公开(公告)号：CN109461095A

公开(公告)日：2019-03-12

申请号：CN201811217455.3

申请日：2018-10-18

申请人： 深圳供电局有限公司 ,  武汉大学

发明人： 史帅彬 ,  邓世聪 ,  刘永礼 ,  王灏 ,  周洪 ,  胡文山 ,  邓其军 ,  周东国

IPC分类号： G06Q50/06 ,  G06Q10/06 ,  G06F16/21 ,  G01R31/00

摘要： 本发明涉及一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备，通过非侵入式设备采集电力负荷入口处的有功功率，使用以复合滑动窗的累积和为依据的暂态事件检测算法。滑动窗口分为两个子窗，分别为均值窗和检测窗，均值窗使用高斯函数计算出均值并传递给检测窗，检测窗使用Sigmoid函数计算累积和，通过比较累积和与阈值判断是否产生负荷事件。为了确定负荷事件的起始时刻，引入了负荷事件标志，在判定一个负荷事件没有结束时，检测窗检测到的所有负荷事件视为同一个。本发明具有如下优点：原理简单、易操作、对负荷事件敏感，检测精度高，特别对于爬坡特性负荷的事件检测具有防止多报的功能。

公开(公告)号：CN110516788B

公开(公告)日：2023-05-02

申请号：CN201910724065.3

申请日：2019-08-07

申请人： 深圳供电局有限公司

发明人： 史帅彬 ,  李锐 ,  王雅倩 ,  王灏 ,  周洪 ,  胡文山 ,  周东国

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06Q50/06

摘要： 本发明提供一种基于Bi‑LSTM算法的非侵入式负荷检测方法，包括获取负荷系统入口处的有功功率，并根据有功功率，得到负荷投入及切除事件时刻；确定时间特征向量，并获取负荷投入及切除事件时刻各自对应时间特征向量的时间序列数据；构建Bi‑LSTM神经网络模型，该模型输入为负荷投入与切除事件的时间序列数据组合，输出为待辨识设备的概率值；基于投入及切除事件时刻，建立匹配的时间序列数据组合，基于Bi‑LSTM神经网络模型计算同一次负荷投入或负荷切除事件的概率值，将每次所得概率值最大的待辨识设备为对应负荷投入或切除事件发生的设备。实施本发明，能够提升现有的非侵入式负荷辨识算法在辨识多状态负荷和小功率负荷时的辨识性能和计算效率。

公开(公告)号：CN110516788A

公开(公告)日：2019-11-29

申请号：CN201910724065.3

申请日：2019-08-07

申请人： 深圳供电局有限公司

发明人： 史帅彬 ,  李锐 ,  王雅倩 ,  王灏 ,  周洪 ,  胡文山 ,  周东国

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06Q50/06

摘要： 本发明提供一种基于Bi-LSTM算法的非侵入式负荷检测方法，包括获取负荷系统入口处的有功功率，并根据有功功率，得到负荷投入及切除事件时刻；确定时间特征向量，并获取负荷投入及切除事件时刻各自对应时间特征向量的时间序列数据；构建Bi-LSTM神经网络模型，该模型输入为负荷投入与切除事件的时间序列数据组合，输出为待辨识设备的概率值；基于投入及切除事件时刻，建立匹配的时间序列数据组合，基于Bi-LSTM神经网络模型计算同一次负荷投入或负荷切除事件的概率值，将每次所得概率值最大的待辨识设备为对应负荷投入或切除事件发生的设备。实施本发明，能够提升现有的非侵入式负荷辨识算法在辨识多状态负荷和小功率负荷时的辨识性能和计算效率。