买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:1形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；2对形成的总负荷特征序列进行滑动窗口分段；3耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；4将图数据进行划分并输入到AGCN模型中进行训练；5对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。

主权项：1.一种基于自适应图卷积网络的非侵入式负荷分解方法，包括如下步骤，其特征在于：1形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列：所述的形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列步骤为：步骤1：利用非侵入式方法采集总负荷有功功率序列，记为P＝[p1，p2，...，pT]T；采集总负荷电流序列，记为I＝[i1，i2，...，iT]T；采集温度序列，记为Tc＝[t1，t2，...，tT]T；其中，1，2，...，T表示采集序列的时长；步骤2：将采集到的总负荷有功功率序列P＝[p1，p2，...，pT]T、总负荷电流序列I＝[i1，i2，...，iT]T和温度序列Tc＝[t1，t2，...，tT]T拼接形成总负荷特征序列，记为L＝[l1，l2，…，其中li＝[pi，ii，ti]；2对形成的总负荷特征序列进行滑动窗口分段；所述的对形成的总负荷特征序列进行滑动窗口分段步骤为：步骤1：构造滑动时间窗的长度为M；步骤2：对形成的总负荷特征序列L＝[l1，l2，…，lT]T，滑动窗口每次向前移动一个采样点，形成的第1个负荷序列记为L1＝[l1，l2，…，IM]T，依次滑动，最终形成T-M+1个长度为M的负荷序列向量L＝[L1，L2，…，LT-M+1]；3耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；所述的耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模步骤为：步骤1：将形成的T-M+1个长度为M的总负荷特征序列向量L＝[L1，L2，…，LT-M+1]中的每一段总负荷特征序列Li都单独构建成无向图GX，A，其中X是图中节点的特征矩阵，A是邻接矩阵；步骤2：定义节点特征，将节点特征表达为该时刻形成的总负荷特征序列即该时刻总负荷有功功率值、总负荷电流值和温度三者的组合，其表达式为： 式中：M是节点个数即每一段总负荷特征序列Li的长度；步骤3：定义邻接矩阵，时间最能描述用户行为特征规律，考虑到耦合用户用电行为特征，输入图数据的邻接矩阵每条边赋予其基于时间间隔的权重，权重越高代表两节点相隔时间越短，两者关系越密切； 式中：ti表示节点i所在的时刻；tj表示节点j所在的时刻；σ是比例因子；4将图数据进行划分并输入到AGCN模型中进行训练；5对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。

全文数据：

权利要求：

百度查询： 东南大学 一种基于自适应图卷积网络的非侵入式负荷分解方法