CN111967421B - 周期性功率跃迁与常规设备启动事件的分类方法和装置 - Google Patents
周期性功率跃迁与常规设备启动事件的分类方法和装置 Download PDFInfo
- Publication number
- CN111967421B CN111967421B CN202010877533.3A CN202010877533A CN111967421B CN 111967421 B CN111967421 B CN 111967421B CN 202010877533 A CN202010877533 A CN 202010877533A CN 111967421 B CN111967421 B CN 111967421B
- Authority
- CN
- China
- Prior art keywords
- sequence
- event
- period
- power
- events
- 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
Links
- 230000000737 periodic effect Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000007704 transition Effects 0.000 title claims abstract description 46
- 230000001052 transient effect Effects 0.000 claims abstract description 102
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 49
- 238000001914 filtration Methods 0.000 claims abstract description 44
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种周期性功率跃迁与常规设备启动事件的分类方法和装置,方法包括:获取采集时间段内用电设备的电压数据和电流数据;根据电压数据和电流数据计算有功功率生成功率序列;对功率序列进行事情分析,找出暂态事件和稳态事件并进行标记,得到标记序列;对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;将标记序列和变换序列进行做差运算得到非周期性信号序列;对非周期性信号序列进行大动态事件筛选,得到初始事件序列;当初始事件序列的数量与标记序列中暂态事件的数量进行比较,根据比较结果来确定初始事件序列为常规设备启动事件或周期性功率跃迁事件。该方法利用峰值滤波的方法进行事件分类准确度高。
Description
技术领域
本发明涉及电力信息分析技术领域,具体涉及一种周期性功率跃迁与常规设备启动事件的分类方法、装置、计算机设备和计算机可读存储介质。
背景技术
非侵入式负荷检测技术主要是通过对负荷数据的分解与识别,获得精细化的负荷类别与状态数据的一种方法,是解决目前智能电网负荷检测难题的有效途径。
但在实际应用时,传统的非侵入式负荷检测,较少考虑到占空比设备(周期性实时周期性功率跃迁)的影响,习惯性把捕捉到暂态事件(即周期性功率跃迁变化)当作某个设备开启。然而,实际上对于周期性实时周期性功率跃迁的占空比设备而言,暂态事件并非跟设备开启一一对应。如何实现对周期性实时周期性功率跃迁与常规设备启动事件进行区分或分类,尚未存在良好的解决方法。
发明内容
有鉴于此,本发明提供了一种周期性功率跃迁与常规设备启动事件的分类方法、装置、计算机设备和计算机可读存储介质,以克服现有技术中尚未存在良好的解决方法来区分周期性实时周期性功率跃迁与常规设备启动事件的问题。
为实现上述目的,本发明提供如下技术方案:
本发明实施例提供了一种周期性功率跃迁与常规设备启动事件的分类方法,包括以下步骤:
获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
初始事件序列当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件。
进一步地,
在对所述功率序列进行事情分析,找出暂态事件和稳态事件的步骤中,包括:
以任一个周期为起点周期,以所述起点周期与预设步长周期之和为终点周期;
从所述功率列表中找出从所述起点周期到所述终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;
当所述终点周期之前的每一个周期的功率增量都大于或等于第一预设值,所述终点周期的功率增量以及所述终点周期的下一个周期的功率增量都小于或等于所述第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从所述起点周期到所述终点周期之前的事件为暂态事件。
进一步地,
在对所述暂态事件和所述稳态事件进行标记,得到标记序列的步骤中,包括:
采用以下公式计算得到所述标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
进一步地,
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,包括:
采用以下公式对所述标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
进一步地,
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:
采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
进一步地,
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:
采用以下公式进行傅里叶逆变换:
其中,表示对/>进行傅里叶逆变换得到的序列。
进一步地,
对所述非周期性信号序列进行大动态事件筛选,得到初始事件序列的步骤中,包括
通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
本发明实施例提供了一种周期性功率跃迁与常规设备启动事件的分类装置,包括:
数据获取模块,用于获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
功率序列计算模块,用于根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
标记序列获得模块,用于对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
变换序列获取模块,用于对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
非周期性信号序列获得模块,用于将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
初始事件序列获得模块,用于对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
第一事件判定模块,用于当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
第二事件判定模块,用于当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件。
本发明实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
对所述非周期性信号序列进行大动态事件筛选,得到初始事件序列;
当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中暂态事件的相对应的初始事件序列为常规设备启动事件,剩余的初始事件序列为周期性功率跃迁事件。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件。
本发明实施例中的周期性功率跃迁与常规设备启动事件的分类方法、装置、计算机设备和计算机可读存储介质,首先获取采集时间段内用电设备的电压数据和电流数据;根据电压数据和电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;然后对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;再对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;对所述非周期性信号序列进行大动态事件筛选,得到初始事件序列;当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;当初始事件序列的数量小于标记序列中暂态事件的数量时,判定与标记序列中与初始事件序列相对应的暂态事件为常规设备启动事件,剩余的标记序列中的暂态事件为周期性功率跃迁事件;该方法根据用电设备的电压数据和电流数据计算得到功率序列,对功率序列进行事件标记,然后利用峰值滤波的方法,能够实现对周期性实时周期性功率跃迁与常规设备启动混合事件的模态分类,该方法的捕捉准确度高,并且可以同时对存在多个周期性实时周期性功率跃迁设备进行分类。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例中周期性功率跃迁与常规设备启动事件的分类方法应用环境示意图;
图2为本发明实施例中周期性功率跃迁与常规设备启动事件的分类方法流程示意图;
图3为本发明实施例中周期性功率跃迁与常规设备启动事件的分类结构示意图;
图4为本发明实施例中周期性功率跃迁与常规设备启动事件的分类装置结构示意图;
图5为本发明实施例中一种计算机设备结构示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为了更详细说明本发明,下面结合附图对本发明提供的一种周期性功率跃迁与常规设备启动事件的分类方法、装置、计算机设备和计算机可读存储介质,进行具体地描述。
本方法运用于图1的终端102中,终端可以是个人计算机、笔记本电脑等,终端102与数据采集终端104进行通讯连接,数据采集终端104可以是数据采集器等。
其中,终端102与数据采集终端104采用本地接口连接时,数据采集终端104可以将采集的用电设备电压数据和电流数据发送至终端102中。另外,终端102也可以通过指令获取数据采集终端104中采集量的用电设备电压数据和电流数据。
在一个实施例中,如图2所示,提供了一种周期性功率跃迁与常规设备启动事件的分类方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S202,获取采集时间段内用电设备的电压数据和电流数据;其中,电压数据和电流数据为多个;
其中,采集时间段内用电设备的电压数据和电流数据是指一个采集时间段或多个采集时间段数据采集终端采集的用电设备的电压数据和电流数据。用电设备是指家庭中常用的电器设备,包括空调、热水壶、电视、冰箱、风扇、电饭煲、吹风机、电磁炉等。另外,一个采集时间段是指一次采集时间的长度,采集时间段可以根据实际需求选择合适的时长。
用电设备的电压数据和电流数据通常是有多个。
可选地,用电设备的电压数据和电流数据可以通过以下方式采集获得;具体地,通过安装在家庭入口处的数据采集终端,对空调、热水壶、电视、冰箱、风扇、电饭煲、吹风机、电磁炉这八个设备进行高频电流、高频电压数据采集。采集时间段长度为Time。采集的数据样表如表1所示。
表1数据采集记录表
设备名称 | 采集起始时间 | 采集时间段 | 采集的电流数据 | 采集的电压数据 |
空调 | 1s | Time | i11,i12,…,i1n | u11,u12,…,u1n |
热水壶 | 6s | Time | i21,i22,…,i2n | u21,u22,…,u1n |
电视 | 14s | Time | i31,i32,…,i3n | u31,u32,…,u3n |
冰箱 | 19s | Time | i41,i42,…,i4n | u41,u42,…,u4n |
风扇 | 25s | Time | i51,i52,…,i5n | u51,u52,…,u5n |
电饭煲 | 45s | Time | i61,i62,…,i6n | u61,u62,…,u6n |
吹风机 | 54s | Time | i71,i72,…,i7n | u71,u72,…,u7n |
电磁炉 | 65s | Time | i91,i92,…,i9n | u91,u92,…,u9n |
其中,采集时间段Time可以是几分钟到几十分钟,例如可以是1分钟、2分钟、5分钟以及10分钟。但在实际中,采集时间段不能过长,过长采集的数据数量庞大,存储以及后期计算量会很大;但采集时间段也不能过短,因为有些周期性功率跃迁的用电设备,两个周期性功率跃迁间隔的时间可能长达2、3分钟,如果时间过短就无法采集到这一信息。
其次,我国电网频率为50赫兹,即每秒会有50个正弦波信号,即50个周期。我们采用了高频智能电表进行数据采集,每个周期采集256个数据点。
步骤S204,根据每一个电压数据和对应的电流数据计算有功功率,并根据计算的有功功率生成功率序列;
对电压数据和电流数据进行有功功率计算;具体的,其中P表示有功功率,U为线电压,I为线电流,φ为U和I之间的相位差。有多个电压数据和电流数据,就可以得到多个有功功率,将计算得到的每个有功功率生产序列,即可得到功率序列(P1,P2,…,PN)。
步骤S206,对功率序列进行事情分析,找出暂态事件和稳态事件,并对暂态事件和稳态事件进行标记,得到标记序列;
具体而言,通常是根据某一个时间段内各个周期的有功功率增量来确定暂态事件和稳态事件,再确定暂态事件和稳态事件后分别对其进行标记。
步骤S208,对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
步骤S210,将标记序列和变换序列进行做差运算,得到非周期性信号序列;
将标记序列中的信号与变换序列的信号进行做差处理,此时周期性的信号相互抵消,分离出了非周期性信号序列。
步骤S212,对非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
对非周期性大动态事件进行筛选,得到每一个常规设备启动的事件序列,记为初始事件序列。
步骤S214,当初始事件序列的数量与标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
步骤S216,当初始事件序列的数量小于标记序列中暂态事件的数量时,判定与标记序列中与初始事件序列相对应的暂态事件为常规设备启动事件,剩余的标记序列中的暂态事件为周期性功率跃迁事件。
具体地,统计初始事件序列的事件数量,与标记序列中行暂态事件数量进行对比;若两者的数量一致,说明所识别的初始事件序列均为设备开启事件;当两者出现事件数量不一致时,说明多余的初始事件序列为周期性暂态事件,其识别的序列信号如图3所示(即图3中的识别效果)。
本发明实施例中的周期性功率跃迁与常规设备启动事件的分类方法,首先获取采集时间段内用电设备的电压数据和电流数据;根据电压数据和电流数据计算有功功率,并根据计算的有功功率生成功率序列;然后对功率序列进行事情分析,找出暂态事件和稳态事件,并对暂态事件和稳态事件进行标记,得到标记序列;再对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;将标记序列和变换序列进行做差运算,得到非周期性信号序列;对非周期性信号序列进行大动态事件筛选,得到初始事件序列;当初始事件序列的数量与标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;当初始事件序列的数量小于标记序列中暂态事件的数量时,判定与标记序列中与初始事件序列相对应的暂态事件为常规设备启动事件,剩余的标记序列中的暂态事件为周期性功率跃迁事件。该方法根据用电设备的电压数据和电流数据计算得到功率序列,对功率序列进行事件标记,然后利用峰值滤波的方法,能够实现对周期性实时周期性功率跃迁与常规设备启动混合事件的模态分类,该方法的捕捉准确度高,并且可以同时对存在多个周期性实时周期性功率跃迁设备进行分类。
在一个实施例中,在对功率序列进行事情分析,找出暂态事件和稳态事件的步骤中,包括:
以任一个周期为起点周期,以起点周期与预设步长周期之和为终点周期;
从功率列表中找出从起点周期到终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;
当终点周期之前的每一个周期的功率增量都大于或等于第一预设值,终点周期的功率增量以及终点周期的下一个周期的功率增量都小于或等于第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从起点周期到终点周期之前的事件为暂态事件。
具体地,采用事件探测窗来对功率序列进行事情分析,找出暂态事件和稳态事件。设第i周期为起点周期,R为预设周长周期,那么i+iR为终点周期。Si表示第i个周期的有功功率,ΔSi=Si+1-Si表示第i个周期有功功率增量;当ΔSi>Son1(即第一预设值)时,事件探测窗开始移动并计算ΔSi+1,ΔSi+2…,直到ΔSi+iR<Son1。此时,如果Si+iR-Si<Son2,则说明有负荷在i~i+iR时间内发生状态变化,即探测该事件,该事件为暂态事件。
上述事件探测过程可表示为:
|ΔSi|≥Son1&&|ΔSi+1|≥Son1&&...&&|ΔSi+iR-1|≥Son1
&&|ΔSi+iR|<Son1&&|ΔSi+iR+1|<Son1&&
|ΔSi+iR-Si|≥Son2
其中,Si代表第i个周期的有功功率,ΔSi代表第i个周期的功率增量,Son1表示第一预设值,Son2是表示第二预设值。
另外,第一预设值和第二预设值可以是预先设置的值,可以是个经验值。
在一个实施例中,在对暂态事件和稳态事件进行标记,得到标记序列的步骤中,包括:采用以下公式计算得到标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
具体地,针对上述功率序列(P1,P2,…,PN),用1标记暂态事件,用0表示没有事件发生,即除了暂态事件外的其他事件(即稳态事件)。其标记后的序列信号如图3所示(即图3中的原始信号)。最终得到长度为c的序列x[n],n∈{0,1,2,3…,N-1}。
在一个实施例中,对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,包括:采用以下公式对标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
具体地,对标记序列x[n]进行傅里叶变换,将信号从时域转变为频域,得到X[k]。其中,变换后的序列信号如图3所示(即图3中的DTF变换)。
在一个实施例中,对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
其中,峰值滤波器定义为:对傅里叶变换后的序列X[k],令非极大值点和极大值小于截止峰值θ的值等于0,最终得到峰值滤波效果。利用峰值滤波器判断数据是否存在周期性跃变,从而确定标记序列中的事件是否有周期性变化并从中分离非周期性大动态事件。
具体地,对傅里叶变换得到的序列进行峰值滤波,将非极大值点和极大值小于截止峰值θ的值置0。
1)对非极大值点进行置0处理,得到处理后的信号序列ψ(k),ψ(k)表示为:
其中,表示函数X[k]对k进行二次求导。非极大值点的判断方法如下:对序列函数进行二次求导,当结果大于0时,证明此点非极大值点,进行置零;当结果小于或等于0时,可能为极大值点,置1保留。
2)对极大值小于截止峰值θ的值进行置0处理,处理后得到的信号序列为φ(k),φ(k)表示为:
其中:θ表示截止峰值。
综合1)和2),将X[k]、ψ(k)、φ(k)进行相乘,实现非极大值点和极大值小于截止峰值θ的值置0滤波功能。记滤波器处理后得到的信号为则/>公式表示为:其中,经过峰值滤波处理后的序列信号如图3所示(即图3中的峰值滤波)。
在一种可选地实施方式中,θ的取值可以是
在一个实施例中,对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行傅里叶逆变换:
其中,表示对/>进行傅里叶逆变换得到的序列。经过傅里叶逆变换后的序列信号如图3所示(即图3中的逆变换)。
在一个实施例中,对非周期性信号序列进行大动态事件筛选,得到初始事件序列的步骤中,包括:通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
具体地,将标记序列的信号与变换序列的信号进行做差处理,此时周期性的信号相互抵消,分离出了非周期性信号序列。结果表示为:
然后对非周期性大动态事件进行筛选,得到初始事件序列,其需要满足的条件为:η[n]>η[n]max-λ,其中,λ为一个阈值。
在一种可选地实施方式中,λ可以为0.15。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述本发明公开的实施例中详细描述了一种周期性功率跃迁与常规设备启动事件的分类方法,对于本发明公开的上述方法可采用多种形式的设备实现,因此本发明还公开了对应上述方法的一种周期性功率跃迁与常规设备启动事件的分类装置,下面给出具体的实施例进行详细说明。
请参阅附图4,为本发明实施例公开的一种周期性功率跃迁与常规设备启动事件的分类装置,主要包括:
数据获取模块402,用于获取采集时间段内用电设备的电压数据和电流数据;其中,电压数据和电流数据为多个;
功率序列计算模块404,用于根据每一个电压数据和对应的电流数据计算有功功率,并根据计算的有功功率生成功率序列;
标记序列获得模块406,用于对功率序列进行事情分析,找出暂态事件和稳态事件,并对暂态事件和稳态事件进行标记,得到标记序列;
变换序列获取模块408,用于对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
非周期性信号序列获得模块410,用于将标记序列和变换序列进行做差运算,得到非周期性信号序列;
初始事件序列获得模块412,用于对非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
第一事件判定模块414,用于当初始事件序列的数量与标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
第二事件判定模块416,用于当初始事件序列的数量小于标记序列中暂态事件的数量时,判定与标记序列中与初始事件序列相对应的暂态事件为常规设备启动事件,剩余的标记序列中的暂态事件为周期性功率跃迁事件。
在一个实施例中,标记序列获得模块包括:
周期确定模块,用于以任一个周期为起点周期,以起点周期与预设步长周期之和为终点周期;
功率增量确定模块,用于从功率列表中找出从起点周期到终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;
暂态事件判断模块,用于当终点周期之前的每一个周期的功率增量都大于或等于第一预设值,终点周期的功率增量以及终点周期的下一个周期的功率增量都小于或等于第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从起点周期到终点周期之前的事件为暂态事件。
在一个实施例中,标记序列获得模块,还用于采用以下公式计算得到标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
在一个实施例中,变换序列获取模块,还用于采用以下公式对标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
在一个实施例中,变换序列获取模块,还用于采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
在一个实施例中,变换序列获取模块,还用于采用以下公式进行傅里叶逆变换:
其中,表示对/>进行傅里叶逆变换得到的序列。
在一个实施例中,初始事件序列获得模块,还用于通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
关于周期性功率跃迁与常规设备启动事件的分类装置的具体限定可以参见上文中对于周期性功率跃迁与常规设备启动事件的分类方法的限定,在此不再赘述。上述周期性功率跃迁与常规设备启动事件的分类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明实施例还提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储电阻等效模型、等效子模型的数据,以及存储执行计算时得到的等效电阻、工作电阻以及接触电阻。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种周期性功率跃迁与常规设备启动事件的分类方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取采集时间段内用电设备的电压数据和电流数据;其中,电压数据和电流数据为多个;根据每一个电压数据和对应的电流数据计算有功功率,并根据计算的有功功率生成功率序列;对功率序列进行事情分析,找出暂态事件和稳态事件,并对暂态事件和稳态事件进行标记,得到标记序列;对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;将标记序列和变换序列进行做差运算,得到非周期性信号序列;对非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;当初始事件序列的数量与标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;当初始事件序列的数量小于标记序列中暂态事件的数量时,判定与标记序列中与初始事件序列相对应的暂态事件为常规设备启动事件,剩余的标记序列中的暂态事件为周期性功率跃迁事件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在对功率序列进行事情分析,找出暂态事件和稳态事件的步骤中,包括:以任一个周期为起点周期,以起点周期与预设步长周期之和为终点周期;从功率列表中找出从起点周期到终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;当终点周期之前的每一个周期的功率增量都大于或等于第一预设值,终点周期的功率增量以及终点周期的下一个周期的功率增量都小于或等于第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从起点周期到终点周期之前的事件为暂态事件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在对暂态事件和稳态事件进行标记,得到标记序列的步骤中,包括:采用以下公式计算得到标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,包括:采用以下公式对标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行傅里叶逆变换:
其中,表示对/>进行傅里叶逆变换得到的序列。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对非周期性信号序列进行大动态事件筛选,得到初始事件序列的步骤中,包括:通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取采集时间段内用电设备的电压数据和电流数据;其中,电压数据和电流数据为多个;根据每一个电压数据和对应的电流数据计算有功功率,并根据计算的有功功率生成功率序列;对功率序列进行事情分析,找出暂态事件和稳态事件,并对暂态事件和稳态事件进行标记,得到标记序列;对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;将标记序列和变换序列进行做差运算,得到非周期性信号序列;对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;当初始事件序列的数量与标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在对功率序列进行事情分析,找出暂态事件和稳态事件的步骤中,包括:以任一个周期为起点周期,以起点周期与预设步长周期之和为终点周期;从功率列表中找出从起点周期到终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;当终点周期之前的每一个周期的功率增量都大于或等于第一预设值,终点周期的功率增量以及终点周期的下一个周期的功率增量都小于或等于第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从起点周期到终点周期之前的事件为暂态事件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在对暂态事件和稳态事件进行标记,得到标记序列的步骤中,包括:采用以下公式计算得到标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,包括:采用以下公式对标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:采用以下公式进行傅里叶逆变换:
其中,表示对/>进行傅里叶逆变换得到的序列。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对非周期性信号序列进行大动态事件筛选,得到初始事件序列的步骤中,包括:通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种周期性功率跃迁与常规设备启动事件的分类方法,其特征在于,包括以下步骤:
获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件;
在对所述功率序列进行事情分析,找出暂态事件和稳态事件的步骤中,包括:
以任一个周期为起点周期,以所述起点周期与预设步长周期之和为终点周期;
从所述功率列表中找出从所述起点周期到所述终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;
当所述终点周期之前的每一个周期的功率增量都大于或等于第一预设值,所述终点周期的功率增量以及所述终点周期的下一个周期的功率增量都小于或等于所述第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从所述起点周期到所述终点周期之前的事件为暂态事件。
2.根据权利要求1所述的方法,其特征在于,在对所述暂态事件和所述稳态事件进行标记,得到标记序列的步骤中,包括:
采用以下公式计算得到所述标记序列:
其中,x[n]表示第n个事件,N表示功率序列中功率数量。
3.根据权利要求2所述的方法,其特征在于,对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,包括:
采用以下公式对所述标记序列进行傅里叶变换:
其中,X[k]表示对x[n]进行傅里叶变换后的序列。
4.根据权利要求3所述的方法,其特征在于,对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:
采用以下公式进行峰值滤波处理:
其中,表示函数X[k]对k进行二次求导,/>表示对X[k]进行峰值滤波处理后得到的序列,θ表示截止峰值。
5.根据权利要求4所述的方法,其特征在于,对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列的步骤中,还包括:
采用以下公式进行傅里叶逆变换:
其中,x[n]表示对进行傅里叶逆变换得到的序列。
6.根据权利要求1-5任一项所述的方法,其特征在于,对所述非周期性信号序列进行大动态事件筛选,得到初始事件序列的步骤中,包括
通过以下公式得到初始事件序列:
η[n]>η[n]max-λ
η[n]=x[n]-x[n]
其中,η[n]表示第n个非周期性信号序列为初始事件序列;η[n]max表示非周期性信号序列中的最大值;λ表示阈值;x[n]表示标记序列中第n个事件。
7.一种周期性功率跃迁与常规设备启动事件的分类装置,其特征在于,包括:
数据获取模块,用于获取采集时间段内用电设备的电压数据和电流数据;其中,所述电压数据和所述电流数据为多个;
功率序列计算模块,用于根据每一个所述电压数据和对应的所述电流数据计算有功功率,并根据计算的所述有功功率生成功率序列;
标记序列获得模块,用于对所述功率序列进行事情分析,找出暂态事件和稳态事件,并对所述暂态事件和所述稳态事件进行标记,得到标记序列;
变换序列获取模块,用于对所述标记序列依次进行傅里叶变换、峰值滤波处理以及傅里叶逆变换,得到变换序列;
非周期性信号序列获得模块,用于将所述标记序列和所述变换序列进行做差运算,得到非周期性信号序列;
初始事件序列获得模块,用于对所述非周期性信号序列进行大动态事件筛选,得到只包括常规设备启动的初始事件序列;
第一事件判定模块,用于当初始事件序列的数量与所述标记序列中暂态事件的数量相等时,判定初始事件序列为常规设备启动事件;
第二事件判定模块,用于当初始事件序列的数量小于所述标记序列中暂态事件的数量时,判定与所述标记序列中与所述初始事件序列相对应的暂态事件为常规设备启动事件,剩余的所述标记序列中的暂态事件为周期性功率跃迁事件;
标记序列获得模块包括:
周期确定模块,用于以任一个周期为起点周期,以起点周期与预设步长周期之和为终点周期;
功率增量确定模块,用于从功率列表中找出从起点周期到终点周期内每一个周期的有功功率,并根据每一个周期的有功功率计算出每一个周期的功率增量;
暂态事件判断模块,用于当终点周期之前的每一个周期的功率增量都大于或等于第一预设值,终点周期的功率增量以及终点周期的下一个周期的功率增量都小于或等于第一预设值,且终点周期的有功功率与起点周期的有功功率之差的绝对值大于或等于第二预设值,则判定从起点周期到终点周期之前的事件为暂态事件。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877533.3A CN111967421B (zh) | 2020-08-27 | 2020-08-27 | 周期性功率跃迁与常规设备启动事件的分类方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877533.3A CN111967421B (zh) | 2020-08-27 | 2020-08-27 | 周期性功率跃迁与常规设备启动事件的分类方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967421A CN111967421A (zh) | 2020-11-20 |
CN111967421B true CN111967421B (zh) | 2023-07-28 |
Family
ID=73400503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010877533.3A Active CN111967421B (zh) | 2020-08-27 | 2020-08-27 | 周期性功率跃迁与常规设备启动事件的分类方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967421B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443164A (zh) * | 2016-08-25 | 2017-02-22 | 中国电力科学研究院 | 一种电能分类计量过程中暂态与稳态事件的监测方法 |
CN107463904A (zh) * | 2017-08-08 | 2017-12-12 | 网宿科技股份有限公司 | 一种确定事件周期值的方法及装置 |
CN111291328A (zh) * | 2020-02-28 | 2020-06-16 | 广东工业大学 | 一种基于精细斜率的暂态事件识别方法、***以及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858948B (zh) * | 2009-04-10 | 2015-01-28 | 阿海珐输配电英国有限公司 | 用于在三相中压配电***中进行暂态和间歇性接地故障检测和方向确定的方法和*** |
-
2020
- 2020-08-27 CN CN202010877533.3A patent/CN111967421B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443164A (zh) * | 2016-08-25 | 2017-02-22 | 中国电力科学研究院 | 一种电能分类计量过程中暂态与稳态事件的监测方法 |
CN107463904A (zh) * | 2017-08-08 | 2017-12-12 | 网宿科技股份有限公司 | 一种确定事件周期值的方法及装置 |
CN111291328A (zh) * | 2020-02-28 | 2020-06-16 | 广东工业大学 | 一种基于精细斜率的暂态事件识别方法、***以及设备 |
Non-Patent Citations (1)
Title |
---|
非侵入式电力负荷的辨识和监测;朱德省;尹建丰;周琨荔;;电测与仪表(S1);第141-146页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111967421A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Unsupervised disaggregation of low frequency power measurements | |
Figueiredo et al. | Home electrical signal disaggregation for non-intrusive load monitoring (NILM) systems | |
CN110381126B (zh) | 基于边缘计算的用电设备识别方法、***、设备及介质 | |
US11002773B2 (en) | Monitoring apparatus, monitoring method, and storage medium | |
CN112149510A (zh) | 一种非侵入式负荷检测方法 | |
CN109359665B (zh) | 一种基于支持向量机的家电负荷识别方法及装置 | |
CN110490760B (zh) | 一种基于隐马尔科夫链的非侵入式电器负荷辨识方法 | |
CN111178393A (zh) | 一种基于智能电表的用电器用电量分类计量方法及装置 | |
CN116842405A (zh) | 一种电力负荷数据聚类方法、***、设备及存储介质 | |
CN111291328B (zh) | 一种基于精细斜率的暂态事件识别方法、***以及设备 | |
CN112924779A (zh) | 非侵入式负荷识别方法、装置及终端设备 | |
CN111191671A (zh) | 一种用电器波形检测方法、***、电子设备及存储介质 | |
CN106680621A (zh) | 一种基于电流信号分离的居民负荷用电识别方法 | |
CN113177299A (zh) | 非侵入式电力负荷分解方法、装置、设备及介质 | |
CN111275069B (zh) | 一种非侵入式负荷监测方法 | |
CN111967421B (zh) | 周期性功率跃迁与常规设备启动事件的分类方法和装置 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN112163595B (zh) | 用户典型用电模式的获取方法、获取装置和电子设备 | |
Azizi et al. | Quantification of disaggregation difficulty with respect to the number of smart meters | |
CN108918929B (zh) | 一种负荷分解中功率信号自适应滤波方法 | |
CN116467631A (zh) | 电力指纹识别模型训练方法、电力指纹识别方法及装置 | |
CN116861316A (zh) | 一种电器监测方法及装置 | |
Schirmer et al. | Integration of temporal contextual information for robust energy disaggregation | |
CN114662576A (zh) | 基于有监督分类的非侵入式电瓶车充电检测方法及*** | |
CN112701683A (zh) | 非侵入式负荷检测与分解方法、***以及存储介质 |
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 |