何为非侵入式负荷识别-特征提取
1 前言
虽然没有人这么在文献中写道,但是我一直都认为事件检测是负荷识别的基础,特征提取是关键,负荷辨识只是一个简单的分类任务。不是说负荷辨识不重要,而是如果事件检测未检测到有电器状态发生变化,那就别谈后面的环节了,如果特征选的不好,哪怕你这个分类算法再厉害也无济于事,因此我更在看重负荷识别中事件检测和特征提取。特征提取部分是一个现在很难创新,但又不得不创新的环节。很多人找创新点时总是会选择几个常用的特征,然后在负荷辨识上下功夫。这也可见每个环节的难易程度。
2 稳态特征和暂态特征
负荷特征一般可依据负荷所处状态的不同,划分为稳态特征和暂态特征两类[1]。非侵入式负荷辨识中,待辨识的负荷,其两类特征均由负荷设备中包含的电子元器件及其内部电路结构所决定。
2.1 稳态特征
在己有非侵入式负荷辨识的研究中,利用负荷稳态特征进行负荷辨识最为常见。稳态特征定义:非侵入式负荷监测网络中,负荷启动或关断的动作会导致监测电气量的变化,将负荷动作前后负荷处于稳定运行状态下的有功无功、稳态电压电流等可量测或计算的电气量称为稳态特征。因负荷电器特性的不同,稳态特征在不同负荷状态变化前后表现出的差值变化不同,便可利用各类稳态特征的变化量综合或单独进行非侵入式负荷辨识,这样的稳态特征的变化量定义为稳态特征量。
2.1.1 稳态特征种类与特点
稳态特征的一般类型和优缺点如下表所示:
稳态特征的一般类型和优缺点
特征类型 |
特征量计算方法 |
优点 |
缺点 |
有功功率、 无功功率 |
计算负荷动作 前后的差值 |
容易量测和计算 |
小型负荷功率 相近设备过多, 区分度低 |
电流有效值、 电流幅值、 电流波峰系数等 |
计算负荷动作 前后差值 |
容易量测和计算,波形信息含量更丰富,易于区分阻性、感性负荷 |
电流有效值同电流有效值特征缺点相同,电流幅值、电流波峰系数等特征不同测量情况下波动较大,不适宜单独作为特征进行辨识 |
V-I轨迹曲线 |
计算V-I轨迹曲线的围成面积、对称性等 |
直观,负荷信息包含度高,负荷辨识区分度高 |
计算较为复杂,曲线围成区域面积计算有一定误差 |
电流直流分量、三次谐波、五次谐波等 |
傅里叶分解后计算负荷动作前后差值 |
计算简单,负荷辨识区分度高 |
对噪音较为敏感 |
现在常用的就是有功、无功、谐波和VI轨迹特征。其中VI轨迹特征又分为VI图像特征和VI轨迹特征值。前者就是把VI轨迹图片作为特征输入到网络中,后者是针对VI轨迹计算特征值[2]。近些年来还出现了各种各样的特征,评价一个特征的好坏就是类间区别大,类内区别小。就是说一个特征在不同种类的电器之间差别比较大,在同种电器中是稳定的。
2.2 暂态特征
暂态特征可单独或作为稳态特征的补充特征用以进行非侵入式负荷辨识。暂态特征定义:非侵入式负荷监测网络中,负荷启动或关断的动作导致负荷状态发生变化后短暂的时间内,会导致监测电气量的变化,将这一暂态过程中负荷的电流脉冲峰值、暂态过程持续时间、电流凹凸系数等可量测或计算的电气量称为暂态特征,其数值称为特暂态特征量。
2.2.1 暂态特征的种类及特点
暂态特征的一般类型和优缺点如下表所示:
暂态特征的一般类型和优点
特征类型 |
特征量计算 |
优点 |
缺点 |
电流脉冲峰值 |
提取暂态过程中采样点中电流最大值 |
容易量测和计算,抗干扰力强,区分度高 |
特征样本需及时更新,随负荷内元件老化特征量波动大 |
暂态过程持续过程 |
计算暂态过程开始和结束之间的时间差 |
不同于电气量特征的新的特征维度,量测稳定性好 |
计算较复杂,采样频率要求高,对暂态发生时刻判定要求高 |
电流凹凸系数 |
计算暂态过程电流和稳态过程电流比值 |
波形信息含量更丰富,易于区分不同类型负荷 |
必须与稳态特征结合,计算较复杂 |
暂态特征与稳态特征比较不同的一点是,稳态特征是取稳态时的一个周期的采样点进行计算。而暂态特征是取暂态过程内的采样点计算得来的。暂态特征包含了很多信息,但暂态特征不够稳定,所以使用的相对较少。
特征提取就是需要对比很多特征,你才能选择出来最有效的特征。而计算特征,只需要按照公式写代码就行
下面展示一些典型电器的特征值。
各负荷典型特征的特征量
负荷 |
电流 跨度 |
V-I 轨迹面积 |
V-I轨迹对称性 |
功率 |
电流三次谐波 |
电流五次谐波 |
电流七次谐波 |
电磁炉 |
11.852 |
0.064 |
0.018 |
922.593 |
0.020 |
0.007 |
0.005 |
电饭煲 |
7.733 |
0.006 |
0.018 |
596.786 |
0.002 |
0.001 |
0.006 |
电烤箱 |
9.291 |
0.006 |
0.018 |
709.558 |
0.002 |
0.001 |
0.007 |
定频空调 |
7.150 |
0.008 |
0.056 |
430.543 |
0.065 |
0.096 |
0.098 |
热水壶 |
16.159 |
0.005 |
0.015 |
1237.077 |
0.003 |
0.000 |
0.007 |
微波炉 |
16.642 |
0.028 |
0.151 |
959.870 |
0.331 |
0.089 |
0.048 |
电风扇 |
1.320 |
0.049 |
0.258 |
97.204 |
0.083 |
0.028 |
0.020 |
电视机 |
0.907 |
0.025 |
0.037 |
61.226 |
0.103 |
0.028 |
0.023 |
下面展示一些常用电器的电流曲线:
电风吹
电磁炉
电饭煲
电风扇
电烤箱
电视
定频空调
热水壶
微波炉
[1]程祥,李林芝,吴浩,丁一,宋永华,孙维真.非侵入式负荷监测与分解研究综述[J].电网技术,2016,40(10):3108-3117.DOI:10.13335/j.1000-3673.pst.2016.10.026.
[2]韩兴磊. 住宅非侵入式负荷监测算法研究[D].华南理工大学,2018.
何为非侵入式负荷识别-特征提取相关推荐
- 何为非侵入式负荷识别-事件检测
1 事件检测方法综述 现有的事件检测方法主要分为两类:规则检测和概率模型检测.还有其他的,但是主要是这两类. 规则检测的方法是直接观察待测信号的变化,提出一种规则作为事件检测判据,规则合理与否就决定了 ...
- 何为非侵入式负荷识别-负荷辨识
1 前言 在负荷识别中负荷辨识一直是被建模为分类任务,因此一切能用于分类的算法和模型都可以研究.不管是什么算法,只有特征选的好才能最大程度发挥算法的性能.最开始Hart[1]使用了有功功率和无功功率 ...
- 何为非侵入式负荷识别-负荷辨识(传统机器学习)
1 前言 其实我觉得这个部分可能没什么好讲的,但是我确实也遇到一些同学刚入门时搞不懂怎么去做负荷辨识,这篇主要针对这部分同学.本篇用支持向量机(SVM)作为代表,介绍传统机器学习算法在负荷辨识的应用. ...
- 何为非侵入式负荷监测-目标检测
1 前言 上一篇忘记说明一点:组合优化和隐马尔可夫模型我归为一类,但是没有写关于隐马尔可夫模型的内容,这是因为近几年已经很少见到这样的文献了,所以我研究的不多,就不献丑了.本篇是主要是讨论,暂为看到有 ...
- 微分算法 非侵入式负荷识别_一种非侵入式用电负荷识别方法与流程
本发明涉及智能电网领域,具体地,涉及一种非侵入式用电负荷识别方法. 背景技术: 在智能电网环境下,智能量测设备会逐步得到广泛应用,从而能够得到用户负荷准确的.海量的数据.利用数据挖掘方法对用户负荷大数 ...
- 微分算法 非侵入式负荷识别_基于决策树的非侵入式负荷识别技术
基于决策树的非侵入式负荷识别技术 杨雨 ; [期刊名称] <科学技术创新> [年 ( 卷 ), 期] 2018(000)013 [摘要] 本文旨在对非侵入式电力负荷监测与分解技术进行研究 ...
- 微分算法 非侵入式负荷识别_基于用户用电行为和粒子群算法的非侵入式负荷识别方法...
基于用户用电行为和粒子群算法的非侵入式负荷识别方法 丁屹峰 1 ,杨 烁 1, 赵 乐 1 ,焦 然 1 ,马龙飞 1 ,许仪勋 2 ,王洪安 2 [摘 要] 居民用电行为是影响负荷识别的重要因素之一 ...
- NILM非侵入式负荷识别(papers with code、data)带代码的论文整理——(论文及实现代码篇) 全网最全
说在最前面 研究生三年快毕业了,毕业前整理一下该领域的研究工作.正所谓,我栽树,后人乘凉.研究NILM的时候,个人觉得最快的方法是直接复现别人的论文,或者甚至用别人论文的代码直接跑出来体会整个流程(数 ...
- NILM非侵入式负荷识别(papers with code、data)带代码的论文整理——(公开数据集、工具、和性能指标篇) 全网最全
说在最前面 这篇文章主要介绍用于非侵入式负荷识别领域目前的公开数据集.工具和其它等,如果需要看论文及具体代码实现,看我上一篇的文章. 其外,不是所有数据集我都用过,我只用过UK-DALE,所以其它数据 ...
最新文章
- 2.10 局部最优的问题-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授
- java历史记录怎么写_我想知道像这样的历史记录查询界面,用java swing来做,应该怎么做?...
- 北大计算机专业毕业论文,北京大学毕业论文格式范本
- html写手机登录界面,使用HTML做手机端的登录界面
- int转byte数组以及相关原理
- LeetCode 845——数组中的最长山脉
- 【cpu温度过高的原因】
- macOS 原生系统压缩文件在 Windows 上解压可能会乱码的原因及解决办法
- 【光线追踪系列十四】蒙特卡洛积分与重要性采样
- Python正则re模块详解
- 口碑营销怎么做?如何做好网络口碑营销推广?
- 用MATLAB编写限幅滤波程序,双二阶滤波器之MATLAB设计及C语言实现
- 金融风控机器学习第三十一天---拜师课堂 机器学习算法--决策树 随机森林
- vue项目Echarts更新数据是数据表展示错版
- 利用nmap scan ssh server支持的algorithms
- 移动端/微信引入字体不生效
- 图标制作、icon制作、(简易、高效的图标制作软件)
- 全国青少年信息素养大赛图形化编程初赛·模拟三卷,含答案解析
- GoJS去水印, v1.7 v1.8.29 两个go.js版本
- 不同网段通过路由器通信