CN109470957A - 一种基于Fréchet distance的非侵入式电器识别方法 - Google Patents

Abstract

本发明公开了一种基于Fréchet distance的非侵入式电器识别方法，解决了传统的功耗监测方法成本高、部署困难，早期非侵入式监测对硬件及算法的不足，本发明仅依赖电器稳态电流电压数据，对硬件要求低，只需要前期采集单设备的数据即可，样本数据不需要组合电器数据减少了数据采集量，算法简单可以很方便的集成到硬件设备中，易于推广。

Description

一种基于Fréchet distance的非侵入式电器识别方法

技术领域

本发明涉及非侵入式检测系统下电器识别技术领域，尤其涉及一种基于Fréchetdistance 的非侵入式电器识别方法。

背景技术

20世纪70年代，美国和一些欧洲国家为了提高家庭用电效率，实现节能减排，开始了 对家庭能耗进行研究。近年来，随着传感技术、信息通信技术、控制技术的发展，特别是智 能电网的兴起，家庭能源管理系统的任务也在增加，而实现这一任务的前提就是对各种电器 进行有效的监测。电力负荷监测对家庭和电力公司等都具有重大的意义，对于家庭而言：可 以清楚了解每类电器的用电情况，并据此调整用电习惯以达到节能的目的；对电力公司而言： 可以了解各地区的用电，并据此制定不同的套餐，实现电力的合理配置，达到资源的最大化 利用。

目前电力负荷监测可以分为两种：

传统的侵入式检测，通过给各类电器增加相应传感器分路实现计量，进而实现的总电器 的功耗监测，其投入较大，容易对电器的正常运转造成干扰，过多的线路接入使得用户接受 程度也不是很好。

早期提出的非侵入式检测功耗，基于电器类别单元电流，只能对类别进行分解，不能细 化到具体电器。而且大多依赖于电器的暂态特征数据，对硬件要求高，成本也就相应的提高 了，对不利于产品的推广；而且其中的一些算法过于复杂不方便集成到硬件设备中，训练数 据过多前期需要花费大量的人力成本。

发明内容

针对传统的功耗监测方法成本高、部署困难，早期非侵入式监测对硬件及算法的一些依 赖，本发明提供一种非侵入式系统下，通过Fréchet distance对研究对象电器进行识别的方法。

本发明通过以下技术方案来实现上述目的：

一种基于Fréchet distance的非侵入式电器识别方法，包括：

步骤1、选取常用家庭用电负荷作为研究对象，分别采集每种电器n个周期的电流电压 幅值数据和基波电流有效值；计算每种电器的电流幅值最大值和最小值以及差值s1、电流有 效值的最大值和最小值等数据；对电压进行相位对齐找到对应的电流起点并截取m个周期的 电流幅值数据；

步骤2、配置算法的参数：确定每种电器参数取值大小；

步骤3、算法运行，获取实测数据n个周期的电流电压幅值数据和基波电流有效值；计 算电流幅值最大值和最小值以及差值s2；对电压进行相位对齐找到对应的电流起点并截取m 个周期的电流幅值数据；

步骤4、根据电器取值大小生成解空间，电器数量解对应电器的名称，顺序固定；

步骤5、遍历解空间变换得到的电器数量，计算该电器数量解下电器电流幅值的最大值 与最小值等参数数据，并从步骤1中找到对应电器的电流有效值，计算总的电流有效值并得 到各电器的电流占比；根据电流占比得到m周期内各点新的电流幅值数据；

步骤6、根据步骤3得到的参数数据与步骤5的参数数据进行对比，计算步骤5得到的 电器数量解是否可行，如可行执行步骤7；不可行则返回一个固定值标记该解无效，继续遍 历执行步骤5，如果所有解均无效则执行步骤8；

步骤7、根据步骤3实测获取的电流幅值数据与步骤5计算得到的电流幅值数据，可以 转换为2条曲线y1，y2的相似度判断，这里采用Fréchet distance作为算法适应度函数的计算， 首先计算y1上的某点与y2所有点的差值绝对值并取最大值Max，然后计算y1剩余点与y2 所有点的差值绝对值V，取V与Max中的最小值即为适应度，列表L保存该解的适应度及对 应的解；

步骤8、判断步骤7的列表L是否为空列表，为空则给出界面提示并重新执行步骤3；否 则执行步骤9；

步骤9、对最终获取的电器适应度列表L按适应度排序，并按比分标记，适应度值越小， 比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按适应 度比分与绝对值比分之和排序，最大的即为最优解，如果存在多个最优解，绝对值最小的为 最优解，完成对电器的识别。

作为进一步优化，一种基于Fréchet distance的非侵入式电器识别方法，包括：

步骤1、首先选取研究对象，对每类电器按n周期进行电流电压的采集，并计算得到电 流有效值；

步骤2、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、 差值s1，以及最大电流有效值、最小电流有效值、均值；

步骤3、对每类研究对象n周期负荷电压相位对齐，找到电流起点point，根据point点位 置截取m周期的电流幅值数据；

步骤4、配置算法的参数：每种电器取值大小并启动算法，根据电器取值大小生成解空 间，电器数量解对应电器的名称，顺序固定；

步骤5、获取实测数据，类似步骤2，3获取实测数据幅值最大值、最小值、差值s2及阈 值t2；

步骤6、对算法的每个解判断是否有效，判断方法需要符合3个条件：首先找到解下面 所有电器负荷电流幅值最大值max和最小值min；实测负荷最大电流幅值大于max的百分之 x倍且实测负荷最小电流幅值小于等于min，则该解符合条件1；该解下s1加权求和值与s2 差值的绝对值小于等于阈值t2，则该解符合条件2；实测负荷电流有效值大于等于算法解最 小电流有效值加权和值，并且小于等于算法解最大电流有效值加权和值，则该解符合条件3； 同时满足条件1，2，3则该解有效，否则返回无效标记；

步骤7、对有效解计算各电器的电流占比，计算方法为：得到解下面各电器电流有效值 均值与数量之积v，对v进行加权求和total，计算v与total的比值即为电流占比。按电流占 比计算到m周期内各点幅值，计算方法为：解下面各电器幅值与其电流占比之积进行加权求 和，这样得到各点新的电流幅值I，新的电流幅值I与实测电流幅值按照Fréchetdistance计算 适应度；先找到实测幅值第一点与I中各点的差值绝对值的最大值，然后取实测幅值所有点 中计算出来的最大值中的最小值，即为适应度，列表L保存适应度及该解；

步骤8、对步骤7的列表L进行按适应度排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权 求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记 分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应 度比分与各自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解， 完成对电器的识别。

作为进一步优化，一种基于Fréchet distance的非侵入式电器识别方法，包括：

步骤1、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、 差值s1；计算实测负荷电流幅值最大值、最小值及差值s2，特征在于利用了s2生成了阈值 t2，t2为s2的百分之x2倍；得到s2与算法解各电器差值s1加权和值的差值绝对值v2，v2 与t2值比较判断算法解的有效性；

步骤2、计算每类研究对象n周期内负荷电流最大电流有效值、最小电流有效值、均值， 特征在于可以对算法解的电流有效值给出一个范围，以对比实测电流有效值是否在该范围内， 判断算法解是否有效；

步骤3、计算算法解下面所有电器电流幅值中的最大值max和最小值min，通过实测负 荷电流幅值最大值与max对比及实测负荷电流最小值与min对比判断了算法解的有效性；

步骤4、研究样本负荷电压相位对齐与实测负荷电压相位对齐，电压相位对齐满足了数 据起始趋势一致性的要求和数据完整性的要求，通过对齐找到了各自的电流起点；

步骤5、算法解生成的幅值数据与实测的幅值数据通过Fréchet distance计算适应度，适 应度和算法解通过列表L进行了保存；

步骤6、步骤5的列表L按照适应度进行排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；对各自适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应度比分与各 自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解，完成对电 器的识别。

本发明的有益效果在于：

本发明的一种基于Fréchet distance的非侵入式电器识别方法，与现有技术相比较，本发 明仅依赖电器稳态电流电压数据，对硬件要求低，只需要前期采集单设备的数据即可，样本 数据不需要组合电器数据减少了数据采集量，算法简单可以很方便的集成到硬件设备中，易 于推广。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需 要实用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本实施例的一些实施例， 对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其 他的附图。

图1为本发明提供的一种基于Fréchet distance的非侵入式电器识别方法的工作流程示意 图。

图2为本发明提供的一种基于Fréchet distance的非侵入式电器识别方法的电压相位对齐 算法图示意图。

图3为本发明提供的一种基于Fréchet distance的非侵入式电器识别方法的Fréchet distance计算适应度流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的 描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明 中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方 式，都属于本发明所保护的范围。

如图1-3所示，本发明的一种基于Fréchet distance的非侵入式电器识别方法，包括：

步骤1、选取常用家庭用电负荷作为研究对象，分别采集每种电器n个周期的电流电压 幅值数据和基波电流有效值；计算每种电器的电流幅值最大值和最小值以及差值s1、电流有 效值的最大值和最小值等数据；对电压进行相位对齐找到对应的电流起点并截取m个周期的 电流幅值数据；

步骤2、配置算法的参数：确定每种电器参数取值大小；

步骤3、算法运行，获取实测数据n个周期的电流电压幅值数据和基波电流有效值；计 算电流幅值最大值和最小值以及差值s2；对电压进行相位对齐找到对应的电流起点并截取m 个周期的电流幅值数据；

步骤4、根据电器取值大小生成解空间，电器数量解对应电器的名称，顺序固定；

步骤5、遍历解空间变换得到的电器数量，计算该电器数量解下电器电流幅值的最大值 与最小值等参数数据，并从步骤1中找到对应电器的电流有效值，计算总的电流有效值并得 到各电器的电流占比；根据电流占比得到m周期内各点新的电流幅值数据；

步骤6、根据步骤3得到的参数数据与步骤5的参数数据进行对比，计算步骤5得到的 电器数量解是否可行，如可行执行步骤7；不可行则返回一个固定值标记该解无效，继续遍 历执行步骤5，如果所有解均无效则执行步骤8；

步骤7、根据步骤3实测获取的电流幅值数据与步骤5计算得到的电流幅值数据，可以 转换为2条曲线y1，y2的相似度判断，这里采用Fréchet distance作为算法适应度函数的计算， 首先计算y1上的某点与y2所有点的差值绝对值并取最大值Max，然后计算y1剩余点与y2 所有点的差值绝对值V，取V与Max中的最小值即为适应度，列表L保存该解的适应度及对 应的解；

步骤8、判断步骤7的列表L是否为空列表，为空则给出界面提示并重新执行步骤3；否 则执行步骤9；

步骤9、对最终获取的电器适应度列表L按适应度排序，并按比分标记，适应度值越小， 比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按适应 度比分与绝对值比分之和排序，最大的即为最优解，如果存在多个最优解，绝对值最小的为 最优解，完成对电器的识别。

如图1-3所示，在任一具体实施例中，一种基于Fréchet distance的非侵入式电器识别方 法，包括：

步骤1、首先选取研究对象，对每类电器按n周期进行电流电压的采集，并计算得到电 流有效值；

步骤2、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、 差值s1，以及最大电流有效值、最小电流有效值、均值；

如图2所示，步骤3、对每类研究对象n周期负荷电压相位对齐，找到电流起点point， 根据point点位置截取m周期的电流幅值数据；

步骤4、配置算法的参数：每种电器取值大小并启动算法，根据电器取值大小生成解空 间，电器数量解对应电器的名称，顺序固定；

步骤5、获取实测数据，类似步骤2，3获取实测数据幅值最大值、最小值、差值s2及阈 值t2；

步骤6、对算法的每个解判断是否有效，判断方法需要符合3个条件：首先找到解下面 所有电器负荷电流幅值最大值max和最小值min；实测负荷最大电流幅值大于max的百分之 x倍且实测负荷最小电流幅值小于等于min，则该解符合条件1；该解下s1加权求和值与s2 差值的绝对值小于等于阈值t2，则该解符合条件2；实测负荷电流有效值大于等于算法解最 小电流有效值加权和值，并且小于等于算法解最大电流有效值加权和值，则该解符合条件3； 同时满足条件1，2，3则该解有效，否则返回无效标记；

步骤7、对有效解计算各电器的电流占比，计算方法为：得到解下面各电器电流有效值 均值与数量之积v，对v进行加权求和total，计算v与total的比值即为电流占比。按电流占 比计算到m周期内各点幅值，计算方法为：解下面各电器幅值与其电流占比之积进行加权求 和，这样得到各点新的电流幅值I，新的电流幅值I与实测电流幅值按照Fréchetdistance计算 适应度；先找到实测幅值第一点与I中各点的差值绝对值的最大值，然后取实测幅值所有点 中计算出来的最大值中的最小值，即为适应度，列表L保存适应度及该解；

步骤8、对步骤7的列表L进行按适应度排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权 求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记 分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应 度比分与各自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解， 完成对电器的识别。

如图1-3所示，在任一具体实施例中，一种基于Fréchet distance的非侵入式电器识别方 法，包括：

步骤1、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、 差值s1；计算实测负荷电流幅值最大值、最小值及差值s2，特征在于利用了s2生成了阈值 t2，t2为s2的百分之x2倍；得到s2与算法解各电器差值s1加权和值的差值绝对值v2，v2 与t2值比较判断算法解的有效性；

步骤2、计算每类研究对象n周期内负荷电流最大电流有效值、最小电流有效值、均值， 特征在于可以对算法解的电流有效值给出一个范围，以对比实测电流有效值是否在该范围内， 判断算法解是否有效；

步骤3、计算算法解下面所有电器电流幅值中的最大值max和最小值min，通过实测负 荷电流幅值最大值与max对比及实测负荷电流最小值与min对比判断了算法解的有效性；

步骤4、研究样本负荷电压相位对齐与实测负荷电压相位对齐，电压相位对齐满足了数 据起始趋势一致性的要求和数据完整性的要求，通过对齐找到了各自的电流起点；

步骤5、算法解生成的幅值数据与实测的幅值数据通过Fréchet distance计算适应度，适 应度和算法解通过列表L进行了保存；

步骤6、步骤5的列表L按照适应度进行排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；对各自适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应度比分与各 自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解，完成对电 器的识别。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉 本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本 发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。另外需 要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以 通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再 另行说明。此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本 发明的思想，其同样应当视为本发明所公开的内容。

Claims (3)

1.一种基于Fréchet distance的非侵入式电器识别方法，其特征在于，包括：

步骤1、选取常用家庭用电负荷作为研究对象，分别采集每种电器n个周期的电流电压幅值数据和基波电流有效值；计算每种电器的电流幅值最大值和最小值以及差值s1、电流有效值的最大值和最小值等数据；对电压进行相位对齐找到对应的电流起点并截取m个周期的电流幅值数据；

步骤2、配置算法的参数：确定每种电器参数取值大小；

步骤3、算法运行，获取实测数据n个周期的电流电压幅值数据和基波电流有效值；计算电流幅值最大值和最小值以及差值s2；对电压进行相位对齐找到对应的电流起点并截取m个周期的电流幅值数据；

步骤4、根据电器取值大小生成解空间，电器数量解对应电器的名称，顺序固定；

步骤5、遍历解空间变换得到的电器数量，计算该电器数量解下电器电流幅值的最大值与最小值等参数数据，并从步骤1中找到对应电器的电流有效值，计算总的电流有效值并得到各电器的电流占比；根据电流占比得到m周期内各点新的电流幅值数据；

步骤6、根据步骤3得到的参数数据与步骤5的参数数据进行对比，计算步骤5得到的电器数量解是否可行，如可行执行步骤7；不可行则返回一个固定值标记该解无效，继续遍历执行步骤5，如果所有解均无效则执行步骤8；

步骤7、根据步骤3实测获取的电流幅值数据与步骤5计算得到的电流幅值数据，可以转换为2条曲线y1，y2的相似度判断，这里采用Fréchet distance作为算法适应度函数的计算，首先计算y1上的某点与y2所有点的差值绝对值并取最大值Max，然后计算y1剩余点与y2所有点的差值绝对值V，取V与Max中的最小值即为适应度，列表L保存该解的适应度及对应的解；

步骤8、判断步骤7的列表L是否为空列表，为空则给出界面提示并重新执行步骤3；否则执行步骤9；

步骤9、对最终获取的电器适应度列表L按适应度排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按适应度比分与绝对值比分之和排序，最大的即为最优解，如果存在多个最优解，绝对值最小的为最优解，完成对电器的识别。

2.根据权利要求1所述的一种基于Fréchet distance的非侵入式电器识别方法，其特征在于，包括：

步骤1、首先选取研究对象，对每类电器按n周期进行电流电压的采集，并计算得到电流有效值；

步骤2、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、差值s1，以及最大电流有效值、最小电流有效值、均值；

步骤3、对每类研究对象n周期负荷电压相位对齐，找到电流起点point，根据point点位置截取m周期的电流幅值数据；

步骤4、配置算法的参数：每种电器取值大小并启动算法，根据电器取值大小生成解空间，电器数量解对应电器的名称，顺序固定；

步骤5、获取实测数据，类似步骤2，3获取实测数据幅值最大值、最小值、差值s2及阈值t2；

步骤6、对算法的每个解判断是否有效，判断方法需要符合3个条件：首先找到解下面所有电器负荷电流幅值最大值max和最小值min；实测负荷最大电流幅值大于max的百分之x倍且实测负荷最小电流幅值小于等于min，则该解符合条件1；该解下s1加权求和值与s2差值的绝对值小于等于阈值t2，则该解符合条件2；实测负荷电流有效值大于等于算法解最小电流有效值加权和值，并且小于等于算法解最大电流有效值加权和值，则该解符合条件3；同时满足条件1，2，3则该解有效，否则返回无效标记；

步骤7、对有效解计算各电器的电流占比，计算方法为：得到解下面各电器电流有效值均值与数量之积v，对v进行加权求和total，计算v与total的比值即为电流占比。按电流占比计算到m周期内各点幅值，计算方法为：解下面各电器幅值与其电流占比之积进行加权求和，这样得到各点新的电流幅值I，新的电流幅值I与实测电流幅值按照Fréchet distance计算适应度；先找到实测幅值第一点与I中各点的差值绝对值的最大值，然后取实测幅值所有点中计算出来的最大值中的最小值，即为适应度，列表L保存适应度及该解；

步骤8、对步骤7的列表L进行按适应度排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；遍历列表L，对适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应度比分与各自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解，完成对电器的识别。

3.根据权利要求1所述的一种基于Fréchet distance的非侵入式电器识别方法，其特征在于，包括：

步骤1、计算每类研究对象n周期内负荷电流幅值的最大值maxValue、最小值minValue、差值s1；计算实测负荷电流幅值最大值、最小值及差值s2，特征在于利用了s2生成了阈值t2，t2为s2的百分之x2倍；得到s2与算法解各电器差值s1加权和值的差值绝对值v2，v2与t2值比较判断算法解的有效性；

步骤2、计算每类研究对象n周期内负荷电流最大电流有效值、最小电流有效值、均值，特征在于可以对算法解的电流有效值给出一个范围，以对比实测电流有效值是否在该范围内，判断算法解是否有效；

步骤3、计算算法解下面所有电器电流幅值中的最大值max和最小值min，通过实测负荷电流幅值最大值与max对比及实测负荷电流最小值与min对比判断了算法解的有效性；

步骤4、研究样本负荷电压相位对齐与实测负荷电压相位对齐，电压相位对齐满足了数据起始趋势一致性的要求和数据完整性的要求，通过对齐找到了各自的电流起点；

步骤5、算法解生成的幅值数据与实测的幅值数据通过Fréchet distance计算适应度，适应度和算法解通过列表L进行了保存；

步骤6、步骤5的列表L按照适应度进行排序，并按比分标记，适应度值越小，比分越高，最高分为列表L的大小，最低为1；对各自适应度对应解的各电器差值s1加权求和为t，与实测电器差值s2进行相减并保存绝对值a；对列表L按a的大小进行排序，标记分数，绝对值越小的，比分越高，最高分为列表L的大小，最小为1；对列表L按各自适应度比分与各自a比分之和排序，最大的即为最优解，如果存在多个最优解，a最小的为最优解，完成对电器的识别。