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！

摘要：本发明涉及负荷识别与监测技术领域，具体公开了一种楼宇能源消耗感知方法及系统，该方法包括步骤：数据采集、数据预处理、负荷建模、负荷分解。在负荷建模中，本发明首先利用自适应聚类算法自动确定电器工作状态，在此基础上，引入了非电气特征——电器工作状态时间，为每个电器训练单独的隐半马尔可夫模型，进而构建一个自适应的因子式隐半马尔可夫模型。本发明采用一种自适应的聚类方法，根据电器自身的功率消耗信息自动获取其工作状态以及对应的功耗，提升了模型的精度。另外，传统HMM模型仅采用单一的电气特征进行负荷建模，难以有效辨识具有相似特征的电器，本发明引入了电器运行状态的持续时间特征，可以增强对具有相似特征电器的辨识性能。

主权项：1.一种楼宇能源消耗感知方法，其特征在于，包括步骤：S1、采集楼宇中电器的运行功率序列；S2、采用均值滤波方式对采集的运行功率序列进行滤波；S3、利用滤波后的运行功率序列建立楼宇的负荷模型；具体包括步骤：S31、利用自适应聚类算法自动确定滤波后的运行功率序列所对应的电器工作状态；所述步骤S31具体包括步骤：S311、计算滤波后的运行功率序列中每个功率点的密度和相对距离，其中时刻i的功率点pi的密度ρi定义为以功率点pi为圆心、dc为半径的圆内所有采样点的个数，功率点pi的相对距离δi定义为功率点pi与更高功率点的最小距离；S312、设置密度阈值ρTD和相对距离阈值δTD；密度阈值ρTD设置为：ρTD＝λ1×lenP-maxρ其中，λ1表示第一比例系数，lenP表示滤波后的运行功率序列P的数据长度，maxρ表示最大的功率密度值；相对距离阈值δTD设置为：δTD＝λ2×maxP其中，λ2表示第二比例系数，maxP表示滤波后的运行功率序列P中的最大功率值；S313、将密度ρi和相对距离δi分别大于密度阈值ρTD和相对距离阈值δTD的功率点pi当作一个聚类中心，采用密度峰值聚类方法对滤波后的运行功率序列进行聚类，确定每个电器的工作状态；S32、为每个电器建立一个隐半马尔可夫模型；S33、组合每个电器的隐半马尔可夫模型构建因子式隐半马尔可夫模型得到楼宇的负荷模型；S4、利用建立的负荷模型，估计当前楼宇用电功率数据所对应的电器工作状态序列；所述步骤S4具体包括步骤：S41、定义两个中间变量δtj和δtj表示最可能发生的部分电器工作状态序列，该序列在t时刻处于工作状态j，且功率观测序列为x1,x2,...,xt，用式子表示为表示电器在t+1时刻处于工作状态j，且功率观测序列为x1,x2,...,xt的最大概率，用式子表示为：S42、给定初始参数按照以下公式递推： 表示t-dj时刻的δti表示t时刻处于工作状态i的δtj，ztj表示t时刻电器的隐藏工作状态，表示t+1时刻电器的隐藏工作状态；S43、递推结束时，得到预估的电器的工作状态序列得到所有电器工作状态线性组合而成的总隐藏工作状态S；S44、根据总隐藏工作状态S与每个电器的工作状态之间的如下关系式得到每个电器的工作状态： 其中，M是楼宇内部电器的个数，km是第m个电器的工作状态索引号，Ki是第i个电器具有的工作状态个数。

全文数据：

权利要求：

百度查询： 中国铁塔股份有限公司重庆市分公司 铁塔能源有限公司重庆分公司 一种楼宇能源消耗感知方法及系统