CN113159988B - 用户电器负荷状态分析方法、装置、设备及可读存储介质 - Google Patents
用户电器负荷状态分析方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113159988B CN113159988B CN202110400106.0A CN202110400106A CN113159988B CN 113159988 B CN113159988 B CN 113159988B CN 202110400106 A CN202110400106 A CN 202110400106A CN 113159988 B CN113159988 B CN 113159988B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- working state
- working
- electric
- appliances
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本发明公开了一种用户电器负荷状态分析方法,包括:采集用户对应的总用电功率以及总用电功率对应的采集时间点;根据采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选采集时间点对应的多个备选电器;枚举各个备用电器之间存在的每种工作状态组合;确定每种工作状态组合对应的理论总用电功率;筛选出对应的理论总用电功率和总用电功率最接近的一组的工作状态组合,以确定处于工作负荷状态的用电电器。本申请中分析电器负荷时不需要分析总用电功率波动情况,降低数据采集的难度和运算难度,以及降低用电电器使用情况的分析难度和成本。本申请还提供了一种用户电器负荷状态分析装置、设备以及计算机可读存储介质,具有上述有益效果。
Description
技术领域
本发明涉及电力数据分析技术领域,特别是涉及一种用户电器负荷状态分析方法、装置、设备以及计算机可读存储介质。
背景技术
非侵入式负荷监测是指在不直接侵入用户家庭内部,仅仅通过采集用户总的用电数据,即可分析出用户在每个时间点,使用各种电器情况的数据。非侵入式负荷监测对智能家居,家庭用电安全监测、节省用电规划以及电厂发电规划等均具有重要意义。
目前常规的非侵入式负荷监测一般持续高频的采集用户用电的电压、电流、功率等等各方面的用电特征的波动信号,再基于该波动信号进行较为复杂的运算,最终实现用户使用电器情况的结果,整个过程中运算较为复杂,对计算机的运算性能要求高。
发明内容
本发明的目的是提供一种用户电器负荷状态分析方法、装置、设备以及计算机可读存储介质,在一定程度上降低了非侵入式负荷监测难度。
为解决上述技术问题,本发明提供一种用户电器负荷状态分析方法,包括:
采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点属于所述备选电器对应的典型工作时间段内的时间点;
枚举各个所述备用电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
在本申请一种可选地实施例中,预先确定每种用电电器对应的标准用电功率的过程,包括:
采集不同型号的同种所述用电电器处于不同工作状态时对应的用电功率样本;
基于AP聚类算法,以及所述用电功率样本携带的所述用电电器的工作状态标签,对所述用电功率样本进行聚类运算,确定同种所述用电电器处于每种所述工作状态时对应的用电功率范围;
对同一所述用电电器对应的处于同一所述用电功率范围内的所述用电功率样本进行平均值运算,并以运算结果作为同种所述用电电器处于每种所述工作状态对应的所述标准用电功率;
所述枚举各个所述备用电器之间存在的每种工作状态组合,包括:
枚举所述备用电器中不同电器处于不同工作状态的使用状态组合。
在本申请一种可选地实施例中,还包括:
每间隔预设周期,基于所述采集时间点对应的所述总用电功率、以及处于工作状态的用电电器对所述标准用电功率进行更新。
在本申请一种可选地实施例中,预先确定每种用电电器的典型工作时间段的过程,包括:
预先采集每种所述用电电器在不同季节不同月份中至少24h内各个不同时间点的使用状态样本;
根据所述使用状态样本,统计每种多个所述用电电器在同一天各个时间段内每种工作状态出现的累计次数;并确定所述累计次数达到预设次数对应的时间段为所述用电电器的典型工作时间段。
在本申请一种可选地实施例中,筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,包括:
计算所述总用电功率中的总有功功率和总无功功率相对于所述理论总用电功率中的理论总有功功率和理论总无功功率的欧式距离;
筛选出欧式距离最小对应的工作状态组合。
在本申请一种可选地实施例中,筛选出欧式距离最小对应的工作状态组合,包括:
筛选出所述欧式距离不大于预设阈值的多组所述工作状态组合;
根据上一次采集的用电功率对应的历史工作状态组合包含的用电电器以及每种所述用电电器对应的工作状态,筛选剔除多组所述工作状态组合中不符合状态跳变条件对应的各组所述用电电器;
在筛选剔除后的所述工作状态组合中选取所述欧式距离最小对应的工作状态组合。
本申请还公开了一种用户电器负荷状态分析装置,其特征在于,包括:
数据采集模块,用于采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
电器筛选模块,用于根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点属于所述备选电器对应的典型工作时间段内的时间点;
状态枚举模块,用于枚举各个所述备用电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
功率运算模块,用于根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
状态筛选模块,用于筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
在本申请一种可选地实施例中,还包括功率学习模块,所述功率学习模块包括:
样本采集单元,用于采集不同型号的同种所述用电电器处于不同工作状态时对应的用电功率样本;
聚类运算单元,用于基于AP聚类算法,以及所述用电功率样本携带的所述用电电器的工作状态标签,对所述用电功率样本进行聚类运算,确定同种所述用电电器处于每种所述工作状态时对应的用电功率范围;
功率运算单元,用于对同一所述用电电器对应的处于同一所述用电功率范围内的所述用电功率样本进行平均值运算,并以运算结果作为同种所述用电电器处于每种所述工作状态对应的所述标准用电功率;
所述状态枚举模块,用于枚举所述备用电器中不同电器处于不同工作状态的使用状态组合。
本申请还公开了一种用户电器负荷状态分析设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述用户电器负荷状态分析方法的步骤。
本申请还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述用户电器负荷状态分析方法的步骤。
本发明所提供的用户电器负荷状态分析方法,包括:采集用户对应的总用电功率以及总用电功率对应的采集时间点;根据采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选采集时间点对应的多个备选电器;其中,采集时间点属于备选电器对应的典型工作时间段内的时间点;枚举各个备用电器之间存在的每种工作状态组合,其中每种工作状态组合包含至少一种处于工作状态的用电电器;根据预先确定的每种用电电器对应的标准用电功率,确定每种工作状态组合对应的理论总用电功率;筛选出对应的理论总用电功率和总用电功率最接近的一组的工作状态组合,以筛选出的工作状态组合中包含的用电电器为采集时间点对应的处于工作负荷状态的用电电器。
本申请中通过采集用户的总用电功率以及对应的采集时间点,对该采集时间点用户可能使用的用电电器进行筛选,在此基础上对筛选出的用电电器可能存在的各种工作状态组合情况进行枚举后,也即是通过枚举当前总用电功率可能是拆分成哪几种用电电器共同组合工作对应的功率。由此即可通过各种工作状态组合对应的用电功率和实际测得的用电功率最接近的一组用电电器工作状态组合情况,即可分析获得该采集时间点实际使用用电电器的情况。整个运算过程中不需要经过过于复杂的算法,对计算机运算能力要求相对较低,有利于提高用户使用电器情况分析的工作效率;且不需要分析总用电功率的波动情况,对总用电功率的采集频率相对不需要太高,也在一定程度上降低数据采集的难度,降低用户使用用电电器情况的分析难度和分析成本。
本申请还提供了一种用户电器负荷状态分析装置、设备以及计算机可读存储介质,具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,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为本申请实施例提供的用户电器负荷状态分析方法的流程示意图;
图2为本申请实施例提供的确定标准用电功率过程的流程示意图;
图3为本发明实施例提供的用户电器负荷状态分析装置的结构框图。
具体实施方式
目前能够较为准确的非侵入式负荷监测分析出用户电器负荷状态,可以通过高频采集用户用电的总电压、总电流等用电数据的波动曲线,并根据该波动曲线的特征分析出用户使用电器的情况信息。
这种方式进行用户电器负荷状态的分析的难点在于,第一高频采集用电数据,对采集数据设备的要求相对较高;第二是对数据特征分析运算过程较为复杂,且随着当前电器行业快速发展,电器设备的数量也不断增加,用电数据的分析运算复杂程度也逐渐增加,也就导致运算效率降低,对处理器的运算能力要求高。
为此,本申请提供了一种能够在一定程度上降低非侵入式负荷监测用户用电电器负荷状态的监测分析成本的技术方案。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅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。
如图1所示,图1为本申请实施例提供的用户电器负荷状态分析方法的流程示意图,该方法可以包括:
S11:采集用户对应的总用电功率以及总用电功率对应的采集时间点。
本实施例中的总用电功率可以包括总有功功率和总无功功率。当然,在实际进行用户的电器负荷状态进行分析的过程中,总电压、总电流等用电数据同样也可以作为分析对象。但是,在用户启动某一电器设备时,往往容易带来电压或电流的突变,导致电压或电流等用电数据的噪声相对较大,不利于准确的数据分析。为此,本申请中采用总用电功率作为分析对象,能够在一定程度上规避噪声较大的数据。
另外,因为本申请中后续分析总用电功率并不需要分析总用电功率的波动情况,因此本实施例中采集该总用电功率的频率无需过高,例如,可以每间隔1分钟采集一次。
S12:根据采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选采集时间点对应的多个备选电器。
其中,采集时间点属于备选电器对应的典型工作时间段内的时间点。
本实施例中所涉及的用电电器可以主要针对用户目前常用的用电电器,例如分析研究对象是家庭用户,该用电电器可以是电视、空调、冰箱等常见的家庭电器;如果分析研究对象是公司用户,则该用电电器可以是电脑、空调、打印机等等电器设备。
另外,本实施例中的用电电器的典型工作时间段是指用电电器实际可能被使用的时间点。例如,对于冰箱而言,其典型工作时间段为全天候时间,而对于洗碗机,其典型工作时间段一般在餐后时间段等等。
对于每种用电电器的典型工作时间段,可以预先长时间的对多个用户使用用电电器的情况进行持续监测,从而确定出每种用电电器的典型工作时间段。
S13:枚举各个备用电器之间存在的每种工作状态组合。
其中,每种工作状态组合包含至少一种处于工作状态的用电电器。
例如,针对采集总用电功率对应的采集时间点所在的时间段属于X、Y、Z三种用电电器的典型工作时间段;那么工作状态组合就可以包括:X、Y、Z、X+Y、Y+Z、X+Z、X+Y+Z等等。
进一步地,如果每种用电电器存在多种不同的工作状态对应的用电功率也各不相同,例如,用电电器X存在X1、X2两种工作状态、用电电器Y存在Y1、Y2、Y3等三种不同的工作状态。那么,对应地工作状态组合就可以包括:
X1、X2、Y1、Y2、Y3、Z、X1+Y1、Y1+Z、X1+Z、X1+Y1+Z、X2+Y1、Y1+Z、X2+Z、X2+Y1+Z、X1+Y2、Y2+Z、X1+Y2+Z、X2+Y2、X2+Y2+Z、X1+Y3、Y3+Z、X1+Y3+Z、X2+Y3、X2+Y3+Z等等。
S14:根据预先确定的每种用电电器对应的标准用电功率,确定每种工作状态组合对应的理论总用电功率。
S15:筛选出对应的理论总用电功率和总用电功率最接近的一组的工作状态组合,以筛选出的工作状态组合中包含的用电电器为采集时间点对应的处于工作负荷状态的用电电器。
本实施例中所采集的总用电功率,显然是在采集时间点用户至少使用一种用电电器而产生的总的用电功率,由此,该总用电功率也即可拆分为多种不同用电电器工作时的用电功率的组合。
进一步地,如果仅仅只依照总用电功率列举所有用电电器可能存在的工作状态组合,会导致运算量过大,为此,本申请中先基于各种电器的典型工作时间段,预先确定筛选出在采集时间点可能处于工作状态的用电电器之后,基于可能处于工作状态的用电电器进行工作状态组合的枚举,进而减少数据运算数据量;并且也避免了某些不可能在采集时间点工作的用电电器组合工作的用电功率大小和总用电功率相符导致分析结果不准确的问题。
如前所述,本申请中的用电功率可以包括有功功率和无功功率;相应地,本申请中所采集的总用电功率也即包括总有功功率和总无功功率,在筛选出对应的理论总用电功率和总用电功率最接近的一组的工作状态组合的过程中,可以包括:
计算总用电功率中的总有功功率和总无功功率相对于理论总用电功率中的理论总有功功率和理论总无功功率的欧式距离;
筛选出欧式距离最小对应的工作状态组合。
本申请中基于采集到的总用电功率是由某几种用电电器共同组合工作后输出的用电功率总和这一原理,通过分析具体是由哪几种电器共同工作输出的用电功率的总和与该总用电功率最接近,最终确定用户在采集时间点使用用电电器的情况,并不需要对总用电功率的波动情况进行复杂的运算分析,从而减少用电电气负荷状态的分析难度和数据运算量;并且在分析用电电器共同组合工作状态之前,基于预先确定的各种用电电器的典型工作时间段,筛选出在采集时间点可能处于工作状态的用电电器,减少后续枚举工作状态组合的组数,减少运算量,也在一定程度上保证最终分析确定的用户的用电电器负荷状态的准确性。
如图2所示,图2为本申请实施例提供的确定标准用电功率过程的流程示意图,在本申请的一种可选地实施例中,预先确定每种用电电器对应的标准用电功率的过程,可以包括:
S21:采集不同型号的同种用电电器处于不同工作状态时对应的用电功率样本。
本实施例中的同种用电电器处于不同工作状态可以理解为用电电器在运行不同功能。例如,对于空调设备,其存在制冷状态的用电功率、制热状态的用电功率、除湿状态的用电功率等等。在进行用电功率采样工程中,应当正对每种功能的工作状态均进行用电功率采样。
S22:基于AP聚类算法,以及用电功率样本携带的用电电器的工作状态标签,对用电功率样本进行聚类运算,确定同种用电电器处于每种工作状态时对应的用电功率范围。
S23:对同一用电电器对应的处于同一用电功率范围内的用电功率样本进行平均值运算,并以运算结果作为同种用电电器处于每种工作状态对应的标准用电功率。
例如对于冰箱而言,不同品牌厂家的冰箱,在运行不同功能时,对应的用电功率各不相同。为此,可以将不同品牌厂家甚至同一品牌厂家的不同型号的用电设备的不同功能用电功率进行AP聚类运算,界定同一用电电器的用电功率的范围,并将每种用电电器的每一功能对应的用电功率范围内的用电功率样本进行平均值运算作为标准用电功率。
可选地,在基于总用电功率分析获得用户在采样时间点使用了哪几种用电电器之后,还可以包括:
每间隔预设周期,基于采集时间点对应的总用电功率、以及处于工作状态的用电电器对标准用电功率进行更新。
例如,如果每次分析确定用户使用了用电电器A时,对应的总用点功率均比理论用电功率小特定功率值,则说明该用电电器A对应的标准用电功率应当适当调小。
在本申请的一种可选地实施例中,预先确定每种用电电器的典型工作时间段的过程,可以包括:
预先采集每种用电电器在不同季节不同月份中至少24h内各个不同时间点的使用状态样本;
根据使用状态样本,统计每种多个用电电器在同一天各个时间段内每种工作状态出现的累计次数;
确定累计次数达到预设次数对应的时间段为用电电器的典型工作时间段。
在对每种用电电器进行采样时,可以选取多个样本用户,并对每个样本用户实际使用用电电器的情况进行24h不间断的持续监测几天、几个星期、几个月甚至一整年,从而获得大量的样本数据,当然,可以理解的是采集数据时间频率也无需过于频繁,可以每间隔1分钟采集一次。对该样本数据按照用电电器种类进行分类,即可获得每种用电电器大量的使用状态样本,由此即可基于每种用电电器的使用状态样本确定该用电电器的典型工作时间段。
例如,在早上9点时间点,对某一用电电器采集了N个样本用于使用状态样本,其中正在使用该用电电器的用户有M个,则使用状态样本为M,那么可以根据M占N的比例大小,或者直接根据M的大小确定该时间点是否属于该用电电器的典型工作时间段。
进一步地,如果在早上9点这一时间点到10点之一时间点之间所检测的某一用电电器的使用状态样本,对应的累计次数均达到预设次数,那么即可确定9点至10点这一时间段均属于典型工作时间段。
在本申请的一种可选地实施例中,筛选出欧式距离最小对应的工作状态组合的过程,可以包括:
筛选出欧式距离不大于预设阈值的多组工作状态组合;
根据上一次采集的用电功率对应的历史工作状态组合包含的用电电器以及每种用电电器对应的工作状态,筛选剔除多组工作状态组合中不符合状态跳变条件对应的各组用电电器;
在筛选剔除后的工作状态组合中选取欧式距离最小对应的工作状态组合。
例如,对于空调设备而言,如果前一采集时间点分析判断出用户利用该空调设备进行制冷,而当前的总用电功率存在一种可能的工作状态组合中空调设备在进行制热,显然违背用户使用空调设备的习惯常识。
又例如,对于蒸、烤、微波加热功能为一体的烹饪电器,上一采集时间点确定该烹饪电器处于烧烤功能的工作状态,而当前的采集时间点的总用电功率存在一种可能的工作状态组合中该烹饪电器处于蒸煮的工作状态,显然这是不合理的,可以将这一工作状态组合剔除。以此类推,还可以基于历史分析出的用户对各种用电电器使用的数据,进行神经网络训练,学习用户使用电器的习惯,进而制定一个合理的跳变条件,从而保证更准确的分析用户对用电电器使用状况的分析。
下面对本发明实施例提供的用户电器负荷状态分析装置进行介绍,下文描述的用户电器负荷状态分析装置与上文描述的用户电器负荷状态分析方法可相互对应参照。
图3为本发明实施例提供的用户电器负荷状态分析装置的结构框图,参照图3的用户电器负荷状态分析装置可以包括:
数据采集模块100,用于采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
电器筛选模块200,用于根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点为所述备选电器对应的典型工作时间段内的时间点;
状态枚举模块300,用于枚举各个所述备用电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
功率运算模块400,用于根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
状态筛选模块500,用于筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
在本申请一种可选地实施例中,还包括功率学习模块,所述功率学习模块包括:
样本采集单元,用于采集不同型号的同种所述用电电器处于不同工作状态时对应的用电功率样本;
聚类运算单元,用于基于AP聚类算法,以及所述用电功率样本携带的所述用电电器的工作状态标签,对所述用电功率样本进行聚类运算,确定同种所述用电电器处于每种所述工作状态时对应的用电功率范围;
功率运算单元,用于对同一所述用电电器对应的处于同一所述用电功率范围内的所述用电功率样本进行平均值运算,并以运算结果作为同种所述用电电器处于每种所述工作状态对应的所述标准用电功率;
所述状态枚举模块300,用于枚举所述备用电器中不同电器处于不同工作状态的使用状态组合。
在本申请的一种可选地实施例中,还包括功率更新模块,用于每间隔预设周期,基于所述采集时间点对应的所述总用电功率、以及处于工作状态的用电电器对所述标准用电功率进行更新。
在本申请的一种可选地实施例中,还包括工作时间段模块,用于预先采集每种所述用电电器在不同季节不同月份中至少24h内各个不同时间点的使用状态样本;根据所述使用状态样本,统计每种多个所述用电电器在同一天各个时间段内每种工作状态出现的累计次数;并确定所述累计次数达到预设次数对应的时间段为所述用电电器的典型工作时间段。
在本申请的一种可选地实施例中,状态筛选模块500用于计算所述总用电功率中的总有功功率和总无功功率相对于所述理论总用电功率中的理论总有功功率和理论总无功功率的欧式距离;筛选出欧式距离最小对应的工作状态组合
在本申请的一种可选地实施例中,状态筛选模块500用于筛选出所述欧式距离不大于预设阈值的多组所述工作状态组合;根据上一次采集的用电功率对应的历史工作状态组合包含的用电电器以及每种所述用电电器对应的工作状态,筛选剔除多组所述工作状态组合中不符合状态跳变条件对应的各组所述用电电器;在筛选剔除后的所述工作状态组合中选取所述欧式距离最小对应的工作状态组合。
本实施例的用户电器负荷状态分析装置用于实现前述的用户电器负荷状态分析方法,因此用户电器负荷状态分析装置中的具体实施方式可见前文中的用户电器负荷状态分析方法的实施例部分,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本申请还提供了一种用户电器负荷状态分析设备,该设备可以包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述用户电器负荷状态分析方法的步骤。
该处理器所执行的用户电器负荷状态分析方法的步骤可以包括:
采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点为所述备选电器对应的典型工作时间段内的时间点;
枚举各个所述备用电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述用户电器负荷状态分析方法的步骤。
该计算机可读存储介质可以包括:随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
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它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,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。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种用户电器负荷状态分析方法,其特征在于,包括:
采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点属于所述备选电器对应的典型工作时间段内的时间点;
枚举各个所述备选 电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
2.如权利要求1所述的用户电器负荷状态分析方法,其特征在于,预先确定每种用电电器对应的标准用电功率的过程,包括:
采集不同型号的同种所述用电电器处于不同工作状态时对应的用电功率样本;
基于AP聚类算法,以及所述用电功率样本携带的所述用电电器的工作状态标签,对所述用电功率样本进行聚类运算,确定同种所述用电电器处于每种所述工作状态时对应的用电功率范围;
对同一所述用电电器对应的处于同一所述用电功率范围内的所述用电功率样本进行平均值运算,并以运算结果作为同种所述用电电器处于每种所述工作状态对应的所述标准用电功率;
所述枚举各个所述备选电器之间存在的每种工作状态组合,包括:
枚举所述备选电器中不同电器处于不同工作状态的使用状态组合。
3.如权利要求1所述的用户电器负荷状态分析方法,其特征在于,还包括:
每间隔预设周期,基于所述采集时间点对应的所述总用电功率、以及处于工作状态的用电电器对所述标准用电功率进行更新。
4.如权利要求1所述的用户电器负荷状态分析方法,其特征在于,预先确定每种用电电器的典型工作时间段的过程,包括:
预先采集每种所述用电电器在不同季节不同月份中至少24h内各个不同时间点的使用状态样本;
根据所述使用状态样本,统计每种多个所述用电电器在同一天各个时间段内每种工作状态出现的累计次数;并确定所述累计次数达到预设次数对应的时间段为所述用电电器的典型工作时间段。
5.如权利要求1至4任一项所述的用户电器负荷状态分析方法,其特征在于,筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,包括:
计算所述总用电功率中的总有功功率和总无功功率相对于所述理论总用电功率中的理论总有功功率和理论总无功功率的欧式距离;
筛选出欧式距离最小对应的工作状态组合。
6.如权利要求5所述的用户电器负荷状态分析方法,其特征在于,筛选出欧式距离最小对应的工作状态组合,包括:
筛选出所述欧式距离不大于预设阈值的多组所述工作状态组合;
根据上一次采集的用电功率对应的历史工作状态组合包含的用电电器以及每种所述用电电器对应的工作状态,筛选剔除多组所述工作状态组合中不符合状态跳变条件对应的各组所述用电电器;
在筛选剔除后的所述工作状态组合中选取所述欧式距离最小对应的工作状态组合。
7.一种用户电器负荷状态分析装置,其特征在于,包括:
数据采集模块,用于采集用户对应的总用电功率以及所述总用电功率对应的采集时间点;
电器筛选模块,用于根据所述采集时间点以及预先确定的每种用电电器的典型工作时间段,筛选所述采集时间点对应的多个备选电器;其中,所述采集时间点属于所述备选电器对应的典型工作时间段内的时间点;
状态枚举模块,用于枚举各个所述备选 电器之间存在的每种工作状态组合,其中每种所述工作状态组合包含至少一种处于工作状态的用电电器;
功率运算模块,用于根据预先确定的每种用电电器对应的标准用电功率,确定每种所述工作状态组合对应的理论总用电功率;
状态筛选模块,用于筛选出对应的所述理论总用电功率和所述总用电功率最接近的一组的工作状态组合,以筛选出的所述工作状态组合中包含的用电电器为所述采集时间点对应的处于工作负荷状态的用电电器。
8.如权利要求7所述的用户电器负荷状态分析装置,其特征在于,还包括功率学习模块,所述功率学习模块包括:
样本采集单元,用于采集不同型号的同种所述用电电器处于不同工作状态时对应的用电功率样本;
聚类运算单元,用于基于AP聚类算法,以及所述用电功率样本携带的所述用电电器的工作状态标签,对所述用电功率样本进行聚类运算,确定同种所述用电电器处于每种所述工作状态时对应的用电功率范围;
功率运算单元,用于对同一所述用电电器对应的处于同一所述用电功率范围内的所述用电功率样本进行平均值运算,并以运算结果作为同种所述用电电器处于每种所述工作状态对应的所述标准用电功率;
所述状态枚举模块,用于枚举所述备选电器中不同电器处于不同工作状态的使用状态组合。
9.一种用户电器负荷状态分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述用户电器负荷状态分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用户电器负荷状态分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400106.0A CN113159988B (zh) | 2021-04-14 | 2021-04-14 | 用户电器负荷状态分析方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400106.0A CN113159988B (zh) | 2021-04-14 | 2021-04-14 | 用户电器负荷状态分析方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159988A CN113159988A (zh) | 2021-07-23 |
CN113159988B true CN113159988B (zh) | 2022-08-02 |
Family
ID=76890705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110400106.0A Active CN113159988B (zh) | 2021-04-14 | 2021-04-14 | 用户电器负荷状态分析方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159988B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902148B (zh) * | 2021-12-03 | 2022-04-05 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056470A (zh) * | 2016-06-01 | 2016-10-26 | 上海交通大学 | 基于主成分分析和逐步回归的电器设备负荷曲线分离方法 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN108390369A (zh) * | 2017-12-31 | 2018-08-10 | 天津求实智源科技有限公司 | 电力负荷总功率实时分解方法与系统 |
CN108923426A (zh) * | 2018-08-13 | 2018-11-30 | 广东电网有限责任公司 | 一种负荷识别方法、装置、设备及计算机可读存储介质 |
CN109447473A (zh) * | 2018-10-30 | 2019-03-08 | 南方电网科学研究院有限责任公司 | 一种电力负荷监测方法、装置、设备及可读存储介质 |
CN109948877A (zh) * | 2018-12-03 | 2019-06-28 | 国网浙江新昌县供电有限公司 | 一种基于异常事件组合的用电行为精准分析方法 |
CN110264041A (zh) * | 2019-05-24 | 2019-09-20 | 澳门大学 | 一种基于差分的非侵入式负载分解及监测方法 |
CN110991818A (zh) * | 2019-11-14 | 2020-04-10 | 广西电网有限责任公司电力科学研究院 | 一种融合事件检测和神经网络的负荷识别方法 |
CN111311434A (zh) * | 2020-02-14 | 2020-06-19 | 广州水沐青华科技有限公司 | 用电设备负荷分离方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110025519A1 (en) * | 2009-07-30 | 2011-02-03 | Intelligent Sustainable Energy Limited | Non-intrusive utility monitoring |
TWI423549B (zh) * | 2010-07-02 | 2014-01-11 | Univ Nat Chiao Tung | 辨識電器狀態的電力監測裝置及其電力監測方法 |
-
2021
- 2021-04-14 CN CN202110400106.0A patent/CN113159988B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056470A (zh) * | 2016-06-01 | 2016-10-26 | 上海交通大学 | 基于主成分分析和逐步回归的电器设备负荷曲线分离方法 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN108390369A (zh) * | 2017-12-31 | 2018-08-10 | 天津求实智源科技有限公司 | 电力负荷总功率实时分解方法与系统 |
CN108923426A (zh) * | 2018-08-13 | 2018-11-30 | 广东电网有限责任公司 | 一种负荷识别方法、装置、设备及计算机可读存储介质 |
CN109447473A (zh) * | 2018-10-30 | 2019-03-08 | 南方电网科学研究院有限责任公司 | 一种电力负荷监测方法、装置、设备及可读存储介质 |
CN109948877A (zh) * | 2018-12-03 | 2019-06-28 | 国网浙江新昌县供电有限公司 | 一种基于异常事件组合的用电行为精准分析方法 |
CN110264041A (zh) * | 2019-05-24 | 2019-09-20 | 澳门大学 | 一种基于差分的非侵入式负载分解及监测方法 |
CN110991818A (zh) * | 2019-11-14 | 2020-04-10 | 广西电网有限责任公司电力科学研究院 | 一种融合事件检测和神经网络的负荷识别方法 |
CN111311434A (zh) * | 2020-02-14 | 2020-06-19 | 广州水沐青华科技有限公司 | 用电设备负荷分离方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
基于改进AP聚类与优化GRNN的非侵入式负荷分解研究;王繁荣;《工程科学与技术》;20200731;全文 * |
基于时间概率分布与电器组合超状态的非侵入式负荷分解;燕续峰;《电力系统自动化》;20181225;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113159988A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150377935A1 (en) | Signal identification methods and systems | |
CN103135009B (zh) | 基于使用者回馈信息的电器侦测方法与系统 | |
CN108776939A (zh) | 用户用电行为的分析方法及系统 | |
CN106815677A (zh) | 非侵入式负荷识别方法和装置 | |
CN109345409A (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN111209976B (zh) | 一种非侵入式负荷监测方法及系统 | |
US20190369570A1 (en) | System and method for automatically detecting anomalies in a power-usage data set | |
CN109815994A (zh) | 一种用户用电负荷特征分析方法 | |
CN111553444A (zh) | 一种基于非侵入负荷终端数据的负荷辨识方法 | |
CN112633924B (zh) | 一种基于负荷分解的小区电能替代需求分析方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
CN113159988B (zh) | 用户电器负荷状态分析方法、装置、设备及可读存储介质 | |
CN111242808B (zh) | 一种电力用户分类方法、电子设备和存储介质 | |
CN105676028B (zh) | 一种基于模板匹配滤波的居民负荷用电识别方法 | |
CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
CN111126780B (zh) | 一种非侵入式负荷监测方法及存储介质 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN102799108B (zh) | 基于低频能耗信息的能耗解聚合方法及家庭能源管理系统 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
CN110703019A (zh) | 基于输电线路的采集信息的用电异常精准定位方法 | |
CN109241874B (zh) | 能量分解中功率信号滤波方法 | |
CN108918929B (zh) | 一种负荷分解中功率信号自适应滤波方法 | |
CN110889465B (zh) | 基于自适应谐振网络的电力需求侧设备辨识方法和系统 | |
CN114884075A (zh) | 一种基于监督式学习的事件型非侵入式负荷监测方法 | |
CN114239762A (zh) | 基于结构化负荷特征图谱的非侵入式负荷辨识方法及系统 |
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 |