基于矩阵重构二维卷积网络的电力负载信息获取方法

本发明涉及电力负载信息获取，具体涉及基于矩阵重构二维卷积网络的电力负载信息获取方法。

背景技术：

1、近年来，随着深度学习技术的兴起，非侵入式负荷监测得到了充分的发展,并在对负荷数据的采样窗口、深度学习算法的网络结构、负载的运行特征、实际工程应用等方面，取得了大量成果。其中，以序列到点、序列到子序列、序列到序列为代表的各类方法，都能够取得相比传统算法更高的准确率和估计精度。

2、目前，在实际应用中，非侵入式负荷监测方法通常需要加载在嵌入式系统和树莓派等监测终端上，但可以被加载的非侵入式负荷监测方法在网络结构和数据传输等方面都有所限制，且对数据做特征提取时，并没有充分利用序列中的时序及状态变化信息，这在一定程度上造成了资源的浪费；同时部分算法网络结构参数过多，限制了网络层数和网络结构的设计可能性，很难被应用在工程硬件上；因此，需要设计基于矩阵重构二维卷积网络的电力负载信息获取方法。

技术实现思路

1、本发明的目的是克服现有技术的不足，为更好的解决在对数据做特征提取时，并没有充分利用序列中的时序及状态变化信息，这在一定程度上造成了资源的浪费，同时部分算法网络结构参数过多，限制了网络层数和网络结构的设计可能性，很难被应用在工程硬件上的问题，提供了基于矩阵重构二维卷积网络的电力负载信息获取方法，其具有通过采用将序列延时重构为矩阵的方法，能够充分利用序列的时序特性，并能在压缩网络参数量和训练时间的前提下增加网络层数，提升了负荷监测的精度。

2、为了达到上述目的，本发明所采用的技术方案是：

3、基于矩阵重构二维卷积网络的电力负载信息获取方法，包括以下步骤，

4、步骤(a)，采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码，得到编码序列ye；

5、步骤(b)，对编码序列ye进行滑窗截取，得到序列重构矩阵m；

6、步骤(c)，对输入序列y进行单位延时，并得到延时序列y1，再求得动态检测序列yd；

7、步骤(d)，对序列重构矩阵m进行奇异值分解，得到分解重构子矩阵mi；

8、步骤(e)，对动态检测序列yd进行滑窗截取，并得到动态检测重构矩阵md；

9、步骤(f)，将序列重构矩阵m、动态检测重构矩阵md和分解重构子矩阵mi拼接在一起，得到三维矩阵mre；

10、步骤(g)，将三维矩阵mre输入至二维卷积神经网络，完成电力负载信息的获取作业。

11、优选的，步骤(a)，采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码，得到编码序列ye，其中余弦位置编码如公式(1)所示，而编码序列ye如公式(2)所示，

12、pepos＝cos(pos/100001/l)  (1)

13、ye＝y+pepos           (2)

14、其中，pepos表示余弦位置编码。

15、优选的，步骤(b)，对编码序列ye进行滑窗截取，得到序列重构矩阵m，其中设编码序列ye的长度为l、子窗口长度为m以及延时为s，则对长度为l的编码序列ye进行n次滑窗截取能得到序列重构矩阵m，且各参数满足关系如公式(3)所示，

16、l＝m+s(n-1)  (3)。

17、优选的，步骤(c)，对输入序列y进行单位延时，并得到延时序列y1，再求得动态检测序列yd，具体步骤如下，

18、步骤(c1)，对输入序列y进行单位延时，并得到延时序列y1，其具体内容是将输入序列y中的每个元素向后移动一位，并将第一个元素置零，再舍去最后一个元素，这样能得到长度不变的延时序列y1

19、步骤(c2)，利用输入序列y和延时序列y1求得动态检测序列yd，如公式(4)所示，

20、yd＝y1-y  (4)。

21、优选的，步骤(d)，对序列重构矩阵m进行奇异值分解，得到分解重构子矩阵mi，其中每一组左奇异值向量、奇异值和右奇异值向量单独构成k个子矩阵，则第i个子矩阵如公式(5)所示，

22、mi＝uisivit  (5)。

23、优选的，步骤(e)，对动态检测序列yd进行滑窗截取，并得到动态检测重构矩阵md，其具体原理与采用编码序列ye进行滑窗截取并得到序列重构矩阵m相同。

24、优选的，步骤(f)，将序列重构矩阵m、动态检测重构矩阵md和分解重构子矩阵mi拼接在一起，得到三维矩阵mre，其中序列重构矩阵m、动态检测重构矩阵md和分解重构子矩阵mi是在第三个维度上拼接在一起。

25、优选的，步骤(g)，将三维矩阵mre输入至二维卷积神经网络，完成电力负载信息的获取作业，其中二维卷积神经网络由conv模块、cspcat模块和estimate模块组成，其具体构建步骤如下，

26、步骤(g1)，构建conv模块，所述conv模块采用conv2d二维卷积、bathnorm2d二维批归一化和silu激活函数构成；

27、步骤(g2)，构建cspcat模块，所述cspcat模块采用conv模块、bathnorm2d二维批归一化和silu激活函数构成；

28、步骤(g3)，构建estimate模块，所述estimate模块用于评估电器的开关状态和功率，且所述estimate模块的评估原理如公式(6)所示，

29、xi-ture＝xi⊙g(xi-on)+(1-g(xi-on))b  (6)

30、其中，xi-ture表示信号的真实功率，xi表示信号的评估功率，xi-on表示电器的开关状态，b表示可训练的偏执加权；且g(x)的定义如公式(7)所示

31、

32、本发明的有益效果是：

33、本发明能够同时估计电器的功率和开关状态，并综合利用数据的多维特征实现了能对用电负荷进行有效的监测，再通过利用序列延时重构矩阵及csp-cnn网络结构能充分提取数据中的时序特征，并在有效缩减算法参数量的同时能增加网络层数，不仅提升了算法的估计精度，还使得算法能够更好的应用于实际应用中，这样用户就能够更加精准的掌握家庭或企业的用电状态，进而针对性的指导用户或企业合理和安全用电，并辅助电力供应部门完善电力调度工作，该方法具有科学合理、适用性强和效果佳等优点。

技术特征：

1.基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(a)，采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码，得到编码序列ye，其中余弦位置编码如公式(1)所示，而编码序列ye如公式(2)所示，

3.根据权利要求2所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(b)，对编码序列ye进行滑窗截取，得到序列重构矩阵m，其中设编码序列ye的长度为l、子窗口长度为m以及延时为s，则对长度为l的编码序列ye进行n次滑窗截取能得到序列重构矩阵m，且各参数满足关系如公式(3)所示，

4.根据权利要求3所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(c)，对输入序列y进行单位延时，并得到延时序列y1，再求得动态检测序列yd，具体步骤如下，

5.根据权利要求4所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(d)，对序列重构矩阵m进行奇异值分解，得到分解重构子矩阵mi，其中每一组左奇异值向量、奇异值和右奇异值向量单独构成k个子矩阵，则第i个子矩阵如公式(5)所示，

6.根据权利要求5所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(e)，对动态检测序列yd进行滑窗截取，并得到动态检测重构矩阵md，其具体原理与采用编码序列ye进行滑窗截取并得到序列重构矩阵m相同。

7.根据权利要求6所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(f)，将序列重构矩阵m、动态检测重构矩阵md和分解重构子矩阵mi拼接在一起，得到三维矩阵mre，其中序列重构矩阵m、动态检测重构矩阵md和分解重构子矩阵mi是在第三个维度上拼接在一起。

8.根据权利要求7所述的基于矩阵重构二维卷积网络的电力负载信息获取方法，其特征在于：步骤(g)，将三维矩阵mre输入至二维卷积神经网络，完成电力负载信息的获取作业，其中二维卷积神经网络由conv模块、cspcat模块和estimate模块组成，其具体构建步骤如下，

技术总结
本发明公开了基于矩阵重构二维卷积网络的电力负载信息获取方法，首先采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码并得到编码序列y<subgt;e</subgt;，接着对编码序列y<subgt;e</subgt;进行滑窗截取并得到序列重构矩阵M，随后对输入序列y进行单位延时并得到延时序列y<subgt;1</subgt;，再求得动态检测序列y<subgt;d</subgt;，然后对序列重构矩阵M进行奇异值分解并得到分解重构子矩阵M<subgt;i</subgt;，再对动态检测序列y<subgt;d</subgt;进行滑窗截取并得到动态检测重构矩阵M<subgt;d</subgt;；本发明通过采用将序列延时重构为矩阵的方法，能够充分利用序列的时序特性，并能在压缩网络参数量和训练时间的前提下增加网络层数，提升了负荷监测的精度，适合被广泛推广和使用。

技术研发人员：曾文浩,韩哲哲,谢跃,包永强,梁瑞宇,唐闺臣,王青云
受保护的技术使用者：南京工程学院
技术研发日：
技术公布日：2024/1/13