长，N为耗电时段的个数，x瞬时耗电功率；
计算步骤，计算不同ES序列之间的欧式距离，即：
Figure FDA0002294434330000022
选取最小距离值所对应的两个ES序列，将所述两个ES序列取平均值作为单一用电器事件参照；
序列相似度计算步骤，在一个耗电时段内，每隔h个点选取其后连续的q个点，那么同一个耗电时段内的第j个需要计算相似度的序列为目标序列Sij，记为：
Figure FDA0002294434330000031
其中，h为间隔时间，q为序列长度，ti为第i个耗电时段的起始时间点，使用动态时间规整算法计算目标序列与参照序列之间的相似度，根据所述相似度判断单一用电器开启的事件或关闭事件。
9.如权利要求9所述的非侵入式负荷监测方法，其特征在于，
若判断单一用电器开启的事件，则在所述提取步骤中，采集每个耗电时段的前M个点；
若判断单一用电器关闭的事件，则在所述提取步骤中，采集每个耗电时段的后M个点。
10.一种存储介质，该介质上存储有计算机程序，在处理器执行所述计算机程序时可实现权利要求1～9中任一项所述的方法。
CN201911194849.6A 2019-10-31 2019-11-28 一种非侵入式负荷监测方法及存储介质 Active CN111126780B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019110565881 2019-10-31
CN201911056588 2019-10-31

Publications (2)

Publication Number Publication Date
CN111126780A CN111126780A (zh) 2020-05-08
CN111126780B true CN111126780B (zh) 2023-04-07

Family

ID=70496988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911194849.6A Active CN111126780B (zh) 2019-10-31 2019-11-28 一种非侵入式负荷监测方法及存储介质

Country Status (1)

Country Link
CN (1) CN111126780B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034305B (zh) * 2021-02-10 2022-08-30 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
CN113033607B (zh) * 2021-02-10 2023-07-14 上海千居智科技有限公司 非侵入式负荷监测事件提取方法及存储介质
CN113567794B (zh) * 2021-09-24 2022-04-08 国网江苏省电力有限公司营销服务中心 基于动态时间规整的电动自行车户内充电辨识方法及***

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5483153A (en) * 1994-03-24 1996-01-09 Massachusetts Institute Of Technology Transient event detector for use in nonintrusive load monitoring systems
WO2015019584A1 (ja) * 2013-08-09 2015-02-12 パナソニックＩｐマネジメント株式会社 電力調整装置、電力調整方法、プログラム
CN104483575A (zh) * 2014-12-22 2015-04-01 天津求实智源科技有限公司 用于非侵入式电力监测的自适应负荷事件检测方法
CN105972761A (zh) * 2016-05-25 2016-09-28 华北电力大学（保定） 一种非侵入式空调负荷监测方法
CN106096726A (zh) * 2016-05-31 2016-11-09 华北电力大学 一种非侵入式负荷监测方法及装置
CN106600074A (zh) * 2016-12-28 2017-04-26 天津求实智源科技有限公司 基于dfhsmm的非侵入式电力负荷监测方法及***
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***
CN108062627A (zh) * 2017-12-16 2018-05-22 广西电网有限责任公司电力科学研究院 一种基于非侵入式用电数据的需求响应分析方法
CN108256075A (zh) * 2018-01-17 2018-07-06 深圳市和拓创新科技有限公司 一种基于非侵入式智能监测分析用户用电数据的技术
CN108333423A (zh) * 2017-12-27 2018-07-27 安徽机电职业技术学院 非侵入式居民电力负荷检测方法
CN109492667A (zh) * 2018-10-08 2019-03-19 国网天津市电力公司电力科学研究院 一种用于非侵入式电力负荷监测的特征选择辨识方法
CN110322063A (zh) * 2019-06-27 2019-10-11 上海极熵数据科技有限公司 一种耗电功率仿真预测方法及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207398A1 (en) * 2013-01-23 2014-07-24 Samsung Electronics Co., Ltd Transient Normalization for Appliance Classification, Disaggregation, and Power Estimation in Non-Intrusive Load Monitoring

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5483153A (en) * 1994-03-24 1996-01-09 Massachusetts Institute Of Technology Transient event detector for use in nonintrusive load monitoring systems
WO2015019584A1 (ja) * 2013-08-09 2015-02-12 パナソニックＩｐマネジメント株式会社 電力調整装置、電力調整方法、プログラム
CN104483575A (zh) * 2014-12-22 2015-04-01 天津求实智源科技有限公司 用于非侵入式电力监测的自适应负荷事件检测方法
CN105972761A (zh) * 2016-05-25 2016-09-28 华北电力大学（保定） 一种非侵入式空调负荷监测方法
CN106096726A (zh) * 2016-05-31 2016-11-09 华北电力大学 一种非侵入式负荷监测方法及装置
CN106600074A (zh) * 2016-12-28 2017-04-26 天津求实智源科技有限公司 基于dfhsmm的非侵入式电力负荷监测方法及***
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***
CN108062627A (zh) * 2017-12-16 2018-05-22 广西电网有限责任公司电力科学研究院 一种基于非侵入式用电数据的需求响应分析方法
CN108333423A (zh) * 2017-12-27 2018-07-27 安徽机电职业技术学院 非侵入式居民电力负荷检测方法
CN108256075A (zh) * 2018-01-17 2018-07-06 深圳市和拓创新科技有限公司 一种基于非侵入式智能监测分析用户用电数据的技术
CN109492667A (zh) * 2018-10-08 2019-03-19 国网天津市电力公司电力科学研究院 一种用于非侵入式电力负荷监测的特征选择辨识方法
CN110322063A (zh) * 2019-06-27 2019-10-11 上海极熵数据科技有限公司 一种耗电功率仿真预测方法及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
非侵入式负荷监测与分解研究综述;程祥;《电网技术》;3108-3117 *

Also Published As

Publication number Publication date
CN111126780A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111126780B (zh) 一种非侵入式负荷监测方法及存储介质
De Baets et al. VI-based appliance classification using aggregated power consumption data
EP2715376A1 (en) Transition detection method for automatic-setup non-intrusive appliance load monitoring
CN105071983A (zh) 一种面向云计算在线业务的异常负载检测方法
CN116976707B (zh) 基于用电信息采集的用户用电数据异常分析方法及***
CN109447473B (zh) 一种电力负荷监测方法、装置、设备及可读存储介质
CN116956198B (zh) 基于物联网的智慧用电数据分析方法及***
CN114076841A (zh) 基于用电信息数据的窃电行为识别方法及***
CN111506635A (zh) 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的***及方法
CN113344346A (zh) 基于非侵入式负荷分解的用电异常检测方法和***
CN115049410A (zh) 窃电行为识别方法、装置、电子设备及计算机可读存储介质
CN109377052B (zh) 一种电力负荷匹配方法、装置、设备及可读存储介质
CN111506636A (zh) 一种基于自回归和近邻算法的居民用电行为分析的***及方法
CN117277566A (zh) 基于大数据的电网数据分析电力调度***及方法
CN111967919A (zh) 一种基于自回归和自适应提升算法的居民用电行为分析的***及方法
CN115112989B (zh) 基于低频数据的非侵入式负荷监测方法
CN114884075A (zh) 一种基于监督式学习的事件型非侵入式负荷监测方法
CN115935267A (zh) 负荷数据的辨识方法、装置以及存储介质
CN106228244A (zh) 一种基于自适应关联规则挖掘的能源解聚合方法
CN111191908A (zh) 一种负荷事件检测方法、***及存储介质
CN115825602A (zh) 一种综合多元信息相似性分析的负荷辨识方法及***
CN114662576A (zh) 基于有监督分类的非侵入式电瓶车充电检测方法及***
CN113642421A (zh) 周期性多状态电器的事件检测方法及***、设备、存储介质
CN112926777A (zh) 考虑商业建筑用能行为的日前负荷预测方法及***
CN110889465A (zh) 基于自适应谐振网络的电力需求侧设备辨识方法和***

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
GR01 Patent grant
GR01 Patent grant