CN106483370A - 基于多特征融合的非侵入式家用负荷实时识别方法及装置 - Google Patents
基于多特征融合的非侵入式家用负荷实时识别方法及装置 Download PDFInfo
- Publication number
- CN106483370A CN106483370A CN201610919198.2A CN201610919198A CN106483370A CN 106483370 A CN106483370 A CN 106483370A CN 201610919198 A CN201610919198 A CN 201610919198A CN 106483370 A CN106483370 A CN 106483370A
- Authority
- CN
- China
- Prior art keywords
- load
- current
- delta
- real
- feature
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,包括以下步骤:实时采集所监测环境入口处电压,电流数据,并计算基本电参量;根据第一步所得基本电参量监测有效负荷投切事件,并缓存投切事件前后电压,电流采样数据;根据上一步所缓存信息,提取投切事件前后序稳态,暂态特征,生成当前事件特征向量;根据所得事件特征向量信息,过滤负荷特征库中样本,得到候选负荷样本子集;依次计算候选负荷样本与当前事件特征向量间的吻合度;最后选取最优结果并与预设定的吻合度门限值比较,输出识负荷别结果;本方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技术后续实用推广打下坚实基础。
Description
技术领域
本发明涉及一种基于多特征融合的非侵入式家用负荷实时识别方法及装置,属于家用负荷监测与节能减排等技术领域。
背景技术
家用负荷识别技术可分为两大技术路线,即侵入式与非侵入式。其中,侵入式需为每个设备安装计量仪表,具有测量数据准确,成本高,安装复杂,维护困难等优缺点。非侵入式则在用户供电入口安装计量仪表,成本低,易于安装,适合在线监测,但技术难度大,难以实时捕捉负荷事件。负荷特征是负荷内部独特电力消耗模式的表现,即负荷运行时的电气行为,这是实现识别负荷的关键。负荷特征进一步又可分为暂态特征与稳态特征两大类。参考文献[1]所述方法在较低采样率下,以设备稳态特征有功、无功二维特征平面为基础,对负荷进行分类识别;参考文献[2]则从用电负荷投入切除操作暂态功率波形特征入手,搜索与当前操作事件暂态波形相似度最高的负荷样本。此方法需要计算功率暂态波形相似度,因此要求高密度的功率值与大量匹配运算,导致“存储空间”占用大,“计算性能”要求高。另外,此方法抗负荷波动性较差,容易产生误检。随着负荷识别技术实用化需求日益增加,在算法设计时需同步考虑以下两大因素:负荷识别的准确率高;算法空间、时间复杂度低,运行实时性高。
参考文献:
[1]Hart,G W.Nonintrusi ve Appliance Load Moni toring[J].Proceedingsof the IEEE,1992,80(12):1870-18910.
[2]高云,杨洪耕.基于暂态特征贴近度匹配的家用负荷识别[J].电力系统自动化,2013,9(37):54-59.
发明内容
针对上述负荷识别技术实用化过程中的问题,本发明的目的是提供一种基于多特征融合的非侵入式家用负荷实时识别方法,负荷识别准确度提高,同时合理低降低时间与空间复杂度。
本发明的技术方案为:一种基于多特征融合的非侵入式家用负荷实时识别方法,包括下述的步骤:
S1实时采集所监测环境入口处电压和电流数据;
S2根据S1所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;
S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;
S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;
S5依次计算候选负荷样本与当前事件特征向量间的吻合度;
S6选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。
在一个具体实施例中,S1实时采集所监测环境入口处电压和电流数据,并计算基本电参量,基本电参量包括有功、无功和周波长度。
在一个具体实施例中,S3和S4中有功增量和无功增量定义如下:
Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前无功数值。
在一个具体实施例中,S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:
REΔi=abs(REcuri-REprei),(i=1,…,M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;REΔi为负荷启停操作前后电流i次谐波实部均值变化量,IMΔi为变化前后电流i次谐波虚部均值变化量;REprei为负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚部均;为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分析的周波数,M为电流分析最高谐波次数,abs为取绝对值操作符。
在一个具体实施例中,S3和S4中负荷启停暂态电流变化窗口长度定义为:
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引值,MScoeff为两个相邻功率点之间的时间常量。
在一个具体实施例中,S4所述负荷过滤方法为:若特征库中某设备存在一项或多项特征与S3所得特征值差值超过预设门限值,则将该设备过滤。
在一个具体实施例中,S5所述特征向量间的吻合度G定义如下式:
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N=5,为特征向量内特征数目,i分别对应所述事件特征向量的五个特征;Wi为第i个特征对应的权重;CSi为当前事件特征向量内第i个特征值,TSi为负荷特征数据库中某一样本第i个特征值。
本发明还提供一种基于多特征融合的非侵入式家用负荷实时识别装置,包括:
数据采样模块:用于实时采集所监测环境入口处电压和电流数据;
事件监测模块:用于根据数据采样模块所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;
特征提取模块:用于根据事件监测模块所缓存电压和电流采样信息,计算事件特征向量;所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;
样本过滤模块:用于根据特征提取模块所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;
负荷识别模块:用于依次计算候选负荷样本与当前事件特征向量间的吻合度,选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。
本发明收益效果是:无需侵入用户家庭内部,便于安装改造。综合考虑负荷稳态、暂态特征,有效提高负荷识别准确度。对暂态特征以暂态时间长度与功率跃升替功率代波形比较,无需高密度的功率值与大量匹配运算。算法空间、时间复杂度低,运行实时性高。
本发明方法在保证负荷识别准确性的前提下,充分考虑实时性与低成本,为该技术后续实用推广打下坚实基础。
附图说明
图1本发明基于多特征融合的非侵入式家用负荷实时识别方法模块框图;
图2本发明基于多特征融合的非侵入式家用负荷实时识别方法流程图。
具体实施方式
为更清楚地说明基于多特征融合的非侵入式家用负荷实时识别方法,下面将结合附图展开进一步描述:
图1为基于多特征融合的非侵入式家用负荷实时识别方法模块框图,包括:
数据采样模块:负责按设定频率对所监测环境电压、电流数据采样;
数据处理模块:对电压、电流采样数据进行去噪处理,按设定周期计算基本电参量;
事件监测模块:实时监测家用负荷投入切除操作事件;
特征提取模块:提取投入切除操作事件的稳态、暂态综合特征向量;
样本过滤模块:根据所得事件特征向量信息,过滤负荷特征库中样本,减少后续识别模块工作量;
负荷识别模块:计算特征库中待选设备与当前事件特征向量吻合度,选取最优结果并与预设定的吻合度阈值比较;
事件记录模块:记录负荷别结果,为后续分类计量提供依据。
图2为基于多特征融合的非侵入式家用负荷实时识别方法流程图,包括以下步骤:
第一步,离线建立各类家用负荷启停特征数据库,特征数据库中包含:有功增量、无功增量、电流总谐波、电流偶次谐波,暂态间隔。
在一些实施方案中,所述有功增量、无功增量、电流总谐波、电流偶次谐波按如下公式(1)-(9)计算:Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
REΔi=abs(REcuri-REprei),(i=1,…,M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作前有功数值;
式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前无功数值;
式(3),(4)内CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;
式(5),(6)内REΔi为负荷启停操作前后电流i次谐波实部均值变化量,IMΔi为变化前后电流i次谐波虚部均值变化量。REprei为负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚部均。M为电流分析最高谐波次数,abs为取绝对值操作符;
式(7),(8)内为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分析的周波数;
式(9)内TWL为负荷启停暂态电流变化窗口长度,IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引值,MScoeff为两个相邻功率点之间的时间常量。
第二步,实时采集所监测环境入口处电压、电流数据,并计算基本电参量;在一些实施方案中,所述基本电参量包括有功、无功、周波长度,周波长度为Fs/50,其中Fs为实际采样率。基本电参量计算频率为N周波,其中N为非零正整数;
在一些实施方案中,所述有功、无功按如下公式计算:
P=UI sin(θ) (10)
Q=UI cos(θ) (11)
其中,式(10),(11)内P为有功,U为电压有效值,I为电流有效值,θ为电流相对于电压的初始相位差。
第三步,当第二步所得有功值发生变化,且变化值Pdelta大于预定阈值Pthreshold,则缓存有功值变化时刻之前与之后各N个周期的电压、电流采样数据,其中N为非零正整数。
第四步,根据第三步所缓存电压、电流采样信息,计算有功增量、无功增量、电流总谐波、电流偶次谐波;
在一些实施方案中,所述有功增量、无功增量、电流总谐波、电流偶次谐波按如公式(1)-(9)计算。
第五步,根据第四步所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;
在一些实施方案中,所述负荷过滤方法为:若特征库中某设备存在一项或多项特征与第四步所得特征值差值超过预设门限值P%,则将该设备过滤。
第六步,依次计算候选负荷样本与当前事件特征向量间的吻合度;
在一些实施方案中,第六步所述特征向量间的吻合度G定义如下式12-17所示:
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N为特征向量内特征数目(本实施例中N=5,i分别对应有功增量、无功增量、电流总谐波、电流偶次谐波、暂态时间);Wi为特征向量内第i个特征对应的权重,实际实施中应根据不同负荷的特征属性赋予不同权重值;CSi为当前事件特征向量内第i个特征值,TSi为特征库中某一样本第i个特征值。式15-17为对应单特征间的归一化操作。
第七步,选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。
为了测试家用负荷实时识别算法的正确率,本发明利用已搭建的硬件平台对多种家电进行了测试实验,包括对定频空调、电水壶、电磁炉、电视机,对应负荷开启特征库如表1。
这里以电视机处于开的状态为例进行说明,测试时实际获取的电视机启动特征如下:{147w,-21var,14%,4.8%,20ms},特征权重系数为:{0.5,0.2,0.1,0.1,0.1},系统设定的特征过滤门限值为:8%,系统设定的吻合度门限值为0.9。首先,根据有功值140w可将表1所示特征库中“定频空调”,“电水壶”,“电磁炉”全部过滤,按照式(12)-(17)计算当前设备启动事件与电视机样本吻合度G等于0.969,本次设备启动操作正确识别为设备“电视机”。
Claims (8)
1.一种基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于包括下述的步骤:
S1实时采集所监测环境入口处电压和电流数据;
S2根据S1所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;
S3根据S2所缓存电压和电流采样信息,计算事件特征向量,所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;
S4根据S3所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;
S5依次计算候选负荷样本与当前事件特征向量间的吻合度;
S6选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。
2.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S1实时采集所监测环境入口处电压和电流数据,并计算基本电参量,基本电参量包括有功、无功和周波长度。
3.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S3和S4中有功增量和无功增量定义如下:
Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
其中,式(1)内Pdelta为有功增量,Pcur为负荷启停操作后有功数值,Pcur为负荷启停操作前有功数值;式(2)内Qdelta为无功增量,Qcur为负荷启停操作后无功数值,Qcur为负荷启停操作前无功数值。
4.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S3和S4中电流总谐波含量和电流偶次谐波含量定义如下:
REΔi=abs(REcuri-REprei),(i=1,,…M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
其中,CHDtotal为电流总谐波含量,CHDsecond为电流偶次谐波含量;REΔi为负荷启停操作前后电流i次谐波实部均值变化量,IMΔi为变化前后电流i次谐波虚部均值变化量;REprei为负荷启停操作前电流i次谐波实部均,IMprei为负荷启停操作前电流i次谐波虚部均,REcuri为负荷启停操作后电流i次谐波实部均,IMcuri为负荷启停操作后电流i次谐波虚部均;为第j个周波内i次谐波实部,为第j个周波内i次谐波虚部,N为参与电流谐波分析的周波数,M为电流分析最高谐波次数,abs为取绝对值操作符。
5.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S3和S4中负荷启停暂态电流变化窗口长度定义为:
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中IDXcur为负荷启停操作后采样点索引值,IDXpre为负荷启停操作前采样点索引值,MScoeff为两个相邻功率点之间的时间常量。
6.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S4所述负荷过滤方法为:若特征库中某设备存在一项或多项特征与S3所得特征值差值超过预设门限值,则将该设备过滤。
7.根据权利要求1所述的基于多特征融合的非侵入式家用负荷实时识别方法,其特征在于S5所述特征向量间的吻合度G定义如下式:
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N=5,为特征向量内特征数目,i分别对应所述事件特征向量的五个特征;Wi为第i个特征对应的权重;CSi为当前事件特征向量内第i个特征值,TSi为负荷特征数据库中某一样本第i个特征值。
8.一种基于多特征融合的非侵入式家用负荷实时识别装置,其特征在于包括:
数据采样模块:用于实时采集所监测环境入口处电压和电流数据;
事件监测模块:用于根据数据采样模块所得实时信息,当有功值发生变化,且变化值大于预定阈值,则缓存有功值变化时刻之前与之后N个周期的电压和电流采样数据;
特征提取模块:用于根据事件监测模块所缓存电压和电流采样信息,计算事件特征向量;所述事件特征向量包括有功增量、无功增量、电流总谐波含量、电流偶次谐波含量和负荷启停暂态电流变化窗口长度五个特征;
样本过滤模块:用于根据特征提取模块所得事件特征向量信息,过滤负荷特征数据库中样本,得到候选负荷样本子集;所述负荷特征数据库包括离线建立的各类家用负荷启停特征,所述各类家用负荷启停特征为所述事件特征向量的五个特征;
负荷识别模块:用于依次计算候选负荷样本与当前事件特征向量间的吻合度,选取吻合度最高的设备结果,并与预设定的吻合度门限值比较,若大于预设门限值,则输出所识别的负荷种类,否则,输出为系统扰动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919198.2A CN106483370B (zh) | 2016-10-21 | 2016-10-21 | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919198.2A CN106483370B (zh) | 2016-10-21 | 2016-10-21 | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106483370A true CN106483370A (zh) | 2017-03-08 |
CN106483370B CN106483370B (zh) | 2019-05-03 |
Family
ID=58270381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610919198.2A Active CN106483370B (zh) | 2016-10-21 | 2016-10-21 | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106483370B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
CN107171435A (zh) * | 2017-03-20 | 2017-09-15 | 国网浙江义乌市供电公司 | 配电网监测节能系统 |
CN108594035A (zh) * | 2018-03-23 | 2018-09-28 | 中国海洋大学 | 一种负荷检测方法及系统 |
CN108872742A (zh) * | 2018-05-25 | 2018-11-23 | 杭州拓深科技有限公司 | 面向家庭环境的多级特征匹配非侵入式用电设备检测方法 |
CN110361619A (zh) * | 2019-08-16 | 2019-10-22 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110426554A (zh) * | 2019-08-09 | 2019-11-08 | 威胜集团有限公司 | 家用负荷电气特征提取方法、装置及计算机可读存储介质 |
CN110441594A (zh) * | 2019-08-13 | 2019-11-12 | 威胜集团有限公司 | 电动车充电行为监测方法、装置及计算机可读存储介质 |
CN110460157A (zh) * | 2019-08-16 | 2019-11-15 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110531155A (zh) * | 2019-09-10 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种用于户变关系识别的投切电阻信号生成方法及系统 |
CN110658397A (zh) * | 2019-09-10 | 2020-01-07 | 国网浙江省电力有限公司 | 一种基于电阻投切和频域分析的户变关系识别方法及系统 |
CN110658386A (zh) * | 2019-09-10 | 2020-01-07 | 国网浙江省电力有限公司电力科学研究院 | 一种基于电容投切的户变关系识别方法及系统 |
CN110751385A (zh) * | 2019-10-08 | 2020-02-04 | 威胜集团有限公司 | 非侵入式负荷识别方法、终端设备及存储介质 |
CN111103490A (zh) * | 2019-12-26 | 2020-05-05 | 广东电网有限责任公司电力科学研究院 | 一种负荷辨识事件检测方法、装置及设备 |
CN111308185A (zh) * | 2020-02-28 | 2020-06-19 | 宁波三星医疗电气股份有限公司 | 一种非侵入式负荷识别方法 |
CN111325234A (zh) * | 2019-12-29 | 2020-06-23 | 杭州拓深科技有限公司 | 一种非侵入式负荷识别中关键特征的筛选方法 |
CN112444669A (zh) * | 2020-11-17 | 2021-03-05 | 宁夏隆基宁光仪表股份有限公司 | 基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法 |
CN113408481A (zh) * | 2021-07-13 | 2021-09-17 | 国网江苏省电力有限公司营销服务中心 | 一种多类别典型负荷特征分析提取方法 |
CN113985266A (zh) * | 2021-10-28 | 2022-01-28 | 中国计量大学现代科技学院 | 多智能电表集中化负荷识别方法 |
CN114050613A (zh) * | 2021-11-29 | 2022-02-15 | 国网湖南省电力有限公司 | 一种电网电压暂态事件的在线识别与追溯方法及其系统 |
CN114113773A (zh) * | 2021-11-11 | 2022-03-01 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于零样本学习的非侵入式负荷监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2479790A (en) * | 2010-04-23 | 2011-10-26 | Alertme Com Ltd | Identifying an electrical appliance from an aggregate power series |
CN103217603A (zh) * | 2013-03-22 | 2013-07-24 | 重庆大学 | 一种非侵入式家用电器用电状况在线监测的识别方法 |
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 |
CN105529700A (zh) * | 2015-12-07 | 2016-04-27 | 河南许继仪表有限公司 | 一种非侵入式在线负荷分解装置 |
-
2016
- 2016-10-21 CN CN201610919198.2A patent/CN106483370B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2479790A (en) * | 2010-04-23 | 2011-10-26 | Alertme Com Ltd | Identifying an electrical appliance from an aggregate power series |
CN103217603A (zh) * | 2013-03-22 | 2013-07-24 | 重庆大学 | 一种非侵入式家用电器用电状况在线监测的识别方法 |
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 |
CN105529700A (zh) * | 2015-12-07 | 2016-04-27 | 河南许继仪表有限公司 | 一种非侵入式在线负荷分解装置 |
Non-Patent Citations (2)
Title |
---|
刘然: "结合改进最近邻法与支持向量机的住宅用电负荷识别研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
王志超: "住宅用电负荷的非侵入式监测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107171435A (zh) * | 2017-03-20 | 2017-09-15 | 国网浙江义乌市供电公司 | 配电网监测节能系统 |
CN106936129B (zh) * | 2017-03-23 | 2020-04-24 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
CN108594035A (zh) * | 2018-03-23 | 2018-09-28 | 中国海洋大学 | 一种负荷检测方法及系统 |
CN108872742A (zh) * | 2018-05-25 | 2018-11-23 | 杭州拓深科技有限公司 | 面向家庭环境的多级特征匹配非侵入式用电设备检测方法 |
CN108872742B (zh) * | 2018-05-25 | 2021-08-27 | 杭州拓深科技有限公司 | 面向家庭环境的多级特征匹配非侵入式用电设备检测方法 |
CN110426554A (zh) * | 2019-08-09 | 2019-11-08 | 威胜集团有限公司 | 家用负荷电气特征提取方法、装置及计算机可读存储介质 |
CN110441594A (zh) * | 2019-08-13 | 2019-11-12 | 威胜集团有限公司 | 电动车充电行为监测方法、装置及计算机可读存储介质 |
CN110361619A (zh) * | 2019-08-16 | 2019-10-22 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110460157A (zh) * | 2019-08-16 | 2019-11-15 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110361619B (zh) * | 2019-08-16 | 2020-07-31 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110658386A (zh) * | 2019-09-10 | 2020-01-07 | 国网浙江省电力有限公司电力科学研究院 | 一种基于电容投切的户变关系识别方法及系统 |
CN110658386B (zh) * | 2019-09-10 | 2022-04-15 | 国网浙江省电力有限公司营销服务中心 | 一种基于电容投切的户变关系识别方法及系统 |
CN110658397A (zh) * | 2019-09-10 | 2020-01-07 | 国网浙江省电力有限公司 | 一种基于电阻投切和频域分析的户变关系识别方法及系统 |
CN110531155A (zh) * | 2019-09-10 | 2019-12-03 | 中国电力科学研究院有限公司 | 一种用于户变关系识别的投切电阻信号生成方法及系统 |
CN110531155B (zh) * | 2019-09-10 | 2022-06-28 | 中国电力科学研究院有限公司 | 一种用于户变关系识别的投切电阻信号生成方法及系统 |
CN110658397B (zh) * | 2019-09-10 | 2022-04-15 | 国网浙江省电力有限公司 | 一种基于电阻投切和频域分析的户变关系识别方法及系统 |
CN110751385A (zh) * | 2019-10-08 | 2020-02-04 | 威胜集团有限公司 | 非侵入式负荷识别方法、终端设备及存储介质 |
CN110751385B (zh) * | 2019-10-08 | 2023-05-05 | 威胜集团有限公司 | 非侵入式负荷识别方法、终端设备及存储介质 |
CN111103490A (zh) * | 2019-12-26 | 2020-05-05 | 广东电网有限责任公司电力科学研究院 | 一种负荷辨识事件检测方法、装置及设备 |
CN111325234A (zh) * | 2019-12-29 | 2020-06-23 | 杭州拓深科技有限公司 | 一种非侵入式负荷识别中关键特征的筛选方法 |
CN111308185A (zh) * | 2020-02-28 | 2020-06-19 | 宁波三星医疗电气股份有限公司 | 一种非侵入式负荷识别方法 |
CN112444669A (zh) * | 2020-11-17 | 2021-03-05 | 宁夏隆基宁光仪表股份有限公司 | 基于多参量隐马尔科夫模型的非侵入式电器负荷辨识方法 |
CN113408481A (zh) * | 2021-07-13 | 2021-09-17 | 国网江苏省电力有限公司营销服务中心 | 一种多类别典型负荷特征分析提取方法 |
CN113408481B (zh) * | 2021-07-13 | 2024-06-07 | 国网江苏省电力有限公司营销服务中心 | 一种多类别典型负荷特征分析提取方法 |
CN113985266A (zh) * | 2021-10-28 | 2022-01-28 | 中国计量大学现代科技学院 | 多智能电表集中化负荷识别方法 |
CN113985266B (zh) * | 2021-10-28 | 2024-02-09 | 中国计量大学现代科技学院 | 多智能电表集中化负荷识别方法 |
CN114113773A (zh) * | 2021-11-11 | 2022-03-01 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于零样本学习的非侵入式负荷监测方法 |
CN114113773B (zh) * | 2021-11-11 | 2024-03-19 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于零样本学习的非侵入式负荷监测方法 |
CN114050613A (zh) * | 2021-11-29 | 2022-02-15 | 国网湖南省电力有限公司 | 一种电网电压暂态事件的在线识别与追溯方法及其系统 |
CN114050613B (zh) * | 2021-11-29 | 2023-10-27 | 国网湖南省电力有限公司 | 一种电网电压暂态事件的在线识别与追溯方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106483370B (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106483370A (zh) | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 | |
CN112149510B (zh) | 一种非侵入式负荷检测方法 | |
CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
Zhang et al. | A real-time classification method of power quality disturbances | |
Chang et al. | Load identification in neural networks for a non-intrusive monitoring of industrial electrical loads | |
CN111242391B (zh) | 用于电力负荷识别的机器学习模型训练方法及系统 | |
CN109633368A (zh) | 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法 | |
CN108804696A (zh) | 电力用户电器指纹库的创建方法及其系统 | |
CN111382789B (zh) | 基于机器学习的电力负荷识别方法及系统 | |
Lee | Electric load information system based on non-intrusive power monitoring | |
CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
CN109815994A (zh) | 一种用户用电负荷特征分析方法 | |
CN106443244A (zh) | 用电设备类型辨识方法和系统 | |
CN106093565A (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
CN105974223B (zh) | 一种用于在线检测用电设备工作状态的方法及系统 | |
CN110954779A (zh) | 一种基于s变换与多维分形的电压暂降源特征识别方法 | |
Li et al. | Non-intrusive load monitoring based on harmonic characteristics | |
CN114859169A (zh) | 一种配变出线负荷智能识别方法及系统、存储介质 | |
Liu et al. | Identification of major power quality disturbance sources in regional grid based on monitoring data correlation analysis | |
US20230070173A1 (en) | Cloud-end collaborative system and method for load identification | |
Liu et al. | Nonintrusive load disaggregation combining with external attention mechanism and Seq2Piont | |
Lin | Development of interharmonics identification using enhanced‐fft algorithm | |
Duan et al. | Research on Identification of Magnetizing Inrush Current Based on PSO-SVM | |
Al–Khadher et al. | Non-intrusive load monitoring based on bagging decision trees and the selective features for commercial building loads | |
CN113762619B (zh) | 配电物联网用户负荷识别方法、系统、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |