一种非侵入式负荷监测数据生成方法、系统、设备及介质与流程

本技术涉及电力，尤其涉及一种非侵入式负荷监测数据生成方法、系统、设备及介质。

背景技术：

1、在非侵入式负荷辨识技术的不断演进与深化过程中，研究者们始终力图构建更为精确且高效的识别算法。现有技术经验表明，评估这类技术的先进性，核心在于能否在大量多样化的数据集上展现出普适性和鲁棒性。这对测试数据集的规模性以及场景代表性提出了新的要求。在实际应用场景中，构筑并维护一个既庞大又多样化的数据库无疑构成了一项重大挑战。为了降低数据库构建的负担同时适应快速的技术迭代需求，开源数据共享平台和合成数据技术逐渐成为研究界的宝贵资源。

2、目前，非侵入式的合成数据技术多采用基于神经网络的方法，这包括但不限于使用自回归模型、变分自编码器和生成对抗网络（gan）等先进的人工智能技术。这些方法能够学习原始数据的潜在分布，并据此生成新的样本，但与真实数据仍有一定差距。此外，数据合成技术在生成非侵入式分解/识别训练数据方面得到了广泛应用，旨在缓解模型训练数据的不足并增强其泛化性能，但用于评估模型泛化能力的测试集依然局限于有限的真实数据集。

技术实现思路

1、本技术提供了一种非侵入式负荷监测数据生成方法、系统、设备及介质，用于解决现有技术生成的数据与真实数据存在较大差异的问题。

2、有鉴于此，本技术第一方面提供了一种非侵入式负荷监测数据生成方法，所述方法包括：

3、根据用电器的电压和电流的波形状态，从预置数据库中提取电压数据和电流数据，得到采样数据，其中，所述波形状态包括稳态和非稳态；

4、基于周期信号频率不变变换理论，通过电压信号的过零点确立周期长度，并预设周期点数，对所述采样数据进行最近邻插值以获取固定采样点数的样本数据；

5、将所述样本数据输入时间序列生成对抗性网络模型，生成用电器不同波形状态的一维时间序列，从而得到所述一维时间序列的数据集；

6、随机从所述数据集选取与预设特定用电器的波形状态相对应的一维时间序列，并根据所述过零点和预设的所述周期点数，对选取的一维时间序列的长度进行剪裁与拼接，生成波形数据，其中，拼接处的相位一致。

7、可选地，所述随机从所述数据集选取与预设特定用电器的波形状态相对应的一维时间序列，并根据所述过零点和预设的所述周期点数，对选取的一维时间序列的长度进行剪裁与拼接，生成波形数据，其中，拼接处的相位一致，之后还包括：

8、对稳态波形和非稳态波形场景之间匹配度进行评估。

9、可选地，所述评估所述波形数据与从所述预置数据库中提取的真实数据的一致性，并评估述波形数据的负荷场景数据质量，从而完成对稳态波形和非稳态波形场景之间匹配度的评估，具体包括：

10、以决定系数、均方根误差、回归曲线优劣标准和角余弦系数为评估指标，评估所述波形数据与从所述预置数据库中提取的真实数据的一致性；

11、以整个波形场景的总电量之比、峰值信噪比和结构相似性为评估指标，评估述波形数据的负荷场景数据质量。

12、可选地，所述基于周期信号频率不变变换理论，通过电压信号的过零点确立周期长度，并预设周期点数，对所述采样数据进行最近邻插值以获取固定采样点数的样本数据，具体包括：

13、收集电压数据，分析所述电压数据的电压采样点与零点之间的相对位置关系，当相邻的第一电压采样点和第二电压采样点位于零点的两侧时，判定第一电压采样点和第二电压采样点为过零点；

14、将第一电压采样点和第二电压采样点之间的采样点数量作为将周期长度，通过电压数据和采样点数分离电流数据，使得各个周期均为同步信号，从而保留了电流数据和电压数据之间的相位角信息；

15、当每个整周波的周期长度不同时，对每个整周波选择一个相同的采样点数，并根据每个周期固定采样点数对电压数据和电流数据进行向内插值得到新的采样点，从而得到样本数据。

16、本技术第二方面提供一种非侵入式负荷监测数据生成系统，所述系统包括：

17、采样单元，用于根据用电器的电压和电流的波形状态，从预置数据库中提取电压数据和电流数据，得到采样数据，其中，所述波形状态包括稳态和非稳态；

18、插值单元，用于基于周期信号频率不变变换理论，通过电压信号的过零点确立周期长度，并预设周期点数，对所述采样数据进行最近邻插值以获取固定采样点数的样本数据；

19、第一生成单元，用于将所述样本数据输入时间序列生成对抗性网络模型，生成用电器不同波形状态的一维时间序列，从而得到所述一维时间序列的数据集；

20、第二生成单元，用于随机从所述数据集选取与预设特定用电器的波形状态相对应的一维时间序列，并根据所述过零点和预设的所述周期点数，对选取的一维时间序列的长度进行剪裁与拼接，生成波形数据，其中，拼接处的相位一致。

21、可选地，还包括：评估单元，用于对稳态波形和非稳态波形场景之间匹配度进行评估。

22、可选地，所述评估单元，具体用于：

23、以决定系数、均方根误差、回归曲线优劣标准和角余弦系数为评估指标，评估所述波形数据与从所述预置数据库中提取的真实数据的一致性，以整个波形场景的总电量之比、峰值信噪比和结构相似性为评估指标，评估述波形数据的负荷场景数据质量，从而完成对稳态波形和非稳态波形场景之间匹配度的评估。

24、可选地，所述插值单元，具体用于：

25、收集电压数据，分析所述电压数据的电压采样点与零点之间的相对位置关系，当相邻的第一电压采样点和第二电压采样点位于零点的两侧时，判定第一电压采样点和第二电压采样点为过零点；

26、将第一电压采样点和第二电压采样点之间的采样点数量作为将周期长度，通过电压数据和采样点数分离电流数据，使得各个周期均为同步信号，从而保留了电流数据和电压数据之间的相位角信息；

27、当每个整周波的周期长度不同时，对每个整周波选择一个相同的采样点数，并根据每个周期固定采样点数对电压数据和电流数据进行向内插值得到新的采样点，从而得到样本数据。

28、本技术第三方面提供一种非侵入式负荷监测数据生成设备，所述设备包括处理器以及存储器：

29、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

30、所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的非侵入式负荷监测数据生成方法的步骤。

31、本技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的非侵入式负荷监测数据生成方法。

32、从以上技术方案可以看出，本技术具有以下优点：

33、本技术提供了一种非侵入式负荷监测数据生成方法，包括：根据用电器的电压和电流的波形状态，从预置数据库中提取电压数据和电流数据，得到采样数据，其中，波形状态包括稳态和非稳态；基于周期信号频率不变变换理论，通过电压信号的过零点确立周期长度，并预设周期点数，对采样数据进行最近邻插值以获取固定采样点数的样本数据；将样本数据输入时间序列生成对抗性网络模型，生成用电器不同波形状态的一维时间序列，从而得到一维时间序列的数据集；随机从数据集选取与预设特定用电器的波形状态相对应的一维时间序列，并根据过零点和预设的周期点数，对选取的一维时间序列的长度进行剪裁与拼接，生成波形数据。进一步地，对稳态波形和非稳态波形场景之间匹配度进行评估。

34、与现有技术相比：本技术基于有限的真实数据集生成非侵入式负荷数据，并进一步地对生成数据与实际情况的一致性进行验证，生成的数据与真实数据具有良好的相似性及一致性。从而解决了现有技术生成的数据与真实数据存在较大差异的问题。