CN106651658B - 一种基于有限状态机的非侵入式住宅用电负荷分解方法 - Google Patents
一种基于有限状态机的非侵入式住宅用电负荷分解方法 Download PDFInfo
- Publication number
- CN106651658B CN106651658B CN201611261491.0A CN201611261491A CN106651658B CN 106651658 B CN106651658 B CN 106651658B CN 201611261491 A CN201611261491 A CN 201611261491A CN 106651658 B CN106651658 B CN 106651658B
- Authority
- CN
- China
- Prior art keywords
- state
- load
- electric load
- finite
- electric
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000007704 transition Effects 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000010586 diagram Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Description
技术领域
本发明涉及应用于住宅中用电负荷的建模与分解方法,更具体地说是一种非侵入式住宅用电负荷建模与分解方法。
背景技术
随着住宅中智能电表的逐步普及,使用非侵入式负荷监测(NILM)系统实现住宅用电负荷分解的方法开始广受关注。相较于侵入式住宅用电负荷分解方法,非侵入式住宅用电负荷分解方法不会中断负荷供电,易于被用户接受,不需要安装大量的检测设备,节省了购买、安装和维护这些硬件设备所需的投资和时间,因此成为近年来的研究重点。
虽然目前对非侵入式住宅用电负荷分解方法已进行了大量的研究,但是尚未提出一种可推广的NILM解决方案。其原因是在现有所提出的非侵入式住宅用电负荷分解方法中,对住宅用电负荷建模时通常作出如下假设:(a)假定住宅用电负荷为双状态机,即仅表现出接通和断开两种状态;(b)假设在同一时刻仅有一种住宅用电负荷发生状态转换;(c)假设住宅用电负荷的每一次状态转换对应的功率变化值均相同。这些假设与实际中绝大多数住宅用电负荷所表现出的更加复杂的行为不符。因此,为提出一种可推广的NILM解决方案,需要建立一种更为精确的住宅用电负荷模型。HMM模型和HMM变体模型是目前比较常用的住宅用电负荷模型,但在建模过程中,其均需依赖手动设置住宅用电负荷的先验分布参数,这在许多实际情况下是不可行。
发明内容
本发明针对现有技术中的缺陷,提供了一种基于有限状态机的非侵入式住宅用电负荷分解方法,利用住宅用电负荷的运行数据自动学习生成住宅用电负荷的有限状态机模型,进而实现住宅用电负荷分解,以提高现有NILM分解技术的适用性以及非侵入式住宅用电负荷分解的精度与稳定性。
本发明为解决技术问题采用如下技术方案:
本发明基于有限状态机的非侵入式住宅用电负荷分解方法的特点是:
利用智能电表采集住宅中用电负荷1、用电负荷2、……、和用电负荷N,记为用电负荷l,l=1,2,…,N,共N个用电负荷在t时刻的有功总功率为P总(t),分别建立所述N个用电负荷的有限状态机模型,根据所述有功总功率P总(t)和所述N个用电负荷的有限状态机模型,利用优化算法分解得到所述用电负荷l在t时刻处于状态χ的有功功率Plχ(t),进而通过计算分别获得时长T内所述用电负荷1、用电负荷2、……、和用电负荷N的消耗能量。
本发明基于有限状态机的非侵入式住宅用电负荷分解方法的特点也在于:所述用电负荷l的有限状态机模型是按如下步骤建立:
步骤1:通过采样分别获得用电负荷l在ti时刻的消耗功率Pi,以及用电负荷l在ti+1时刻的消耗功率Pi+1,则,用电负荷l的消耗功率变化值ΔPi为:ΔPi=Pi+1-Pi,构造集合A1为:
A1={ΔPi},i=1,2,…,n,n∈N+;
步骤2:设定阈值M,构造集合A2为:A2={ΔPi|ΔPi≥M},采用聚类算法对所述集合A2中的元素聚类,进而得到m个聚类中心:ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm,所述m个聚类中心分别对应于所述用电负荷l的m种可能的状态转换,且m个聚类中心ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm所在类中包含的数据总数一一对应为y1,y2,…,ya,…,yb,…,ym,且:m∈N+,m<n;
步骤3:构造集合A3为:A3={ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm},求解所述集合A3的子集,将其中所有至少包含一正一负两个元素的子集构成集合A4为:
给定集合Ek:Ek={ekg},所述集合Ek与所述集合Uk的个数相等,且所述集合Ek中的元素ekg与所述集合Uk中的元素ukg一一对应,构造集合Uk'为:Uk'={ukg'|ukg'=ukg+ekg},所述集合Uk'与所述集合Uk个数相同,且所述集合Uk'中的元素ukg'与所述集合Uk中的元素ukg一一对应;
步骤4:设定阈值ε,求解所有满足∑ukg'<ε的集合Uk'的并集F:
F={f1,f2,…,fp,…,fq,…,fx},
所述并集F即为修正后的所述用电负荷l的状态转换集合;
步骤5:按如下方式计算所述用电负荷l状态装换的转移概率矩阵Z:
令:所述用电负荷l状态装换的转移概率矩阵Z为:Z=[zab]m×m,按式(1)计算所述转移概率矩阵Z中的第a行第b列元素zab:
式(1)中,wab为所述集合A2中依次属于所述聚类中心ΔPca和所述聚类中心ΔPcb所在类的两个相邻元素所构成的组合的个数;
步骤6:根据所述转移概率矩阵Z,按如下方式获得所述用电负荷l状态转换的可行循环集合C1与邻接矩阵L:
利用所述并集F和所述转移概率矩阵Z获得有向图V为:V=(F,Z),通过Tarjan强连通算法以及环路零和约束从所述有向图V中提取可行循环集合C1为:
C1={C1h|C1h={c1,c2,…,cs},s∈N+,h∈N+,cs∈F},
并对所述转移概率矩阵Z进行修正,进而得到修正矩阵Z'为:Z'=[zpq']m×m;
令:所述邻接矩阵L为:L=[λpq]m×m,所述修正矩阵Z'中的元素zpq'与所述邻接矩阵L中的元素λpq一一对应,且对于zpq'>0,取λpq=1,对于zpq'=0,取λpq=0;
步骤7:根据所述邻接矩阵L和所述并集F,按如下方式确定所述用电负荷l的状态转换图:
将所述集合F中的元素f1,f2,…,fp,…,fq,…,fx一一对应为所述状态转换图中的状态节点S1、状态节点S2…状态节点Sp…状态节点Sq…状态节点Sx;
若所述邻接矩阵L中的第p行第q列元素λpq为0,则在所述状态转换图中不存在由所述状态节点Sp到所述状态节点Sq的有向连接通路;
若所述邻接矩阵L中的第p行第q列元素λpq为1,则在所述状态转换图中存在由所述状态节点Sp到所述状态节点Sq的有向连接通路;
步骤8:根据所述状态转换图以及所述可行循环集合C1,按如下方式获得所述用电负荷l的有限状态机模型:
根据所述集合C1h={c1,c2,…,cs},按式(2)计算所述用电负荷l可能的状态集合D1h:
根据所述状态集合D1h与所述最终状态集合R1,按如下方式计算获得状态标记集合J为:
J={J1h|J1h={j1,j2,…,jr,jr+1…,js},js≤w1};
其中,集合J1h与所述状态集合D1h一一对应,且所述集合J1h中的元素为所述状态集合D1h中的元素在所述最终状态集合R1中的排列序号;
根据所述状态标记集合J,按如下方式获得负荷状态转移矩阵G:
利用所述最终状态集合R1、负荷状态转移矩阵G以及并集F获得所述用电负荷l的有限状态机模型M为:M=(R1,F,G)。
本发明基于有限状态机的非侵入式住宅用电负荷分解方法的特点也在于:根据所述N个用电负荷在t时刻的有功总功率P总(t)与所述N个用电负荷的有限状态机模型,按如下方式分解得到所述用电负荷l在t时刻处于状态χ的有功功率Plχ(t):
根据所述用电负荷1、用电负荷2、……、和用电负荷N的有限状态机模型一一对应获得用电负荷1、用电负荷2、……、和用电负荷N的最终状态集合分别为:
……
按式(3)构建目标函数Y:
式(3)中,H(l)表示用电负荷l的状态总数,alχ(t)的值为0或1;
若用电负荷l在t时刻处于状态χ,则alχ(t)=1;
若用电负荷l在t时刻不处于状态χ,则alχ(t)=0;
利用优化算法求解获得使所述目标函数Y取值为最小的一组alχ(t)的值,根据所得到的一组alχ(t)的值获得所述用电负荷l在t时刻处于状态χ的有功功率Plχ(t),进而得到所述用电负荷l在时长T内的消耗能量E为:
与已有技术相比,本发明有益效果体现在:
1、本发明通过智能电表或其他非侵入式设备采集住宅用电负荷的用电信息,而无需安装大量的检测设备,节省了投资成本;
2、本发明利用负荷数据自动对住宅用电负荷建模来进行住宅用电负荷的分解,提高了现有NILM分解技术的适用性以及非侵入式住宅用电负荷分解的精度与稳定性;
3、本发明对于负荷分解的结果可以帮助用户了解家中电器的使用情况,提高用户参与需求响应的意识,促进用户科学合理用电,使得家庭用电向着更加节能、高效的方向改变。
附图说明
图1为本发明方法中非侵入式住宅用电负荷建模方法流程图;
图2a为利用本发明方法构建的住宅用电负荷冰箱的有限状态机模型;
图2b为利用本发明方法构建的住宅用电负荷电视的有限状态机模型;
图2c为利用本发明方法构建的住宅用电负荷计算机的有限状态机模型;
图2d为利用本发明方法构建的住宅用电负荷笔记本的有限状态机模型;
图3为实际住宅用电负荷一周内总功率消耗曲线;
图4a为利用本发明方法分解出的笔记本电脑负荷曲线;
图4b为利用本发明方法分解出的笔记本电脑负荷曲线;
图4c为利用本发明方法分解出的笔记本电脑负荷曲线;
图4d为利用本发明方法分解出的笔记本电脑负荷曲线;
表1为利用本发明方法分解得到的一周内用电负荷能量消耗情况及相对误差
具体实施方式
本实施例中基于有限状态机的非侵入式住宅用电负荷分解方法的特点是:利用智能电表采集住宅中用电负荷1、用电负荷2、……、和用电负荷N,记为用电负荷l,l=1,2,…,N,共N个用电负荷在t时刻的有功总功率为P总(t),本实施例中取N=4,且用电负荷1、用电负荷2、用电负荷3和用电负荷4一一对应为冰箱、电视、计算机和笔记本,分别建立N个用电负荷的有限状态机模型,根据有功总功率P总(t)和N个用电负荷的有限状态机模型,利用优化算法分解得到用电负荷l在t时刻处于状态χ的有功功率Plχ(t),本实施例中所选用的优化算法为粒子群算法,进而通过计算分别获得时长T内用电负荷1、用电负荷2、……、和用电负荷N的消耗能量。
参见图1,本实施例中按如下步骤建立用电负荷l的有限状态机模型:
步骤1:通过采样分别获得用电负荷l在ti时刻的消耗功率Pi,以及用电负荷l在ti+1时刻的消耗功率Pi+1,则,用电负荷l的消耗功率变化值ΔPi为:ΔPi=Pi+1-Pi,构造集合A1为:
A1={ΔPi},i=1,2,…,n,n∈N+。
步骤2:设定阈值M,构造集合A2为:A2={ΔPi|ΔPi≥M},采用聚类算法对集合A2中的元素聚类,本实施例中所选用的聚类算法为OPTIC算法,进而得到m个聚类中心:ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm,m个聚类中心分别对应于用电负荷l的m种可能的状态转换,且m个聚类中心ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm所在类中包含的数据总数一一对应为y1,y2,…,ya,…,yb,…,ym,且:m∈N+,m<n。
步骤3:构造集合A3为:A3={ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm},求解集合A3的子集,将其中所有至少包含一正一负两个元素的子集构成集合A4为:
给定集合Ek:Ek={ekg},集合Ek与集合Uk的个数相等,且集合Ek中的元素ekg与集合Uk中的元素ukg一一对应,构造集合Uk'为:Uk'={ukg'|ukg'=ukg+ekg},集合Uk'与集合Uk个数相同,且集合Uk'中的元素ukg'与集合Uk中的元素ukg一一对应。
步骤4:设定阈值ε,求解所有满足∑ukg'<ε的集合Uk'的并集F:
F={f1,f2,…,fp,…,fq,…,fx},
并集F即为修正后的用电负荷l的状态转换集合。
步骤5:按如下方式计算用电负荷l状态装换的转移概率矩阵Z:
令:用电负荷l状态装换的转移概率矩阵Z为:Z=[zab]m×m,按式(1)计算转移概率矩阵Z中的第a行第b列元素zab:
式(1)中,wab为集合A2中依次属于聚类中心ΔPca和聚类中心ΔPcb所在类的两个相邻元素所构成的组合的个数。
步骤6:根据转移概率矩阵Z,按如下方式获得用电负荷l状态转换的可行循环集合C1与邻接矩阵L:
利用并集F和转移概率矩阵Z获得有向图V为:V=(F,Z),通过Tarjan强连通算法以及环路零和约束从有向图V中提取可行循环集合C1为:
C1={C1h|C1h={c1,c2,…,cs},s∈N+,h∈N+,cs∈F},
并对转移概率矩阵Z进行修正,进而得到修正矩阵Z'为:Z'=[zpq']m×m;
令:邻接矩阵L为:L=[λpq]m×m,修正矩阵Z'中的元素zpq'与邻接矩阵L中的元素λpq一一对应,且对于zpq'>0,取λpq=1,对于zpq'=0,取λpq=0。
步骤7:根据邻接矩阵L和并集F,按如下方式确定用电负荷l的状态转换图:
将集合F中的元素f1,f2,…,fp,…,fq,…,fx一一对应为状态转换图中的状态节点S1、状态节点S2…状态节点Sp…状态节点Sq…状态节点Sx;
若邻接矩阵L中的第p行第q列元素λpq为0,则在状态转换图中不存在由状态节点Sp到状态节点Sq的有向连接通路;
若邻接矩阵L中的第p行第q列元素λpq为1,则在状态转换图中存在由状态节点Sp到状态节点Sq的有向连接通路。
步骤8:根据状态转换图以及可行循环集合C1,按如下方式获得用电负荷l的有限状态机模型:
根据集合C1h={c1,c2,…,cs},按式(2)计算用电负荷l可能的状态集合D1h:
根据状态集合D1h与最终状态集合R1,按如下方式计算获得状态标记集合J为:
J={J1h|J1h={j1,j2,…,jr,jr+1…,js},js≤w1};
其中,集合J1h与状态集合D1h一一对应,且集合J1h中的元素为状态集合D1h中的元素在最终状态集合R1中的排列序号;
根据状态标记集合J,按如下方式获得负荷状态转移矩阵G:
利用最终状态集合R1、负荷状态转移矩阵G以及并集F获得用电负荷l的有限状态机模型M为:M=(R1,F,G)。
图2a、图2b、图2c和图2d分别示出了按步骤1~步骤8建立得到的冰箱、电视、计算机和笔记本的有限状态机模型,图中圆圈表示负荷运行的状态,这里用负荷运行消耗的有功功率标识,圆圈之间的有向连接弧线表示负荷状态之间允许的状态转换,这里用负荷建模过程中修正后的状态装换有功功率差值标识。
本实施例中基于有限状态机的非侵入式住宅用电负荷分解方法是:
根据N个用电负荷在t时刻的有功总功率P总(t)与N个用电负荷的有限状态机模型,按如下方式分解得到用电负荷l在t时刻处于状态χ的有功功率Plχ(t):
根据用电负荷1、用电负荷2、……、和用电负荷N的有限状态机模型一一对应获得用电负荷1、用电负荷2、……、和用电负荷N的最终状态集合分别为:
……
按式(3)构建目标函数Y:
式(3)中,H(l)表示用电负荷l的状态总数,alχ(t)的值为0或1;
若用电负荷l在t时刻处于状态χ,则alχ(t)=1;
若用电负荷l在t时刻不处于状态χ,则alχ(t)=0;
利用优化算法求解获得使目标函数Y取值为最小的一组alχ(t)的值,本实施例中所选用的优化算法为粒子群算法,根据所得到的一组alχ(t)的值获得用电负荷l在t时刻处于状态χ的有功功率Plχ(t),进而得到用电负荷l在时长T内的消耗能量E为:
图3示出了本实施例中采样得到的某住宅内10月21到10月27一周内冰箱、电视机、计算机和笔记本电脑共四种用电负荷随时间变化的总消耗功率曲线,x轴表示时间,采样时间间隔为1s,y轴表示用电负荷消耗的有功功率,但从该图无法看出冰箱、电视机、计算机和笔记本各自的运行状态与运行时间以及有功功率消耗情况;图4a、图4b、图4c和图4d分别示出了利用本发明方法分解得到的冰箱、电视机、计算机和笔记本电脑在一周内的消耗功率曲线。以图4a为例,从该图中可以看出冰箱的运行状态为0W、42W、86W、128W、256W,其中,当其运行状态取非零值时,如42W、86W,128W,256W,表示冰箱对应时刻处于运行状态,且取值不同表示冰箱的工作模式不同,当其运行状态取零值时,表示冰箱对应时刻处于非工作状态。图4b、图4c和图4d分别所示的分解得到的冰箱、电视机、计算机和笔记本电脑在一周内的消耗功率曲线也可做类似分析。
利用图4a、图4b、图4c和图4d分别示出的利用本发明方法分解得到的冰箱、电视机、计算机和笔记本电脑在一周内的消耗功率曲线,获得一周内住宅用电负荷冰箱、电视机、计算机和笔记本能量消耗情况及误差,如表1所示。从表1可以看出利用本发明方法分解得到的一周内住宅用电负荷冰箱、电视机、计算机和笔记本消耗能量与负荷实际消耗能量相对误差都在10%以内,提高了负荷分解的精度,在精度允许的范围内,说明本发明方法可行性与有效性。
表1
Claims (1)
1.一种基于有限状态机的非侵入式住宅用电负荷分解方法,其特征是:
利用智能电表采集住宅中用电负荷1、用电负荷2、……、和用电负荷N,记为用电负荷l,l=1,2,…,N,共N个用电负荷在t时刻的有功总功率为P总(t),分别建立所述N个用电负荷的有限状态机模型,根据所述有功总功率P总(t)和所述N个用电负荷的有限状态机模型,利用优化算法分解得到所述用电负荷l在t时刻处于状态χ的有功功率Plχ(t),进而通过计算分别获得时长T内所述用电负荷1、用电负荷2、……、和用电负荷N的消耗能量;
所述用电负荷l的有限状态机模型是按如下步骤建立:
步骤1:通过采样分别获得用电负荷l在ti时刻的消耗功率Pi,以及用电负荷l在ti+1时刻的消耗功率Pi+1,则,用电负荷l的消耗功率变化值ΔPi为:ΔPi=Pi+1-Pi,构造集合A1为:
A1={ΔPi},i=1,2,…,n,n∈N+;
步骤2:设定阈值M,构造集合A2为:A2={ΔPi|ΔPi≥M},采用聚类算法对所述集合A2中的元素聚类,进而得到m个聚类中心:ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm,所述m个聚类中心分别对应于所述用电负荷l的m种可能的状态转换,且m个聚类中心ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm所在类中包含的数据总数一一对应为y1,y2,…,ya,…,yb,…,ym,且:m∈N+,m<n;
步骤3:构造集合A3为:A3={ΔPc1,ΔPc2,…,ΔPca,…,ΔPcb,…,ΔPcm},求解所述集合A3的子集,将其中所有至少包含一正一负两个元素的子集构成集合A4为:
给定集合Ek:Ek={ekg},所述集合Ek与所述集合Uk的个数相等,且所述集合Ek中的元素ekg与所述集合Uk中的元素ukg一一对应,构造集合Uk'为:Uk'={ukg'|ukg'=ukg+ekg},所述集合Uk'与所述集合Uk个数相同,且所述集合Uk'中的元素ukg'与所述集合Uk中的元素ukg一一对应;
步骤4:设定阈值ε,求解所有满足∑ukg'<ε的集合Uk'的并集F:
F={f1,f2,…,fp,…,fq,…,fx},
所述并集F即为修正后的所述用电负荷l的状态转换集合;
步骤5:按如下方式计算所述用电负荷l状态转 换的转移概率矩阵Z:
令:所述用电负荷l状态转 换的转移概率矩阵Z为:Z=[zab]m×m,按式(1)计算所述转移概率矩阵Z中的第a行第b列元素zab:
式(1)中,wab为所述集合A2中依次属于所述聚类中心ΔPca和所述聚类中心ΔPcb所在类的两个相邻元素所构成的组合的个数;
步骤6:根据所述转移概率矩阵Z,按如下方式获得所述用电负荷l状态转换的可行循环集合C1与邻接矩阵L:
利用所述并集F和所述转移概率矩阵Z获得有向图V为:V=(F,Z),通过Tarjan强连通算法以及环路零和约束从所述有向图V中提取可行循环集合C1为:
C1={C1h|C1h={c1,c2,…,cs},s∈N+,h∈N+,cs∈F},
并对所述转移概率矩阵Z进行修正,进而得到修正矩阵Z'为:Z'=[zpq']m×m;
令:所述邻接矩阵L为:L=[λpq]m×m,所述修正矩阵Z'中的元素zpq'与所述邻接矩阵L中的元素λpq一一对应,且对于zpq'>0,取λpq=1,对于zpq'=0,取λpq=0;
步骤7:根据所述邻接矩阵L和所述并集F,按如下方式确定所述用电负荷l的状态转换图:
将所述集合F中的元素f1,f2,…,fp,…,fq,…,fx一一对应为所述状态转换图中的状态节点S1、状态节点S2…状态节点Sp…状态节点Sq…状态节点Sx;
若所述邻接矩阵L中的第p行第q列元素λpq为0,则在所述状态转换图中不存在由所述状态节点Sp到所述状态节点Sq的有向连接通路;
若所述邻接矩阵L中的第p行第q列元素λpq为1,则在所述状态转换图中存在由所述状态节点Sp到所述状态节点Sq的有向连接通路;
步骤8:根据所述状态转换图以及所述可行循环集合C1,按如下方式获得所述用电负荷l的有限状态机模型:
根据所述集合C1h={c1,c2,…,cs},按式(2)计算所述用电负荷l可能的状态集合D1h:
根据所述状态集合D1h与所述最终状态集合R1,按如下方式计算获得状态标记集合J为:
J={J1h|J1h={j1,j2,…,jr,jr+1…,js},js≤w1};
其中,集合J1h与所述状态集合D1h一一对应,且所述集合J1h中的元素为所述状态集合D1h中的元素在所述最终状态集合R1中的排列序号;
根据所述状态标记集合J,按如下方式获得负荷状态转移矩阵G:
利用所述最终状态集合R1、负荷状态转移矩阵G以及并集F获得所述用电负荷l的有限状态机模型M为:M=(R1,F,G);
根据所述N个用电负荷在t时刻的有功总功率P总(t)与所述N个用电负荷的有限状态机模型,按如下方式分解得到所述用电负荷l在t时刻处于状态χ的有功功率Plχ(t):
根据所述用电负荷1、用电负荷2、……、和用电负荷N的有限状态机模型一一对应获得用电负荷1、用电负荷2、……、和用电负荷N的最终状态集合分别为:
最终状态集合R2为:
……
按式(3)构建目标函数Y:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261491.0A CN106651658B (zh) | 2016-12-30 | 2016-12-30 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261491.0A CN106651658B (zh) | 2016-12-30 | 2016-12-30 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651658A CN106651658A (zh) | 2017-05-10 |
CN106651658B true CN106651658B (zh) | 2020-07-10 |
Family
ID=58837729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611261491.0A Active CN106651658B (zh) | 2016-12-30 | 2016-12-30 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651658B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428816B (zh) * | 2020-04-17 | 2023-01-20 | 贵州电网有限责任公司 | 一种非侵入式负荷分解方法 |
CN111884659B (zh) * | 2020-07-28 | 2021-09-10 | 广州智品网络科技有限公司 | 一种fst数据的压缩方法和装置 |
CN113094931B (zh) * | 2021-04-29 | 2022-04-22 | 杭州电力设备制造有限公司 | 一种非侵入式负荷分解方法、装置及设备 |
CN113408210B (zh) * | 2021-07-12 | 2023-08-01 | 内蒙古电力(集团)有限责任公司乌兰察布供电分公司 | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 |
CN113294899A (zh) * | 2021-07-27 | 2021-08-24 | 国网江苏省电力有限公司营销服务中心 | 基于非侵入式负荷辨识的中央空调需求响应能力评测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001230A (zh) * | 2012-11-16 | 2013-03-27 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
CN105514993A (zh) * | 2015-12-17 | 2016-04-20 | 华电智连信达科技(北京)有限公司 | 一种电力负荷分解方法及装置 |
CN105972761A (zh) * | 2016-05-25 | 2016-09-28 | 华北电力大学(保定) | 一种非侵入式空调负荷监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207398A1 (en) * | 2013-01-23 | 2014-07-24 | Samsung Electronics Co., Ltd | Transient Normalization for Appliance Classification, Disaggregation, and Power Estimation in Non-Intrusive Load Monitoring |
-
2016
- 2016-12-30 CN CN201611261491.0A patent/CN106651658B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001230A (zh) * | 2012-11-16 | 2013-03-27 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
CN105514993A (zh) * | 2015-12-17 | 2016-04-20 | 华电智连信达科技(北京)有限公司 | 一种电力负荷分解方法及装置 |
CN105972761A (zh) * | 2016-05-25 | 2016-09-28 | 华北电力大学(保定) | 一种非侵入式空调负荷监测方法 |
Non-Patent Citations (1)
Title |
---|
非侵入式负荷监测与分解研究综述;程祥 等;《电网技术》;20161031;第40卷(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106651658A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651658B (zh) | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 | |
Ali et al. | Effective parameters’ identification for polymer electrolyte membrane fuel cell models using grey wolf optimizer | |
Menesy et al. | Effective parameter extraction of different polymer electrolyte membrane fuel cell stack models using a modified artificial ecosystem optimization algorithm | |
Ryu et al. | Denoising autoencoder-based missing value imputation for smart meters | |
Tian et al. | T–S fuzzy model-based robust stabilization for networked control systems with probabilistic sensor and actuator failure | |
Kong et al. | Improving nonintrusive load monitoring efficiency via a hybrid programing method | |
CN107578288B (zh) | 一种考虑用户用电模式差异的非侵入式负荷分解方法 | |
Basetti et al. | Power system dynamic state estimation using prediction based evolutionary technique | |
Miraftabzadeh et al. | K-means and alternative clustering methods in modern power systems | |
CN104331846A (zh) | 一种窃电行为多源建模与协同分析方法 | |
CN108767847B (zh) | 一种非侵入式用电负荷分解方法及装置 | |
Maurya et al. | Time-series clustering for data analysis in smart grid | |
CN106779269A (zh) | 基于变异系数法的智能变电站二次系统可靠性评估方法 | |
Ma et al. | Networked filtering for Markovian jump T–S fuzzy systems with imperfect premise matching | |
CN113505465B (zh) | 完全无监督的非侵入式电器状态模型自适应构建方法 | |
CN110571788A (zh) | 基于动态等值电路的静态电压稳定域边界系数的计算方法 | |
CN117273409A (zh) | 一种园区智慧化环保系统智能运维方法、系统及存储介质 | |
Zhao et al. | Identification of critical lines for enhancing disaster resilience of power systems with renewables based on complex network theory | |
Liu et al. | Event-triggered scheme for finite-time distributed economic dispatch in smart grids | |
Wang et al. | A novel consensus-based optimal control strategy for multi-microgrid systems with battery degradation consideration | |
CN102509168A (zh) | 一种基于改进整数规划法的pmu最优配置方法 | |
CN111651889A (zh) | 输电系统高风险事件筛选方法、装置、设备及存储介质 | |
Wang et al. | Remaining useful life prediction for proton exchange membrane fuel cell using stochastic fusion filtering | |
Zhang et al. | Stochastic optimal transmission switching considering the correlated wind power | |
CN109066709B (zh) | 一种基于元模型的分布式电源就地电压控制策略改进方法 |
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 |