本发明属于非侵入式负荷监测，具体涉及基于抓取窗口捕捉的工商业负荷事件检测方法、系统及设备。
背景技术：
1、非侵入式负荷监测，是智能用电和节能技术的重要部分，近些年来备受研究者的关注。与侵入式负荷监测相比，它不需要对所要检测的每一个用电设备安装监控装置就可以获取该电器的状态和功耗，是一种低成本、易于部署、可推广性强的监测方法,同时在一些方面加强了对客户隐私的保护。近些年来，各种深度学习的方法在非侵入式负荷辨识中取得了显著的成效。
2、工业负荷和商业负荷都具有区别于居民用电负荷的显著特点。首先工业生产过程通常受设备启停，生产任务和生产工艺的影响，其次，在工业生产线上除了大型生产设备，这些生产设备大多由电动机等感性负荷构成，电网的功率因数较低。还有类似空调，排气扇和照明设备等常用设备。除此之外，工业负荷也具有明显的分时性，很多工厂通常在晚上或者夜间非高峰时段运行。商业负荷类似于工业负荷，商业用电也具有鲜明的分时特征，日常电力需求在早晨和晚上会有较为明显的高峰时段，其次商业用电常常与经济活动挂钩，节假日促销可能导致商业电力负荷增加等原因。另外，商业用电的另一显著特征是季节性，以常被用于需求侧响应的空调为例，冬季和夏季会导致电力需求的显著增加。而居民用电负荷在规模和容量上低于工商业负荷，并且设备负荷以电阻性负荷为主，大多数情况下，电网的功率因数接近1，较为理想。综上，对工商业的负荷监测在规模、行为规律性、系统复杂性和精度要求也对增加了负荷监测的难度，因此找出合适于工商业的负荷监测手段极为重要。
3、有效的事件检测指的是准确识别电力系统中的负荷变化事件，如设备的开启或关闭。事件检测对于提高负荷辨识，负荷分解有着至关重要的意义，尤其针对于多种负荷同时运行更为重要。然而，工商业环境通常包含多种复杂的电器设备，这些设备的用电行为多样且变化无常，给准确的事件检测带来了极大的挑战。现有的负荷事件检测方法在复杂环境下往往面临着较高的误检和漏检率，这不仅影响负荷监测的准确性，也限制了能源管理和优化的效果。神经网络通常需要大量的计算和存储资源，尤其是在深度学习领域，需要使用大量的参数和计算资源进行训练和推断，而且需要通过反向传播算法来训练和调整网络参数，一方面对于处理器的性能要求较高，另一方面需要更多的时间和计算资源，无法保证事件检测所需的实时性。
技术实现思路
1、本发明是为了解决上述问题而进行的，目的在于提供基于抓取窗口捕捉的工商业负荷事件检测方法、系统及设备，采用抓取窗口捕捉的方法提取出稳态中心，实现事件检测的目的，在不影响效率的前提下保证实时性。
2、本发明为了实现上述目的，采用了以下方案：
3、<方法>
4、本发明提供了基于抓取窗口捕捉的工商业负荷事件检测方法，包括以下步骤：
5、步骤1，实时采集真实工商业用电环境下的电力数据；
6、步骤2，对步骤1的电力数据进行预处理，得到一个d列n行的d维向量，该d维向量；将该d维向量作为样本点用x表示，该向量每一行的数据用xi表示；
7、步骤3，基于样本点进行负荷事件检测：
8、步骤3.1，特征选取
9、计算用电设备在d维特征下的状态系数，选取状态系数最大的特征的作为该用电设备的最大特征，设最大特征为g维特征q，g≤d；
10、步骤3.2，抓取窗口设置
11、将抓取窗口mi设置为宽度为s的区域：
12、
13、mi＝[qgi,qgi+1,...,qgi+s-1]
14、通过抓取窗口每次抓取得到的数据的变动限度ei(g)应满足：
15、ei(d)<λ
16、ei(g)＝max(q(g))-min(q(g)),q∈mi
17、式中，λ是设备处于稳定状态且无其他设备投切时ei(g)的大小；若该次抓取的波动限度ei(g)小于λ，表示当前窗口处于稳定状态；若ei(g)小于的点存在多个，则记录第一个在变动限度内的点作为稳态中心；上标g和(g)均表示g维；
18、步骤3.3，聚类分析设置
19、对抓取窗口抓取的数据进行聚类分析，得到偏移向量趋于0的峰值点及以该峰值点作为球心的高维球区域，将峰值点作为稳态中心，将高维球区域作为稳态区域；
20、步骤3.4，对样本点进行负荷事件捕捉
21、1)采用当前抓取窗口mi抓取特征数据，然后通过步骤3.3处理得到稳态中心和稳态区域n'i＝[c(d),v1(d),....,,vs-1(d)]，上标(d)表示d维；
22、2)在抓取窗口中保留稳态中心，剔除孤立点，得到新窗口应抓取的特征；
23、将的点放入到存放稳态事件数据的数组w中，是mean-shift漂移停止的阈值，w[i·]中的g维特征的电力数据v均按照时间顺序排列，下标[i·]表示数组w的第i行数据；
24、当时，认为该行数据点都是孤立点，进行丢弃，其中num[·]表示数组w中元素计数，l的值依据抓取范围的大小和实际的采样频率而定；然后，计算剩余的各行的中心点(聚类中心)，通过arg[w[i·]]来计算，得到更新后的一系列聚类点(蕨类中心)[c1(d),...,cj(d)]；抓取窗口只保留更新后的聚类点m”i＝[c(d),c1(d),...,cj(d)]，将该抓取窗口作为更新后下一次抓取用的当前抓取窗口mi；
25、3)识别负荷事件
26、根据2)更新后的当前抓取窗口mi所对应的更新后的聚类点的数量识别出负荷事件数量，负荷事件数量＝聚类点的数量，进一步根据2)中的数组w确定各负荷事件发生的时刻；设基于更新后的聚类点[c1(d),...,cj(d)]识别出有j个负荷事件发生，则各负荷事件的发生时刻为：
27、
28、式中，z表示采样频率，num[c(d)]表示数组w中c(d)的数量；
29、4)重复1)～3)进行数据抓取，直到检测停止。
30、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤3.2中，抓取窗口相邻两次抓取的差值设置为：
31、
32、不断更新的稳态中心应满足：
33、
34、式中，代表两次抓取的均值；η为负荷事件的最小检出量。
35、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤3.4中，l∈[5,10]，当抓取窗口越小、采样频率越低，则l取值越低。
36、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤3.4中，一个抓取窗口抓取的数据分析完之后，直接进行下一抓取。
37、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤3.4中，在相邻两次的抓取窗口中，若第二次的抓取窗口有新的聚类点产生，则表明有新的负荷事件发生。
38、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤3.1中，用电设备的特征至少包括电压、电流、有功、无功、视在功率、谐波。
39、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤2中，得到的向量为[p,q,v1,v3,v5]，p表示有功，q表示无功，v表示数据信号的基波，v3表示三次谐波，v5表示五次谐波。
40、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测方法，在步骤1中，电力数据为电流、电压数据。
41、<系统>
42、进一步，本发明还提供了自动控制实现上述<方法>的基于抓取窗口捕捉的工商业负荷事件检测系统，包括：
43、数据采集部，实时采集真实工商业用电环境下的电力数据；
44、预处理部，对电力数据进行预处理，得到样本点；
45、检测部，基于样本点采用抓取窗口进行负荷事件检测，识别出有负荷事件发生的数量，和各负荷事件的发生时刻；
46、控制部，与数据采集部、预处理部、检测部均通信相连，控制它们的运行。
47、优选地，本发明提供的基于抓取窗口捕捉的工商业负荷事件检测系统，还可以包括：输入显示部，与控制部通信相连，让用户输入操作指令，并根据操作指令对相应部的输入、输出和中间处理数据以文字、表格、图形、静态或动态模型方式进行显示。
48、<设备>
49、更近一步，本发明还提供了基于抓取窗口捕捉的工商业负荷事件检测设备，包括：存储器，存储有用于实现以上<方法>的程序；处理器，执行存储器存储的程序得到检测结果。
50、发明的作用与效果
51、本发明所提供的基于抓取窗口捕捉的工商业负荷事件检测方法、系统及设备，首次提出采用抓取窗口对负荷事件进行检测，通过设置的抓取窗口对对样本点进行负荷事件捕捉，基于设备状态而非电力数据边缘进行检测，能够高效、准确地识别出工商业负荷事件及各负荷事件发生的时刻。对于工商业环境中，多种复杂用电设备、变化缓慢的设备、大功率设备背景下开启小功率设备各种复杂多变的场景，都可以进行实时准确识别，并且在事件检测的环节就能感知设备运行状态，在工商业用电环境下具有较高的应用价值。
1.基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：其中，在步骤3.2中，抓取窗口相邻两次抓取的差值设置为：
3.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：其中，在步骤3.4中，l∈[5,10]，当抓取窗口越小、采样频率越低，则l取值越低。
4.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：其中，在步骤3.4中，一个抓取窗口抓取的数据分析完之后，直接进行下一抓取。
5.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：
6.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：
7.根据权利要求1所述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于：
8.基于抓取窗口捕捉的工商业负荷事件检测系统，能够自动执行权利要求1～7中任意一项所描述的基于抓取窗口捕捉的工商业负荷事件检测方法，其特征在于，包括：
9.根据权利要求8所述的基于抓取窗口捕捉的工商业负荷事件检测系统，其特征在于，还包括：
10.基于抓取窗口捕捉的工商业负荷事件检测设备，其特征在于，包括：
