CN105514993A - 一种电力负荷分解方法及装置 - Google Patents

Abstract

本发明公开了一种电力负荷分解方法及装置，获取在设定时长内的预设采样点全部用电设备的有用功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值；根据所述有用功率幅值，确定用电设备的第二负荷功率值；计算所述第一负荷功率值和所述第二负荷功率值的相关程度值；在所述相关程度值符合设定要求时，确定电力负荷分解系数；获取用电设备的电力负荷曲线；根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线，用于解决现有电力负荷分解方案中局限性较强，无法实现含有多状态用电器以及多个同类型用电器的电力负荷分解的问题。

Description

一种电力负荷分解方法及装置

技术领域

本发明涉及电力技术领域，尤其是涉及一种电力负荷分解方法及装置。

背景技术

在近年来，智能电网发展迅速，用户对于家庭能源消耗管理的节能意识有了很大的提高，其中用来解决用户这一需求的一个关键环节是通过智能电表实现。

但是，通常情况下的智能电表只能提供一个家庭整体的能源消耗数据，并不能够使得用户了解到家中各类用电器具体的能源消耗情况。而为了能够使电力用户合理的使用电器，实时的了解家中各类用电器的耗电量非常重要。因此，电力负荷分解显得很有必要。电力负荷分解，是指将电力负荷中不同类型用电设备的功率消耗比例的实时辨识出来。为了满足电力用户的实际需求，实现居民端的智能用电，两种电力负荷分解的方法应运而生。一种是侵入式居民电力负荷监测(intrusiveresidentialloadmonitoring,ILM)；另一种是非侵入式居民电力负荷监测与分解(non-intrusiveloadmonitoringanddecomposition,NILMD)。

在非侵入式居民电力负荷分解中，一般可以划分为下述三种方式：

第一种方式：通过利用设备正常工作时稳态电流具有一定的统计规律性的特点进行电力负荷分解。

第二种方式：根据设备暂态投切特性的不同进行识别和分解。

第三种方式：基于大量数据采集和统计的方式来实现电力负荷分解。

上述三种方式中，第一种方式和第二种方式要求监测的设备具有很高的采样频率。第三种方式需要建立数据库进行分析存储数据，因此，现有电力负荷分解方案中局限性较强，无法实现含有多状态用电器以及多个同类型用电器的电力负荷分解。

发明内容

本发明提供了一种电力负荷分解方法及装置，用于解决现有电力负荷分解方案中局限性较强，无法实现含有多状态用电器以及多个同类型用电器的电力负荷分解的问题。

一种电力负荷分解方法，包括：获取在设定时长内的预设采样点全部用电设备的有功功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值；根据所述有功功率幅值，确定用电设备的第二负荷功率值；计算所述第一负荷功率值和所述第二负荷功率值的相关程度值；在所述相关程度值符合设定要求时，确定电力负荷分解系数；获取用电设备的电力负荷曲线；根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

计算所述第一负荷功率值和所述第二负荷功率值的相关程度值，包括：将所述第一负荷功率值、所述第二负荷功率值归一化处理；确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值相关系数。

按照下述公式将所述第二负荷功率值归一化处理：

$Y^{\′}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i\left)\right)}{max\left(Y\right(i\left)\right)-min\left(Y\right(i\left)\right)}$ i＝1,2，…，n

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值，用电设备的第二负荷功率值：

Y(n)＝[y(0),y(1),…,y(n)]＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),…

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]

其中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，按照下述公式确定：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)。

按照下述公式将所述第一负荷功率值归一化处理：

$P^{\′}\left(i\right)=\frac{\stackrel{\‾}{P}\left(i\right)-min\left(\stackrel{\‾}{P}\right(i\left)\right)}{max\left(\stackrel{\‾}{P}\right(i\left)\right)-\min \left(\stackrel{\‾}{P}\right(i\left)\right)}$

其中，P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值按照下述公式确定：

$\stackrel{\‾}{P}\left(i\right)=\[P\left(0\right),P\left(1\right),...,P\left(i\right)\].$

确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值的相关系数，包括：

${\mathrm{\ρ}}_{P^{\′}{Y}^{\′}}=\frac{\mathrm{cov}(P^{\′},Y^{\′})}{\sqrt{D\left(P^{\′}\right)}\sqrt{D\left(Y^{\′}\right)}}=\frac{E\left(\right(P^{\′}-E\left(P^{\′}\right)\left)\right(Y^{\′}-E\left(Y^{\′}\right)\left)\right)}{\sqrt{D\left(P^{\′}\right)}\sqrt{D\left(Y^{\′}\right)}}$

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。

一种电力负荷分解装置，包括：第一获取模块，用于获取在设定时长内的预设采样点全部用电设备的有功功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值；第一确定模块，用于根据所述有功功率幅值，确定用电设备的第二负荷功率值；计算模块，用于计算所述第一负荷功率值和所述第二负荷功率值的相关程度值；第二确定模块，用户在所述相关程度值符合设定要求时，确定电力负荷分解系数；第二获取模块，用于获取用电设备的电力负荷曲线；第三确定模块，用于根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

所述计算模块，具体用于将所述第一负荷功率值、所述第二负荷功率值归一化处理；确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值相关系数。

所述计算模块，具体用于按照下述公式将所述第二负荷功率值归一化处理：

$Y^{\′}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i\left)\right)}{max\left(Y\right(i\left)\right)-min\left(Y\right(i\left)\right)}$ i＝1,2，…，n

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值，用电设备的第二负荷功率值：

Y(n)＝[y(0),y(1),…,y(n)]＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),…

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]

其中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，按照下述公式确定：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)。

所述计算模块，具体用于按照下述公式将所述第一负荷功率值归一化处理：

$P^{\′}\left(i\right)=\frac{\stackrel{\‾}{P}\left(i\right)-min\left(\stackrel{\‾}{P}\right(i\left)\right)}{max\left(\stackrel{\‾}{P}\right(i\left)\right)-\min \left(\stackrel{\‾}{P}\right(i\left)\right)}$

其中，P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值按照下述公式确定：

$\stackrel{\‾}{P}\left(i\right)=\[P\left(0\right),P\left(1\right),...,P\left(i\right)\].$

所述计算模块，具体用于确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值的相关系数，包括：

${\mathrm{\ρ}}_{P^{\′}{Y}^{\′}}=\frac{\mathrm{cov}(P^{\′},Y^{\′})}{\sqrt{D\left(P^{\′}\right)}\sqrt{D\left(Y^{\′}\right)}}=\frac{E\left(\right(P^{\′}-E\left(P^{\′}\right)\left)\right(Y^{\′}-E\left(Y^{\′}\right)\left)\right)}{\sqrt{D\left(P^{\′}\right)}\sqrt{D\left(Y^{\′}\right)}}$

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。

通过采用上述技术方案，获取在设定时长内的预设采样点全部用电设备的有功功率幅值和用于第一负荷功率值，进而确定用电设备的第二负荷功率值，计算第一负荷功率值和第二负荷功率值的相关程度值，在相关程度值符合设定要求时，确定电力负荷分解系数，获取用电设备的电力负荷曲线，根据电力负荷曲线和电力负荷分解系数，确定电力分解后的各用电设备的用电曲线，从而解决现有电力负荷分解方案中局限性较强，无法实现含有多状态用电器以及多个同类型用电器的电力负荷分解的问题。

附图说明

图1为本发明实施例提出的电力负荷分解方法流程图；

图2为本发明实施例提出的差分进化算法求解流程图；

图3为本发明实施例提出的用电设备负荷数据采集流程图；

图4a为本发明实施例提出的电冰箱用电负荷曲线示意图；

图4b为本发明实施例提出的洗衣机用电负荷曲线示意图；

图4c为本发明实施例提出的饮水机用电负荷曲线示意图；

图4d为本发明实施例提出的空调制冷用电负荷曲线示意图；

图4e为本发明实施例提出的热水器用电负荷曲线示意图；

图4f为本发明实施例提出的空调制热用电负荷曲线示意图；

图5为本发明实施例提出的单个用电设备投入使用时用电设备的总负荷曲线示意图；

图6a为本发明实施例提出的热水器用电负荷曲线示意图；

图6b为本发明实施例提出的电冰箱用电负荷曲线示意图；

图6c为本发明实施例提出的洗衣机用电负荷曲线示意图；

图6d为本发明实施例提出的饮水机用电负荷曲线示意图；

图6e为本发明实施例提出的空调制冷用电负荷曲线示意图；

图6f为本发明实施例提出的空调制热用电负荷曲线示意图；

图7为本发明实施例提出的多个用电设备投入使用时用电设备的总负荷曲线示意图；

图8a为本发明实施例提出的三组洗衣机用电负荷曲线示意图；

图8b为本发明实施例提出的饮水机用电负荷曲线示意图；

图8c为本发明实施例提出的空调制冷用电负荷曲线示意图；

图8d为本发明实施例提出的电冰箱用电负荷曲线示意图；

图9为本发明实施例提出的不同用电设备的负荷分解准确率分析图；

图10为本发明实施例提出的电力负荷分解装置结构组成示意图。

具体实施方式

差分进化算法是一种基于群体的随机优化方法。它具有运算速度快、简单、鲁棒性好等特点,在机械制造、能源管理等多个领域已经得到广泛关注。不同于其它进化算法,它的变异算子是由种群中任意选取的多对向量的差值得到的。差分进化算法主要用于实参数优化问题,在处理不可微和非线性的连续空间问题上优于其它算法。

本发明提出的技术方案中，结合用电设备的负荷特性，应用差分进化算法求解出用电设备的最优开启时间系数，实现电力负荷负荷的分解。在本发明实施例提出的技术方案中，首先，建立一个用电设备的负荷集，确立需要参加分解运算的负荷集元素，其次，通过采集用户的总负荷数据，并对采集到的总负荷数据进行预处理，最后，通过差分进化算法求出最优的开启时间系数K，从而确定用电设备的开启状态以及开启时间，实现电力负荷分解的目的。

下面将结合各个附图对本发明实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。

本发明实施例提出一种电力负荷分解方法，如图1所示，其具体流程如下述：

步骤11，获取在设定时长内的预设采样点全部用电设备的有功功率幅值。

由于不同品牌、型号和工作模式的用电设备，各负荷特性曲线有着明显的区别，因此需要将参与分解的用电设备的数据添加到数据集中。通过用电信息采集系统，可以获得各个用电设备的负荷特性数据分别为：

γ1(n)＝[Ψ1(0),Ψ1(1),…,Ψ1(n)]

γ2(n)＝[Ψ2(0),Ψ2(1),…,Ψ2(n)]

…

γm(n)＝[Ψm(0),Ψm(1),…,Ψm(n)]公式1

其中m是用户所使用的用电设备种类，对于多状态工作模式的用电设备，将其每一种工作状态看作一种用电设备处理，因此m的值将会大于实际的用电设备数目。n表示采样点的个数，Ψm(n)表示的是用电设备γm在第n个采样点对应的有功功率幅值。因此在第n个采样点用户总的有功功率幅值y(n)可表示为：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)公式2

步骤12，获取在设定时长内的预设采样点全部用电设备的第一负荷功率值。

其中，第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值。

在上述步骤12和步骤11中，具体实施中，并没有严格的执行顺序，为便于阐述，本发明实施例采用图1所示的执行流程，具体实施过程中，也可以先执行步骤12，再执行步骤11。

假设采集到的第一负荷功率值为：

$\stackrel{\‾}{P}\left(n\right)=\[P\left(0\right),P\left(1\right),...,P\left(n\right)\]$ 公式3

为了赋予不同类型用电设备相等的权重，防止由于各种用电设备有功功率幅值差别较大而造成的干扰，首先对采集到的数据进行规范化处理。经过最小—最大规范化处理后的第一负荷功率值可表示为(本发明实施例提出的技术方案中，将原始数据值映射到了[0，1]之间)：

$P^{\′}\left(i\right)=\frac{\stackrel{\‾}{P}\left(i\right)-min\left(\stackrel{\‾}{P}\right(i\left)\right)}{max\left(\stackrel{\‾}{P}\right(i\left)\right)-\min \left(\stackrel{\‾}{P}\right(i\left)\right)}$ 公式4

其中P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值。第i个采样点负荷的总功率幅值按照上述公式3获得。

步骤13，根据有用功率幅值，确定用电设备的第二负荷功率值。

根据用户数据集中存储的各种用电设备的负荷数据，第二负荷功率值计算公式可以表示为:

Y(n)＝[y(0),y(1),…,y(n)]

＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),

…

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]公式5

其中，上述公式5中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，可以通过公式2确定。

其中，在采样频率为1/15Hz的情况下，负荷的具体开启时间计算如下：当ki<0时，表示该用电设备在监测开始的时候已经运行了ki/4min；当ki＝0时，证明该用电设备在监测开始的时候恰好开启；当ki>0时，说明该用电设备在开始监测之后的第ki/4min开启。ki的取值范围与采样点的个数以及用电设备的种类有关。算法的监测精度等于设置的采样频率。

其中，饮水机和电冰箱在正常状态下，一般都处于长时间的正常开启状态，不存在开启时间的问题，因此其所对应的开启时间系数并不能代表对应用电器的开启时间。

步骤14，对获得的第二负荷功率值进行归一化处理。

针对上述步骤13中的公式5，进行最小—最大规范化处理，经过规范化之后的拟合信号可表示为：

$Y^{\&prime;}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i\left)\right)}{max\left(Y\right(i\left)\right)-min\left(Y\right(i\left)\right)}$ 公式6

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值i＝1,2，…，n。

步骤15，计算第一负荷功率值和第二负荷功率值的相关程度值。

用相关系数ρ去衡量第一负荷功率值和第二负荷功率值的相关程度。相关系数ρ绝对值越接近于1，说明第一负荷功率值和第二负荷功率值的相关性越强。计算公式可表示为：

${\mathrm{\&rho;}}_{P^{\&prime;}{Y}^{\&prime;}}=\frac{\mathrm{cov}(P^{\&prime;},Y^{\&prime;})}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}=\frac{E\left(\right(P^{\&prime;}-E\left(P^{\&prime;}\right)\left)\right(Y^{\&prime;}-E\left(Y^{\&prime;}\right)\left)\right)}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}$ 公式7

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。

本发明实施例提出技术方案中，，即是获得一个合适的第一负荷功率值，使得ρ的绝对值最接近于1，即求出一组最佳的k1，k2，……，kn值。由于差分进化算法进行的是全局的搜索，因此在计算相关系数之前需将待选择的ki值进行四舍五入取整运算。

其中，对相关系数求解的过程，如图2所示，首先确定初始种群的规模，染色体的长度即用电设备种类m。其次，开始进行迭代。对初始种群进行变异和交叉操作，本发明实施例提出的技术方案中，采用的是二项式交叉算子。再次，取整和选择操作,依据相关系数值绝对值大小进行下一代个体的选择。最后，若满足终止条件结束计算，根据ki值得出各负荷分解后的波形。

步骤16，获取用电设备的电力负荷曲线。

本发明实施例提出的技术方案中，建立用电设备的负荷数据集。通过侵入式负荷监测方法，收集用电设备的负荷数据。其具体处理流程如图3所示：

将每种用电设备连接一个智能电表，收集各用电设备的负荷数据。智能电表通过ZigBee协议与智能网关建立连接，将各种用电设备的用电信息实时的发送给智能网关，包括电流、电压、有功功率等信息。PC端可以通过用电演示系统查看智能网关中的用电信息并生成数据报表，通过数据报表中的数据建立起用电设备的负荷数据集。

下面以电冰箱、洗衣机、饮水机、空调和热水器五种用电设备为例，在采样频率为1/4Hz的情况下进行负荷监测，确定该五种用电设备的负荷曲线如图4a～4f所示。

步骤17，根据电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

下面以一具体实例来阐述本发明实施例上述提出的电力负荷分解方法，电冰箱、空调、饮水机、洗衣机和热水器五种典型的用电设备，得到它们的负荷特性数据。其中数据之间的采样间隔为15s，测定时长为90分钟。

首先，每种用电设备只有单个投入使用情况下：

在空调处于制冷状态、冰箱和饮水机都处于正常工作状态下，分别在开始监测后的两个不同的时间点上开启洗衣机和热水器，图5是得到的用电器总负荷波形。令洗衣机、热水器、电冰箱、饮水机、空调制冷和空调制热六种负荷的开启时间系数分别为k1,k2,k3,k4,k5,k6，表示为K＝[k₁,k₂,k₃,k₄,k₅,k₆]。通过差分进化算法对总负荷进行分解，迭代次数150次，重复进行20次，得到的最大相关系数ρ以及负荷的开启时间系数K为：

ρ_max＝0.9981。

K＝[10050406010360]。

由开启时间系数可知，洗衣机和热水器分别在监测开始后25分和12分50秒后开启，空调在监测前2分30秒已开启制冷模式。分解后得到的各用电器负荷曲线如图6a～图6f所示。

其次，同种用电设备多个同时投入使用：

在实际的家庭生活或者公寓生活中，常常会发生在一个时间段内有多个同类型的用电设备同时投入使用的情况。在冰箱和饮水机都处于正常工作状态，空调处于制冷状态下，分三个时间段分别启动三组洗衣机，用电采集系统监测得到的总负荷曲线如图7所示，此时令三组洗衣机、饮水机、空调以及冰箱的开启时间系数表示为K＝[k1k2k3k4k5k6]，每组洗衣机看成一种用电器。通过差分进化算法对该负荷波形进行分解，迭代次数为150次，重复20次，我们得到的最大相关系数值ρ以及负荷的开启时间系数如下：

ρ_max＝0.9983，

K＝[9040-20305020]

由开启时间系数可知，两台洗衣机分别在在监测开始后的第10分钟和第22分30秒开启，还有一台洗衣机在监测前已工作了5分钟。经过分解后各负荷的用电曲线如图8a～图8d所示。

为了衡量差分进化算法的负荷分解精度，随机开启用电设备，在算法迭代次数为200次的情况下，进行20次的算法验证，每次验证得出的结果如图9所示。

相应地，本发明实施例还提出一种电力负荷分解装置，如图10所示，包括：

第一获取模块101，用于获取在设定时长内的预设采样点全部用电设备的有功功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值。

第一确定模块102，用于根据所述有功功率幅值，确定用电设备的第二负荷功率值。

计算模块103，用于计算所述第一负荷功率值和所述第二负荷功率值的相关程度值。

第二确定模块104，用户在所述相关程度值符合设定要求时，确定电力负荷分解系数。

第二获取模块105，用于获取用电设备的电力负荷曲线。

第三确定模块106，用于根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

具体地，上述计算模块103，具体用于将所述第一负荷功率值、所述第二负荷功率值归一化处理；确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值相关系数。

具体地，上述计算模块103，具体用于按照下述公式将所述第二负荷功率值归一化处理：

$Y^{\&prime;}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i\left)\right)}{max\left(Y\right(i\left)\right)-min\left(Y\right(i\left)\right)}$ i＝1,2，…，n

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值，用电设备的第二负荷功率值：

Y(n)＝[y(0),y(1),…，y(n)]＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),…

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]

其中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，按照下述公式确定：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)。

具体地，上述计算模块103，具体用于按照下述公式将所述第一负荷功率值归一化处理：

$P^{\&prime;}\left(i\right)=\frac{\stackrel{\&OverBar;}{P}\left(i\right)-min\left(\stackrel{\&OverBar;}{P}\right(i\left)\right)}{max\left(\stackrel{\&OverBar;}{P}\right(i\left)\right)-\min \left(\stackrel{\&OverBar;}{P}\right(i\left)\right)}$

其中，P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值按照下述公式确定：

$\stackrel{\&OverBar;}{P}\left(i\right)=\&lsqb;P\left(0\right),P\left(1\right),...,P\left(i\right)\&rsqb;.$

具体地，上述计算模块103，具体用于确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值的相关系数，包括：

${\mathrm{\&rho;}}_{P^{\&prime;}{Y}^{\&prime;}}=\frac{\mathrm{cov}(P^{\&prime;},Y^{\&prime;})}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}=\frac{E\left(\right(P^{\&prime;}-E\left(P^{\&prime;}\right)\left)\right(Y^{\&prime;}-E\left(Y^{\&prime;}\right)\left)\right)}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}$

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。

本发明实施例上述提出的技术方案中，建立起负荷的数据集，由此构建数学模型并求出负荷对应的最优时间系数。分解计算的结果表明，这种方法能够有效的将不同类型用电器的负荷分解出来。

本领域的技术人员应明白，本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本发明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，本发明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、只读光盘、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置(设备)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。

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。

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。

尽管已描述了本发明的优选实施例，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发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种电力负荷分解方法，其特征在于，包括：

获取在设定时长内的预设采样点全部用电设备的有用功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值；

根据所述有用功率幅值，确定用电设备的第二负荷功率值；

计算所述第一负荷功率值和所述第二负荷功率值的相关程度值；

在所述相关程度值符合设定要求时，确定电力负荷分解系数；

获取用电设备的电力负荷曲线；

根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

2.如权利要求1所述的方法，其特征在于，计算所述第一负荷功率值和所述第二负荷功率值的相关程度值，包括：

将所述第一负荷功率值、所述第二负荷功率值归一化处理；

确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值相关系数。

3.如权利要求2所述的方法，其特征在于，按照下述公式将所述第二负荷功率值归一化处理：

$Y^{\&prime;}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i))}{max\left(Y\right(i))-min\left(Y\right(i))},i=1,2,...,n$

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值，用电设备的第二负荷功率值：

Y(n)＝[y(0),y(1),…,y(n)]＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),...

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]

其中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，按照下述公式确定：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)。

4.如权利要求2所述的方法，其特征在于，按照下述公式将所述第一负荷功率值归一化处理：

$P^{\&prime;}\left(i\right)=\frac{\stackrel{\&OverBar;}{P}\left(i\right)-min\left(\stackrel{\&OverBar;}{P}\right(i))}{max\left(\stackrel{\&OverBar;}{P}\right(i))-\min \left(\stackrel{\&OverBar;}{P}\right(i))}$

其中，P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值按照下述公式确定：

$\stackrel{\&OverBar;}{P}\left(i\right)=\&lsqb;P\left(0\right),P\left(1\right),...,P\left(i\right)\&rsqb;.$

5.如权利要求2所述的方法，其特征在于，确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值的相关系数，包括：

${\mathrm{\&rho;}}_{P^{\&prime;}{Y}^{\&prime;}}=\frac{\mathrm{cov}(P^{\&prime;},Y^{\&prime;})}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}=\frac{E\left(\right(P^{\&prime;}-E\left(P^{\&prime;}\right)\left)(Y^{\&prime;}-E(Y^{\&prime;})\right))}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}$

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。

6.一种电力负荷分解装置，其特征在于，包括：

第一获取模块，用于获取在设定时长内的预设采样点全部用电设备的有功功率幅值和用于第一负荷功率值，其中所述第一负荷功率值是第一负荷功率值对应的采样点出的全部用电设备的总的功率值；

第一确定模块，用于根据所述有功功率幅值，确定用电设备的第二负荷功率值；

计算模块，用于计算所述第一负荷功率值和所述第二负荷功率值的相关程度值；

第二确定模块，用户在所述相关程度值符合设定要求时，确定电力负荷分解系数；

第二获取模块，用于获取用电设备的电力负荷曲线；

第三确定模块，用于根据所述电力负荷曲线和所述电力负荷分解系数，确定电力分解后的各用电设备的用电曲线。

7.如权利要求6所述的装置，其特征在于，所述计算模块，具体用于将所述第一负荷功率值、所述第二负荷功率值归一化处理；确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值相关系数。

8.如权利要求7所述的装置，其特征在于，所述计算模块，具体用于按照下述公式将所述第二负荷功率值归一化处理：

$Y^{\&prime;}\left(i\right)=\frac{Y\left(i\right)-min\left(Y\right(i))}{max\left(Y\right(i))-min\left(Y\right(i))},i=1,2,...,n$

其中Y'(i)表示归一化处理后的第i个拟合信号的第二负荷功率幅值，用电设备的第二负荷功率值：

Y(n)＝[y(0),y(1),…,y(n)]＝[Ψ1(0+k₁)+Ψ2(0+k₂)+…+Ψn(0+k_n),

Ψ1(1+k₁)+Ψ2(1+k₂)+…+Ψn(1+k_n),...

Ψ1(n+k₁)+Ψ2(n+k₂)+…+Ψn(n+k_n)]

其中，Y(n)，是第二负荷功率值，k1,k2，……，kn是负荷的时间开启系数，y(n)是在第n个采样点用户总的有功功率幅值，按照下述公式确定：

y(n)＝Ψ1(n)+Ψ2(n)+…+Ψm(n)。

9.如权利要求7所述的装置，其特征在于，所述计算模块，具体用于按照下述公式将所述第一负荷功率值归一化处理：

$P^{\&prime;}\left(i\right)=\frac{\stackrel{\&OverBar;}{P}\left(i\right)-min\left(\stackrel{\&OverBar;}{P}\right(i))}{max\left(\stackrel{\&OverBar;}{P}\right(i))-\min \left(\stackrel{\&OverBar;}{P}\right(i))}$

其中，P'(i)是经过归一化处理后的第i个采样点负荷的总功率幅值，i＝1,2，…，n，第i个采样点负荷的总功率幅值按照下述公式确定：

$\stackrel{\&OverBar;}{P}\left(i\right)=\&lsqb;P\left(0\right),P\left(1\right),...,P\left(i\right)\&rsqb;.$

10.如权利要求7所述的装置，其特征在于，所述计算模块，具体用于确定归一化处理后的所述第一负荷功率值和所述第二负荷功率值的相关系数，包括：

${\mathrm{\&rho;}}_{P^{\&prime;}{Y}^{\&prime;}}=\frac{\mathrm{cov}(P^{\&prime;},Y^{\&prime;})}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}=\frac{E\left(\right(P^{\&prime;}-E\left(P^{\&prime;}\right)\left)(Y^{\&prime;}-E(Y^{\&prime;})\right))}{\sqrt{D\left(P^{\&prime;}\right)}\sqrt{D\left(Y^{\&prime;}\right)}}$

其中，ρ_P'Y'是相关系数，cov(P’,Y’)表示所述第一负荷功率值和所述第二负荷功率值之间的协方差，E(P’)和D(P’)、E(Y’)和D(Y’)分别表示P'(i)和Y'(i)的均值和方差。