CN112257576A - 一种利用Maha距离测度的负荷开关事件检测方法和系统 - Google Patents

一种利用Maha距离测度的负荷开关事件检测方法和系统 Download PDF

Info

Publication number
CN112257576A
CN112257576A CN202011129789.2A CN202011129789A CN112257576A CN 112257576 A CN112257576 A CN 112257576A CN 202011129789 A CN202011129789 A CN 202011129789A CN 112257576 A CN112257576 A CN 112257576A
Authority
CN
China
Prior art keywords
nth
vector
maha
signal sequence
specifically
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
Application number
CN202011129789.2A
Other languages
English (en)
Other versions
CN112257576B (zh
Inventor
朱校汲
翟明岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202011129789.2A priority Critical patent/CN112257576B/zh
Publication of CN112257576A publication Critical patent/CN112257576A/zh
Application granted granted Critical
Publication of CN112257576B publication Critical patent/CN112257576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Measurement Of Unknown Time Intervals (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明的实施例公开一种利用Maha距离测度的负荷开关事件检测方法和系统，所述方法包括：步骤101，获取按时间顺序采集的信号序列S；步骤102，求取循环窗口长度；步骤103，求取N个延迟信号矢量；步骤104，求取协方差矩阵；步骤105，求取N个Maha矢量；步骤106，求取N个Maha距离测度；步骤107，检测负荷开关事件。

Description

一种利用Maha距离测度的负荷开关事件检测方法和系统
技术领域
本发明涉及电力领域，尤其涉及一种负荷开关事件检测方法和系统。
背景技术
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。
非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的事件检测以有功功率P的变化值作为事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题：某些电器启动时刻的瞬时功率值会出现较大的尖峰(例如，马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件的判断，这种尖峰其实就是脉冲噪声；而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大)，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。(脉冲)噪声的强度很大，并且背景噪声对开关事件的正确检测有较大的影响。
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
因此，开关事件检测过程中，如何提高开关事件检测精度是非常重要的。负载开关事件检测是能量分解中最为重要的一步，既要检测到事件发生，同时还能确定事件发生的时刻。但是开关事件检测的精度受功率信号(功率序列)中噪声的影响较大，尤其是功率信号中普遍存在着脉冲噪声，进一步影响了检测精度。因此有效提高负载开关事件的检测精度是当前非常重要的一项工作。
发明内容
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
本发明的目的是提供一种利用Maha距离测度的负荷开关事件检测方法和系统，所提出的方法利用了不同负荷开关动作时所产生的暂态功率信号差异，通过Maha距离测度性质区分不同负荷的不同开关事件以及异常功率信号造成的异常事件。所提出的方法具有较好的开关事件检测性能，计算也非常简单。
为实现上述目的，本发明提供了如下方案：
一种利用Maha距离测度的负荷开关事件检测方法，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure BDA0002734775490000021
其中：
Figure BDA0002734775490000022
表示对
Figure BDA0002734775490000023
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
步骤103求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure BDA0002734775490000024
其中：
Figure BDA0002734775490000025
为所述信号序列S的第|K+1-M|N个元素；
Figure BDA0002734775490000026
为所述信号序列S的第|K+2-M|N个元素；
Figure BDA0002734775490000027
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
步骤104求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure BDA0002734775490000028
其中：
Figure BDA0002734775490000029
分块矢量均值
步骤105求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure BDA0002734775490000031
所用求取公式为：
Figure BDA0002734775490000032
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure BDA0002734775490000033
为选择矩阵；
Figure BDA0002734775490000034
为第n个窗口矢量；
Figure BDA0002734775490000035
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure BDA0002734775490000036
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure BDA0002734775490000037
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure BDA0002734775490000038
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure BDA0002734775490000039
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
步骤106求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
步骤107检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure BDA00027347754900000310
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…，N为求和参数。
一种利用Maha距离测度的负荷开关事件检测系统，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure BDA0002734775490000041
其中：
Figure BDA0002734775490000042
表示对
Figure BDA0002734775490000043
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
模块203求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure BDA0002734775490000044
其中：
Figure BDA0002734775490000045
为所述信号序列S的第|K+1-M|N个元素；
Figure BDA0002734775490000046
为所述信号序列S的第|K+2-M|N个元素；
Figure BDA0002734775490000047
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
模块204求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure BDA0002734775490000048
其中：
Figure BDA0002734775490000049
分块矢量均值
模块205求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure BDA00027347754900000410
所用求取公式为：
Figure BDA00027347754900000411
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure BDA0002734775490000051
为选择矩阵；
Figure BDA0002734775490000052
为第n个窗口矢量；
Figure BDA0002734775490000053
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure BDA0002734775490000054
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure BDA0002734775490000055
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure BDA0002734775490000056
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure BDA0002734775490000057
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
模块206求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
模块207检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure BDA0002734775490000058
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…,N为求和参数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。
本发明的目的是提供一种利用Maha距离测度的负荷开关事件检测方法和系统，所提出的方法利用了不同负荷开关动作时所产生的暂态功率信号差异，通过Maha距离测度性质区分不同负荷的不同开关事件以及异常功率信号造成的异常事件。所提出的方法具有较好的开关事件检测性能，计算也非常简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的方法流程示意图；
图2为本发明的系统流程示意图；
图3为本发明的具体实施案例流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用Maha距离测度的负荷开关事件检测方法的流程示意图
图1为本发明一种利用Maha距离测度的负荷开关事件检测方法的流程示意图。如图1所示，所述的一种利用Maha距离测度的负荷开关事件检测方法具体包括以下步骤：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure BDA0002734775490000061
其中：
Figure BDA0002734775490000062
表示对
Figure BDA0002734775490000063
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
步骤103求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure BDA0002734775490000064
其中：
Figure BDA0002734775490000065
为所述信号序列S的第|K+1-M|N个元素；
Figure BDA0002734775490000071
为所述信号序列S的第|K+2-M|N个元素；
Figure BDA0002734775490000072
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
步骤104求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure BDA0002734775490000073
其中：
Figure BDA0002734775490000074
分块矢量均值
步骤105求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure BDA0002734775490000075
所用求取公式为：
Figure BDA0002734775490000076
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure BDA0002734775490000077
为选择矩阵；
Figure BDA0002734775490000078
为第n个窗口矢量；
Figure BDA0002734775490000079
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure BDA00027347754900000710
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure BDA00027347754900000711
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure BDA00027347754900000712
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure BDA00027347754900000713
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
步骤106求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
步骤107检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure BDA0002734775490000081
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…,N为求和参数。
图2一种利用Maha距离测度的负荷开关事件检测系统的结构意图
图2为本发明一种利用Maha距离测度的负荷开关事件检测系统的结构示意图。如图2所示，所述一种利用Maha距离测度的负荷开关事件检测系统包括以下结构：
模块201获取按时间顺序采集的信号序列S；
模块202求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure BDA0002734775490000082
其中：
Figure BDA0002734775490000083
表示对
Figure BDA0002734775490000084
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
模块203求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure BDA0002734775490000085
其中：
Figure BDA0002734775490000086
为所述信号序列S的第|K+1-M|N个元素；
Figure BDA0002734775490000087
为所述信号序列S的第|K+2-M|N个元素；
Figure BDA0002734775490000088
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
模块204求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure BDA0002734775490000091
其中：
Figure BDA0002734775490000092
分块矢量均值
模块205求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure BDA0002734775490000093
所用求取公式为：
Figure BDA0002734775490000094
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure BDA0002734775490000095
为选择矩阵；
Figure BDA0002734775490000096
为第n个窗口矢量；
Figure BDA0002734775490000097
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure BDA0002734775490000098
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure BDA0002734775490000099
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure BDA00027347754900000910
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure BDA00027347754900000911
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
模块206求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
模块207检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure BDA0002734775490000101
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…，N为求和参数。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301获取按时间顺序采集的信号序列S；
步骤302求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure BDA0002734775490000102
其中：
Figure BDA0002734775490000103
表示对
Figure BDA0002734775490000104
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
步骤303求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure BDA0002734775490000105
其中：
Figure BDA0002734775490000106
为所述信号序列S的第|K+1-M|N个元素；
Figure BDA0002734775490000107
为所述信号序列S的第|K+2-M|N个元素；
Figure BDA0002734775490000108
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
步骤304求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure BDA0002734775490000111
其中：
Figure BDA0002734775490000112
分块矢量均值
步骤305求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure BDA0002734775490000113
所用求取公式为：
Figure BDA0002734775490000114
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure BDA0002734775490000115
为选择矩阵；
Figure BDA0002734775490000116
为第n个窗口矢量；
Figure BDA0002734775490000117
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure BDA0002734775490000118
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure BDA0002734775490000119
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure BDA00027347754900001110
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure BDA00027347754900001111
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
步骤306求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
步骤307检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure BDA00027347754900001112
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…,N为求和参数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种利用Maha距离测度的负荷开关事件检测方法，其特征在于，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure FDA0002734775480000011
其中：
Figure FDA0002734775480000012
表示对
Figure FDA0002734775480000013
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
步骤103求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure FDA0002734775480000018
其中：
Figure FDA0002734775480000019
为所述信号序列S的第|K+1-M|N个元素；
Figure FDA00027347754800000110
为所述信号序列S的第|K+2-M|N个元素；
Figure FDA00027347754800000111
为所述信号序列S的第|K+N-M|N个元素；
|K+1-M|N表示以N为模对K+1-M取余数；
|K+2-M|N表示以N为模对K+2-M取余数；
|K+N-M|N表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
步骤104求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure FDA0002734775480000014
其中：
Figure FDA0002734775480000015
分块矢量均值
步骤105求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure FDA0002734775480000016
所用求取公式为：
Figure FDA0002734775480000017
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure FDA0002734775480000021
为选择矩阵；
Figure FDA0002734775480000022
为第n个窗口矢量；
Figure FDA0002734775480000023
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure FDA0002734775480000024
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure FDA0002734775480000025
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure FDA0002734775480000026
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure FDA0002734775480000027
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
步骤106求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
步骤107检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure FDA0002734775480000028
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…,N为求和参数。
2.一种利用Maha距离测度的负荷开关事件检测系统，其特征在于，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取循环窗口长度，具体为：窗口长度记为M，其求取公式为：
Figure FDA0002734775480000029
其中：
Figure FDA0002734775480000031
表示对
Figure FDA0002734775480000032
上取整；
σ0：所述信号序列S的均方差；
SNR：所述信号序列S的信噪比；
N：所述信号序列S的长度；
模块203求取N个延迟信号矢量，具体为：
第K个延迟信号矢量记为dK，所用求取公式为：
Figure FDA0002734775480000038
其中：
Figure FDA0002734775480000039
为所述信号序列S的第|K+1-M|N个元素；
Figure FDA00027347754800000310
为所述信号序列S的第|K+2-M|N个元素；
Figure FDA00027347754800000311
为所述信号序列S的第|K+N-M|N个元素；
Figure FDA00027347754800000312
表示以N为模对K+1-M取余数；
Figure FDA00027347754800000313
表示以N为模对K+2-M取余数；
Figure FDA00027347754800000314
表示以N为模对K+N-M取余数；
K＝1,2,…,N为延迟序号；
模块204求取协方差矩阵，具体为：
协方差矩阵记为C，所用求取公式为：
Figure FDA0002734775480000033
其中：
Figure FDA0002734775480000034
分块矢量均值
模块205求取N个Maha矢量，具体为：
第n个Maha矢量记为mn，其第i个元素记为
Figure FDA0002734775480000035
所用求取公式为：
Figure FDA0002734775480000036
其中：
Mean[Abn]表示取矢量Abn的中值；
Figure FDA0002734775480000037
为选择矩阵；
Figure FDA0002734775480000041
为第n个窗口矢量；
Figure FDA0002734775480000042
为第n个所述延迟信号矢量dn中的第|i+1+n|N个元素；
Figure FDA0002734775480000043
为第n个所述延迟信号矢量dn中的第|i+2+n|N个元素；
Figure FDA0002734775480000044
为第n个所述延迟信号矢量dn中的第|i+3+n|N个元素；
Figure FDA0002734775480000045
为第n个所述延迟信号矢量dn中的第|i+4+n|N个元素；
Figure FDA0002734775480000046
为第n个所述延迟信号矢量dn中的第|i+5+n|N个元素；
n＝1,2,…,N为矢量序号；
模块206求取N个Maha距离测度，具体为：
第n个Maha距离测度记为hn，所用计算公式为：
hn＝||[mn-m0]TC-1[mn-m0]||F
模块207检测负荷开关事件，具体为：如果第n个所述Maha距离测度hn大于等于
Figure FDA0002734775480000047
则在所述信号序列S的第n点处，检测到负荷开关事件；否则未检测到负荷开关事件；
其中：l＝1,2,…,N为求和参数。
CN202011129789.2A 2020-10-21 2020-10-21 一种利用Maha距离测度的负荷开关事件检测方法和系统 Active CN112257576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011129789.2A CN112257576B (zh) 2020-10-21 2020-10-21 一种利用Maha距离测度的负荷开关事件检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011129789.2A CN112257576B (zh) 2020-10-21 2020-10-21 一种利用Maha距离测度的负荷开关事件检测方法和系统

Publications (2)

Publication Number Publication Date
CN112257576A true CN112257576A (zh) 2021-01-22
CN112257576B CN112257576B (zh) 2021-12-10

Family

ID=74263668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011129789.2A Active CN112257576B (zh) 2020-10-21 2020-10-21 一种利用Maha距离测度的负荷开关事件检测方法和系统

Country Status (1)

Country Link
CN (1) CN112257576B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140079297A1 (en) * 2012-09-17 2014-03-20 Saied Tadayon Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities
EP3048662A1 (en) * 2013-09-18 2016-07-27 Sony Corporation Power storage system
CN105977932A (zh) * 2016-06-14 2016-09-28 华北电力大学 一种配电网区域保护关联域在线计算系统及其方法
CN106707224A (zh) * 2017-02-23 2017-05-24 广东工业大学 一种电能计量装置状态评估方法、装置及系统
CN107532948A (zh) * 2015-05-13 2018-01-02 富士通株式会社 温度测量装置、温度测量方法以及温度测量程序
CN109740582A (zh) * 2019-03-04 2019-05-10 广东石油化工学院 一种用于能量分解的功率信号噪声滤除方法及系统
JP2019177781A (ja) * 2018-03-30 2019-10-17 株式会社総合車両製作所 状態監視装置
CN110542855A (zh) * 2019-09-08 2019-12-06 广东石油化工学院 基于离散余弦变换的负荷开关事件检测方法和系统
CN110702981A (zh) * 2019-10-19 2020-01-17 广东石油化工学院 一种利用分类树的负荷开关事件检测方法和系统
CN110749841A (zh) * 2019-11-02 2020-02-04 广东石油化工学院 一种利用转换空间因子的负荷开关事件检测方法和系统
CN110907762A (zh) * 2019-12-10 2020-03-24 深圳供电局有限公司 一种非侵入式负荷匹配辨识方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140079297A1 (en) * 2012-09-17 2014-03-20 Saied Tadayon Application of Z-Webs and Z-factors to Analytics, Search Engine, Learning, Recognition, Natural Language, and Other Utilities
EP3048662A1 (en) * 2013-09-18 2016-07-27 Sony Corporation Power storage system
CN107532948A (zh) * 2015-05-13 2018-01-02 富士通株式会社 温度测量装置、温度测量方法以及温度测量程序
CN105977932A (zh) * 2016-06-14 2016-09-28 华北电力大学 一种配电网区域保护关联域在线计算系统及其方法
CN106707224A (zh) * 2017-02-23 2017-05-24 广东工业大学 一种电能计量装置状态评估方法、装置及系统
JP2019177781A (ja) * 2018-03-30 2019-10-17 株式会社総合車両製作所 状態監視装置
CN109740582A (zh) * 2019-03-04 2019-05-10 广东石油化工学院 一种用于能量分解的功率信号噪声滤除方法及系统
CN110542855A (zh) * 2019-09-08 2019-12-06 广东石油化工学院 基于离散余弦变换的负荷开关事件检测方法和系统
CN110702981A (zh) * 2019-10-19 2020-01-17 广东石油化工学院 一种利用分类树的负荷开关事件检测方法和系统
CN110749841A (zh) * 2019-11-02 2020-02-04 广东石油化工学院 一种利用转换空间因子的负荷开关事件检测方法和系统
CN110907762A (zh) * 2019-12-10 2020-03-24 深圳供电局有限公司 一种非侵入式负荷匹配辨识方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
AMIT JAIN ET AL: "Fuzzy based Day Ahead Prediction of Electric Load using Mahalanobis Distance", 《2010 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY》 *
YUAN-JIA MA 等: "A non-intrusive load decomposition algorithm for residents", 《NEURAL COMPUTING AND APPLICATIONS》 *
华亮亮 等: "基于DTW算法的非侵入式家居负荷行为识别方法", 《电测与仪表》 *
娄藕蝶: "非侵入式负荷特征提取与识别研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112257576B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN111666870A (zh) 一种利用二次约束的功率信号重构方法和系统
CN112257576B (zh) 一种利用Maha距离测度的负荷开关事件检测方法和系统
CN112434567B (zh) 一种利用噪声抖动性质的功率信号滤波方法和系统
CN110221119B (zh) 基于功率与akie融合信息的负载开关事件检测方法和系统
CN111830405A (zh) 一种利用频率差异量的负荷开关事件检测方法和系统
CN110244115B (zh) 一种基于信号连接性的负载开关事件检测方法及系统
CN110196354B (zh) 一种负载的开关事件的检测方法和装置
CN112307986B (zh) 一种利用高斯梯度的负荷开关事件检测方法和系统
CN110542855B (zh) 基于离散余弦变换的负荷开关事件检测方法和系统
CN110749841A (zh) 一种利用转换空间因子的负荷开关事件检测方法和系统
CN112329637B (zh) 一种利用模式特征的负荷开关事件检测方法和系统
CN111832474A (zh) 一种利用能量尺度的功率信号滤波方法和系统
CN110702981A (zh) 一种利用分类树的负荷开关事件检测方法和系统
CN112180155A (zh) 一种利用紧支集的负荷开关事件检测方法和系统
CN111737645A (zh) 一种利用预测矩阵的功率信号重构方法和系统
CN112180153A (zh) 一种利用KUllback-Leibler距离的负荷开关事件检测方法和系统
CN112180154A (zh) 一种利用置信度优化的负荷开关事件检测方法和系统
CN110187167B (zh) 一种基于流形分类的负载开关事件的检测方法和装置
CN112347922B (zh) 一种利用Hankerl矩阵的功率信号滤波方法和系统
CN111639606A (zh) 一种利用Dantzig总梯度最小化的功率信号滤波方法和系统
CN112180152A (zh) 一种利用均值偏移分群的负荷开关事件检测方法和系统
CN111948477A (zh) 一种利用固定b抽样的负荷开关事件检测方法和系统
CN112270282B (zh) 一种利用矩阵谱模的功率信号滤波方法和系统
CN111679120A (zh) 一种利用解耦合的功率信号滤波方法和系统
CN111679119A (zh) 一种利用近端匹配映射的功率信号重构方法和系统

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