本申請涉及負荷識別，特別是涉及一種非侵入式負荷監(jiān)測方法、裝置、計算機設(shè)備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

背景技術(shù)：

1、隨著信息技術(shù)和大數(shù)據(jù)分析技術(shù)的快速發(fā)展，非侵入式負荷監(jiān)測可以通過數(shù)據(jù)分析識別不同設(shè)備的用電負荷情況。

2、目前可以根據(jù)單一的優(yōu)化模型、模式識別模型或者深度學習模型，進行非侵入式負荷監(jiān)測。然而現(xiàn)有的非侵入式負荷監(jiān)測方法準確度不高且用電負荷識別效果較差。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種非侵入式負荷監(jiān)測法、裝置、計算機設(shè)備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

2、第一方面，本申請?zhí)峁┝艘环N非侵入式負荷監(jiān)測方法，包括：

3、將目標用電負荷數(shù)據(jù)輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果；

4、獲取所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重；

5、根據(jù)所述若干個第一負荷分解結(jié)果和所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果；

6、根據(jù)所述第二負荷分解結(jié)果和各設(shè)備的標準用電負荷數(shù)據(jù)，得到各設(shè)備的用電負荷數(shù)據(jù)。

7、在其中一個實施例中，在將目標用電負荷數(shù)據(jù)分別輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果之前，所述方法還包括：

8、根據(jù)若干個預(yù)先構(gòu)建的隨機森林模型和第一負荷測試集，得到對應(yīng)的若干個第三負荷分解結(jié)果；

9、獲取預(yù)先構(gòu)建的強化學習模型；

10、根據(jù)所述預(yù)先構(gòu)建的強化學習模型、每一隨機森林模型輸出的所述第三負荷分解結(jié)果以及每一隨機森林模型對應(yīng)的初始權(quán)重，調(diào)整每一所述隨機森林模型的參數(shù)和權(quán)重，得到預(yù)先構(gòu)建的用電負荷分解模型以及所述用電負荷分解模型對應(yīng)的權(quán)重。

11、在其中一個實施例中，在根據(jù)若干個預(yù)先構(gòu)建的隨機森林模型和第一負荷測試集，得到對應(yīng)的若干個第三負荷分解結(jié)果之前，所述方法還包括：

12、獲取第二負荷測試集；

13、將所述第二負荷測試集均勻劃分成若干個負荷測試子集；

14、針對任一第一參數(shù)待調(diào)整模型，從所述若干個負荷測試子集中任選一個負荷測試子集，對所述任一第一參數(shù)待調(diào)整模型進行訓練，得到預(yù)先構(gòu)建的隨機森林模型。

15、在其中一個實施例中，所述獲取第二負荷測試集，包括：

16、根據(jù)預(yù)先構(gòu)建的各類型深度學習模型和第一負荷測試集，得到對應(yīng)的若干個第四負荷分解結(jié)果；

17、根據(jù)所述若干個第四負荷分解結(jié)果和生成對抗網(wǎng)絡(luò)模型，得到若干個負荷生成結(jié)果；

18、根據(jù)所述若干個負荷生成結(jié)果和所述第一負荷測試集，得到第二負荷測試集。

19、在其中一個實施例中，所述獲取預(yù)先構(gòu)建的強化學習模型，包括：

20、根據(jù)預(yù)先構(gòu)建的各類型深度學習模型和第一負荷測試集，得到對應(yīng)的若干個第四負荷分解結(jié)果；

21、根據(jù)所述第三負荷分解結(jié)果和所述第四負荷分解結(jié)果，對第二參數(shù)待調(diào)整模型進行訓練，得到預(yù)先構(gòu)建的強化學習模型。

22、在其中一個實施例中，在根據(jù)預(yù)先構(gòu)建的各類型深度學習模型和第一負荷測試集，得到對應(yīng)的若干個第四負荷分解結(jié)果之前，所述方法還包括：

23、獲取各個類型的第三參數(shù)待調(diào)整模型；

24、針對任一類型的第三參數(shù)待調(diào)整模型，根據(jù)第一負荷訓練集，對所述任一類型的第三參數(shù)待調(diào)整模型進行訓練，得到預(yù)先構(gòu)建的所述任一類型深度學習模型。

25、在其中一個實施例中，所述根據(jù)所述若干個第一負荷分解結(jié)果和所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果，包括：

26、依次將所述第一負荷分解結(jié)果作為目標負荷分解結(jié)果；

27、根據(jù)所述目標負荷分解結(jié)果，得到目標用電負荷分解模型；

28、在所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重中，確定所述目標用電負荷分解模型對應(yīng)的目標權(quán)重；

29、根據(jù)所述目標負荷分解結(jié)果和所述目標權(quán)重，得到目標負荷分解結(jié)果對應(yīng)的相乘值；

30、根據(jù)若干個第一負荷分解結(jié)果對應(yīng)的相乘值，得到第二負荷分解結(jié)果。

31、第二方面，本申請還提供了一種非侵入式負荷監(jiān)測裝置，包括：

32、第一分解結(jié)果獲取模塊，將目標用電負荷數(shù)據(jù)輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果；

33、權(quán)重獲取模塊，用于獲取所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重；

34、第二分解結(jié)果獲取模塊，用于根據(jù)所述若干個第一負荷分解結(jié)果和所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果；

35、用電負荷數(shù)據(jù)獲取模塊，用于根據(jù)所述第二負荷分解結(jié)果和各設(shè)備的標準用電負荷數(shù)據(jù)，得到各設(shè)備的用電負荷數(shù)據(jù)。

36、第三方面，本申請還提供了一種計算機設(shè)備。所述計算機設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行上述方法。

37、第四方面，本申請還提供了一種計算機可讀存儲介質(zhì)。所述計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行上述方法。

38、第五方面，本申請還提供了一種計算機程序產(chǎn)品。所述計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行上述方法。

39、上述非侵入式負荷監(jiān)測方法、裝置、計算機設(shè)備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品，將目標用電負荷數(shù)據(jù)輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果；獲取若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重；根據(jù)若干個第一負荷分解結(jié)果和若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果。根據(jù)第二負荷分解結(jié)果和各設(shè)備的標準用電負荷數(shù)據(jù)，得到各設(shè)備的用電負荷數(shù)據(jù)。本申請根據(jù)若干個預(yù)先構(gòu)建的用電負荷分解模型對應(yīng)的第一負荷分解結(jié)果和權(quán)重，得到第二負荷分解結(jié)果，根據(jù)第二負荷分解結(jié)果和各設(shè)備的標準用電負荷數(shù)據(jù)，得到各設(shè)備的用電負荷數(shù)據(jù)，可以實現(xiàn)多個第一負荷分解結(jié)果的有效聚合，規(guī)避了單一用電負荷分解模型負荷分解能力的不足，從而提高了非侵入式負荷監(jiān)測的準確度。

技術(shù)特征：

1.一種非侵入式負荷監(jiān)測方法，其特征在于，所述方法還包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將目標用電負荷數(shù)據(jù)分別輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果之前，所述方法還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在根據(jù)若干個預(yù)先構(gòu)建的隨機森林模型和第一負荷測試集，得到對應(yīng)的若干個第三負荷分解結(jié)果之前，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取第二負荷測試集，包括：

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取預(yù)先構(gòu)建的強化學習模型，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在根據(jù)預(yù)先構(gòu)建的各類型深度學習模型和第一負荷測試集，得到對應(yīng)的若干個第四負荷分解結(jié)果之前，所述方法還包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述若干個第一負荷分解結(jié)果和所述若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果，包括：

8.一種非侵入式負荷監(jiān)測裝置，其特征在于，所述裝置包括：

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。

技術(shù)總結(jié)
本申請涉及負荷識別技術(shù)領(lǐng)域，提供一種非侵入式負荷監(jiān)測方法、裝置、計算機設(shè)備和可讀存儲介質(zhì)。所述方法包括：將目標用電負荷數(shù)據(jù)輸入若干個預(yù)先構(gòu)建的用電負荷分解模型，得到對應(yīng)的若干個第一負荷分解結(jié)果；獲取若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重；根據(jù)若干個第一負荷分解結(jié)果和若干個預(yù)先構(gòu)建的用電負荷分解模型各自的權(quán)重，得到第二負荷分解結(jié)果。根據(jù)第二負荷分解結(jié)果和各設(shè)備的標準用電負荷數(shù)據(jù)，得到各設(shè)備的用電負荷數(shù)據(jù)。采用本方法能夠?qū)崿F(xiàn)多個第一負荷分解結(jié)果的有效聚合，規(guī)避了單一用電負荷分解模型負荷分解能力的不足，從而提高了非侵入式負荷監(jiān)測的準確度。

技術(shù)研發(fā)人員：楊鑫和,何耿生,朱遠哲,王海錦,劉璽,冷媛,黃宇
受保護的技術(shù)使用者：南方電網(wǎng)能源發(fā)展研究院有限責任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30