一种基于多标签分类的非侵入式负荷监测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115983480A(43)申请公布日2023.04.18(21)申请号202310014685.4G06F18/214(2023.01)(22)申请日2023.01.05H02J3/00(2006.01)(71)申请人东南大学地址210096江苏省南京市玄武区新街口街道四牌楼2号(72)发明人刘宇刘丛笑高昂白晨晖陈柯凡赵欣高山(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357专利代理师杨敬(51)Int.Cl.G06Q10/04(2023.01)G06Q10/067(2023.01)G06Q50/06(2012.01)G06F18/24(2023.01)权利要求书2页说明书7页附图1页(54)发明名称一种基于多标签分类的非侵入式负荷监测方法(57)摘要本发明提供一种基于多标签分类的非侵入式负荷监测方法，涉及电力负荷管理分析领域。该基于多标签分类的非侵入式负荷监测方法，包括：采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；构建多标签分类模型对非侵入式负荷识别问题进行表征；构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；根据负荷的运行状态，预测负荷的功率消耗情况。本发明提高了负荷识别的效率并获得较高的识别精度，具有很强的实用价值和现实意义。CN115983480ACN115983480A权利要求书1/2页1.一种基于多标签分类的非侵入式负荷监测方法，其特征在于，包括：采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；构建多标签分类模型对非侵入式负荷识别问题进行表征；构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；根据负荷的运行状态，预测负荷的功率消耗情况。2.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述的电力用户的用电总数据包括有功功率、无功功率、电压、电流谐波；并随机选取用户的用电总数据中的85％作为测试集，剩余的15％作为验证集。3.根据权利要求2所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述不同类型负荷的用电模型包括负荷的工作状态数目，以及相对应所消耗的有功功率和无功功率数值。4.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述构建多标签分类模型对非侵入式负荷识别问题进行表征，包括：建立用户的用电总数据和各个负荷单独的用电数据之间的关系：其中，P(t)、Q(t)分别为用户在t时刻的总有功功率和总无功功率数据，N为负荷数量，Mi为第i个负荷的工作状态数量，pi,j(t)、qi,j(t)分别为第i个负荷的第j个工作状态所对应额定的有功功率和无功功率，xi,j(t)∈{0,1}表示时刻第i个负荷所处的工作状态，xi,j(t)＝1表示该负荷处于其第j个工作状态，反之xi,j(t)＝0表示未处于该状态；ep(t)和eq(t)分别为有功功率和无功功率在t时刻的背景噪声。5.根据权利要求1所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练，包括：采用基于随机森林的RAKEL多标签分类方法对非侵入式负荷识别问题进行计算求解，RAKEL的具体计算步骤如下：对于不同时刻采集得到用户的用电总数据样本，在应用多标签分类问题时，每个负荷对应的工作状态看作是一类标签，并构成标签集合；从标签集合中选取若干个标签组合，其中每个标签组合包含k个标签；为每个标签组合建立一个分类器并进行训练；在识别未知样本时，获取每个分类器的识别结果，并采用投票法决定最终的识别结果。6.根据权利要求5所述的一种基于多标签分类的非侵入式负荷监测方法，其特征在于：所述将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态，包括：采用随机森林模型进行负荷识别，并采用网格搜索以及k折交叉验证方法确定模型参2CN115983480A权利要求书2/2页数，具体步骤如下：设置随机森林模型的初始化参数，以及各个参数的取值范围和步长，令k折交叉验证的参数k＝10；在一组特定的模型参数下，将测试集数据平均划分成十组，并进行十次训练，每次训练过程中选择一组数据用于测试模型的训练结果，剩余九族数据用于训练模型，并取十次训练结果的平均值作为该组模型参数的训练结果；所有参数组合全部训练完成后，选取训练结果最好的一组模型参数，作为负荷识别