(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210929445.2 (22)申请日 2022.08.03 (71)申请人 浙江工业大 学 地址 310006 浙江省杭州市拱 墅区朝晖六 区潮王路18号 (72)发明人 潘国兵　钱浚杰　王海鹏　邓伟芳　 罗宇涵　欧阳静　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 吴昌榀 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06F 17/18(2006.01) (54)发明名称 一种非侵入式负荷识别的自适应阈值事件 检测方法 (57)摘要 本发明公开了一种非侵入式负荷识别的自 适应阈值事件检测方法， 所述方法包括以下步 骤： 步骤1： 数据输入， 以环形存储方法将功率数 据进行整理， 形成滑动 窗口； 步骤2： 针对当前负 荷功率变化特征， 将事件根据标准差算法分为短 暂态事件和长暂态事件， 对不同类型事件采用不 同的方法自适应调整阈值； 步骤3： 根据阈值进行 基于均值偏移CUSUM的事件检测， 判断事件是否 真实； 步骤4： 针对检测到的真实事件提取特征向 量， 通过机器学习方法进行事件分类。 本发明能 够根据当前功率变化情况， 计算出相应阈值， 解 决传统事件检测方法局限于固定阈值， 在同时存 在功率变化幅值差别大的负荷时， 功率变化幅值 小的负荷难以被 检测的问题。 权利要求书2页 说明书4页 附图2页 CN 115409089 A 2022.11.29 CN 115409089 A 1.一种非侵入式负荷识别的自适应阈值事件检测方法， 其特征在于， 所述方法包括以 下步骤： 步骤1： 数据输入， 以环形存储方法将功率数据进行整理， 形成滑动窗口； 计算模块接收 数据输入， 以环形存储方法将视在功率、 有功功率、 无功功率数据进行整理， 形成三功率窗 口W＝{si,pi,qi|i＝n,n+1, …,n+N}(n∈R)， 式中si代表视在功率， pi代表有功功率， qi代表 无功功率， 三功率窗口W内数据随着n增大而不断更新； 步骤2： 针对不同的负荷功率变化特征， 将事件根据 标准差算法分为短暂态事件和长暂 态事件， 对不同类型事 件采用不同的方法自适应调整阈值； 步骤3： 根据计算得到的阈值进行基于均值偏移CUSUM的事 件检测， 判断事 件是否真实； 步骤4： 针对检测到的真实事 件提取特征向量， 通过机器学习方法进行事 件分类。 2.如权利要求1所述的一种非侵入式负荷识别的自适应阈值事件检测方法， 标准差算 法， 其特征在于， 所述步骤2包括： 根据步骤1所得的三功 率窗口W， 将其中的视在功 率分为均 值评估窗口Sm＝{si|i＝n,n+1,n+2,n+3}及事件检测窗口Sch＝{si|i＝n+4,n+5, …,n+N}， 均 值评估窗口Sm用于评估 前一时刻功 率水平， 事件检测窗口Sch用于检测当前时刻是否发生负 荷投切事件， 计算Sm的平均值sm， 计算Sch的标准差σ， 当σ 首次大于yth时， 代表有事件发生， 记 录σ 值大于yth的次数为cch， 当σ 达到最大时， 代表事件 结束， 若cch小于最小值cmin时， σ 达到最 大值， 则舍弃该事件， 若cch大于最大值cmax时， σ 仍未达到最大值， 则将该事件归类为长暂态 事件， 否则为短暂态事 件。 3.如权利要求2所述的一种非侵入式负荷识别的自适应阈值事件检测方法， 其特征在 于， 所述步骤2还包括： 若发生长暂态事件， 则保持Sm不变， 增加Sch长度， 将新输入的数据加 入Sch＝{si|i＝n+4,n+5, …n+N,…,n+k}(k∈R,k＞N)， 取Sch中后x个元素组成S ′ch＝{xi|i＝ n+k‑x+1,n+k‑x+2,…,n+k}， 作为长暂态事件检测窗口， 计 算S′ch的伪标准差 为σ′， 其计算公 式如下： 式中 为Sm的平均值， 当σ ′达到最大时， 代表该长暂态事件结束， 记录下一个σ ′为σ′ca， S′ch的平均值 为 计算该长暂态事 件的阈值 为h′th， 计算公式如下： 4.如权利要求3所述的一种非侵入式负荷识别的自适应阈值事件检测方法， 其特征在 于， 所述步骤2还包括： 若发生短暂态事件， 当σ 达到最 大后， 取下一个事件 检测窗口Sch， 计算 Sch的峰均值比rch， 公式如下： 式中smax为事件检测窗口Sch中最大值， 为事件检测窗口Sch的均值， 由于功率数据存 在叠加情况， 因此 上式需要减去窗口最小值， 公式变更如下：权　利　要　求　书 1/2 页 2 CN 115409089 A 2式中smin为事件检测窗口Sch中最小值， 记此时事件检测窗口Sch的标准差为σch， 计算该 短暂态事 件的阈值 为hth， 计算公式如下： 5.如权利要求4所述的一种非侵入式负荷识别的自适应阈值事件检测方法， 其特征在 于， 所述步骤3包括： 计算当前事 件检测窗口Sch/S′ch的均值， 其公式为： 计算均值偏移累积和g±， 公式如下： 根据步骤2所得的阈值hth/h′th， 与g±进行比较， 当g±＞hth/h′th时， 则说明该事件真实发 生， 当t等于事件检测窗口的长度， 即累积和g±达到最大时， g±仍小于hth/h′th， 则说明该事 件为虚报事 件。 6.如权利要求5所述的一种非侵入式负荷识别的自适应阈值事件检测方法， 其特征在 于， 所述步骤4包括： 根据步骤3所得的真实事件， 记录该事件持续时间cch、 阈值hth/h′th、 均 值偏移累积和g±、 窗口Pch有功功率极差、 有功功率变化均值， 无功功率极差、 无功功率变化 均值， 形成事件特征向量， 利用该特征向量通过机器学习LGB算法进行事件分类， 得到该事 件的事件类型。权　利　要　求　书 2/2 页 3 CN 115409089 A 3