本發(fā)明屬于負(fù)荷辨識(shí)技術(shù)領(lǐng)域，更為具體地講，涉及一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法。
背景技術(shù)：
電能是新能源的重要組成部分，隨著電能在社會(huì)中占主體地位，對負(fù)荷運(yùn)行信息的掌控重要性日漸凸顯。對電力公司來說，非侵入式負(fù)荷辨識(shí)還有助于電力公司了解電力用戶負(fù)荷的構(gòu)成，加強(qiáng)負(fù)荷側(cè)管理，通過引導(dǎo)用戶合理消費(fèi)、合理安排負(fù)荷的使用時(shí)間達(dá)到調(diào)節(jié)峰谷差和降低網(wǎng)損等目的；有助于改善電力負(fù)荷的預(yù)測精度，為電力系統(tǒng)仿真分析、系統(tǒng)規(guī)劃提供更準(zhǔn)確的數(shù)據(jù)。對電力用戶來說，通過侵入式負(fù)荷辨識(shí)對負(fù)荷能耗等數(shù)據(jù)的有效分析可以減少不必要的能源開銷，達(dá)到節(jié)能降耗的目的。
文獻(xiàn)“趙春柳.基于穩(wěn)態(tài)諧波分析的非侵入式電力負(fù)荷分解法的應(yīng)用研究[d].天津大學(xué),2009”提出了以穩(wěn)態(tài)特征參數(shù)為依據(jù)來進(jìn)行非侵入負(fù)荷辨識(shí)的方法，利用穩(wěn)態(tài)諧波電流具有統(tǒng)計(jì)規(guī)律值這一事實(shí)來處理辨識(shí)多個(gè)用電負(fù)荷的情況，
提出了以穩(wěn)態(tài)特征參數(shù)為依據(jù)來進(jìn)行非侵入負(fù)荷辨識(shí)的方法，利用穩(wěn)態(tài)諧波電流具有統(tǒng)計(jì)規(guī)律值這一事實(shí)來處理辨識(shí)多個(gè)用電負(fù)荷的情況。然穩(wěn)態(tài)特征能夠易于提取，且統(tǒng)計(jì)較為容易。但是辨識(shí)精度和辨識(shí)速度都較低，達(dá)不到預(yù)期效果。
上述方案雖然在一定程度上達(dá)到了非侵入式負(fù)荷辨識(shí)的效果，但是隨著居民用電網(wǎng)用電負(fù)荷的復(fù)雜化和數(shù)據(jù)量的增加，僅僅依靠穩(wěn)態(tài)階段的特征數(shù)據(jù)來進(jìn)行識(shí)別，其有效性和準(zhǔn)確性都存在局限性。
文獻(xiàn)“趙云,錢斌,王科,李秋碩,孫宇軍.基于特征相似度的非侵入式用電負(fù)荷識(shí)別模型研究[j].電氣應(yīng)用,2015,(s1):199-203.”中，文獻(xiàn)“朱德省,尹建豐,周琨荔.非侵入式電力負(fù)荷的辨識(shí)和監(jiān)測[j].電測與儀表,2015,s1:133-138”則利用小波變換與暫態(tài)特征值分析相結(jié)合來改進(jìn)辨識(shí)的精確度。但是單獨(dú)的對負(fù)荷暫態(tài)特征進(jìn)行識(shí)別則辨識(shí)的準(zhǔn)確性達(dá)不到要求。
對于傳統(tǒng)負(fù)荷辨識(shí)系統(tǒng)整體設(shè)計(jì)而言，時(shí)刻保持對各個(gè)用電負(fù)荷的監(jiān)測，不僅會(huì)增加后臺(tái)處理服務(wù)器的負(fù)擔(dān)，而且維護(hù)成本極高，系統(tǒng)穩(wěn)定性較差。因此在用戶側(cè)安裝非侵入式負(fù)荷辨識(shí)裝置是十分有必要的，辨識(shí)系統(tǒng)中良好的檢測算法可以根據(jù)要求實(shí)時(shí)準(zhǔn)確地獲得用電負(fù)荷模式變化時(shí)的特征參數(shù)，提高辨識(shí)準(zhǔn)確性和精度。
異動(dòng)檢測算法是影響識(shí)別速度的關(guān)鍵因素，能保證辨識(shí)具有較高的命中率?，F(xiàn)有的檢測算法主要有基于參數(shù)化的變點(diǎn)檢測算法、基于上升沿變化的算法、及基于功率變化的算法。
其中，基于參數(shù)化的變點(diǎn)檢測算法的典型代表是cusum算法，即常用的使用算法。該算法的基本思想是：對樣本數(shù)據(jù)信息加以累積，將過程的小偏移累積起來，達(dá)到放大的效果，從而提高檢測過程中對小偏移的靈敏度。由于使用方便、判斷準(zhǔn)則簡單、易于操作等原因，cusum算法在工業(yè)質(zhì)量控制、自動(dòng)故障監(jiān)測、經(jīng)濟(jì)、金融等方面中應(yīng)用廣泛。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法，通過用戶側(cè)設(shè)備的暫穩(wěn)態(tài)數(shù)據(jù)相結(jié)合進(jìn)行非侵入式負(fù)荷辨識(shí)，大幅提升了負(fù)荷辨識(shí)的精確度、準(zhǔn)確度和辨識(shí)速度。
為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法，其特征在于，包括以下步驟：
(1)、結(jié)合用電負(fù)荷的運(yùn)行狀況，提取表征用電負(fù)荷的特征參數(shù)，再根據(jù)用電負(fù)荷的特征參數(shù)，對比常見用電負(fù)荷的暫態(tài)特征量和綜合用電負(fù)荷狀態(tài)的對應(yīng)關(guān)系，建立暫態(tài)特征參數(shù)數(shù)據(jù)庫；
(2)、采集所有用電設(shè)備的各次諧波幅值，按照穩(wěn)態(tài)特征量與綜合用電負(fù)荷狀態(tài)的對應(yīng)關(guān)系，建立穩(wěn)態(tài)特征參數(shù)數(shù)據(jù)庫；
(3)、利用檢測算法與辨識(shí)算法進(jìn)行非侵入負(fù)荷辨識(shí)；
(3.1)、檢測非侵入負(fù)荷的異動(dòng)點(diǎn)
利用檢測函數(shù)k(xn)＝xn+e-xn檢測非侵入負(fù)荷的異動(dòng)點(diǎn)，其中，xn為檢測到的非侵入負(fù)荷的第n個(gè)點(diǎn)所對應(yīng)的幅值，n≥0；e為常數(shù)；
判斷∣k(xn)∣是否大于β，β表示上一異動(dòng)點(diǎn)與該異動(dòng)點(diǎn)之間的穩(wěn)態(tài)負(fù)荷平均振幅，其大小和投入使用負(fù)荷數(shù)量成正比，如果∣k(xn)∣＞β，則第n個(gè)點(diǎn)為異動(dòng)點(diǎn)；
(3.2)、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段
(3.2.1)、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段并過濾
1)、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段
以異動(dòng)點(diǎn)xn為起點(diǎn)，繼續(xù)檢測非侵入負(fù)荷的數(shù)據(jù)點(diǎn)；
當(dāng)滿足∣l(xn+l)∣＜h時(shí)，h為相對穩(wěn)態(tài)值，則xn+l為該異動(dòng)狀態(tài)暫態(tài)段的結(jié)束點(diǎn)，從而得到由xn～xn+l的狀態(tài)暫態(tài)段；其中，
2)、對狀態(tài)暫態(tài)段的數(shù)據(jù)點(diǎn)進(jìn)行濾波
設(shè)置異動(dòng)過濾條件：
其中，a為常數(shù)，h1為異動(dòng)閥值其值一般與β相近，μ為xn～xn+l段的加權(quán)平均值；
當(dāng)狀態(tài)暫態(tài)段的數(shù)據(jù)點(diǎn)不滿足設(shè)置的異動(dòng)過濾條件時(shí)，則進(jìn)入步驟(3.3)；否則該狀態(tài)暫態(tài)段為干擾暫態(tài)段，返回步驟(3.1)繼續(xù)檢測；
(3.2.2)、截取非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段
將兩次被截取且通過有效檢測的異動(dòng)點(diǎn)之間的的波形段標(biāo)記為狀態(tài)穩(wěn)態(tài)段；
(3.3)、運(yùn)用辨識(shí)算法對非侵入負(fù)荷進(jìn)行辨識(shí)
(3.3.1)、運(yùn)用辨識(shí)算法對非侵入負(fù)荷的狀態(tài)暫態(tài)段進(jìn)行辨識(shí)；
1)、從狀態(tài)暫態(tài)段中提取特征波形y(n)，從暫態(tài)特征參數(shù)數(shù)據(jù)庫中提取用電負(fù)荷的特征參數(shù)生產(chǎn)多組模板信號(hào)x(n)，再將y(n)與模板信號(hào)x(n)進(jìn)行波形匹配；
2)、計(jì)算每組模板信號(hào)x(n)和特征波形y(n)的相似程度ρxy(τ)：
其中，
3)、選出ρxy(τ)最大的一組模板信號(hào)x(n)，標(biāo)記為最佳匹配，并反饋辨識(shí)結(jié)果；
(3.3.2)、運(yùn)用辨識(shí)算法對非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段進(jìn)行辨識(shí)；
1)、從狀態(tài)穩(wěn)態(tài)段中提取特征波形
2)、在狀態(tài)穩(wěn)態(tài)段，根據(jù)基波電流與諧波電流的周期性特點(diǎn)，計(jì)算用電負(fù)荷在狀態(tài)穩(wěn)態(tài)段的總電流ia(t)：
ia(t)＝ia1cos(ωt+θa1)+ia2cos(2ωt+θa2)+...iakcos(kωt+θak)
其中，ia1表示用電負(fù)荷穩(wěn)態(tài)工作電流中的基波幅值，iak表示用電負(fù)荷穩(wěn)態(tài)工作電流中的第k次諧波分量幅值，ω為用電負(fù)荷穩(wěn)態(tài)工作電流中的基波分量的角頻率，θa1表示用電負(fù)荷穩(wěn)態(tài)工作電流中的基波分量的初相角，θak表示用電負(fù)荷穩(wěn)態(tài)工作電流中的第k次諧波分量的初相角；
3)、分別提取k次諧波幅值建立諧波矩陣
4)、建立非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段識(shí)別算法的數(shù)學(xué)模型；
令t時(shí)刻第i個(gè)用電設(shè)備在第j種工作狀態(tài)下的取值sij(t)為：
其中，i＝1,2,…,n，n表示用電設(shè)備總個(gè)數(shù)；j＝1,2,…,m，m表示用電設(shè)備的工作狀態(tài)數(shù)；
利用諧波矩陣
數(shù)學(xué)模型的約束條件為：
其中，iij為穩(wěn)態(tài)特征數(shù)據(jù)庫中第i個(gè)用電設(shè)備在第j種工作狀態(tài)下工作時(shí)所記錄的k次諧波電流值；
5)、遍歷穩(wěn)態(tài)特征數(shù)據(jù)庫中所有的用電設(shè)備，在sij(t)取1時(shí)，利用上述數(shù)學(xué)模型求得最小值，并將sij(t)取1時(shí)所對應(yīng)的用電設(shè)備狀態(tài)編號(hào)標(biāo)記為該狀態(tài)穩(wěn)態(tài)段的最佳匹配，并反饋辨識(shí)結(jié)果；
(3.3.3)、當(dāng)狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段都反饋出辨識(shí)結(jié)果后，判斷狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段的辨識(shí)結(jié)果是否一致，如果辨識(shí)結(jié)果一直，則辨識(shí)有效，本次辨識(shí)結(jié)束；否則返回步驟(3)重新進(jìn)行辨識(shí)。
本發(fā)明的發(fā)明目的是這樣實(shí)現(xiàn)的：
本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法，以用電負(fù)荷暫、穩(wěn)態(tài)階段的數(shù)據(jù)為基礎(chǔ)，通過構(gòu)建數(shù)據(jù)庫與辨識(shí)算法來完成非侵入式負(fù)荷的辨識(shí)，解決了傳統(tǒng)算法辨識(shí)精度不夠、辨識(shí)效率低下的問題，提升了整個(gè)辨識(shí)算法的可行性與有效性。
同時(shí)，本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法還具有以下有益效果：
(1)、本發(fā)明具有操作簡單，其涉及的特征值易于提取且具有代表性，完善了傳統(tǒng)算法的僅僅使用穩(wěn)態(tài)或者暫態(tài)特征的單方面缺陷，避免了由此帶來的誤差而造成的辨識(shí)結(jié)果不理想的情況；
(2)、與傳統(tǒng)的非侵入負(fù)荷辨識(shí)算法相比較，本發(fā)明有效提高了對用電負(fù)荷分析辨識(shí)的準(zhǔn)確率的識(shí)別速度；
(3)、本發(fā)明對辨識(shí)算法的分析方法進(jìn)行了優(yōu)化，提升了非侵入負(fù)荷辨識(shí)系統(tǒng)的整體性能。
附圖說明
圖1是本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法流程圖；
圖2是檢測算法所檢測出的異動(dòng)點(diǎn)的示意圖；
圖3是實(shí)測用電器進(jìn)入暫態(tài)階段時(shí)各個(gè)特征值的波形變化；
圖4是實(shí)測用電器進(jìn)入穩(wěn)態(tài)階段時(shí)各個(gè)特征值的波形變化；
圖5是實(shí)測多個(gè)用電器進(jìn)入穩(wěn)態(tài)階段時(shí)諧波電流比例的統(tǒng)計(jì)值；
圖6是非侵入式負(fù)荷辨識(shí)結(jié)果的比較示意圖。
具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許會(huì)淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。
實(shí)施例
圖1是本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法流程圖。
在本實(shí)施例中，如圖1所示，本發(fā)明一種用于用戶側(cè)的非侵入負(fù)荷辨識(shí)方法，包括以下步驟：
s1、結(jié)合現(xiàn)有用電負(fù)荷的運(yùn)行狀況，提取表征用電負(fù)荷的特征參數(shù)，再根據(jù)用電負(fù)荷的特征參數(shù)，對比常見用電負(fù)荷的暫態(tài)特征量和綜合用電負(fù)荷狀態(tài)的對應(yīng)關(guān)系，建立暫態(tài)特征參數(shù)數(shù)據(jù)庫；在本實(shí)施例中，表征用電負(fù)荷的特征參數(shù)包括電壓、電流、有功功率、無功功率、諧波電流、功率因數(shù)角等。
s2、采集所有用電設(shè)備的各次諧波幅值，按照穩(wěn)態(tài)特征量與綜合用電負(fù)荷狀態(tài)的對應(yīng)關(guān)系，建立穩(wěn)態(tài)特征參數(shù)數(shù)據(jù)庫；
s3、利用檢測算法與辨識(shí)算法進(jìn)行非侵入負(fù)荷辨識(shí)；
s3.1、檢測非侵入負(fù)荷的異動(dòng)點(diǎn)
圖2(a)是實(shí)測電器的波形處理圖；圖2(b)是異動(dòng)結(jié)果示意圖；由圖2(b)可知，當(dāng)用電負(fù)荷狀態(tài)變化時(shí)，通常會(huì)產(chǎn)生一個(gè)上升或下降邊沿，由此產(chǎn)生異動(dòng)點(diǎn)，而檢測算法能恰當(dāng)?shù)夭蹲降竭@一異動(dòng)點(diǎn)，即產(chǎn)生變點(diǎn)，這能為后續(xù)的匹配算法提供便利，下面對檢測的具體過程進(jìn)行描述。
利用檢測函數(shù)k(xn)＝xn+e-xn檢測非侵入負(fù)荷的異動(dòng)點(diǎn)，其中，xn為檢測到的非侵入負(fù)荷的第n個(gè)點(diǎn)所對應(yīng)的幅值，n≥0；e為常數(shù)，根據(jù)我國電網(wǎng)頻率為50hz，一般e取10；
判斷∣k(xn)∣是否大于β，β表示上一異動(dòng)點(diǎn)與該異動(dòng)點(diǎn)之間的穩(wěn)態(tài)負(fù)荷平均振幅，如果∣k(xn)∣＞β，則第n個(gè)點(diǎn)為異動(dòng)點(diǎn)；
其中，β的計(jì)算方法為：
β＝2max(∣x*-s1∣,∣x*-s2∣)
其中，
s3.2、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段
s3.2.1、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段并過濾
暫態(tài)階段是指用電負(fù)荷開啟或者關(guān)斷過程中用電情況從一種狀態(tài)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)的過程。暫態(tài)階段一般用時(shí)較短，通常都不足一秒，但是暫態(tài)過程的用電負(fù)荷的特征值變化較大，且不同用電負(fù)荷差異性較大，能夠作為用電負(fù)荷標(biāo)識(shí)的判據(jù)。下面對狀態(tài)暫態(tài)段的截取過程進(jìn)行詳細(xì)說明：
1)、截取非侵入負(fù)荷的狀態(tài)暫態(tài)段
以異動(dòng)點(diǎn)xn為起點(diǎn)，繼續(xù)檢測非侵入負(fù)荷的數(shù)據(jù)點(diǎn)；
當(dāng)滿足∣l(xn+l)∣＜h時(shí)，h為相對穩(wěn)態(tài)值，則xn+l為該異動(dòng)狀態(tài)暫態(tài)段的結(jié)束點(diǎn)，從而得到由xn～xn+l的狀態(tài)暫態(tài)段；其中，
2)、對狀態(tài)暫態(tài)段的數(shù)據(jù)點(diǎn)進(jìn)行濾波
設(shè)置異動(dòng)過濾條件：
其中，a為常數(shù)，h1為異動(dòng)閥值，μ為xn～xn+l段的加權(quán)平均值；其中，設(shè)置異動(dòng)過濾條件的目的是為了進(jìn)一步提升本發(fā)明的精確度和準(zhǔn)確度
當(dāng)狀態(tài)暫態(tài)段的數(shù)據(jù)點(diǎn)不滿足設(shè)置的異動(dòng)過濾條件時(shí)，則進(jìn)入步驟s3.3；否則該狀態(tài)暫態(tài)段為干擾暫態(tài)段，返回步驟s3.1繼續(xù)檢測；由圖3可知當(dāng)用電負(fù)荷進(jìn)入狀態(tài)暫態(tài)段工作時(shí)，暫態(tài)特征值波動(dòng)較大，其中，圖3(a)是實(shí)測電器電壓變化圖，圖3(b)是實(shí)測電器狀態(tài)暫態(tài)段的電流變化圖，圖3(c)是實(shí)測電器狀態(tài)暫態(tài)段的功率變化圖，通過觀察電流和功率變化曲線，可以看出波動(dòng)范圍較大；
s3.2.2、截取非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段
將兩次被截取且通過有效檢測的異動(dòng)點(diǎn)之間的的波形段標(biāo)記為狀態(tài)穩(wěn)態(tài)段；圖4(a)是實(shí)測電器的電壓變化圖；圖4(b)是實(shí)測穩(wěn)態(tài)電流變化圖；圖4(c)實(shí)測穩(wěn)態(tài)功率變化圖；由圖4(a)～(c)可知當(dāng)用電負(fù)荷進(jìn)入狀態(tài)穩(wěn)態(tài)段工作時(shí)，穩(wěn)態(tài)波形變化不大，各個(gè)穩(wěn)態(tài)特征值都較為穩(wěn)定；
s3.3、運(yùn)用辨識(shí)算法對非侵入負(fù)荷進(jìn)行辨識(shí)
s3.3.1、運(yùn)用辨識(shí)算法對非侵入負(fù)荷的狀態(tài)暫態(tài)段進(jìn)行辨識(shí)；
1)、從狀態(tài)暫態(tài)段中提取特征波形y(n)，從暫態(tài)特征參數(shù)數(shù)據(jù)庫中提取用電負(fù)荷的特征參數(shù)生產(chǎn)多組模板信號(hào)x(n)，再將y(n)與模板信號(hào)x(n)進(jìn)行波形匹配；
2)、計(jì)算每組模板信號(hào)x(n)和特征波形y(n)的相似程度ρxy(τ)：
通常，用戶電力系統(tǒng)中一條母線下帶多個(gè)負(fù)荷，是一個(gè)負(fù)荷集群，某個(gè)負(fù)荷投切引起的暫態(tài)信息可能會(huì)疊加在其他負(fù)荷穩(wěn)態(tài)特征信息之上的，為了消除此穩(wěn)態(tài)分量的影響，需要去除平均值分量；相關(guān)性系數(shù)可以表示為：
為了使相關(guān)性系數(shù)能更好的反映信號(hào)間的相似性，排除信號(hào)幅度的影響，通常需要對rxy(τ)進(jìn)一步做歸一化處理，得到每組模板信號(hào)x(n)和特征波形y(n)的相似程度ρxy(τ)：
3)、選出ρxy(τ)最大的一組模板信號(hào)x(n)，標(biāo)記為最佳匹配，并反饋辨識(shí)結(jié)果；
當(dāng)經(jīng)過暫態(tài)分析不能得到理想結(jié)果或者相關(guān)性系數(shù)未能達(dá)到所設(shè)定預(yù)期值時(shí)，這里可以判斷用電負(fù)荷發(fā)生狀態(tài)“異?！?。所謂“異?！卑ǎ憾鄠€(gè)用電負(fù)荷同時(shí)發(fā)生狀態(tài)的遷移或者所發(fā)生的暫態(tài)變化時(shí)受外界因素的干擾而不匹配，這時(shí)就需要進(jìn)行穩(wěn)態(tài)階段的特征值判別。
s3.3.2、運(yùn)用辨識(shí)算法對非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段進(jìn)行辨識(shí)；
1)、從狀態(tài)穩(wěn)態(tài)段中提取特征波形
2)、在狀態(tài)穩(wěn)態(tài)段，根據(jù)基波電流與諧波電流的周期性特點(diǎn)，計(jì)算用電負(fù)荷在狀態(tài)穩(wěn)態(tài)段的總電流ia(t)：
ia(t)＝ia1cos(ωt+θa1)+ia2cos(2ωt+θa2)+...iakcos(kωt+θak)
其中，ia1表示用電負(fù)荷穩(wěn)態(tài)工作電流中的基波幅值，iak表示用電負(fù)荷穩(wěn)態(tài)工作電流中的第k次諧波分量幅值，ω為用電負(fù)荷穩(wěn)態(tài)工作電流中的基波分量的角頻率，θa1表示用電負(fù)荷穩(wěn)態(tài)工作電流中的基波分量的初相角，θak表示用電負(fù)荷穩(wěn)態(tài)工作電流中的第k次諧波分量的初相角；
通過對狀態(tài)穩(wěn)態(tài)段的總電流的諧波電流進(jìn)行分析，如圖5所示，能清楚的辨析到各個(gè)不同電器用電負(fù)荷的諧波電流數(shù)值不同，來進(jìn)行穩(wěn)態(tài)階段的辨識(shí)，其中，圖5(a)是微波爐各次諧波電流分別圖，圖5(b)是取暖器各次諧波電流分別圖，圖5(c)是電腦各次諧波電流分別圖，圖5(d)是電熱水壺各次諧波電流分別圖；
3)、分別提取k次諧波幅值建立諧波矩陣
根據(jù)電流的線性疊加性，我們只需知道總的各次諧波電流大小及潛在的用電器數(shù)量，就可以據(jù)此列出一系列的線性方程，非侵入負(fù)荷的識(shí)別問題就可以轉(zhuǎn)換為數(shù)學(xué)上方程求取最優(yōu)解的問題。
4)、建立非侵入負(fù)荷的狀態(tài)穩(wěn)態(tài)段識(shí)別算法的數(shù)學(xué)模型；
與傳統(tǒng)的穩(wěn)態(tài)算法有所不同的是，本發(fā)明需要考慮到真實(shí)的用電負(fù)荷不僅僅只有開啟和關(guān)斷兩種狀態(tài)，更普遍的是一種用電負(fù)荷往往是有多工作模態(tài)的情況，因此需要獲取每種模態(tài)下諧波電流大小的差異。一般而言，對于一個(gè)設(shè)備i，i＝1,2,…,n，n表示用電設(shè)備總個(gè)數(shù)；假設(shè)有m種工作狀態(tài)，那么就取sij(t)表示第i個(gè)用電設(shè)備在第j種工作狀態(tài)下的值，j＝1,2,…,m，則有：
將所有sij(t)合并到一個(gè)矩陣s，其每一行都代表著一個(gè)狀態(tài)向量。假設(shè)在某時(shí)刻有兩種設(shè)備開啟，且這兩種設(shè)備都有兩種工作模式，那么s就可表為：
s矩陣全部是由0、1組成的稀疏矩陣，因此傳統(tǒng)的解決線性方程組的辦法，如最小二乘法便可改進(jìn)為求解范數(shù)最小化的問題，從而縮短狀態(tài)穩(wěn)態(tài)段的分析時(shí)間；
下面我們利用每一次諧波的諧波矩陣
數(shù)學(xué)模型的約束條件為：
其中，iij為穩(wěn)態(tài)特征數(shù)據(jù)庫中第i個(gè)用電設(shè)備在第j種工作狀態(tài)下工作時(shí)所記錄的k次諧波電流值；
5)、遍歷穩(wěn)態(tài)特征數(shù)據(jù)庫中所有的用電設(shè)備，在sij(t)取1時(shí)，利用上述數(shù)學(xué)模型求得最小值，并將sij(t)取1時(shí)所對應(yīng)的用電設(shè)備狀態(tài)編號(hào)標(biāo)記為該狀態(tài)穩(wěn)態(tài)段的最佳匹配，并反饋辨識(shí)結(jié)果；
(3.3.3)、當(dāng)狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段都反饋出辨識(shí)結(jié)果后，判斷狀態(tài)暫態(tài)段和狀態(tài)穩(wěn)態(tài)段的辨識(shí)結(jié)果是否一致，如果辨識(shí)結(jié)果一直，則辨識(shí)有效，本次辨識(shí)結(jié)束；否則返回步驟s3重新進(jìn)行辨識(shí)。
以各種常用的家用用電負(fù)荷為測試對象，測試在穩(wěn)定電壓的情況下，通過本發(fā)明設(shè)計(jì)的辨識(shí)方法進(jìn)行用電負(fù)荷的辨識(shí)，例如在實(shí)驗(yàn)室環(huán)境下，用該算法測試了微波爐、取暖器、電熱水壺、電腦、電風(fēng)扇、空調(diào)等用電設(shè)備所組成的模擬系統(tǒng)，并將其所得結(jié)果與傳統(tǒng)算法進(jìn)行對比，從圖6中可以看出，暫穩(wěn)態(tài)相結(jié)合的辨識(shí)算法能達(dá)到較高的準(zhǔn)確率，并且隨著電器種類的增多，辨識(shí)準(zhǔn)確率并沒有下降很多，能夠符合基本要求，比傳統(tǒng)的算法改進(jìn)了不少。
盡管上面對本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。