一种基于非侵入式负荷监测的用户用电数据分析方法和装置

技术领域

本发明涉及智能电网技术领域，具体而言，涉及一种基于非侵入式负荷监测的用户用电数据分析方法和装置。

背景技术

世界各国正在进行智能电网和相关应用的开发和部署，利用智能电表采集的数据，可以最大程度地发挥智能电网的优势。利用智能电表采集的数据，可以识别用户家庭中的电器类型，即实现负荷识别。负荷识别方法从传感器数目可以分为侵入式和非侵入式两种。侵入式负荷识别需要针对每个电器进行安装对应传感器，额外的设备和较高的成本使得侵入式方法难以推广。非侵入式负荷识别仅仅需要从家庭已安装的单个总线智能电表收集数据，并通过对智能电表的数据分析，将家庭总用电量分解到单一电器的能耗，有助于实现用电情况反馈，帮助用户节省能源，同时有利于供给侧准确计费。相比于侵入式负荷识别，非侵入式负荷识别成本较低，易于推广，因此被广泛研究。

非侵入式负荷监测技术可以分为三大类，第一类是基于暂态和稳态电气特征的识别方法，第二类是数学优化类识别方法，第三类是基于有功功率和无功功率的智能识别方法。这三类负荷设备识别方法都属于计算密集型方法，需要大量样本数据进行训练，这些方法计算复杂度高，对硬件要求较高，从而限制了该方法在智能电表的应用。

发明内容

鉴于上述问题，本发明提供了一种基于非侵入式负荷监测的用户用电数据分析方法和装置。

为解决上述技术问题，本发明采用的技术方案是：一种基于非侵入式负荷监测的用户用电数据分析方法，包括：采集用户总电源入口处的用电数据，所述用电数据包括负荷时间序列；对所述负荷时间序列进行波形分割，生成多个子序列；

对每个子序列进行负荷设备识别，获取负荷设备识别结果。

作为优选方案，所述对负荷时间序列进行波形分割，包括：根据负荷功率的跃升值确定子序列的起始点，根据负荷功率的跌落值确定子序列的结束点。

作为优选方案，所述对每个子序列进行负荷设备识别，包括：将每个子序列和已知的设备参考序列进行匹配，记录每次匹配计算所得到的DTW距离值和序列匹配的映射关系；选择最小DTW距离值的匹配结果作为负荷设备识别结果；判断最小DTW距离值是否小于设定阈值，如果小于阈值，则识别结束，如果大于阈值，则进行下一步；从负荷时间序列中剔除已识别设备；再次对所述负荷时间序列进行波形分割，生成多个子序列；重复以上步骤，直至识别结束。

作为优选方案，给定长度分别为n和m的2个时间序列Q和C，

Q＝q

C＝c

构造一个n行m列的距离矩阵D，其中的元素d

d

其中，i＝1，2，…，n，j＝1，2，…，m。

作为优选方案，对所述负荷时间序列进行波形分割之前，还包括：对所述负荷时间序列进行归一化处理。

本发明还提出了一种基于非侵入式负荷监测的用户用电数据分析装置，包括：用电数据采集模块，用于采集用户总电源入口处的用电数据，所述用电数据包括负荷时间序列；子序列生成模块，用于对所述负荷时间序列进行波形分割，生成多个子序列；负荷设备识别模块，用于对每个子序列进行负荷设备识别，获取负荷设备识别结果。

作为优选方案，所述负荷设备识别模块，包括：序列匹配单元，用于将每个子序列和已知的设备参考序列进行匹配，记录每次匹配计算所得到的DTW距离值和序列匹配的映射关系；识别结果确定单元，用于选择最小DTW距离值的匹配结果作为负荷设备识别结果；DTW距离值判断单元，用于判断最小DTW距离值是否小于设定阈值，如果小于阈值，则识别结束，如果大于阈值，则进行下一步；剔除单元，用于从负荷时间序列中剔除已识别设备。

与现有技术相比，本发明的有益效果包括：通过对采集到的负荷时间序列进行波形分隔，生成子序列，再对子序列进行负荷设备识别，该计算过程较为简单，没有涉及复杂的计算方法，该计算程序可以很方便地写到计算机芯片内，从而嵌入到智能电表中，对硬件要求不高，避免了采用现有的用电数据分析方法存在的需要大量样本数据进行训练，计算密度大、复杂度高和对硬件要求较高，限制了这些方法应用于智能电表的问题，从而解决了现有的用电数据分析方法计算密度大、复杂度高和对硬件要求高的问题。

附图说明

参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：

图1为本发明实施例提供的基于非侵入式负荷监测的用户用电数据分析方法的流程示意图；

图2为本发明实施例提供的对每个子序列进行负荷设备识别的流程示意图；

图3为本发明实施例提供的基于非侵入式负荷监测的用户用电数据分析装置的结构示意图；

图4为本发明实施例提供的负荷设备识别模块的结构示意图。

具体实施方式

容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。

根据本发明的一实施方式结合图1示出。一种基于非侵入式负荷监测的用户用电数据分析方法，包括如下步骤：

S1，采集用户总电源入口处的用电数据，用电数据包括负荷时间序列。

S2，对负荷时间序列进行波形分割，生成多个子序列。

对负荷时间序列进行波形分割之前，还包括：对负荷时间序列进行归一化处理。

为了减少由不同用电设备之间功率差别大而引起的干扰，本发明实施例中对待识别负荷时间序列进行归一化处理。假设待识别负荷时间序列为

A＝{a

其中，A

S3，对每个子序列进行负荷设备识别，获取负荷设备识别结果。

在步骤S2中，对负荷时间序列进行波形分割，包括：根据负荷功率的跃升值确定子序列的起始点，根据负荷功率的跌落值确定子序列的结束点。

参见图2，在步骤S3中，对每个子序列进行负荷设备识别，包括：

S301，将每个子序列和已知的设备参考序列进行匹配，记录每次匹配计算所得到的DTW距离值和序列匹配的映射关系。

给定长度分别为n和m的2个时间序列Q和C，

Q＝q

C＝c

构造一个n行m列的距离矩阵D，其中的元素表示点q

d

其中，i＝1，2，…，n，j＝1，2，…，m。

S302，选择最小DTW距离值的匹配结果作为负荷设备识别结果。

S303，判断最小DTW距离值是否小于设定阈值，如果小于阈值，则识别结束，如果大于阈值，则进行下一步。

S304，从负荷时间序列中剔除已识别设备，再次对负荷时间序列进行波形分割，生成多个子序列，并重复步骤S2、S301至S304，直至识别结束。

参见图3，本发明还提出了一种基于非侵入式负荷监测的用户用电数据分析装置，包括：

用电数据采集模1，用于采集用户总电源入口处的用电数据，用电数据包括负荷时间序列。

子序列生成模块2，用于对负荷时间序列进行波形分割，生成多个子序列。

负荷设备识别模块3，用于对每个子序列进行负荷设备识别，获取负荷设备识别结果。

参见图4，上述负荷设备识别模块3，包括：

序列匹配单元301，用于将每个子序列和已知的设备参考序列进行匹配，记录每次匹配计算所得到的DTW距离值和序列匹配的映射关系。

识别结果确定单元302，用于选择最小DTW距离值的匹配结果作为负荷设备识别结果。

DTW距离值判断单元303，用于判断最小DTW距离值是否小于设定阈值。如果小于阈值，则识别结束，如果大于阈值，则进行运行剔除单元304。

剔除单元304，用于从负荷时间序列中剔除已识别设备。

综上所述，本发明的有益效果包括：通过对采集到的负荷时间序列进行波形分隔，生成子序列，再对子序列进行负荷设备识别，该计算过程较为简单，没有涉及复杂的计算方法，该计算程序可以很方便地写到计算机芯片内，从而嵌入到智能电表中，对硬件要求不高，避免了采用现有的用电数据分析方法存在的需要大量样本数据进行训练，计算密度大、复杂度高和对硬件要求较高，限制了这些方法应用于智能电表的问题，从而解决了现有的用电数据分析方法计算密度大、复杂度高和对硬件要求高的问题。

应理解，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。