CN112329637A - 一种利用模式特征的负荷开关事件检测方法和*** - Google Patents

一种利用模式特征的负荷开关事件检测方法和*** Download PDF

Info

Publication number
CN112329637A
CN112329637A CN202011229086.7A CN202011229086A CN112329637A CN 112329637 A CN112329637 A CN 112329637A CN 202011229086 A CN202011229086 A CN 202011229086A CN 112329637 A CN112329637 A CN 112329637A
Authority
CN
China
Prior art keywords
specifically
kth
sigma
elements
load switch
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.)
Granted
Application number
CN202011229086.7A
Other languages
English (en)
Other versions
CN112329637B (zh
Inventor
翟明岳
李道格
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202011229086.7A priority Critical patent/CN112329637B/zh
Publication of CN112329637A publication Critical patent/CN112329637A/zh
Application granted granted Critical
Publication of CN112329637B publication Critical patent/CN112329637B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的实施例公开一种利用模式特征的负荷开关事件检测方法和***，所述方法包括：步骤101 获取按时间顺序采集的信号序列S；步骤102 求取延迟信号矢量；步骤103 求取希格玛第一参数；步骤104 求取希格玛第二参数；步骤105 求取希格玛第三参数；步骤106 求取模式特征解；步骤107 求取窗口判断值；步骤108 求取状态判断阈值；步骤109 判断负荷开关事件。

Description

一种利用模式特征的负荷开关事件检测方法和***
技术领域
本发明涉及电力领域，尤其涉及一种负荷开关事件检测方法和***。
背景技术
随着智能电网的发展，家庭用电负荷的分析变得越来越重要。通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据。同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。
当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。
非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的事件检测以有功功率P的变化值作为事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题：某些电器启动时刻的瞬时功率值会出现较大的尖峰(例如，马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件的判断，这种尖峰其实就是脉冲噪声；而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大)，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。(脉冲)噪声的强度很大，并且背景噪声对开关事件的正确检测有较大的影响。
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
因此，开关事件检测过程中，如何提高开关事件检测精度是非常重要的。负载开关事件检测是能量分解中最为重要的一步，既要检测到事件发生，同时还能确定事件发生的时刻。但是开关事件检测的精度受功率信号(功率序列)中噪声的影响较大，尤其是功率信号中普遍存在着脉冲噪声，进一步影响了检测精度。因此有效提高负载开关事件的检测精度是当前非常重要的一项工作。
发明内容
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
本发明的目的是提供一种利用模式特征的负荷开关事件检测方法和***，所提出的方法利用了不同负荷开关动作时所产生的暂态功率信号差异，通过模式特征性质区分不同负荷的不同开关事件以及异常功率信号造成的异常事件。所提出的方法具有较好的开关事件检测性能，计算也非常简单。
为实现上述目的，本发明提供了如下方案：
一种利用模式特征的负荷开关事件检测方法，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure BDA0002764569520000021
其中：
Figure BDA0002764569520000022
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure BDA0002764569520000023
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure BDA0002764569520000024
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,···,N为延迟序号，
N为信号序列S的长度；
步骤103求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure BDA0002764569520000025
所用求取公式为：
Figure BDA0002764569520000026
其中：
Figure BDA0002764569520000027
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure BDA0002764569520000028
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure BDA0002764569520000029
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
步骤104求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure BDA00027645695200000210
所用求取公式为：
Figure BDA00027645695200000211
步骤105求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure BDA0002764569520000031
所用求取公式为：
Figure BDA0002764569520000032
步骤106求取模式特征解，具体为：
第k对模式特征解记为
Figure BDA0002764569520000033
和
Figure BDA0002764569520000034
所用计算公式为：
Figure BDA0002764569520000035
Figure BDA0002764569520000036
步骤107求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure BDA0002764569520000037
步骤108求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure BDA0002764569520000038
其中：
Figure BDA0002764569520000039
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
步骤109判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
一种利用模式特征的负荷开关事件检测***，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure BDA00027645695200000310
其中：
Figure BDA00027645695200000311
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure BDA0002764569520000041
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure BDA0002764569520000042
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,···,N为延迟序号，
N为信号序列S的长度；
模块203求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure BDA0002764569520000043
所用求取公式为：
Figure BDA0002764569520000044
其中：
Figure BDA0002764569520000045
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure BDA0002764569520000046
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure BDA0002764569520000047
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
模块204求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure BDA0002764569520000048
所用求取公式为：
Figure BDA0002764569520000049
模块205求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure BDA00027645695200000410
所用求取公式为：
Figure BDA00027645695200000411
模块206求取模式特征解，具体为：
第k对模式特征解记为
Figure BDA00027645695200000412
和
Figure BDA00027645695200000413
所用计算公式为：
Figure BDA00027645695200000414
Figure BDA00027645695200000415
模块207求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure BDA0002764569520000051
模块208求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure BDA0002764569520000052
其中：
Figure BDA0002764569520000053
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
模块209判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
本发明的目的是提供一种利用模式特征的负荷开关事件检测方法和***，所提出的方法利用了不同负荷开关动作时所产生的暂态功率信号差异，通过模式特征性质区分不同负荷的不同开关事件以及异常功率信号造成的异常事件。所提出的方法具有较好的开关事件检测性能，计算也非常简单。
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，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的***流程示意图；
图3为本发明的具体实施案例流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用模式特征的负荷开关事件检测方法的流程示意图
图1为本发明一种利用模式特征的负荷开关事件检测方法的流程示意图。如图1所示，所述的一种利用模式特征的负荷开关事件检测方法具体包括以下步骤：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure BDA00027645695200000611
其中：
Figure BDA0002764569520000061
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure BDA00027645695200000612
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure BDA00027645695200000613
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,···,N为延迟序号，
N为信号序列S的长度；
步骤103求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure BDA0002764569520000062
所用求取公式为：
Figure BDA0002764569520000063
其中：
Figure BDA0002764569520000064
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure BDA0002764569520000065
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure BDA0002764569520000066
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
步骤104求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure BDA0002764569520000067
所用求取公式为：
Figure BDA0002764569520000068
步骤105求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure BDA0002764569520000069
所用求取公式为：
Figure BDA00027645695200000610
步骤106求取模式特征解，具体为：
第k对模式特征解记为
Figure BDA0002764569520000071
和
Figure BDA0002764569520000072
所用计算公式为：
Figure BDA0002764569520000073
Figure BDA0002764569520000074
步骤107求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure BDA0002764569520000075
步骤108求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure BDA0002764569520000076
其中：
Figure BDA0002764569520000077
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
步骤109判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
图2一种利用模式特征的负荷开关事件检测***的结构意图
图2为本发明一种利用模式特征的负荷开关事件检测***的结构示意图。如图2所示，所述一种利用模式特征的负荷开关事件检测***包括以下结构：
模块201获取按时间顺序采集的信号序列S；
模块202求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure BDA0002764569520000078
其中：
Figure BDA0002764569520000079
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure BDA00027645695200000710
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure BDA0002764569520000081
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,···,N为延迟序号，
N为信号序列S的长度；
模块203求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure BDA0002764569520000082
所用求取公式为：
Figure BDA0002764569520000083
其中：
Figure BDA0002764569520000084
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure BDA0002764569520000085
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure BDA0002764569520000086
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
模块204求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure BDA0002764569520000087
所用求取公式为：
Figure BDA00027645695200000815
模块205求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure BDA0002764569520000088
所用求取公式为：
Figure BDA0002764569520000089
模块206求取模式特征解，具体为：
第k对模式特征解记为
Figure BDA00027645695200000810
和
Figure BDA00027645695200000811
所用计算公式为：
Figure BDA00027645695200000812
Figure BDA00027645695200000813
模块207求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure BDA00027645695200000814
模块208求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure BDA0002764569520000091
其中：
Figure BDA0002764569520000092
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
模块209判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301获取按时间顺序采集的信号序列S；
步骤302求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure BDA0002764569520000093
其中：
Figure BDA0002764569520000094
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure BDA0002764569520000095
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure BDA0002764569520000096
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,···,N为延迟序号，
N为信号序列S的长度；
步骤303求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure BDA0002764569520000097
所用求取公式为：
Figure BDA0002764569520000098
其中：
Figure BDA0002764569520000099
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure BDA00027645695200000910
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure BDA00027645695200000911
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
步骤304求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure BDA0002764569520000101
所用求取公式为：
Figure BDA0002764569520000102
步骤305求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure BDA0002764569520000103
所用求取公式为：
Figure BDA0002764569520000104
步骤306求取模式特征解，具体为：
第k对模式特征解记为
Figure BDA0002764569520000105
和
Figure BDA00027645695200001011
所用计算公式为：
Figure BDA0002764569520000106
Figure BDA0002764569520000107
步骤307求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure BDA0002764569520000108
步骤308求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure BDA0002764569520000109
其中：
Figure BDA00027645695200001010
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
步骤309判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
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***而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种利用模式特征的负荷开关事件检测方法，其特征在于，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure FDA0002764569510000011
其中：
Figure FDA0002764569510000012
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure FDA00027645695100000113
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure FDA0002764569510000013
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,…,N为延迟序号，
N为信号序列S的长度；
步骤103求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure FDA0002764569510000014
所用求取公式为：
Figure FDA0002764569510000015
其中：
Figure FDA0002764569510000016
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure FDA0002764569510000017
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure FDA0002764569510000018
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
步骤104求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure FDA0002764569510000019
所用求取公式为：
Figure FDA00027645695100000110
步骤105求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure FDA00027645695100000111
所用求取公式为：
Figure FDA00027645695100000112
步骤106求取模式特征解，具体为：
第k对模式特征解记为
Figure FDA0002764569510000021
和
Figure FDA0002764569510000022
所用计算公式为：
Figure FDA0002764569510000023
Figure FDA0002764569510000024
步骤107求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure FDA0002764569510000025
步骤108求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure FDA0002764569510000026
其中：
Figure FDA0002764569510000027
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
步骤109判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
2.一种利用模式特征的负荷开关事件检测***，其特征在于，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取延迟信号矢量，具体为：第k个延迟信号矢量记为dk，所用求取公式为：
Figure FDA0002764569510000028
其中：
Figure FDA0002764569510000029
表示信号序列S的第|k+1|N个元素，
|k+1|N表示以N为模对k+1取余数，
Figure FDA00027645695100000210
表示信号序列S的第|k+2|N个元素，
|k+2|N表示以N为模对k+2取余数，
Figure FDA00027645695100000211
表示信号序列S的第|k+N|N个元素，
|k+N|N表示以N为模对k+N取余数，
k＝1,2,…,N为延迟序号，
N为信号序列S的长度；
模块203求取希格玛第一参数，具体为：
第k个希格玛第一元素记为
Figure FDA0002764569510000031
所用求取公式为：
Figure FDA0002764569510000032
其中：
Figure FDA0002764569510000033
为第k个延迟信号矢量dk的第|k+1|N个元素，
Figure FDA0002764569510000034
为第k个延迟信号矢量dk的第|k+2|N个元素，
Figure FDA0002764569510000035
为第k+1个延迟信号矢量dk+1的第|k+1|N个元素；
模块204求取希格玛第二参数，具体为：
第k个希格玛第二元素记为
Figure FDA0002764569510000036
所用求取公式为：
Figure FDA0002764569510000037
模块205求取希格玛第三参数，具体为：
第k个希格玛第三元素记为
Figure FDA0002764569510000038
所用求取公式为：
Figure FDA0002764569510000039
模块206求取模式特征解，具体为：
第k对模式特征解记为
Figure FDA00027645695100000310
和
Figure FDA00027645695100000311
所用计算公式为：
Figure FDA00027645695100000312
Figure FDA00027645695100000313
模块207求取窗口判断值，具体为：第k个窗口判断值记为Hk，所用求取公式为：
Figure FDA00027645695100000314
模块208求取状态判断阈值，具体为：状态判断阈值记为ε，所用求取公式为：
Figure FDA00027645695100000315
其中：
Figure FDA00027645695100000316
为Frobenus模和，
||dk||F为第k个延迟信号矢量dk的Frobenus模；
模块209判断负荷开关事件，具体为：如果第k个窗口判断值Hk满足判断条件|Hk|≥ε，则在所述信号序列S的第k点处，检测到负荷开关事件；否则，未检测到负荷开关事件。
CN202011229086.7A 2020-11-06 2020-11-06 一种利用模式特征的负荷开关事件检测方法和*** Expired - Fee Related CN112329637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011229086.7A CN112329637B (zh) 2020-11-06 2020-11-06 一种利用模式特征的负荷开关事件检测方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011229086.7A CN112329637B (zh) 2020-11-06 2020-11-06 一种利用模式特征的负荷开关事件检测方法和***

Publications (2)

Publication Number Publication Date
CN112329637A true CN112329637A (zh) 2021-02-05
CN112329637B CN112329637B (zh) 2021-12-10

Family

ID=74315618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011229086.7A Expired - Fee Related CN112329637B (zh) 2020-11-06 2020-11-06 一种利用模式特征的负荷开关事件检测方法和***

Country Status (1)

Country Link
CN (1) CN112329637B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811344A (en) * 1986-03-04 1989-03-07 Texas Instruments Incorporated Device for the testing and checking of the operation of blocks within an integrated circuit
JP2007322171A (ja) * 2006-05-30 2007-12-13 Auto Network Gijutsu Kenkyusho:Kk バッテリ状態推定装置
CN101965599A (zh) * 2008-03-07 2011-02-02 皇家飞利浦电子股份有限公司 对设备与电源之间的开关进行致动的方法
CN102129525A (zh) * 2011-03-24 2011-07-20 华北电力大学 汽轮机组振动与过程信号异常搜索分析方法
US20190187688A1 (en) * 2016-05-09 2019-06-20 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection and frequency analysis
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和***
CN110236517A (zh) * 2019-04-02 2019-09-17 复旦大学 用于睡眠监测的心肺信号感知与采集***
CN110244204A (zh) * 2019-06-27 2019-09-17 国网湖南省电力有限公司 一种多特征值的开关柜故障诊断方法、***及介质
CN110870192A (zh) * 2016-10-28 2020-03-06 因特莱索有限责任公司 具有控制的负载识别ac电源及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811344A (en) * 1986-03-04 1989-03-07 Texas Instruments Incorporated Device for the testing and checking of the operation of blocks within an integrated circuit
JP2007322171A (ja) * 2006-05-30 2007-12-13 Auto Network Gijutsu Kenkyusho:Kk バッテリ状態推定装置
CN101965599A (zh) * 2008-03-07 2011-02-02 皇家飞利浦电子股份有限公司 对设备与电源之间的开关进行致动的方法
CN102129525A (zh) * 2011-03-24 2011-07-20 华北电力大学 汽轮机组振动与过程信号异常搜索分析方法
US20190187688A1 (en) * 2016-05-09 2019-06-20 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection and frequency analysis
CN110870192A (zh) * 2016-10-28 2020-03-06 因特莱索有限责任公司 具有控制的负载识别ac电源及方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和***
CN110236517A (zh) * 2019-04-02 2019-09-17 复旦大学 用于睡眠监测的心肺信号感知与采集***
CN110244204A (zh) * 2019-06-27 2019-09-17 国网湖南省电力有限公司 一种多特征值的开关柜故障诊断方法、***及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUAN-JIA MA 等: "A non-intrusive load decomposition algorithm for residents", 《NEURAL COMPUTING AND APPLICATIONS》 *
刘博: "非侵入式电力负荷监测与分解技术", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112329637B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN108872666B (zh) 一种负载开关事件检测方法及***
CN111666870A (zh) 一种利用二次约束的功率信号重构方法和***
CN109241874B (zh) 能量分解中功率信号滤波方法
CN110221119B (zh) 基于功率与akie融合信息的负载开关事件检测方法和***
CN111830405A (zh) 一种利用频率差异量的负荷开关事件检测方法和***
CN112329637B (zh) 一种利用模式特征的负荷开关事件检测方法和***
CN112434567B (zh) 一种利用噪声抖动性质的功率信号滤波方法和***
CN108918929B (zh) 一种负荷分解中功率信号自适应滤波方法
CN110196354B (zh) 一种负载的开关事件的检测方法和装置
CN110244115B (zh) 一种基于信号连接性的负载开关事件检测方法及***
CN110542855B (zh) 基于离散余弦变换的负荷开关事件检测方法和***
CN112257576B (zh) 一种利用Maha距离测度的负荷开关事件检测方法和***
CN112307986B (zh) 一种利用高斯梯度的负荷开关事件检测方法和***
CN110702981A (zh) 一种利用分类树的负荷开关事件检测方法和***
CN111832474A (zh) 一种利用能量尺度的功率信号滤波方法和***
CN111639606A (zh) 一种利用Dantzig总梯度最小化的功率信号滤波方法和***
CN110749841A (zh) 一种利用转换空间因子的负荷开关事件检测方法和***
CN112180155A (zh) 一种利用紧支集的负荷开关事件检测方法和***
CN111737645A (zh) 一种利用预测矩阵的功率信号重构方法和***
CN112180153A (zh) 一种利用KUllback-Leibler距离的负荷开关事件检测方法和***
CN112180154A (zh) 一种利用置信度优化的负荷开关事件检测方法和***
CN111948477A (zh) 一种利用固定b抽样的负荷开关事件检测方法和***
CN112347922B (zh) 一种利用Hankerl矩阵的功率信号滤波方法和***
CN112180152A (zh) 一种利用均值偏移分群的负荷开关事件检测方法和***
CN111679120A (zh) 一种利用解耦合的功率信号滤波方法和***

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211210