(19)中华 人民共和国 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 202111403271.8 (22)申请日 2021.11.24 (71)申请人 南京安广电力设备有限公司 地址 210019 江苏省南京市 建邺区江东中 路211号1410室 (72)发明人 韩方桂　卜宪德　刘云　马宏强　 王坤　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 代理人 邢少真 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01)G06F 30/27(2020.01) (54)发明名称 一种非侵入式负荷分解方法及装置 (57)摘要 本发明提供一种非侵入式负荷分解方法及 装置。 所述方法包括以下步骤： 确定每个被监测 负荷的状态数量； 基于每个负荷的状态建立单个 负荷的隐马尔可夫模型HMM； 建立由独立的单个 负荷的HMM模型组成的总负荷的因子隐马尔可夫 模型FHMM； 基于总负荷的FHMM模型及总负荷各个 观测时刻的有功功率， 求解每个负荷各个观测时 刻的状态及有功功率。 本发明实现了非侵入负荷 分解。 由于 FHMM模型由多个相互独立的HMM组成， 属于无监督学习算法， 无需单个负荷的数据进行 训练， 减少了 人工干预， 增强了实用性。 本发明通 过将有功功率作为总负荷的观测数据， 使每条 HMM的输出经线性叠加得到FHMM的输出， 简单化 了负荷分解方法。 权利要求书2页 说明书8页 附图2页 CN 114358367 A 2022.04.15 CN 114358367 A 1.一种非侵入式负荷分解方法， 其特 征在于， 包括以下步骤： 确定每个被监测负荷的状态数量； 基于每个负荷的状态建立单个负荷的隐马尔可 夫模型HMM； 建立由独立的单个负荷的H MM模型组成的总负荷的因子隐马尔可 夫模型FHMM； 基于总负荷的FHMM模型及总负荷各个观测时刻的有功功率， 求解每个负荷各个观测时 刻的状态及有功 功率。 2.根据权利要求1所述的非侵入式负荷分解方法， 其特征在于， 基于每个负荷和/或与 其种类相同的负荷的历史数据确定待监测的每个负荷的状态数量； 或基于REDD数据集利用 聚类算法确定待监测的每 个负荷的状态数量。 3.根据权利要求1所述的非侵入式负荷分解方法， 其特征在于， 单个负荷的HMM模型为： λ＝( π,S,V,A,B)， 其中， S为状态集 合， S＝{s1,s2,…,sN}， si为第i个状态， i＝1,2,…,N， N为状态的数量； V为观测状态集合， V＝{v1,v2,…,vT}， vt为第t个观测时刻的状态， vt∈S， 观测序列为o ＝{o1,o2,…,oT}， ot为第t个观测时刻的观测值即有功功率， t＝1,2, …,T， T为观测时刻的 数量； A为状态转移概率矩阵， A＝{aij}， aij为从状态si转移到状态sj的概率， aij＝P(vt+1＝ sjIvt＝si)， 1≤i,j≤N， A每行的元 素和为1； B为观测概率矩阵， B＝{bti}， bti为从状态si生成观测值ot的概率， bti＝P(o＝otIvt＝ si)， 其概率密度服从高斯分布， B每行的元 素和为1； π为初始概率分布， π＝{π1, π2,…,vN}， πi为初始时刻状态为si的概率， 初始时刻状态概 率的和为1。 4.根据权利 要求3所述的非侵入式负荷分解方法， 其特征在于， 总负荷的FHMM模型为： λ ＝( π,A,B,M)， 其中， M为FHMM模型的层数即负荷的数量， 每层对应一个负荷的HMM模型； π为 初始概率分布 A为状态概率转移矩阵， 矩阵元素表示的概率为 B为观测概率矩阵， 矩阵元素表 示的概率为 其概率密度服从高斯分布； 总负荷的有功功率 Vti为第i个负荷第t 个观测时刻的状态， 为第i个负荷第t 个观测时刻的有功功 率， Ot为总负荷第t个观测时刻的有功 功率， i＝1,2,…,M。 5.根据权利要求1所述的非侵入式负荷分解方法， 其特征在于， 所述方法还包括： 将有 功功率观测值相似度超过设定阈值的多个负荷看作一个单个负荷， 建立所述单个负荷的 HMM模型。 6.根据权利要求1所述的非侵入式负荷分解方法， 其特征在于， 所述方法还包括： 对实 时采集的总负荷的有功 功率观测数据进行 滤波后再进行负荷分解。 7.根据权利要求1所述的非侵入式负荷 分解方法， 其特征在于， 所述方法还包括按以下 方法对负荷的状态进行编码： 假设负荷的状态数为N， 负荷的状态码由一个 “1”和N‑1个“0”权　利　要　求　书 1/2 页 2 CN 114358367 A 2组成， 状态码的每一 位表示一个状态，“1”对应的状态即为当前观测时刻负荷所处的状态。 8.根据权利要求4所述的非侵入式负荷分解方法， 其特征在于， 采用Viterbi算法求解 每个负荷各个观测时刻的状态。 9.根据权利要求8所述的非侵入式负荷 分解方法， 其特征在于， 采用优化算法求解每个 负荷各个观测时刻有功 功率 目标函数为： 式中， u、 σ 分别为高斯分布的均值和标准差； 约束条件为： 10.一种非侵入式负荷分解装置， 其特 征在于， 包括： 状态确定模块， 用于确定每 个被监测负荷的状态数量； 第一建模 模块， 用于基于每 个负荷的状态建立单个负荷的隐马尔可 夫模型HMM； 第二建模模块， 用于建立由独立的单个负荷的HMM模型组成的总负荷的因子隐马尔可 夫模型FHMM； 负荷分解模块， 用于基于总负荷的FHMM模型及总负荷各个观测时刻的有功功率， 求解 每个负荷各个观测时刻的状态及有功 功率。权　利　要　求　书 2/2 页 3 CN 114358367 A 3