CN116859169B - 一种非侵入式电力负荷分解方法及系统 - Google Patents

Abstract

本发明提供了一种非侵入式电力负荷分解方法及系统，涉及电力监测技术领域，所述方法包括根据当前时刻入户总线的总负荷功率，分析当前时刻的总负荷功率与前一采样时间点的总负荷功率之间的功率差值；根据功率差值与突变功率阈值，当判定入户总线上的负载设备变化时，从负载设备变化时间点开始，生成实时功率变化曲线图；分析实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；当相似度大于相似度阈值时，确定与相似度对应的负载设备为变化的负载，并分解总负荷功率。应用该方法，只需采集各种负载设备运行的标准功率变化曲线和运行功率数据，数据收集简单且数据量较少，适应性强，便于大范围推广应用。

Description

一种非侵入式电力负荷分解方法及系统

技术领域

本发明涉及电力监测技术领域，具体而言，涉及一种非侵入式电力负荷分解方法及系统。

背景技术

随着智能电网的快速发展，对电力负荷监测的智能化要求也越来越高。现在对于电力的监测方式多是侵入式的监测方式，对电力系统中的每个负荷设备或者每类负荷设备进行一一监测。侵入式的检测方式虽然监测精度较高，但是当负荷较多时，需要设置大量与负载设备对应的独立监测设备，故而产生较大的采购成本和安装维护成本。

由于侵入式电力监测存在上述问题，非侵入式负荷监测应运而生，非侵入式负荷监测是指不需要进入用户用电系统的内部，只需要在用户总线入口处装设监测设备，通过对总负荷用电数据进行分析处理，能够实现对各个用电设备及其工作状态的辨识。

非侵入式负荷分解是非侵入式负荷监测的重要环节，现在常采用一些神经网络模型对总用电数据进行负荷分解，由于不同应用场景负荷种类多样，要想实现较高的分解准确率，每种负荷设备需要设置对应的神经网络模型，每个神经网络模型均需要对应符合设备的历史数据进行提前训练，需要收集的数据量很大，而且当应用场景变换之后，仍然需要大量数据重新对神经网络模型进行训练，模型适应性较差，无法快速推广应用。

发明内容

本发明所要解决的问题是现有基于神经网络模型的非侵入式负荷分解需要的训练数据较多，适应性较差。

为解决上述问题，一方面，本发明提供了一种非侵入式电力负荷分解方法，包括：

根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；

当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率。

可选地，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

判断所述功率差值的绝对值是否大于所述突变功率阈值；

当所述功率差值的绝对值大于所述突变功率阈值时，判定所述入户总线上的所述负载设备发生变化，进一步判断所述功率差值的正负情况；

当判定所述功率差值为正值时，判定所述入户总线上的所述负载设备增加；

当判定所述功率差值为负值时，判定所述入户总线上的所述负载设备减少。

可选地，所述当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图包括：

当判定所述入户总线上的所述负载设备增加时，获取所述负载设备增加时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

在所述负载设备增加时间点之后的预设截取时段内，将每一时刻的所述入户总线的所述总负荷功率减去所述相对功率，得到每一时刻的增长功率；

根据每一时刻的所述增长功率，生成所述实时功率变化曲线图。

可选地，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

当判定所述入户总线上的所述负载设备减少时，获取所述负载设备减少时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

在所述负载设备减少时间点之前的预设截取时段内，将所述相对功率减去每一时刻的所述入户总线的所述总负荷功率，得到每一时刻的减少功率；

根据每一时刻的所述减少功率，生成所述实时功率变化曲线图。

可选地，所述分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度包括：

定位所述实时功率变化曲线图中功率波动值小于预设波动值的波段；

分析每个所述波段的平均值，将所述波段内每个时刻的实时功率值替换为对应的所述平均值，得到修整后的所述实时功率变化曲线图；

拾取修整后的所述实时功率变化曲线图中的实时功率峰值、实时功率谷值以及多个实时功率转折值，并时间顺序排列，构成实时转折点集；

分别分析所述实时功率峰值和所述实时功率谷值与当前选择的所述负载设备对应的标准功率变化曲线图中的标准功率峰值和标准功率谷值之间的第一差异度；

当所述第一差异度小于第一差异阈值时，以所述实时功率峰值或所述实时功率谷值为中心点，对所述中心点两侧的所述实时转折点集中的实时数值分别按序进行编码，分析所述实时转折点集中的所述实时数值与标准转折点集中相同编码或者相邻编码处的标准数值之间的第二差异度，其中，所述标准转折点集与所述标准功率变化曲线图一一对应；

当所述第二差异度小于第二差异阈值时，标记所述第二差异度对应的所述实时数值和所述标准数值为一对相似数值；

分析所述实时转折点集中相邻两个所述相似数值在所述实时功率变化曲线图上相距的实时时间长度，以及所述标准转折点集中对应的两个所述相似数值在所述标准功率变化曲线图上相距的标准时间长度，确定所述实时时间长度与所述标准时间长度之间的第三差异度；

根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度。

可选地，所述根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度包括：

当所述实时转折点集中的所述实时数值的所述第二差异度分析完，统计所述实时转折点集中标记为所述相似数值的数量；

分析所述相似数值的数量占所述实时转折点集中的所述实时数值的数量的百分比，记为第一相似度；

当所述第三差异度大于第三差异阈值时，在所述实时功率变化曲线图上将所述第三差异度对应的两个所述相似数值之间的曲线标记为相似曲线；

统计所述相似曲线的数量和时长，分析所述相似曲线的数量占所述实时转折点集中相邻两个所述相似数值的总对数的百分比，记为第二相似度；

分析所有所述相似曲线的总时长占所述实时功率变化曲线图的时长的百分比，记为第三相似度；

根据所述第一相似度、所述第二相似度和所述第三相似度，拟合得到所述相似度。

可选地，所述当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率包括：

当所述相似度大于预设的相似度阈值时，将与所述相似度对应的所述标准功率变化曲线图确定为备选曲线；

根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备，其中，所述入户总线上确定的多种所述负载设备的运行功率总和为所述入户总线的总负荷功率。

可选地，所述根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备包括：

根据所述入户总线上的所述负载设备的变化时刻和所述备选曲线对应的所述负载设备的常用时段，分析所述备选曲线对应的所述负载设备为所述入户总线上变化的所述负载设备的概率；

将所述概率和所述相似度分别乘以预设权值再求和，得到筛选值；

将最大的所述筛选值对应的所述备选曲线对应的所述负载设备确认为所述入户总线上变化的所述负载设备。

可选地，所述根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值包括：

根据预先设定的采样周期，周期性的获取所述入户总线的所述总负荷功率；

将当前时刻的所述总负荷功率减去前一采样时间点的所述总负荷功率，得到所述功率差值。

另外一方面，本发明还提供了一种非侵入式电力负荷分解系统，包括：

功率差值分析模块，用于根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

初步分析模块，用于根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；还用于当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

相似度分析模块，用于分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

负载分解确认模块，用于当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率。

与现有技术相比，本发明具有如下有益效果：

本发明提供的一种非侵入式电力负荷分解方法及系统，在入户总线处设置监测设备，通过根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值，能够得知当前时刻入户总线上的负载设备是否有变化，当判定所述入户总线的所述负载设备变化时，从所述负载设备变化时间点开始，着重收集负载设备变化之后的实时功率变化情况，分析所述实时功率变化曲线图与提前收集的负载设备集中每种负载设备对应的标准功率变化曲线之间的相似度，在不同的应用场景中，负载设备的数量有限，仅需要对负载设备进行一次或者几次的数据收集，提取标准功率变化曲线，这相比于现有技术中收集的训练数据来说，收集的数据量大大降低；当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，在每一次负载设备变动时，均能够一一被识别出来，同时也能够得知增减的负载设备的运行功率，据此能够将所述总负荷功率分解为多种所述负载设备的运行功率，并根据入户总线上负载设备的变动情况，改变总负荷功率的分解结果。在应用该方法的时候，对各种负载设备运行的标准功率变化曲线和运行功率数据进行采集即可，而这些数据只需要逐个单独运行这些设备即可获得，数据收集简单且数据量较少，适应性强，便于大范围推广应用。

附图说明

图1示出了本发明实施例中一种非侵入式电力负荷分解方法的流程示意图；

图2示出了本发明实施例中一种入户总线上负载设备变化初步分析流程图；

图3示出了本发明实施例中一种负载设备的实时功率变化曲线图；

图4示出了图3中实时功率变化曲线图的修整后的曲线图；

图5示出了本发明实施例中一种非侵入式电力负荷分解系统的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

在本说明书的描述中，参考术语“实施例”、“一个实施例”和“一个实施方式”等的描述意指结合该实施例或实施方式描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或实施方式中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实施方式。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或实施方式以合适的方式结合。

图1示出了本发明实施例中一种非侵入式电力负荷分解方法的流程示意图，所述非侵入式电力负荷分解方法包括：

S1：根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

具体地，在需要监测的入户总线处安装监测设备，监测设备能够实时获取入户总线的总负荷功率或者实时获取入户总线的电压和电流，通过电压和电流能够得到实时的总负荷功率。在电力系统中，电力负荷是指发电厂或电力系统中，在某一时刻所承担的各类用电设备消费电功率的总和，而负荷功率是指消耗电能的快慢，也可以表示单位时间内消耗的电量。由此可知，当入户总线上设备增加的时候，消耗电能就会变快，这个负荷功率就会变大；反之负荷功率变小。而在进行总负荷功率计算时，可以根据预先设定的采样周期，周期性的获取所述入户总线的所述总负荷功率；将当前时刻的所述总负荷功率减去前一采样时间点的所述总负荷功率，得到所述功率差值，进而分析总负荷功率是否有较大的突变，由于各个负载设备接入电网时，对入户总线的负载影响大小不同，例如灯泡接入电网与电磁炉接入电网，所带来的负荷功率肯定不一样，因此为了对用户的用电有一个大致的把控和较为准确的监测，在对总负荷功率进行监测分解的时候，主要针对入户总线上的大功率电器进行监测，对于功率较小，不会产生安全隐患，或者耗电量较小的负载设备，可以不过多关注。因此当对大功率电器进行监测的时候，大功率接入电网，对入户总线的总负荷功率地影响较为明显，可以根据功率差值识别判断出来。

S2：根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；

具体地，由于入户总线上的负载设备在运行过程中会受到周围环境的影响，其运行负荷功率不是稳定不变的，会出现轻微的波动，这些波动会造成总负荷功率也会出现波动，因此当仅仅检测总负荷功率出现变化就认为入户总线上出现负载变化，会产生较多的错误监测，只有当总负荷功率的波动变化较大时，才说明入户总线上的大功率电器的数量发生变动。

S3：当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

具体地，在入户总线上的负载发生变化时，短时间内总负荷功率会出现较大的波动，直到新增的设备完全正常运行或者减少的设备完全脱离电网，总负荷功率的大幅波动才会停止，恢复到正常的运行中，短时间内总负荷功率的这种波动会具有一定的特征，从这些波动特征中可以进一步分析识别出变动的设备是哪一种负载设备，因此需要获得变动带来的实时功率变化曲线图。实时功率变化曲线图需要根据总负荷功率的变化分析得到，因为在总负荷功率变动前，负载设备不变，此时总负荷功率处于一定水平，当负载设备变动之后，总负荷功率发生变化，因此从负载设备变动时刻开始，截取之后一段时间内的总负荷功率地变化曲线，而这种截取是相对的，需要基于负载设备变动时刻开始的那一点进行截取，得到真实反映变动的负载设备单独产生的实时功率变化曲线图。

S4：分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

具体地，在进行分解前，需要提前获取各种负载设备启动或者关闭时的标准功率变化曲线图，以及从标准功率变化曲线图中提取各种特征信息以便于与实时功率变化曲线图进行比较分析，从而得到两者之间的相似程度，根据相似程度的大小可以判定两者是不是属于同一负载设备变动引起的。负载设备集中的负载设备种类可以随着生活水平或者生活区域的不同设置不同的种类，例如在生活区中，负载设备集为家用电器较多；当在工厂或者施工场所中，负载设备多为施工设备等。对于标准功率变化曲线图的采集，只需要将负载设备单独接电运行，从负载设备接入电路开始，可以监测负载设备所在电路，获得接入时的标准功率变化曲线图，当负载设备从所在电路断电开始，再监测负载设备所在电路，获得关闭时的标准功率变化曲线图。

S5：当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率。

具体地，例如相似度阈值为85%，两个曲线的相似度为95%，且其余负载设备的标准功率变化曲线图与实时功率变化曲线图的相似度都明显小于85%，可以极大程度的认为，两者是同一种负载设备产生的功率变动曲线图，此时可以确定入户总线的变化是由相似度为95%的标准功率变化曲线图对应的负载设备引起的，可以将总负荷功率中增加或减少的功率确定为该种负载设备的功率，由此能够将总负荷功率分解成不同负载设备运行构成的功率总和，对于大功率电器的监测具有参考意义。

在本实施例中，如果在入户总线运行之初就能够通过总负荷功率识别入户总线上负载设备的变动情况，即入户总线上多了什么负载或者少了什么负载设备均能够被一一识别出来，那么就能够得知总负荷功率来源于哪些负载设备，从而能够得知可以将总负荷功率分解为哪几个负载设备的运行功率，因此在本实施例中，分解总负荷功率的基础就是要识别出每一次变动的负载设备的种类和负载设备的运行功率；在入户总线处设置监测设备，通过根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值，能够得知当前时刻入户总线上的负载设备是否有变化，当判定所述入户总线的所述负载设备变化时，从所述负载设备变化时间点开始，着重收集负载设备变化之后的实时功率变化情况，分析所述实时功率变化曲线图与提前收集的负载设备集中每种负载设备对应的标准功率变化曲线之间的相似度，在不同的应用场景中，负载设备的数量有限，仅需要对负载设备进行一次或者几次的数据收集，提取标准功率变化曲线，这相比于现有技术中收集的训练数据来说，收集的数据量大大降低；当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，在每一次负载设备变动时，均能够一一被识别出来，同时也能够得知增减的负载设备的运行功率，据此能够将所述总负荷功率分解为多种所述负载设备的运行功率，并根据入户总线上负载设备的变动情况，改变总负荷功率的分解结果。在应用该方法的时候，对各种负载设备运行的标准功率变化曲线和运行功率数据进行采集即可，而这些数据只需要逐个单独运行这些设备即可获得，数据收集简单且数据量较少，适应性强，便于大范围推广应用。

图2示出了本发明实施例中一种入户总线上负载设备变化初步分析流程图，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

S210：判断所述功率差值的绝对值是否大于所述突变功率阈值；

具体地，入户总线的总负荷功率发生变化由多种情况，可能增加，也可能减少，因此需要对功率差值取绝对值，将这个绝对值与突变功率阈值进行对比分析，确定总负荷功率是否出现较大的波动。

S220：当所述功率差值的绝对值大于所述突变功率阈值时，判定所述入户总线上的所述负载设备发生变化，进一步判断所述功率差值的正负情况（即判断所述功率差值是否大于零）；

具体地，当所述功率差值的绝对值大于所述突变功率阈值时，认为总负荷功率出现较大的波动，已经超出总负荷功率的正常运行带来的波动，此时判定所述入户总线上的所述负载设备发生变化。还需要进一步判断这种变化是负载增加还是负载减少带来的。

S230：当判定所述功率差值为正值时，判定所述入户总线上的所述负载设备增加；

S240：当判定所述功率差值为负值时，判定所述入户总线上的所述负载设备减少。

具体地，通过判断功率差值的正负得到，因为功率差值可以由当前时刻的所述总负荷功率减去前一采样时间点的所述总负荷功率得到，因此当功率差值为正值时，说明当前时刻的所述总负荷功率是增长的，据此判定所述入户总线上的所述负载设备增加；而当功率差值为负值时，说明当前时刻的所述总负荷功率是减小的，据此判定所述入户总线上的所述负载设备减少。将入户总线上的所述负载设备的变动情况进一步甄别，不能只分析负载设备增加的情况，也需要分析负载设备减少的情况，这样才能不断地将总负荷功率准确的分解为不同的负载设备的功率。

在本发明的一种实施例中，所述当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图包括：

S231：当判定所述入户总线上的所述负载设备增加时，获取所述负载设备增加时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

具体地，在所述负载设备增加时间点之前，可以将总负荷功率视为无变动（微小波动忽略），当负载设备增加时，短时间内会引起总负荷功率的较大波动，由于负载设备启动时会有一定的震荡时间，当负载设备运行一段时间之后，增加的负载设备能够维持在一个稳定的功率值运行，此时总负荷功率又变的相对稳定，因此需要采集负载设备增加时间点之前的前一采样时间点的所述总负荷功率，后续的变化都是基于这个相对功率产生的变化。

S232：在所述负载设备增加时间点之后的预设截取时段内，将每一时刻的所述入户总线的所述总负荷功率减去所述相对功率，得到每一时刻的增长功率；

具体地，想要获得负载设备接入电网之后震荡期间的波动特征，就需要将每一时刻的所述入户总线的所述总负荷功率减去所述相对功率，就能够得到增长功率，而增长功率是由新增负载设备带来的，即为新增负载设备的运行功率，如图3所示。

S233：根据每一时刻的所述增长功率，生成所述实时功率变化曲线图。

具体地，将所述增长功率按时间顺序排布连接，构成实时功率变化曲线图，或者直接以负载设备增加时间点为原点，截取一段时间内的总负荷功率变化曲线图，将截取后处于第一象限的曲线图作为实时功率变化曲线图，其中每一点的功率数值替换为增长功率。

在本发明的一种实施例中，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

S241：当判定所述入户总线上的所述负载设备减少时，获取所述负载设备减少时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

S242：在所述负载设备减少时间点之前的预设截取时段内，将所述相对功率减去每一时刻的所述入户总线的所述总负荷功率，得到每一时刻的减少功率；

S243：根据每一时刻的所述减少功率，生成所述实时功率变化曲线图。

具体地，与负载设备增加的情况类似，在入户总线上的所述负载设备减少时，获取所述负载设备减少时间点之前的前一采样时间点的所述总负荷功率，将此时的总负荷功率记为相对功率，均是获取负载设备变动前一刻的总负荷功率，不同的是，由于在负载设备减少时，总负荷功率减少，如果仍采用每一时刻的所述入户总线的所述总负荷功率减去所述相对功率，得到的均是负值，此时实时功率变化曲线图处于第四象限，不利于观察分析，需要将曲线对称到第一象限中，因此采用相对功率减去每一时刻的所述入户总线的所述总负荷功率，此时得到的均是正值。因此需要注意的是，在提前获取负载设备关闭时的标准功率变化曲线图时，也需要将标准功率变化曲线图对称转换到第一象限中，便于观察和分析。

在本发明的一种实施例中，所述分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度包括：

定位所述实时功率变化曲线图中功率波动值小于预设波动值的波段；

具体地，其中功率波动值为相邻采样时间点上的实时功率值相减得到的差值，当相邻两个采样时间点之间的功率波动值小于预设波动值时，使用两个相邻采样时间点中前面采样时间点上的实时功率值按时间顺序依次减去后续采样时间点上的实时功率值得到功率波动值，并与预设波动值比较，直到功率波动值大于或等于预设波动值，停止使用两个相邻采样时间点中前面采样时间点上的实时功率值与后续时间点上的实时功率值相减，而停止相减点的前一采样时间点为波段终止点，从两个相邻采样时间点中前面的采样时间点到波段终止点之间的曲线即为定位的波段，也就是存在微小波动的波段，为了减少后续提取的转折点过多，而这些微小波动的转折点对于分析负载设备的意义不大，因此需要对实时功率变化曲线图进行前处理，而前处理的基础是，需要定位出这些波动较小的波段。

分析每个所述波段的平均值，将所述波段内每个时刻的实时功率值替换为对应的所述平均值，得到修整后的所述实时功率变化曲线图；

在处理时，可以将定位出的微小波动波段的平均值代替整个波段的实时功率值，这样就可以将带有毛刺的波段处理为一条线段，整个实时功率变化曲线图按照这种方式处理一遍之后，会变得更加规整，特征点更加明显，利于分析，如图4所示。除此之外，如果想要将实时功率变化曲线图处理的更加规整和简洁，可以将预设波动值设置的大一些，这样定位出的微小波动波段更长或者更多，对于实时功率变化曲线图处理的修整就会更多，但是需要合理设置预设波动值，避免实时功率变化曲线图的特征丢失。需要说明的是，标准功率变化曲线图也会提前进行上述前处理操作，以便于减少标准功率变化曲线图的毛刺，使得标准功率变化曲线图更规整，减少后续提取的转折点的数量，减少数据分析量。

拾取修整后的所述实时功率变化曲线图中的实时功率峰值、实时功率谷值以及多个实时功率转折值，并时间顺序排列，构成实时转折点集；

具体地，首先定位实时功率变化曲线图中的峰值和谷值，然后再提取转折点的实时功率转折值，例如图4中转折点处的功率值，然后将提取的这些点根据其在实时功率变化曲线图的位置从左到右依次排列（即按照时间顺序排列），构成一个实时转折点集。同样的在预先处理标准功率变化曲线时，也会按照上述方法提前将标准功率变化曲线中的这些数值提取出来并整合为一个集合，称为标准转折点集。

分别分析所述实时功率峰值和所述实时功率谷值与当前选择的所述负载设备对应的标准功率变化曲线图中的标准功率峰值和标准功率谷值之间的第一差异度；

具体地，在进行相似度分析时，逐一选择所述负载设备集中的负载设备进行相似度分析。第一差异度为实时功率峰值偏离标准功率峰值的程度，可以用实时功率峰值减去标准功率峰值，得到的差值除以标准功率峰值，最终得到第一差异度；同样的第一差异度为实时功率谷值偏离标准功率谷值的程度。分别判断这两个点值计算出的第一差异度的大小，将第一差异度小于第一差异阈值对应的峰值或者谷值定义为中心点，若峰值或者谷值计算出的第一差异度均小于第一差异阈值时，可以随机选择峰值或者谷值为中心。若峰值或者谷值计算出的第一差异度均大于或等于第一差异阈值时，则不再进行后续分析，判定当前选择的负载设备不是入户总线上变动的负载设备，重新选择另一个负载设备对应的标准功率变化曲线图进行分析。

当所述第一差异度小于第一差异阈值时，以所述实时功率峰值或所述实时功率谷值为中心点，对所述中心点两侧的所述实时转折点集中的实时数值分别按序进行编码，分析所述实时转折点集中的所述实时数值与标准转折点集中相同编码或者相邻编码处的标准数值之间的第二差异度，其中，所述标准转折点集与所述标准功率变化曲线图一一对应；

具体地，假设实时转折点集为{10，13，18，22，13，7，15，20，19}，其中峰值22对应的第一差异度小于第一差异阈值，此时以22为中心，左边按序分别为18、13和10，其编码为a1、a2和a3；右边按序分别为13、7、15、20和19，其编码为b1、b2、b3、b4和b5。标准转折点集为{9，14，13，18，16，23，14，10，15，21，18}，由于实时转折点集选择的是以峰值为中心点，因此标准转折点集也选择以峰值23为中心点，向两侧进行编码，中心点左侧数据为16、18、13、14和9，对应的编码分别为a1、a2、a3、a4和a5；中心点右侧数据为14、10、15、21和18，对应的编码分别为b1、b2、b3、b4和b5。两个点集中编码相同或者编码相邻的数据进行比较分析，例如，两个点集中编码为b1的数据进行分析，两者之间的第二差异度为（14-13）/14，结果为0.07；再以两个点集中编码为a1的数据进行分析，两者之间的第二差异度为（18-16）/16，结果为0.125，若根据两个点集中相同编码的数据分析得到的第二差异度大于第二差异阈值时，再根据实时转折点集中的该编码对应的数据和标准转折点集中与该编码相邻的编码对应的数据进行分析，例如根据实时转折点集中编码为a1的数据和标准转折点集中编码为a2的数据进行分析，（18-18）/18，结果为0，得到的结果小于第二差异度阈值。出现这种情况是因为负载接入电网或者切断电网时，波动不是一成不变的，会有轻微的变动，但是总体变化趋势是相同的，因此某个转折点或者某几个转折点丢失或者无法完全相同，这些可以被接受，只要总体变化趋势相似即可。

当所述第二差异度小于所述第二差异阈值时，标记所述第二差异度对应的所述实时数值和所述标准数值为一对相似数值；

具体地，如上所述，将两个转折点集中编码为b1的数据标记为一对相似数值，将实时转折点集中编码为a1的数据和标准转折点集中编码为a2的数据标记为一对相似数值。在这里需要说明的是，被选定作为中心点的峰值或者谷值也会被标记为一对相似数值。

分析所述实时转折点集中相邻两个所述相似数值在所述实时功率变化曲线图上相距的实时时间长度，以及所述标准转折点集中对应的两个所述相似数值在所述标准功率变化曲线图上相距的标准时间长度，确定所述实时时间长度与所述标准时间长度之间的第三差异度；

具体地，使用实时时间长度与标准时间长度差值的绝对值处于标准时间长度，得到第三差异度；

根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度。

具体地，根据第二差异度能够得知实时转折点集和标准转折点集中相似数值的对数，根据第三差异度能够得知实时功率变化曲线图和标准功率变化曲线图中相似曲线的段数和长度，根据以上信息能够判断两个曲线之间的走势和整体相似性。

在本发明的一种实施例中，所述根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度包括：

当所述实时转折点集中的所述实时数值的所述第二差异度分析完，统计所述实时转折点集中标记为所述相似数值的数量；

分析所述相似数值的数量占所述实时转折点集中的所述实时数值的数量的百分比，记为第一相似度；

具体地，即使实时转折点集中有些数值被标记为相似数值，但是如果第一相似度比较小，说明实时功率变化曲线图整体与标准功率变化曲线图不相似。

当所述第三差异度大于第三差异阈值时，在所述实时功率变化曲线图上将所述第三差异度对应的两个所述相似数值之间的曲线标记为相似曲线；

统计所述相似曲线的数量和时长，分析所述相似曲线的数量占所述实时转折点集中相邻两个所述相似数值的总对数的百分比，记为第二相似度；

具体地，当第二相似度比较大时，说明两个曲线中多数曲线段是相似的。

分析所有所述相似曲线的总时长占所述实时功率变化曲线图的时长的百分比，记为第三相似度；

具体地，如果第三相似度比较大，说明两个曲线中很长的曲线都是彼此相似的。

根据所述第一相似度、所述第二相似度和所述第三相似度，拟合得到所述相似度。

具体地，通过上述分析可知，第一相似度、第二相似度和第三相似度与实时功率变化曲线图整体与标准功率变化曲线图的相似性呈正相关关系，通过对三个数值分配不同的权重，例如第三相似度比较重要，可以赋予较大的权重，第一相似度和第二相似度的重要性次之，可以相应赋予较小的权重；将三个相似度分别与对应的权重相乘，之后相加得到最终的相似度。

在本发明的一种实施例中，所述当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率包括：

当所述相似度大于预设的相似度阈值时，将与所述相似度对应的所述标准功率变化曲线图确定为备选曲线；

具体地，其实筛选到该步骤基本能够确定变动的负载设备的种类，可以在备选曲线中选择相似度最大的备选曲线对应的负载设备作为变动的负载设备的种类。

根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备，其中，所述入户总线上确定的多种所述负载设备的运行功率总和为所述入户总线的总负荷功率。

具体地，为了进一步保证结果的正确性，还可以根据入户总线上的所述负载设备的变化时刻和各种负载设备的常用使用时段进行进一步确认。

在本发明的一种实施例中，所述根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备包括：

根据所述入户总线上的所述负载设备的变化时刻和所述备选曲线对应的所述负载设备的常用时段，分析所述备选曲线对应的所述负载设备为所述入户总线上变化的所述负载设备的概率；

具体地，每种负载设备的常用时段可以提前设置，例如微波炉的常用时段为早中晚的做饭时间点，例如早上的七点-九点，当入户总线上的所述负载设备的变化时刻处于这个常用时段内时，所述概率就可以直接是1，当入户总线上的所述负载设备的变化时刻距离常用时段端点时刻的距离越大时，所述概率就越小，例如下午三点等，使用微波炉的概率就比较小。可以将距离常用时段最远的时间点的概率设置为0，而将常用时段端点处的概率设置为1，概率从常用时段端点到最远时间点可以是等差下降的。

将所述概率和所述相似度分别乘以预设权值再求和，得到筛选值；

具体地，可以为概率和相似度再次赋予权重，但是此时相似度的权重要明显大于概率的权重，将概率和相似度与对应权重相乘之后求和，得到筛选值。

将最大的所述筛选值对应的所述备选曲线对应的所述负载设备确认为所述入户总线上变化的所述负载设备。

在本实施例中，进一步结合了负载设备的使用习惯，提高了筛选的准确性，考虑了更多影响因素。

图5示出了本发明实施例中一种非侵入式电力负荷分解系统的结构示意图，所述非侵入式电力负荷分解系统包括：

功率差值分析模块100，用于根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

初步分析模块200，用于根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；还用于当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

相似度分析模块300，用于分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

负载分解确认模块400，用于当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率。

本发明实施例中的非侵入式电力负荷分解系统与上述非侵入式电力负荷分解方法的技术效果相近似，在此不再进行赘述。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (8)

1.一种非侵入式电力负荷分解方法，其特征在于，包括：

根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；

当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率；

其中，所述分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度包括：

定位所述实时功率变化曲线图中功率波动值小于预设波动值的波段；

分析每个所述波段的平均值，将所述波段内每个时刻的实时功率值替换为对应的所述平均值，得到修整后的所述实时功率变化曲线图；

拾取修整后的所述实时功率变化曲线图中的实时功率峰值、实时功率谷值以及多个实时功率转折值，并时间顺序排列，构成实时转折点集；

分别分析所述实时功率峰值和所述实时功率谷值与当前选择的所述负载设备对应的标准功率变化曲线图中的标准功率峰值和标准功率谷值之间的第一差异度；

当所述第一差异度小于第一差异阈值时，以所述实时功率峰值或所述实时功率谷值为中心点，对所述中心点两侧的所述实时转折点集中的实时数值分别按序进行编码，分析所述实时转折点集中的所述实时数值与标准转折点集中相同编码或者相邻编码处的标准数值之间的第二差异度，其中，所述标准转折点集与所述标准功率变化曲线图一一对应；

当所述第二差异度小于所述第二差异阈值时，标记所述第二差异度对应的所述实时数值和所述标准数值为一对相似数值；

分析所述实时转折点集中相邻两个所述相似数值在所述实时功率变化曲线图上相距的实时时间长度，以及所述标准转折点集中对应的两个所述相似数值在所述标准功率变化曲线图上相距的标准时间长度，确定所述实时时间长度与所述标准时间长度之间的第三差异度；

根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度;

其中，所述根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度包括：

当所述实时转折点集中的所述实时数值的所述第二差异度分析完，统计所述实时转折点集中标记为所述相似数值的数量；

分析所述相似数值的数量占所述实时转折点集中的所述实时数值的数量的百分比，记为第一相似度；

当所述第三差异度大于第三差异阈值时，在所述实时功率变化曲线图上将所述第三差异度对应的两个所述相似数值之间的曲线标记为相似曲线；

统计所述相似曲线的数量和时长，分析所述相似曲线的数量占所述实时转折点集中相邻两个所述相似数值的总对数的百分比，记为第二相似度；

分析所有所述相似曲线的总时长占所述实时功率变化曲线图的时长的百分比，记为第三相似度；

根据所述第一相似度、所述第二相似度和所述第三相似度，拟合得到所述相似度。

2.根据权利要求1所述的非侵入式电力负荷分解方法，其特征在于，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

判断所述功率差值的绝对值是否大于所述突变功率阈值；

当所述功率差值的绝对值大于所述突变功率阈值时，判定所述入户总线上的所述负载设备发生变化，进一步判断所述功率差值的正负情况；

当判定所述功率差值为正值时，判定所述入户总线上的所述负载设备增加；

当判定所述功率差值为负值时，判定所述入户总线上的所述负载设备减少。

3.根据权利要求2所述的非侵入式电力负荷分解方法，其特征在于，所述当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图包括：

当判定所述入户总线上的所述负载设备增加时，获取所述负载设备增加时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

在所述负载设备增加时间点之后的预设截取时段内，将每一时刻的所述入户总线的所述总负荷功率减去所述相对功率，得到每一时刻的增长功率；

根据每一时刻的所述增长功率，生成所述实时功率变化曲线图。

4.根据权利要求2所述的非侵入式电力负荷分解方法，其特征在于，所述根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化包括：

当判定所述入户总线上的所述负载设备减少时，获取所述负载设备减少时间点之前的前一采样时间点的所述总负荷功率，记为相对功率；

在所述负载设备减少时间点之前的预设截取时段内，将所述相对功率减去每一时刻的所述入户总线的所述总负荷功率，得到每一时刻的减少功率；

根据每一时刻的所述减少功率，生成所述实时功率变化曲线图。

5.根据权利要求1所述的非侵入式电力负荷分解方法，其特征在于，所述当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率包括：

当所述相似度大于预设的相似度阈值时，将与所述相似度对应的所述标准功率变化曲线图确定为备选曲线；

根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备，其中，所述入户总线上确定的多种所述负载设备的运行功率总和为所述入户总线的总负荷功率。

6.根据权利要求5所述的非侵入式电力负荷分解方法，其特征在于，所述根据所述入户总线上的所述负载设备的变化时刻和所述相似度，确定所述入户总线上变化的所述负载设备包括：

根据所述入户总线上的所述负载设备的变化时刻和所述备选曲线对应的所述负载设备的常用时段，分析所述备选曲线对应的所述负载设备为所述入户总线上变化的所述负载设备的概率；

将所述概率和所述相似度分别乘以预设权值再求和，得到筛选值；

将最大的所述筛选值对应的所述备选曲线对应的所述负载设备确认为所述入户总线上变化的所述负载设备。

7.根据权利要求1-6任一所述的非侵入式电力负荷分解方法，其特征在于，所述根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值包括：

根据预先设定的采样周期，周期性的获取所述入户总线的所述总负荷功率；

将当前时刻的所述总负荷功率减去前一采样时间点的所述总负荷功率，得到所述功率差值。

8.一种非侵入式电力负荷分解系统，其特征在于，包括：

功率差值分析模块，用于根据当前时刻入户总线的总负荷功率，分析当前时刻的所述总负荷功率与前一采样时间点的所述总负荷功率之间的功率差值；

初步分析模块，用于根据所述功率差值与预设的突变功率阈值，初步分析所述入户总线上的负载设备是否变化；还用于当判定所述入户总线上的所述负载设备变化时，从所述负载设备变化时间点开始，生成实时功率变化曲线图；

相似度分析模块，用于分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度；

负载分解确认模块，用于当所述相似度大于预设的相似度阈值时，确定与所述相似度对应的所述负载设备为所述入户总线上变化的负载，并将所述总负荷功率分解为多种所述负载设备的运行功率；

其中，所述分析所述实时功率变化曲线图与负载设备集中每种负载设备对应的标准功率变化曲线图之间的相似度包括：

定位所述实时功率变化曲线图中功率波动值小于预设波动值的波段；

分析每个所述波段的平均值，将所述波段内每个时刻的实时功率值替换为对应的所述平均值，得到修整后的所述实时功率变化曲线图；

拾取修整后的所述实时功率变化曲线图中的实时功率峰值、实时功率谷值以及多个实时功率转折值，并时间顺序排列，构成实时转折点集；

分别分析所述实时功率峰值和所述实时功率谷值与当前选择的所述负载设备对应的标准功率变化曲线图中的标准功率峰值和标准功率谷值之间的第一差异度；

当所述第一差异度小于第一差异阈值时，以所述实时功率峰值或所述实时功率谷值为中心点，对所述中心点两侧的所述实时转折点集中的实时数值分别按序进行编码，分析所述实时转折点集中的所述实时数值与标准转折点集中相同编码或者相邻编码处的标准数值之间的第二差异度，其中，所述标准转折点集与所述标准功率变化曲线图一一对应；

当所述第二差异度小于所述第二差异阈值时，标记所述第二差异度对应的所述实时数值和所述标准数值为一对相似数值；

分析所述实时转折点集中相邻两个所述相似数值在所述实时功率变化曲线图上相距的实时时间长度，以及所述标准转折点集中对应的两个所述相似数值在所述标准功率变化曲线图上相距的标准时间长度，确定所述实时时间长度与所述标准时间长度之间的第三差异度；

根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度;

其中，所述根据所述第二差异度和所述第三差异度，确定所述实时功率变化曲线图与所述标准功率变化曲线图之间的相似度包括：

当所述实时转折点集中的所述实时数值的所述第二差异度分析完，统计所述实时转折点集中标记为所述相似数值的数量；

分析所述相似数值的数量占所述实时转折点集中的所述实时数值的数量的百分比，记为第一相似度；

当所述第三差异度大于第三差异阈值时，在所述实时功率变化曲线图上将所述第三差异度对应的两个所述相似数值之间的曲线标记为相似曲线；

统计所述相似曲线的数量和时长，分析所述相似曲线的数量占所述实时转折点集中相邻两个所述相似数值的总对数的百分比，记为第二相似度；

分析所有所述相似曲线的总时长占所述实时功率变化曲线图的时长的百分比，记为第三相似度；

根据所述第一相似度、所述第二相似度和所述第三相似度，拟合得到所述相似度。