CN108918928A - 一种负荷分解中功率信号自适应重构方法 - Google Patents

Abstract

本发明提供一种负荷分解中功率信号自适应重构方法，能够重构生成没有缺失数据的功率信号序列。所述方法包括：采集功率信号序列，将其转换为功率矩阵；根据转换得到的功率矩阵，构建变换算子矩阵；构建测量矩阵；根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列。本发明涉及电力领域。

Description

一种负荷分解中功率信号自适应重构方法

技术领域

本发明涉及电力领域，特别是指一种负荷分解中功率信号自适应重构方法。

背景技术

负荷分解(也可以称为：能量分解)是将电表处读取的功率值分解为单个负载所消耗的功率值，如图1所示，其中，图1中的数据为模拟数据，非实测数据。

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。

非侵入式负荷分解方法所使用的功率数据来自于智能电表的读数，智能电表一般安装在家庭用电入户线处，以检测家庭用户所使用的总电量。由于负荷分解属于典型的欠定问题(即：方程数远远小于未知变量的个数)，所以数据的完备性在负荷分解中显得尤其重要。但是来自智能电表的实际数据可能有缺失(例如，智能电表故障、通信故障、数据接收装置故障等等均会造成数据的缺失)，有缺失的数据会进一步恶化欠定问题的求解，造成负荷分解结果具有较大的误差。

发明内容

本发明要解决的技术问题是提供一种负荷分解中功率信号自适应重构方法，以解决现有技术所存在的智能电表数据缺失的问题。

为解决上述技术问题，本发明实施例提供一种负荷分解中功率信号自适应重构方法，包括：

采集功率信号序列，将其转换为功率矩阵；

根据转换得到的功率矩阵，构建变换算子矩阵；

构建测量矩阵；

根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；

将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列。

进一步地，所述采集功率信号序列，将其转换为功率矩阵包括：

采集功率信号序列p^ori＝[P₁,P₂,…,P_N]，其中，N为功率信号序列的长度；

按照功率信号序列的先后次序，将功率信号序列分为N_R段，每段含有N_C个数据，其中，符号表示上取整；

如果N<N_R×N_C，则将最后一段不足的部分补零；

将分段后的数据重新排列为矩阵的形式，一段数据为一行，得到功率矩阵

进一步地，所述根据转换得到的功率矩阵，构建变换算子矩阵包括：

将功率矩阵转换为二维信号；

确定二维信号的信号变换算子；

将信号变换算子转换为矩阵形式，得到变换算子矩阵。

进一步地，转换后得到的二维信号为：

n_r＝1,2,…,N_R

n_c＝1,2,…,N_C

其中，表示二维信号，表示功率矩阵的第n_r行、第n_c列元素。

进一步地，信号变换算子表示为：

其中，表示信号变换算子，表示参量；为域中的权重函数，自变量为为域中的权重函数，自变量为上标i表示虚数单位。

进一步地，变换算子矩阵表示为：

其中，D表示变换算子矩阵；公式表示变换算子矩阵D中，第n_r行、第n_c列的元素是D为N_R×N_C维矩阵。

进一步地，构建的测量矩阵的形式为：

其中，R表示测量矩阵；I为单位矩阵；0为零矩阵。

进一步地，所述根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度包括：

通过功率矩阵迭代公式迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度N时终止迭代，得到没有缺失数据的功率矩阵其中，功率矩阵迭代公式表示为：

其中，表示第k+1次迭代得到的功率矩阵；表示第k次迭代得到的功率矩阵；表示阈值算子；表示对矩阵D和矩阵的乘积中的所有元素进行阈值运算；x_ij表示矩阵的第i行、第j列元素；σ_max表示中所有元素绝对值的最大值；σ_min表示中所有元素绝对值的最小值。

进一步地，所述将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列包括：

将得到的矩阵P^rec的第一行数据作为第一段，第二行数据作为第二段，以此类推，最后一行数据作为最后一段，将这些段按照顺序连接起来，并截取前面的N个数据组成一数据序列，此数据序列就是没有缺失数据的功率信号序列。

本发明的上述技术方案的有益效果如下：

上述方案中，采集功率信号序列，将其转换为功率矩阵；根据转换得到的功率矩阵，构建变换算子矩阵；构建测量矩阵；根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列，从而快速重构智能电表数据，解决智能电表数据缺失问题。

附图说明

图1为负荷分解示意图；

图2为本发明实施例提供的负荷分解中功率信号自适应重构方法的流程示意图；

图3为本发明实施例提供的负荷分解中功率信号自适应重构方法的详细流程示意图；

图4为本发明实施例提供的数据分段和矩阵排列示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的智能电表数据缺失的问题，提供一种负荷分解中功率信号自适应重构方法。

如图2所示，本发明实施例提供的负荷分解中功率信号自适应重构方法，包括：

S101，采集功率信号序列，将其转换为功率矩阵；

S102，根据转换得到的功率矩阵，构建变换算子矩阵；

S103，构建测量矩阵；

S104，根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；

S105，将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列。

本发明实施例所述的负荷分解中功率信号自适应重构方法，采集功率信号序列，将其转换为功率矩阵；根据转换得到的功率矩阵，构建变换算子矩阵；构建测量矩阵；根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列，从而快速重构智能电表数据，解决智能电表数据缺失问题。

为了更好地理解本发明实施例所述的负荷分解中功率信号自适应重构方法，对其进行详细说明，如图3所示，所述负荷分解中功率信号自适应重构方法具体可以包括以下步骤：

A1，采集功率信号序列

采集功率信号序列p^ori＝[P₁,P₂,…,P_N]，其中，N为功率信号序列的长度，其中，功率信号序列也可称为功率数据序列。

A2，将功率信号序列p^ori＝[P₁,P₂,…,P_N]进行分段并将分段后的数据重新排列为一功率矩阵P，数据分段和矩阵排列如图4所示。

A21，按照功率信号序列的先后次序，将功率信号序列分为N_R段，每段含有N_C个数据，其中，符号表示上取整，例如，这样做的目的是所有的数据都参与运算，不舍弃数据。

一般情况下，N_R＝256或512或1024，在实际应用中，N_R的取值由实际应用场景确定。

A22，如果N<N_R×N_C，则将最后一段不足的部分补零。

A23，将分段后的数据重新排列为矩阵的形式，一段数据为一行，故此功率矩阵P共有N_R行、N_C列，功率矩阵P可以表示为

A3，将功率矩阵转换为二维信号

n_r＝1,2,…,N_R

n_c＝1,2,…,N_C

其中，表示二维信号，表示功率矩阵的第n_r行、第n_c列元素。

A4，确定二维信号的信号变换算子

信号变换算子表示为：

其中，表示参量；为域中的权重函数，自变量为一般情况下可以选择高斯函数；为域中的权重函数，自变量为上标i表示虚数单位。

A5，构建变换算子矩阵D

将信号变换算子转换为矩阵形式：

其中，表示变换算子矩阵D中，第n_r行、第n_c列的元素是因此，矩阵D为N_R×N_C维矩阵。

A6，构建测量矩阵R

测量矩阵R的一般形式可以表示为：

其中，I为单位矩阵，表示没有数据缺失的段；0为零矩阵，表示有数据缺失的段。

本实施例中，测量矩阵的取值是由功率矩阵确定的，假设，功率矩阵中第2行第3列的数据有缺失，则测量矩阵中第2行第3列元素为0，否则为1。

A7，迭代运算

假设当前进行第k+1次迭代，在k+1次中得到的功率矩阵为在上一次(即第k次)所得到的功率矩阵为k＝1,2,…,N-1。

A71，确定功率矩阵

根据得到的变换算子矩阵和构建的测量矩阵，更新功率矩阵为：

其中，表示阈值算子，用于对括号内的数据进行阈值运算；表示对矩阵D和矩阵的乘积(其中，乘积是一个矩阵)中的所有元素进行阈值运算，阈值运算是对矩阵中的元素一个一个进行的；x_ij表示矩阵的第i行、第j列元素；σ_max表示中所有元素绝对值的最大值；σ_min表示中所有元素绝对值的最小值。

A72，判断当前迭代次数是否等于功率信号序列的长度N，如果k＝N，则迭代终止，得到没有缺失数据的功率矩阵进入步骤A8；否则，k＝k+1返回步骤A71继续迭代。

A8，重新排列数据，将得到的没有缺失数据的功率矩阵P^rec转换为功率信号序列，得到没有缺失数据的功率信号序列

将得到的矩阵P^rec的第一行数据作为第一段，第二行数据作为第二段，以此类推，最后一行数据作为最后一段，将这些段按照顺序连接起来，并截取前面的N个数据组成一数据序列，此数据序列就是没有缺失数据的功率信号序列，即为所求。

本发明实施例所述的负荷分解中功率信号自适应重构方法，可以有效恢复缺失的功率信号。如果采集的功率信号序列缺失不超过总数据的20％，本算法所恢复的信号序列，其误差不超过4％。且由于本发明实施例所述的负荷分解中功率信号自适应重构方法采用迭代方式，计算简单快速。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种负荷分解中功率信号自适应重构方法，其特征在于，包括：

采集功率信号序列，将其转换为功率矩阵；

根据转换得到的功率矩阵，构建变换算子矩阵；

构建测量矩阵；

根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度；

将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列。

2.根据权利要求1所述的负荷分解中功率信号自适应重构方法，其特征在于，所述采集功率信号序列，将其转换为功率矩阵包括：

采集功率信号序列p^ori＝[P₁,P₂,…,P_N]，其中，N为功率信号序列的长度；

按照功率信号序列的先后次序，将功率信号序列分为N_R段，每段含有N_C个数据，其中，符号表示上取整；

如果N<N_R×N_C，则将最后一段不足的部分补零；

将分段后的数据重新排列为矩阵的形式，一段数据为一行，得到功率矩阵

3.根据权利要求2所述的负荷分解中功率信号自适应重构方法，其特征在于，所述根据转换得到的功率矩阵，构建变换算子矩阵包括：

将功率矩阵转换为二维信号；

确定二维信号的信号变换算子；

将信号变换算子转换为矩阵形式，得到变换算子矩阵。

4.根据权利要求3所述的负荷分解中功率信号自适应重构方法，其特征在于，转换后得到的二维信号为：

n_r＝1,2,…,N_R

n_c＝1,2,…,N_C

其中，表示二维信号，表示功率矩阵的第n_r行、第n_c列元素。

5.根据权利要求4所述的负荷分解中功率信号自适应重构方法，其特征在于，信号变换算子表示为：

其中，表示信号变换算子，表示参量；为域中的权重函数，自变量为 为域中的权重函数，自变量为上标i表示虚数单位。

6.根据权利要求5所述的负荷分解中功率信号自适应重构方法，其特征在于，变换算子矩阵表示为：

其中，D表示变换算子矩阵；公式表示变换算子矩阵D中，第n_r行、第n_c列的元素是D为N_R×N_C维矩阵。

7.根据权利要求6所述的负荷分解中功率信号自适应重构方法，其特征在于，构建的测量矩阵的形式为：

其中，R表示测量矩阵；I为单位矩阵；0为零矩阵。

8.根据权利要求7所述的负荷分解中功率信号自适应重构方法，其特征在于，所述根据得到的变换算子矩阵和构建的测量矩阵，迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度包括：

通过功率矩阵迭代公式迭代更新功率矩阵，直至当前迭代次数等于功率信号序列的长度N时终止迭代，得到没有缺失数据的功率矩阵其中，功率矩阵迭代公式表示为：

其中，表示第k+1次迭代得到的功率矩阵；表示第k次迭代得到的功率矩阵；表示阈值算子；表示对矩阵D和矩阵的乘积中的所有元素进行阈值运算；x_ij表示矩阵的第i行、第j列元素；σ_max表示中所有元素绝对值的最大值；σ_min表示中所有元素绝对值的最小值。

9.根据权利要求8所述的负荷分解中功率信号自适应重构方法，其特征在于，所述将当前得到的功率矩阵进行转换，生成没有缺失数据的功率信号序列包括：

将得到的矩阵P^rec的第一行数据作为第一段，第二行数据作为第二段，以此类推，最后一行数据作为最后一段，将这些段按照顺序连接起来，并截取前面的N个数据组成一数据序列，此数据序列就是没有缺失数据的功率信号序列。