基于云边协同的非侵入式负荷监测数据在线压缩感知方法

技术特征：

1.一种基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述步骤二的具体步骤如下：

3.根据权利要求1所述的基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述步骤三的具体步骤如下：

4.根据权利要求3所述的基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述步骤三二中，在字典更新阶段为了加快算法的收敛速度，在保证收敛性的同时，使用块坐标下降算法，在每次迭代时选择最小化目标函数的方向进行更新，字典更新的步骤如下：

5.根据权利要求3所述的基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述步骤三二中，使用lars lasso算法逐步地学习字典矩阵d和稀疏编码矩阵α，迭代过程如下：

6.根据权利要求1所述的基于云边协同的非侵入式负荷监测数据在线压缩感知方法，其特征在于所述步骤四中，采用samp算法求解稀疏系数，具体步骤如下：

技术总结
本发明公开了一种基于云边协同的非侵入式负荷监测数据在线压缩感知方法，所述方法包括如下步骤：步骤一、数据采集；步骤二、数据压缩采样；步骤三、稀疏表示；步骤四、数据重构；步骤五、负荷监测；步骤六、实时反馈控制。本发明通过在线字典学习，可以根据实时采集的负荷电流信号学习更符合当前信号的字典，从而能够更好地适应信号的时变性和非线性特点。同时，采用SAMP重构算法，通过稀疏度自适应进行信号重构。本发明的云边协同架构，解决了本地部署NILM硬件计算能力有限问题。同时通过本发明的在线压缩感知方法降低了通信带宽的占用，并提高了信号稀疏表示的能力以及重构信号的准确性。

技术研发人员：周求湛,荣静,王聪,冀泽宇
受保护的技术使用者：吉林大学
技术研发日：
技术公布日：2024/1/15