一种复杂多态电器负荷事件判别方法及装置与流程 专利技术说明

测量装置的制造及其应用技术1.本发明属于家用电器控制技术领域，具体涉及一种复杂多态电器负荷事件判别方法及装置。背景技术：2.多态电器是指电器在投入运行后主要工作元件间接性工作或受内置电路约束执行不同工作策略的电器。多态电器拥有至少两种工作模式，工作在不同模式时会产生不同的电流波形，两种工作模式之间的切换，会引起电路特性的变化，常见多态家用电器有洗衣机、空调、电冰箱、电饭煲、电风扇等。3.负荷事件是指用电设备的运行状态变化，是非侵入式负荷监测的关键环节，具体包括电器投切负荷事件和多态电器工作模式转换负荷事件两类。居民家庭负荷中存在较多多态电器，例如空调、洗衣机、电冰箱等电器的多态工作模态特性往往导致电器投切负荷事件和多态电器工作模式转换负荷事件难以辨识，降低nilm（非嵌入式识别）算法精度。4.国内外相关学者针对nilm负荷事件辨识精度问题开展较多研究，但是现有文献均在负荷事件探测精度取得进展，但针对复杂多态电器场景下的电器投切负荷事件和多态电器工作模式转换负荷事件的判别研究鲜有涉及。技术实现要素：5.为解决电器投切负荷事件和多态电器工作模式转换负荷事件区分难题，本发明提出一种复杂多态家用电器负荷事件判别方法及装置，该方法使用savitzky-golay算法处理采集到电器稳态电流波形，滤除波形中含有的高频噪声成分，得到近似电流波形；基于离散小波变换提取近似电流波形作为主要特征；基于皮尔逊相关系数计算负荷事件前后稳态波形的相关性系数，依据相关系数大小判别负荷事件的类型。家用电器运行监测中，在现有技术的变点检测流程后增加本发明的方法，可提高nilm算法辨识精度。6.本发明通过下述技术方案来实现。一种复杂多态电器负荷事件判别方法，包括以下步骤：一种复杂多态电器负荷事件判别方法，其步骤如下：步骤s1：获取原始电路的瞬时电流,并计算瞬时电流有效值；步骤s2：根据瞬时电流有效值计算电流波形变化率，约定电流波形变化率大于阈值m时为负荷事件发生的时间节点；步骤s3：计算负荷事件发生前后的瞬时电流有效值的导数，当其导数值小于阈值a时，认定电流波形进入稳态，由负荷事件发生的时间节点提取一个周期或数个周期的稳态电流波形；步骤s4：使用savitzky-golay滤波算法滤除负荷事件发生前、后的稳态电流波形中的高频成分、杂波信号；步骤s5：使用离散小波变换提取滤波后的负荷事件发生前、后的稳态电流波形的近似分量，得到负荷事件发生前、后经savitzky-golay滤波和离散小波变换后的电流瞬时值；步骤s6：使用皮尔逊相关系数来计算负荷事件发生的时间节点前、后的经savitzky-golay滤波和离散小波变换后的电流瞬时值的相关性，根据皮尔逊相关系数判别负荷事件是电器投切负荷事件还是多态电器工作模式转换负荷事件。7.进一步优选， 步骤s3中认定电流波形进入稳态的条件如下：步骤s3中认定电流波形进入稳态的条件如下：为负荷事件发生的时间节点后时刻电流波形的导数， 为负荷事件发生的时间节点前时刻电流波形的导数。8.进一步优选， 步骤s3中，提取稳态电流波形的方式如下：式中，为负荷事件发生前的稳态电流波形，为负荷事件发生后的稳态电流波形，为负荷事件发生前稳态电流波形的最后时间点，为负荷事件发生后稳态电流波形开始的时间点，t为工频周期。9.进一步优选，步骤s4的过程为：首先选定滑窗宽度为2k+1，滑窗将负荷事件发生前的稳态电流波形分割为2k+1个数据，其中时间t取值为，k为正整数，基于滑窗内的2k+1个数据，构造n阶多项式，计算滤波后的负荷事件发生前的稳态电流波形：式中，分别为第0，1，2，…，n-1，n阶系数，所有的系数共同组成系数矩阵；使用最小二乘法计算拟合残差构建目标函数，残差方程为：使用最小二乘法计算拟合残差构建目标函数，残差方程为：为第g阶系数；对残差方程e求导，使其对参数偏导数为0：利用已知的滑窗内数据求解当前系数矩阵，每当移动滑窗时，取滑窗的中心点为负荷事件发生前的稳态电流波形的平滑结果，当滑窗经过全部待平滑数据，全部返回值就是完整的滤波后的负荷事件发生前的稳态电流波形；滤波后的负荷事件发生后的稳态电流波形的计算过程与滤波后的负荷事件发生前的稳态电流波形的计算过程相同。10.进一步优选，步骤s5是通过求解下述方程得到负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流瞬时值、负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流瞬时值：：：：式中：wt(a,t)为内积函数，是小波变换函数，a为尺度因子，x为时间量，dwt(q,p)为对尺度参数按幂级数进行离散化处理、对时间进行均匀离散化后的函数，是离散小波变换函数，t为时间，q、p分别为离散小波的伸缩因子及平移因子。11.进一步优选，步骤s6中，皮尔逊相关系数按下式计算：式中，表示从1到n离散时间段负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流平均值，表示从1到n离散时间段负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流平均值，表示第i个时间段ti负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流瞬时值，表示第i个时间段ti负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流瞬时值。12.本发明还提供一种复杂多态电器负荷事件判别装置，所述装置存储执行前述复杂多态电器负荷事件判别方法计算机程序指令。13.本发明的有益效果：首先采用savitzky-golay滤波算法对负荷事件前、后的稳态电流波形进行滤波处理，剔除高频成份和噪声成份；其次通过离散小波变换对滤波后的电流波形进行分解处理，得到近似分量波形；最后基于皮尔逊相关系数计算负荷事件前、后近似分量波形的相关性系数，并依据相关性系数对负荷事件的性质进行判别。通过对空调、洗衣机、电冰箱等复杂多态电器的大量电流波形测试，实验结果表明：经本发明方法处理后的电器投切负荷事件的皮尔逊相关系数在0.6以下，而多态电器模式转换负荷事件的皮尔逊相关系数在0.65以上，这一标准可作为复杂多态电器场景下负荷事件类型判别的主要判据。附图说明14.图1为本发明的一种复杂多态电器负荷事件判别方法流程图。15.图2为滑窗移动平滑示意图。16.图3为洗衣机在速洗模式下负荷事件前稳态时间序列下的工作状态滤波结果。17.图4为洗衣机在速洗模式下负荷事件后稳态时间序列下的工作状态滤波结果。18.图5为洗衣机在漂洗模式下负荷事件前稳态时间序列下的工作状态滤波结果。19.图6为洗衣机在漂洗模式下负荷事件后稳态时间序列下的工作状态滤波结果。20.图7为洗衣机在速洗模式下负荷事件前稳态时间序列下的离散小波变换结果。21.图8为洗衣机在速洗模式下负荷事件后稳态时间序列下的离散小波变换结果。22.图9为洗衣机在漂洗模式下负荷事件前稳态时间序列下的离散小波变换结果。23.图10为洗衣机在漂洗模式下负荷事件后稳态时间序列下的离散小波变换结果。具体实施方式24.下面结合附图对本发明的技术构思进一步详细阐明。25.参照图1，一种复杂多态电器负荷事件判别方法，其步骤如下：步骤s1：获取原始电路的瞬时电流i(t),并计算瞬时电流有效值i(t)：式中：t为时间，t为工频周期，取0.02s，i(t1), i(t2),…, i(tn)分别为t1,t2,…,tn时间的瞬时电流有效值，1,2,…,n为采样点顺序。26.步骤s2、确定负荷事件发生的时间节点：根据瞬时电流有效值计算电流波形变化率，约定电流波形变化率大于阈值m时为负荷事件发生的时间节点。27.即： ，为负荷事件发生的时间节点的电流波形变化率。28.步骤s3、由负荷事件发生的时间节点提取稳态电流波形：由于部分电器存在电流暂态过程，因此需要计算负荷事件发生前后的瞬时电流有效值的导数，当其导数值小于阈值a时，可认定此时电流波形进入稳态；于阈值a时，可认定此时电流波形进入稳态；为负荷事件发生的时间节点后时刻电流波形的导数，为负荷事件发生的时间节点前时刻电流波形的导数。29.这时，由负荷事件发生的时间节点提取一个周期或数个周期的稳态电流波形：式中，为负荷事件发生前的稳态电流波形，为负荷事件发生后的稳态电流波形，为负荷事件发生前稳态电流波形的最后时间点，为负荷事件发生后稳态电流波形开始的时间点。30.步骤s4、savitzky-golay滤波：使用savitzky-golay（s-g）滤波算法滤除负荷事件发生前、后的稳态电流波形中的高频成分、杂波信号。31.相对于其他类似的滤波算法而言，savitzky-golay算法能保留相对极大值、极小值和宽度等分布特性，能保留多态电器各工作模式下的主要波形、去除扰动。32.savitzky-golay算法基本过程：参照图2，首先选定滑窗宽度为2k+1，滑窗将负荷事件发生前的稳态电流波形分割为2k+1个数据，其中时间周期t取值为，k为正整数，基于滑窗内的2k+1个数据，构造n阶多项式（一般要求阶数n小于滑窗宽度），计算滤波后的负荷事件发生前的稳态电流波形：式中，分别为第0，1，2，…，n-1，n阶系数，所有的系数共同组成系数矩阵。33.为求解最佳系数，需使用最小二乘法计算拟合残差构建目标函数，残差方程为：为求解最佳系数，需使用最小二乘法计算拟合残差构建目标函数，残差方程为：为第g阶系数；为使得拟合多项式最优，需要残差方程最小。故对残差方程e求导，使其对参数偏导数为0。34.利用已知的滑窗内数据即可求解当前系数矩阵。每当移动滑窗时，取滑窗的中心点为负荷事件发生前的稳态电流波形的平滑结果。当滑窗经过全部待平滑数据，全部返回值就是完整的滤波后的负荷事件发生前的稳态电流波形。35.滑窗将负荷事件发生后的稳态电流波形分割为2k+1个数据，基于滑窗内的2k+1个数据，构造n阶多项式（一般要求阶数n小于滑窗宽度），计算滤波后的负荷事件发生后的稳态电流波形的计算过程与的计算过程相同。36.步骤s5、离散小波变换：使用离散小波变换（dwt）提取滤波后的负荷事件发生前、后的稳态电流波形的近似分量，得到负荷事件发生前、后经savitzky-golay滤波和离散小波变换后的电流瞬时值。37.离散小波变换的优点是既考虑频率信息又考虑了位置的信息。对于多模态数据，由于电器多谐波多脉冲，其特性刚好最大限度的保留同一波形的有效信息与特征，有利于负荷事件前后稳态波形的比较。小波是一种函数，其特点为在一定时间段内变化且这种小波具有两种性质：具有有限的持续时间和突变的频率与振幅；在已选时间内平均值为0，具体如下：式中：为傅里叶频域变换后的共轭，为频率。38.小波变换是将基本小波函数后置位移t，在不同尺度下与待分析信号(滤波后的负荷事件发生前的稳态电流波形)做内积，x为时间量，即：式中：wt(a,t)为基本小波函数后置位移t后，在不同尺度 a下，与滤波后的负荷事件发生前的稳态电流波形的内积函数，是小波变换函数，a为尺度因子，a＞0，由尺度因子来控制基本小波的伸缩变换。在不同尺度下小波的持续时间随值增大而增宽，幅度则与反比减小，但保持波形形状不变。39.而离散小波变换是对尺度因子a按照幂级数进行离散化处理，对时间进行离散化均匀取值（满足奈奎斯特采样定理）。40.同理，对滤波后的负荷事件发生后的稳态电流波形有：有：式中：dwt(q,p)为对尺度参数按幂级数进行离散化处理、对时间进行均匀离散化后的函数，是离散小波变换函数，t为时间，q、p分别为离散小波的伸缩因子及平移因子,r为离散时间集，为负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流瞬时值，为负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流瞬时值；通过dwt(q,p)函数可求得和。41.步骤s6、相关性计算和负荷事件判别：使用皮尔逊相关系数来计算负荷事件发生的时间节点前、后的经savitzky-golay滤波和小波变换后的电流瞬时值的相关性，皮尔逊相关系数小于0.6时为电器投切负荷事件，皮尔逊相关系数大于0.6为多态电器工作模式转换负荷事件。42.式中，表示从1到n离散时间段负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流平均值，表示从1到n离散时间段负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流平均值，表示第i个时间段ti负荷事件发生前经savitzky-golay滤波和离散小波变换后的电流瞬时值，表示第i个时间段ti负荷事件发生后经savitzky-golay滤波和离散小波变换后的电流瞬时值。43.以滚筒式变频洗衣机为例，其在速洗和漂洗两种模式下的监测到的电流波形不同，按照步骤s1-s6进行处理，洗衣机负荷数据进行s-g滤波处理，其中将洗衣机在不同模式、不同时间段下的工作状态滤波结果如图3-图6所示。经过滤波的数据已经在保证波形特征不变的基础上极大的剔除掉噪声信号和变频电力电子器件等产生的超高频信号。使用离散小波变换的方式进一步提取波形的近似分量作为主要特征，处理后的波形如图7-图10所示。44.为准确衡量负荷事件前后稳态波形的相似性，选用皮尔逊相关系数来描述这种相关性。对比发现，同一电器在发生多态电器模式转换负荷事件时（即多态电器工作模式转换负荷事件），其相关性系数在处理后会发生明显的提升，皮尔逊相关系数为0.85左右。45.本实施例还提供一种复杂多态电器负荷事件判别装置，所述装置存储执行前述的复杂多态电器负荷事件判别方法的计算机程序指令。46.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。47.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。48.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。49.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。50.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。51.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!