买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通连邦数智信息技术有限公司

摘要：本发明涉及非侵入式负荷监测技术领域，提供一种基于非侵入式负荷监测的多模型数据分析方法和系统，所述方法包括：从用电数据中筛选部分数据作为训练集Ⅰ；指定训练集Ⅰ中的设备标签和暂态特征，并计算训练集Ⅰ的第一特征函数；根据第一特征函数和暂态特征构建决策树模型；对决策树模型进行检测；根据检测结果输出最终决策树模型；通过最终决策树模型对样本用户用电总功率数据进行分类；将分类后的总功率数据输入至深度学习模型中进行训练，得到非侵入式深度学习模型；将实际用电总功率数据分别输入至上述两个模型中，以获取单个用电设备的功率动态数列；将真实设备的功率动态数列与模型中的功率动态数列进行比对以优化模型。

主权项：1.一种基于非侵入式负荷监测的多模型数据分析方法，其特征在于，包括以下步骤：采集过往用户用电数据，并分别从所述用电数据中筛选部分数据作为训练集Ⅰ和验证集；根据电力数据库指定所述训练集Ⅰ中的设备标签和暂态特征，并根据所述设备标签计算所述训练集Ⅰ的第一特征函数；根据所述第一特征函数和所述暂态特征构建决策树模型，并确定所述决策树模型的节点；将所述验证集输入至所述决策树模型对所述决策树模型进行检测，并设定预设阈值；根据检测结果判断是否满足所述预设阈值，若所述检测结果不满足所述预设阈值，则更新所述决策树模型中的参数，直到所述检测结果满足所述预设阈值为止，并输出最终决策树模型；获取样本用户用电总功率数据，并通过所述最终决策树模型对所述样本用户用电总功率数据进行分类；构建基于非侵入式负荷监测的深度学习模型，将分类后的样本用户用电总功率数据输入至所述深度学习模型中进行训练，以得到非侵入式深度学习模型；获取用户实际用电总功率数据，并分别输入至所述最终决策树模型和所述非侵入式深度学习模型中，以获取单个用电设备的功率动态数列；通过人工的方式将真实的所述用电设备的功率动态数列与所述侵入式深度学习模型中得到的单个用电设备的功率动态数列进行比对，并根据比对结果优化所述侵入式深度学习模型中，所述的根据所述设备标签计算所述训练集Ⅰ的第一特征函数，包括以下步骤：计算所述设备标签中的每个标签在所述训练集Ⅰ中的占比；根据每个所述标签在所述训练集Ⅰ中的占比计算所述训练集Ⅰ的第一特征函数，其中，第一特征函数表示为：H（x）=∑p（x）logp（x）其中，x为随机变量，H为随机变量的熵，p（x）为随机变量在训练集Ⅰ中出现的概率，所述的根据所述第一特征函数和暂态特征构建决策树模型，并确定所述决策树模型的节点，包括以下步骤：根据所述第一特征函数和所述暂态特征的特征值计算所述暂态特征的互信息；获取所述暂态特征的整合权重，并通过整合权重整合所述暂态特征的互信息，以得到整合互信息；通过所述整合互信息获取最佳暂态特征，并将所述最佳暂态特征记作所述决策树模型的节点；将其余的暂态特征和设备标签组成训练集Ⅱ，并根据所述设备标签计算所述训练集Ⅱ的第二特征函数，所述的根据所述第一特征函数和所述暂态特征的特征值，计算所述暂态特征的互信息，包括以下步骤：根据所述特征值，计算每个所述暂态特征中每个特征的特征均匀度；根据所述特征均匀度计算所述暂态特征的暂态均匀度；根据所述第一特征函数和所述暂态均匀度计算所述暂态特征的互信息。

全文数据：

权利要求：

百度查询： 南通连邦数智信息技术有限公司 基于非侵入式负荷监测的多模型数据分析方法和系统