一种电路设备叠加态剥离为单一态的方法及装置与流程

1.本申请涉及电力计量技术领域，尤其涉及一种电路设备叠加态剥离为单一态的方法及装置。


背景技术：

2.区别于常规的连接在入户线上的电能表只能获得总能耗数据，电力分项计量可以对连接到入户线后的建筑物内各个用电设备所消耗的电能进行独立计量。电力分项计量对于电力公司准确预测电力负荷、科学制定电网调度方案、提高电力系统稳定性和可靠性有着重要意义。因此，如何将电路各设备的叠加态数据剥离为单一态数据(单一设备的功耗等数据)是非常有研究意义的。
3.电路分项计量技术目前主要分为两种：一种在总负荷内部为每个用电设备配备带有数字通信功能的传感器，通过通讯网络采集各用电设备的用电信息，这种方式称为侵入式电力负荷监测(ilm)；另一种仅在电网的用户入口处安装一个传感器，通过采集和分析用户用电总功率或总电流来监测每个或每类用电设备的用电功率和工作状态，从而了解用户家中每个或每类用电设备的耗电情况和用电规律，这种方式称作非侵入式电力负荷监测(nilmd)。基于nilmd技术的用电分析计量具有简单、经济、可靠和易于迅速推广应用等优势，更加适用于居民用户。
4.目前，非侵入式电力负荷监测如申请号为cn201811170715.6的专利文献，虽然该非侵入式电力负荷监测方法能对电路叠加态的数据剥离为单一态数据，但是剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量。


技术实现要素：

5.本申请提供了一种电路设备叠加态剥离为单一态的方法及装置，用于解决现有技术剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量的技术问题。
6.有鉴于此，本申请第一方面提供了一种电路设备叠加态剥离为单一态的方法，所述方法包括：
7.s1、根据各用电设备稳态时和暂态时的若干个运行参数，建立各所述用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型；
8.s2、通过区域生长算法对各所述用电设备的负荷数据集的时间序列进行划分，得到各所述用电设备的稳态时域和暂态时域；
9.s3、基于所述稳态功率特征矢量模型，提取各所述用电设备的稳态时域的负荷数据的功率特征，并基于所述暂态功率特征矢量模型，提取各所述用电设备的暂态时域的负荷数据的功率特征，得到各所述用电设备的功率特征矢量集合；
10.s4、通过所述区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域；
11.s5、基于高斯分布模型，根据所述功率特征矢量集合对所述稳态时间区域中的功率特征矢量进行分类，确定各所述功率特征矢量与各所述用电设备、各运行状态的对应关系，得到单一态数据。
12.可选地，步骤s5，之后还包括：
13.基于单一态用电设备的实时用电量计算公式，根据所述单一态数据计算所述单一态数据对应的用电设备的实时用电量。
14.可选地，所述实时用电量计算公式为：
15.w
i
＝pδt
稳
(n 1)(δp δq)δt；
16.式中，w
i
为用电设备的实时用电量，p为稳态时的总功率，n为叠加态内用电设备的稳态时间段数，δt
稳
为用电设备n个稳态的总时间，δp为暂态有功功率跳变量，δq为暂态无功功率跳变量，δt为达到暂态所需时间。
17.可选地，步骤s1，具体包括：
18.将各用电设备稳定时的有功功率、无功功率、功率因数的平均值和标准差设为各所述用电设备的稳态功率特征矢量模型，得到各所述用电设备的稳态功率特征矢量模型；
19.将各所述用电设备的暂态时的有功功率跳变量、无功功率跳变量、跳变所需时间、最大有功功率与暂态后有功功率之差、最大无功功率与暂态后无功功率之差设为各所述用电设备的暂态功率特征矢量模型，得到各所述用电设备的暂态功率特征矢量模型。
20.可选地，步骤s2，具体包括：
21.基于相似度计算公式，计算所述时间序列中相邻的每一个第一时间节点和第二时间节点的相似度；
22.基于时间节点合并判断公式，判断每一个所述第一时间节点和所述第二时间节点是否满足预置阈值，若是，合并所述所述第一时间节点和所述第二时间节点，从而得到各所述用电设备的稳态时域和暂态时域。
23.可选地，所述相似度计算公式为：
24.s
tt’＝p(t)
‑
p(t’)；
25.式中，s
tt’为相似度，p(t)所述第一时间节点的有功功率，p(t’)所述第二时间节点的有功功率，t’＝t 1，t＝1,...,t，所述时间序列为t＝{t
t
,t＝1,...,t}。
26.可选地，所述时间节点合并判断公式为：
27.|σ(p
tt'
)
‑
(σ(p
t
) σ(p
t'
))|＜δ；
28.式中，σ(p
tt'
)为所述第一时间节点和所述第二时间节点合并后所处状态的功率的标准差，σ(p
t
)为合并前所述第一时间节点的标准差，σ(p
t'
)为合并前所述第二时间节点的标准差，δ为所述预置阈值。
29.可选地，步骤s3，具体包括：
30.基于所述稳态功率特征矢量模型，对各所述用电设备的稳态时域的功率特征矢量进行贴标签处理，并基于所述暂态功率特征矢量模型，对各所述用电设备的暂态时域的功率特征矢量进行贴标签处理，得到各所述用电设备的功率特征矢量集合。
31.本申请第二方面提供一种电路设备叠加态剥离为单一态的装置，所述装置包括：
32.建模单元，用于根据各用电设备稳态时和暂态时的若干个运行参数，建立各所述用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型；
33.划分单元，用于通过区域生长算法对各所述用电设备的负荷数据集的时间序列进行划分，得到各所述用电设备的稳态时域和暂态时域；
34.提取单元，用于基于所述稳态功率特征矢量模型，提取各所述用电设备的稳态时域的负荷数据的功率特征，并基于所述暂态功率特征矢量模型，提取各所述用电设备的暂态时域的负荷数据的功率特征，得到各所述用电设备的功率特征矢量集合；
35.检测单元，用于通过所述区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域；
36.剥离单元，用于基于高斯分布模型，根据所述功率特征矢量集合对所述稳态时间区域中的功率特征矢量进行分类，确定各所述功率特征矢量与各所述用电设备、各运行状态的对应关系，得到单一态数据。
37.可选地，还包括：
38.计算单元，用于基于单一态用电设备的实时用电量计算公式，根据所述单一态数据计算所述单一态数据对应的用电设备的实时用电量。
39.从以上技术方案可以看出，本申请具有以下优点：
40.本申请的电路设备叠加态剥离为单一态的方法，首先构建用电设备功率特征矢量模型，然后通过每种设备的单一态数据集构建设备稳态和暂态的功率特征矢量集，再从叠加态中剥离得到各个设备的单一态信息，最后通过高斯分布模型概率判断单一态信息的所属设备和所属状态，并计算分析其实时用电量。相较于现有技术，本申请的剥离方法显著地提升了叠加态数据的剥离速度，进一步地，能够计算分析剥离后每种设备的实时用电量和总实时用电量，在实际应用中更加适合推广，解决了现有技术剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量的技术问题。
附图说明
41.图1为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例一的流程示意图；
42.图2为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例二的流程示意图；
43.图3为本申请实施例中提供的一种电路设备叠加态剥离为单一态的装置实施例的结构图；
44.图4为本实施例提供的用电设备为九阳热水壶的功率分析图；
45.图5为本实施例提供的用电设备为挂式空调启动时的功率分析图；
46.图6为本实施例提供的基于改进的区域生长稳态区间检测示例图；
47.图7为本实施例提供的叠加态负荷数据通过改进的区域生长算法检测出稳态时间区域。
具体实施方式
48.为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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
申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
49.请参阅图1，图1为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例一的流程示意图。
50.本实施例提供了一种电路设备叠加态剥离为单一态的方法，包括：
51.步骤101、根据各用电设备稳态时和暂态时的若干个运行参数，建立各用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型。
52.步骤102、通过区域生长算法对各用电设备的负荷数据集的时间序列进行划分，得到各用电设备的稳态时域和暂态时域。
53.步骤103、基于稳态功率特征矢量模型，提取各用电设备的稳态时域的负荷数据的功率特征，并基于暂态功率特征矢量模型，提取各用电设备的暂态时域的负荷数据的功率特征，得到各用电设备的功率特征矢量集合。
54.步骤104、通过区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域。
55.步骤105、基于高斯分布模型，根据功率特征矢量集合对稳态时间区域中的功率特征矢量进行分类，确定各功率特征矢量与各用电设备、各运行状态的对应关系，得到单一态数据。
56.本实施例一各步骤的描述与实施例二的描述类似，为描述的方便和简洁，请参见实施例二的描述。
57.本实施例的电路设备叠加态剥离为单一态的方法，首先构建用电设备功率特征矢量模型，然后通过每种设备的单一态数据集构建设备稳态和暂态的功率特征矢量集，再从叠加态中剥离得到各个设备的单一态信息，最后通过高斯分布模型概率判断单一态信息的所属设备和所属状态，并计算分析其实时用电量。相较于现有技术，本申请的剥离方法显著地提升了叠加态数据的剥离速度，解决了现有技术剥离过程非常复杂导致剥离速度较慢的技术问题。
58.以上为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例一，以上为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例二。
59.请参阅图2，图2为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例二的流程示意图。
60.本实施例提供的一种电路设备叠加态剥离为单一态的方法，包括：
61.步骤201、将各用电设备稳定时的有功功率、无功功率、功率因数的平均值和标准差设为各用电设备的稳态功率特征矢量模型，得到各用电设备的稳态功率特征矢量模型。
62.需要说明的是，由于在叠加态数据中最具明显变化特征的即功率，申请人通过分析发现，功率随着状态的改变呈现加性叠加关系。而有功功率、无功功率和功率因数是描述设备用电情况最直观的方法，不同用电设备的功率参数会有明显的特征区别。分析数据集可以发现各设备的有功功率与总有功功率、无功功率与总无功功率、功率因数与总功率因数几乎完全重合，
63.本实施例以九阳热水壶，如图4，我们只需分析有功功率、无功功率和功率因数就能代表该设备的功率特征。由有功功率、无功功率和功率因数曲线可知，当设备状态处于稳态时，其功率特征是平滑的，只有在状态发生改变时具有波动性，并且其功率各不相同，为
此具有可区分性。为了反应各设备功率波形之间的差异，对功率进行统计分析，选取有功功率p、无功功率q和功率因数f组成特征向量，采用稳态时时间序列数据的均值和标准差刻画相应特征。
64.具体量化公式如下：
65.有功功率平均值：标准差：
66.无功功率平均值：标准差：
67.功率因数平均值：标准差：
68.根据设备稳定时的功率均值p(μ)、q(μ)、f(μ)和标准差p(σ)、q(σ)、f(σ)构建稳态功率特征矢量模型x＝(p
u
,q
u
,f
u
,p
σ
,q
σ
,f
σ
)。
69.步骤202、将各用电设备的暂态时的有功功率跳变量、无功功率跳变量、跳变所需时间、最大有功功率与暂态后有功功率之差、最大无功功率与暂态后无功功率之差设为各用电设备的暂态功率特征矢量模型，得到各用电设备的暂态功率特征矢量模型。
70.需要说明的是，根据设备数据的可视化结果可知，各用电设备开启到达稳定具有一定的过程，我们称之为暂态。如图5所示，本实施例以挂式空调启动时的功率为例，分析暂态特性。这个过程所需的时间各不相同，并且过程中功率等变化也具有独特的特征，设备开和关时的功率变化尤为明显。结合暂态有功功率跳变量δp，无功功率跳变量δq，所需时间δt，以及暂态中最大有功功率与暂态后有功功率之差δpc和暂态中最大无功功率与暂态后无功功率之差δqc定义暂态特征矢量模型y＝(δp,δq,δt,δp
c
,δq
c
)。每种设备单一态提取量化结果特征值矢量如表1所示。
71.表1各设备开和关时暂态特征值
72.[0073][0074]
由稳态功率特征矢量模型x和暂态功率特征矢量模型y可以构成每种设备独一的功率特征矢量，具有比较好的用电设备区分性。
[0075]
步骤203、基于相似度计算公式，计算时间序列中相邻的每一个第一时间节点和第二时间节点的相似度。
[0076]
需要说明的是，由于用电设备负荷数据集中包括稳态和暂态的数据，怎么把稳态和暂态的时间段分开呢，本实施例采用改进的区域生长算法来划分用电设备的稳态和暂态。
[0077]
已知一用电设备的时间序列测试数据，将时间序列t＝{tt,t＝1,...,t}中的tt作为数据的时间节点，相邻时间节点上的有功功率的差值与时间间隔的比作为区域的相似度stt’：按时间序列节点计算当前节点与后一节点的相似度。
[0078]
其中，相似度计算公式为：
[0079]
s
tt’＝p(t)
‑
p(t’)；
[0080]
式中，s
tt’为相似度，p(t)第一时间节点的有功功率，p(t’)第二时间节点的有功功率，t’＝t 1，t＝1,...,t，时间序列为t＝{t
t
,t＝1,...,t}。
[0081]
步骤204、基于时间节点合并判断公式，判断每一个第一时间节点和第二时间节点是否满足预置阈值，若是，合并第一时间节点和第二时间节点，从而得到各用电设备的稳态时域和暂态时域。
[0082]
需要说明的是，本实施例根据相似度合并两个节点，直到t＝t停止合并。两时间节点是否合并的条件为合并后两个时间节点所处状态的功率的标准差σ(ptt’)，与合并前二者标准差差σ(pt)、σ(pt’)的和的差值的绝对值是否小于预置阈值，即：
[0083]
|σ(p
tt'
)
‑
(σ(p
t
) σ(p
t'
))|＜σ；
[0084]
式中，σ(p
tt'
)为第一时间节点和第二时间节点合并后所处状态的功率的标准差，σ(p
t
)为合并前第一时间节点的标准差，σ(p
t'
)为合并前第二时间节点的标准差，δ为预置阈值。基于改进的区域生长稳态检测区间示例检测结果如图6所示。
[0085]
步骤205、基于稳态功率特征矢量模型，对各用电设备的稳态时域的功率特征矢量进行贴标签处理，并基于暂态功率特征矢量模型，对各用电设备的暂态时域的功率特征矢量进行贴标签处理，得到各用电设备的功率特征矢量集合。
[0086]
需要说明的是，本实施例根据步骤201中的功率特征矢量模型对每种设备进行稳态功率特征矢量和暂态功率特征矢量进行贴标签，这样每种设备都会有自己独一的功率特征矢量。每种设备的功率特征矢量的集合称为功率特征矢量集合。
[0087]
步骤206、通过区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域。
[0088]
需要说明的是，本实施例以某一设备组为例，叠加态负荷数据用改进的区域生长算法检测出稳态时间区域，如图7所示。
[0089]
步骤207、基于高斯分布模型，根据功率特征矢量集合对稳态时间区域中的功率特征矢量进行分类，确定各功率特征矢量与各用电设备、各运行状态的对应关系，得到单一态数据。
[0090]
需要说明的是，本实施例步骤207是对稳态时间区域中的功率特征矢量与功率特征矢量集合，进行概率判断，相当于根据功率特征矢量集合对稳态时间区域中的功率特征矢量进行分类。
[0091]
假设各设备的各个状态的功率服从均值为μ，标准差为σ的高斯分布，即：
[0092][0093]
假设对于一个未知设备叠加态的时间序列数据，共检测出k个平滑稳态，si’＝{si’h,h＝1,...,k}，其中，si’h第i个设备稳态中第h个状态的负荷印记特征矢量，h为稳态状态索引。
[0094]
计算平滑稳态中的功率数据psi属于各个设备的状态的概率，即：
[0095][0096]
其中，psi为稳态中所计算出来的功率数据，μ(pij)和σ(pij)分别为第i个设备中第j个状态的功率的均值及标准差。
[0097]
则该稳态属于概率最大的那一状态，即
[0098][0099]
其中，ij表示步骤(2)中数据库的第i个设备中的第j个状态。
[0100]
以某一设备组为例，叠加态负荷数据剥离为单一态数据，剥离后用电设备判别及状态结果表2所示。表2
[0101][0102][0103]
步骤208、基于单一态用电设备的实时用电量计算公式，根据单一态数据计算单一态数据对应的用电设备的实时用电量。
[0104]
需要说明的是，本实施例通过采用w＝pt方法来计算一种设备的实时用电量，某一设备用电量为稳态用电量加上暂态用电量。叠加态剥离后单一态设备的实时用电量为：
[0105]
w
i
＝pδt
稳
(n 1)(δp δq)δt；
[0106]
式中，w
i
为用电设备的实时用电量，p为稳态时的总功率，n为叠加态内用电设备的稳态时间段数，δt
稳
为用电设备n个稳态的总时间，δp为暂态有功功率跳变量，δq为暂态无功功率跳变量，δt为达到暂态所需时间。
[0107]
进一步地，电路的叠加态数据内的用电设备总实时用电量为剥离后每种用电设备的实时用电量之和为。
[0108]
本实施例的电路设备叠加态剥离为单一态的方法，首先构建用电设备功率特征矢量模型，然后通过每种设备的单一态数据集构建设备稳态和暂态的功率特征矢量集，再从
叠加态中剥离得到各个设备的单一态信息，最后通过高斯分布模型概率判断单一态信息的所属设备和所属状态，并计算分析其实时用电量。相较于现有技术，本申请的剥离方法显著地提升了叠加态数据的剥离速度，进一步地，能够计算分析剥离后每种设备的实时用电量和总实时用电量，在实际应用中更加适合推广，解决了现有技术剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量的技术问题。
[0109]
以上为本申请实施例中提供的一种电路设备叠加态剥离为单一态的方法实施例二，以上为本申请实施例中提供的一种电路设备叠加态剥离为单一态的装置实施例。
[0110]
请参阅图3，图3为本申请实施例中提供的一种电路设备叠加态剥离为单一态的装置实施例的结构图。
[0111]
本申请实施例中提供的一种电路设备叠加态剥离为单一态的装置，包括：
[0112]
建模单元301，用于根据各用电设备稳态时和暂态时的若干个运行参数，建立各用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型。
[0113]
划分单元302，用于通过区域生长算法对各用电设备的负荷数据集的时间序列进行划分，得到各用电设备的稳态时域和暂态时域。
[0114]
提取单元303，用于基于稳态功率特征矢量模型，提取各用电设备的稳态时域的负荷数据的功率特征，并基于暂态功率特征矢量模型，提取各用电设备的暂态时域的负荷数据的功率特征，得到各用电设备的功率特征矢量集合。
[0115]
检测单元304，用于通过区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域。
[0116]
剥离单元305，用于基于高斯分布模型，根据功率特征矢量集合对稳态时间区域中的功率特征矢量进行分类，确定各功率特征矢量与各用电设备、各运行状态的对应关系，得到单一态数据。
[0117]
进一步地，在一个可选地实施例中，还包括：
[0118]
计算单元，用于基于单一态用电设备的实时用电量计算公式，根据单一态数据计算单一态数据对应的用电设备的实时用电量。
[0119]
本实施例的电路设备叠加态剥离为单一态的装置，首先构建用电设备功率特征矢量模型，然后通过每种设备的单一态数据集构建设备稳态和暂态的功率特征矢量集，再从叠加态中剥离得到各个设备的单一态信息，最后通过高斯分布模型概率判断单一态信息的所属设备和所属状态，并计算分析其实时用电量。相较于现有技术，本申请的剥离方法显著地提升了叠加态数据的剥离速度，进一步地，能够计算分析剥离后每种设备的实时用电量和总实时用电量，在实际应用中更加适合推广，解决了现有技术剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量的技术问题。
[0120]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0121]
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那
些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0122]
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0123]
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0124]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0125]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0126]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read
‑
only memory，英文缩写：rom)、随机存取存储器(英文全称：random access memory，英文缩写：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0127]
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

技术特征：
1.一种电路设备叠加态剥离为单一态的方法，其特征在于，包括：s1、根据各用电设备稳态时和暂态时的若干个运行参数，建立各所述用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型；s2、通过区域生长算法对各所述用电设备的负荷数据集的时间序列进行划分，得到各所述用电设备的稳态时域和暂态时域；s3、基于所述稳态功率特征矢量模型，提取各所述用电设备的稳态时域的负荷数据的功率特征，并基于所述暂态功率特征矢量模型，提取各所述用电设备的暂态时域的负荷数据的功率特征，得到各所述用电设备的功率特征矢量集合；s4、通过所述区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域；s5、基于高斯分布模型，根据所述功率特征矢量集合对所述稳态时间区域中的功率特征矢量进行分类，确定各所述功率特征矢量与各所述用电设备、各运行状态的对应关系，得到单一态数据。2.根据权利要求1所述的电路设备叠加态剥离为单一态的方法，其特征在于，步骤s5，之后还包括：基于单一态用电设备的实时用电量计算公式，根据所述单一态数据计算所述单一态数据对应的用电设备的实时用电量。3.根据权利要求2所述的电路设备叠加态剥离为单一态的方法，其特征在于，所述实时用电量计算公式为：w
i
＝pδt
稳
(n 1)(δp δq)δt；式中，w
i
为用电设备的实时用电量，p为稳态时的总功率，n为叠加态内用电设备的稳态时间段数，δt
稳
为用电设备n个稳态的总时间，δp为暂态有功功率跳变量，δq为暂态无功功率跳变量，δt为达到暂态所需时间。4.根据权利要求1所述的电路设备叠加态剥离为单一态的方法，其特征在于，步骤s1，具体包括：将各用电设备稳定时的有功功率、无功功率、功率因数的平均值和标准差设为各所述用电设备的稳态功率特征矢量模型，得到各所述用电设备的稳态功率特征矢量模型；将各所述用电设备的暂态时的有功功率跳变量、无功功率跳变量、跳变所需时间、最大有功功率与暂态后有功功率之差、最大无功功率与暂态后无功功率之差设为各所述用电设备的暂态功率特征矢量模型，得到各所述用电设备的暂态功率特征矢量模型。5.根据权利要求1所述的电路设备叠加态剥离为单一态的方法，其特征在于，步骤s2，具体包括：基于相似度计算公式，计算所述时间序列中相邻的每一个第一时间节点和第二时间节点的相似度；基于时间节点合并判断公式，判断每一个所述第一时间节点和所述第二时间节点是否满足预置阈值，若是，合并所述所述第一时间节点和所述第二时间节点，从而得到各所述用电设备的稳态时域和暂态时域。6.根据权利要求5所述的电路设备叠加态剥离为单一态的方法，其特征在于，所述相似度计算公式为：s
tt’＝p(t)
‑
p(t’)；
式中，s
tt’为相似度，p(t)所述第一时间节点的有功功率，p(t’)所述第二时间节点的有功功率，t’＝t 1，t＝1,...,t，所述时间序列为t＝{t
t
,t＝1,...,t}。7.据权利要求5所述的电路设备叠加态剥离为单一态的方法，其特征在于，所述时间节点合并判断公式为：|σ(p
tt'
)
‑
(σ(p
t
) σ(p
t'
))|＜δ；式中，σ(p
tt'
)为所述第一时间节点和所述第二时间节点合并后所处状态的功率的标准差，σ(p
t
)为合并前所述第一时间节点的标准差，σ(p
t'
)为合并前所述第二时间节点的标准差，δ为所述预置阈值。8.根据权利要求1所述的电路设备叠加态剥离为单一态的方法，其特征在于，步骤s3，具体包括：基于所述稳态功率特征矢量模型，对各所述用电设备的稳态时域的功率特征矢量进行贴标签处理，并基于所述暂态功率特征矢量模型，对各所述用电设备的暂态时域的功率特征矢量进行贴标签处理，得到各所述用电设备的功率特征矢量集合。9.一种电路设备叠加态剥离为单一态的装置，其特征在于，包括：建模单元，用于根据各用电设备稳态时和暂态时的若干个运行参数，建立各所述用电设备的稳态功率特征矢量模型和暂态功率特征矢量模型；划分单元，用于通过区域生长算法对各所述用电设备的负荷数据集的时间序列进行划分，得到各所述用电设备的稳态时域和暂态时域；提取单元，用于基于所述稳态功率特征矢量模型，提取各所述用电设备的稳态时域的负荷数据的功率特征，并基于所述暂态功率特征矢量模型，提取各所述用电设备的暂态时域的负荷数据的功率特征，得到各所述用电设备的功率特征矢量集合；检测单元，用于通过所述区域生长算法检测待剥离的叠加态负荷数据的稳态时间区域；剥离单元，用于基于高斯分布模型，根据所述功率特征矢量集合对所述稳态时间区域中的功率特征矢量进行分类，确定各所述功率特征矢量与各所述用电设备、各运行状态的对应关系，得到单一态数据。10.根据权利要求9所述的电路设备叠加态剥离为单一态的装置，其特征在于，还包括：计算单元，用于基于单一态用电设备的实时用电量计算公式，根据所述单一态数据计算所述单一态数据对应的用电设备的实时用电量。
技术总结
本申请公开了一种电路设备叠加态剥离为单一态的方法及装置，包括：首先构建用电设备功率特征矢量模型，然后通过每种设备的单一态数据集构建设备稳态和暂态的功率特征矢量集，再从叠加态中剥离得到各个设备的单一态信息，最后通过高斯分布模型概率判断单一态信息的所属设备和所属状态，并计算分析其实时用电量。相较于现有技术，本申请的剥离方法显著地提升了叠加态数据的剥离速度，进一步地，能够计算分析剥离后每种设备的实时用电量和总实时用电量，在实际应用中更加适合推广，解决了现有技术剥离过程非常复杂导致剥离速度较慢，而且只能对叠加态的数据进行剥离，无法分析出电路中每种设备的实时用电量的技术问题。电路中每种设备的实时用电量的技术问题。


技术研发人员：谢家度 刘怡俊 林文杰 孔祥龙
受保护的技术使用者：广东工业大学
技术研发日：2021.04.06
技术公布日：2021/6/29