阅读说明：本技术 一种利用分类树的负荷开关事件检测方法和系统 (Load switch event detection method and system using classification tree ) 是由 翟明岳 于 2019-10-19 设计创作，主要内容包括：本发明的实施例公开一种利用分类树的负荷开关事件检测方法和系统,所述方法包括：步骤1,输入实测的信号序列S；步骤2,根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H<Sub>K</Sub>满足判断条件|H<Sub>K</Sub>|≥e<Sub>0</Sub>,则在所述信号序列S的第K点处,检测到负荷开关事件；否则,未检测到负荷开关事件。其中,e<Sub>0</Sub>为负荷开关事件判断阈值。(The embodiment of the invention discloses a load switch event detection method and a system by utilizing a classification tree, wherein the method comprises the following steps: step 1, inputting an actually measured signal sequence S; and 2, detecting a switching event according to the properties of the classification tree. The method specifically comprises the following steps: if the Kth window classification coefficient H K Satisfies the judgment condition | H K |≥e 0 Detecting a load switch event at the Kth point of the signal sequence S; otherwise, no load switch event is detected. Wherein e is 0 A threshold is determined for the load switch event.)

一种利用分类树的负荷开关事件检测方法和系统

技术领域

本发明涉及电力领域，尤其涉及一种负荷开关事件检测方法和系统。

背景技术

随着智能电网的发展，家庭用电负荷的分析变得越来越重要。通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据。同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。

当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。

非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的事件检测以有功功率P的变化值作为事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题：某些电器启动时刻的瞬时功率值会出现较大的尖峰(例如，马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件的判断，这种尖峰其实就是脉冲噪声；而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大)，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。(脉冲)噪声的强度很大，并且背景噪声对开关事件的正确检测有较大的影响。

现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。

因此，开关事件检测过程中，如何提高开关事件检测精度是非常重要的。负载开关事件检测是能量分解中最为重要的一步，既要检测到事件发生，同时还能确定事件发生的时刻。但是开关事件检测的精度受功率信号(功率序列)中噪声的影响较大，尤其是功率信号中普遍存在着脉冲噪声，进一步影响了检测精度。因此有效提高负载开关事件的检测精度是当前非常重要的一项工作。

现在常用的负载开关事件往往利用功率数据的变化来确定：当功率变化值超过预置的阈值时，则认为有负载开关事件发生。这种方法虽然简单易行，但由于脉冲噪声以及非线性负载的普遍使用，造成开关事件检测精度的极大下降。

发明内容

本发明的目的是提供一种利用分类树的负荷开关事件检测方法和系统，所提出的方法利用了不同负荷开关事件信号差值与背景噪声差值在分类系数方面的差异，提高了事件监测的性能。所提出的方法具有较好的鲁棒性，计算简单。

为实现上述目的，本发明提供了如下方案：

一种利用分类树的负荷开关事件检测方法，包括：

步骤1，输入实测的信号序列S；

步骤2，根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H_K满足判断条件|H_K|≥e₀，则在所述信号序列S的第K点处，检测到负荷开关事件；否则，未检测到负荷开关事件。其中，e₀为负荷开关事件判断阈值。

一种利用分类树的负荷开关事件检测系统，包括：

获取模块，输入实测的信号序列S；

判断模块，根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H_K满足判断条件|H_K|≥e₀，则在所述信号序列S的第K点处，检测到负荷开关事件；否则，未检测到负荷开关事件。其中，e₀为负荷开关事件判断阈值。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

虽然基于功率数据变换的负荷开关事件检测方法在负荷开关事件检测中有着广泛的应用，且技术相对成熟，但是由于现在非线性负荷的广泛使用，使得功率信号很容易受到环境噪声和非线性噪声的影响，所以此方法在实际工作环境中应用时常常得不到令人满意的结果。

本发明的目的是提供一种利用分类树的负荷开关事件检测方法和系统，所提出的方法利用了不同负荷开关事件信号差值与背景噪声差值在分类系数方面的差异，提高了事件监测的性能。所提出的方法具有较好的鲁棒性，计算简单。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程示意图；

图2为本发明的系统示意图；

图3为本发明具体实施案例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1一种利用分类树的负荷开关事件检测方法的流程示意图

图1为本发明一种利用分类树的负荷开关事件检测方法的流程示意图。如图1所示，所述的一种利用分类树的负荷开关事件检测方法具体包括以下步骤：

步骤1，输入实测的信号序列S；

步骤2，根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H_K满足判断条件|H_K|≥e₀，则在所述信号序列S的第K点处，检测到负荷开关事件；否则，未检测到负荷开关事件。其中，e₀为负荷开关事件判断阈值。

所述步骤2之前，所述方法还包括：

步骤3，计算所述第K个窗口分类系数H_K和所述运行状态判断阈值e₀。

所述步骤3包括：

步骤301，生成第n个信号一阶差分序列具体为：

其中:

所述第n个信号一阶差分序列[n＝1,2,…,N]

S_n：所述信号序列S中的第n个元素

S＝[S₁，S₂，…，S_N]:所述信号序列，长度为N

如果元素S_j的下标j>N，则S_j＝0。

步骤302，生成第n个信号二阶差分序列

具体为：

其中:

所述第n个信号二阶差分序列[n＝1,2,…,N]

如果元素S_j的下标j>N，则S_j＝0。

步骤303，求取所述第K个窗口分类系数H_K，具体为：

其中：

第i个数据纯度

第K个信号一阶差分序列

中的第i个元素

第K个信号二阶差分序列中的第i个元素

步骤304，求取所述负荷开关事件判断阈值e₀，具体为：

其中：

所述第n个信号一阶差分序列

的均值

所述第n个信号二阶差分序列

的均值

均值序列

的均值

均值序列

的均值

均值序列

的均方差

均值序列

的均方差

均值序列

的最大值

均值序列的最大值。

图2一种利用分类树的负荷开关事件检测系统的结构意图

图2为本发明一种利用分类树的负荷开关事件检测系统的结构示意图。如图2所示，所述一种利用分类树的负荷开关事件检测系统包括以下结构：

获取模块401，输入实测的信号序列S；

判断模块402，根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H_K满足判断条件|H_K|≥e₀，则在所述信号序列S的第K点处，检测到负荷开关事件；否则，未检测到负荷开关事件。其中，e₀为负荷开关事件判断阈值。

所述的系统，还包括：

计算模块403，计算所述第K个窗口分类系数H_K和所述负荷开关事件判断阈值e₀。

所述计算模块403，还包括下列单元，具体包括：

第一计算单元4031，生成所述第n个信号一阶差分序列

具体为：

其中:

所述第n个信号一阶差分序列[n＝1,2,…,N]

S_n：所述信号序列S中的第n个元素

S＝[S₁，S₂，…，S_N]:所述信号序列，长度为N

如果元素S_j的下标j>N，则S_j＝0。

第二计算单元4032，生成所述第n个信号二阶差分序列

具体为：

其中:

所述第n个信号二阶差分序列[n＝1,2,…,N]

如果元素S_j的下标j>N，则S_j＝0。

第三计算单元4033，求取所述第K个窗口分类系数H_K，具体为：

其中：

第i个数据纯度

第K个信号一阶差分序列

中的第i个元素

第K个信号二阶差分序列

中的第i个元素

第四计算单元4034，求取所述负荷开关事件判断阈值e₀，具体为：

其中：

所述第n个信号一阶差分序列的均值

所述第n个信号二阶差分序列

的均值

均值序列

的均值

均值序列

的均值

均值序列

的均方差

均值序列的均方差

均值序列的最大值

均值序列

的最大值。

下面提供一个具体实施案例，进一步说明本发明的方案

图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：

1.输入实测的信号序列

S＝[s₁,s₂,…,s_N-1,s_N]

其中：

S：实测信号数据序列，长度为N

s_i,i＝1,2,…,N:序号为i的实测信号

2.生成信号一阶差分序列

其中:

所述第n个信号一阶差分序列[n＝1,2,…,N]

S_n：所述信号序列S中的第n个元素

S＝[S₁，S₂，…，S_N]:所述信号序列，长度为N

如果元素S_j的下标j>N，则S_j＝0。

3.生成信号二阶差分序列

其中:

所述第n个信号二阶差分序列[n＝1,2,…,N]

如果元素S_j的下标j>N，则S_j＝0。

4.计算第K个窗口分类系数

其中：

第i个数据纯度

第K个信号一阶差分序列

中的第i个元素

第K个信号二阶差分序列中的第i个元素

5.求取负荷开关事件判断阈值

其中：

所述第n个信号一阶差分序列

的均值

所述第n个信号二阶差分序列

的均值

均值序列

的均值

均值序列的均值

均值序列

的均方差

均值序列

的均方差

均值序列

的最大值

均值序列

的最大值。

6.判断开关事件

根据分类树性质检测开关事件。具体为：如果第K个窗口分类系数H_K满足判断条件|H_K|≥e₀，则在所述信号序列S的第K点处，检测到负荷开关事件；否则，未检测到负荷开关事件。其中，e₀为负荷开关事件判断阈值。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。