具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1，一种多类别典型负荷特征分析提取方法包括：

步骤1，采集电能表负荷侧的多维用电数据。

具体地，步骤1中，多维用电数据包括：稳态有功功率、稳态无功功率、稳态谐波电流和暂态电流。

本优选实施例中，多维用电数据通过高频采样获得，居民电器负荷的有功、无功功率直接反应了家庭电器的实时工作状态、电能消耗水平及负荷特性，是电器工作在稳态阶段的基础特征参数。通过高频采样的电流和电压，可计算出有功功率与无功功率。

步骤2，利用多维用电数据计算负荷的有功功率；基于有功功率的变化情况监测负载动作事件的发生时刻。

具体地，步骤2包括：

步骤2.1，由于高频采样数据中的电压和电流都是离散值，因此采用傅里叶分解计算有功功率P，满足如下关系式：

式中，U_k为电压有效值，I_k为电流有效值，k为谐波次数，且k＝0,1,2...；φ_k为各谐波次数对应的功率因数角；

不同家电的电流波形存在明显差异。具体来说，阻性电器电流波形呈现标准正弦曲线；感性与容性电器电流波形也基本为正弦曲线，但相位会呈现不同程度的滞后与超前；带有电力电子设备的电器为非线性设备，电流曲线存在着大量的尖角与平顶。为反映各个用电设备电流波形的差异，计算提取各电器电流波形的均方根、幅值、波峰系数及总谐波畸变率。

步骤2.2，监测当前周期下有功功率相对上一周期的变化值ΔP，当变化值ΔP的绝对值大于预设的阈值时，则确定当前周期发生负载动作事件，记录负载动作事件发生时刻。

步骤3，以负载动作事件发生时刻为基准，向前和向后分别提取t个周期内的多维用电数据。

具体地，步骤3中，周期的个数t不小于6。

步骤4，根据多维用电数据，分析计算获得负荷的稳态特征数据和暂态特征数据。

具体地，步骤4中，稳态特征数据包括：有功功率、无功功率、电流波形特征、V-I轨迹特征、谐波含量及谐波组合排序。

具体地，采用傅里叶分解计算无功功率Q，满足如下关系式：

式中，U_k为电压有效值，I_k为电流有效值，k为谐波次数，且k＝0,1,2...；φ_k为各谐波次数对应的功率因数角。

具体地，电流波形特征包括：均方根I_rms、幅值I_P、波峰系数I_cf和总谐波畸变率THD；

其中，均方根I_rms满足如下关系式：

式中，m为计数下标，N为采样点个数，i_m为采样点的瞬时电流；

其中，幅值I_P满足如下关系式：

I_P＝max(i_m)0≤m≤N

其中，波峰系数I_cf满足如下关系式：

其中，总谐波畸变率THD满足如下关系式：

式中，k为谐波次数，I_k为第k次谐波电流，I₁为基波电流。

V-I轨迹的定义为，将电器工作时的电压和电流瞬时值绘制在同一个坐标轴上，可以得到一种特殊的图像，即V-I轨迹图。对于电阻负载其V－I轨迹图形是一条直线；感性容性负载其V－I轨迹图形是一个椭圆；若只对3次谐波电流绘制V－I轨迹图形，其必有2个交点。因此V－I轨迹图形曲线可以从图形角度反映出电流中所含谐波成分的高低，若绘制的V－I轨迹图形有交点，其谐波含量必然很高；若图形与椭圆形状相差很大，则其谐波含量也必然很高。

不同负荷的V－I轨迹图形相差明显，可以选择诸如交叉点数、中心线斜率、闭合面积等作为V－I轨迹图形特性的特征描述参数。例如，空调、微波炉等电器的V－I轨迹图形具有交点，而热水壶等电器没有交点，所以可以取交点的个数作为V－I轨迹图形特征的描述参数；各曲线的中心线倾斜角也有所不同，中心线对应V－I轨迹图形中最高点与最低点的连线，所以中心线的斜率也可以作为V－I轨迹图形特性的特征描述参数；V－I轨迹图形是一闭合的曲线，不同负荷其V－I轨迹图形围成的面积各不相同所以可以取V－I轨迹图形的面积作为衡量参数。

因此，V-I轨迹特征包括：曲线交叉点数量、曲线中心线的斜率、曲线闭合面积。

具体地，基于快速傅里叶变换的谐波分析算法，将谐波成分数据重新设计为多重组合并进行排序，得到谐波组合排序；谐波组合排序包括直流分量、低奇次谐波、中奇次谐波、高奇次谐波、低偶次谐波、中偶次谐波和高偶次谐波。

谐波含量分析可以定量分解出各次谐波所占比例，从而详细刻画不同电器负荷之间的特征。考虑到高频采样数据为离散数据，采用离散快速傅里叶变换，从原始负荷数据中可计算出高达15次的谐波含量，进而得到不同电器、不同工作模式下各次谐波的比例。

从图2中可以看出，定频空调设备在工作时存在多种分量谐波，其谐波特性主要有两方面：一是奇次谐波为主且谐波幅值随谐波次数逐渐减小；二是直流分量与偶次谐波分量占比很小，可以忽略不计。

为了更好的挖掘谐波特性中的规律，形成稳定特征。基于快速傅里叶变换的谐波分析算法，将谐波成分数据重新设计为多重组合并进行排序，组合具体包括直流分量(0次)，低奇次谐波(3次、5次)，中奇次谐波(7次、9次)，高奇次谐波(11次、13次)，低偶次谐波(2次、4次)，中偶次谐波(6次、8次)，高偶次谐波(10次、12次)。下面以电磁炉、微波炉为例，研究谐波组合排序特征，分析结果见表1至表4所示。

表1电磁炉投入事件后稳态阶段谐波数据表

表1中，谐波次数1表示低偶次谐波，2表示中偶次谐波，3表示高偶次谐波，4表示低奇次谐波，5表示中奇次谐波，6表示高奇次谐波。

表2电磁炉切除事件前稳态阶段谐波数据表

表2中，谐波次数1表示低偶次谐波，2表示中偶次谐波，3表示高偶次谐波，4表示低奇次谐波，5表示中奇次谐波，6表示高奇次谐波。

表3微波炉投入事件后稳态阶段谐波数据表

表3中，谐波次数1表示低偶次谐波，2表示中偶次谐波，3表示高偶次谐波，4表示低奇次谐波，5表示中奇次谐波，6表示高奇次谐波。

表4微波炉切除事件前稳态阶段谐波数据表

表4中，谐波次数1表示低偶次谐波，2表示中偶次谐波，3表示高偶次谐波，4表示低奇次谐波，5表示中奇次谐波，6表示高奇次谐波。

分析上述数据可以发现：微波炉电器的谐波分量特别大，低奇是基波的1.5倍以上，特征异常明显电磁炉直流分项均小于0.01，谐波排序大致会出现奇次(456)-偶次(123)的排序。奇次和偶次谐波含量在分组内部出现一些波动，但总体稳定。因此，由分析可知谐波含量及谐波的组合排序可作为一个较好的稳态特征。

本实施例中，上述暂态特征包括暂态持续时间、暂态电流阶跃高度与冲击高度、冲击系数。区别于稳态特征，电器负荷的暂态特征在区分不同种类电器方面具有更强的适应性。由于稳态过程中可能出现多电器叠加情况，直接造成多电器的稳态特征叠加，因此根据稳态特征无法直接识别对应的电器，还需要进行特征参数分离。然而，负荷的暂态过程持续时间远远短于稳态持续过程，在暂态阶段出现特征重叠的概率要远远小于稳态阶段，因此根据暂态特征可以将不同的电器区分开来。

在所有暂态特征中，最典型的暂态特征是电器负荷在投入与切除时刻产生的开关暂态特征。

从图3中可以看出，该电器投入暂态事件极为短暂，从微小电流到稳定电流状态，时间为6个工频周期(0.12s)。同时，该负荷投入暂态呈现典型的尖峰脉冲，该尖峰脉冲的峰值、阶跃高度、回落程度均是该暂态阶段的典型特征，可以根据这些特征直接区分不同电器。

具体地，步骤4中，暂态特征数据包括：暂态持续时间、暂态电流阶跃高度与冲击高度、冲击系数。

其中，暂态持续时间ΔT满足如下关系式：

ΔT＝T_et-T_st

其中，暂态电流阶跃高度ΔI_steady满足如下关系式：

ΔI_steady＝I_et-I_st

其中，冲击高度ΔI_impulse满足如下关系式：

ΔI_impulse＝I_max-I_st

其中，冲击系数V满足如下关系式：

式中，T_et为暂态起始时刻，T_st为暂态结束时刻，I_et为暂态起始时刻的电流值，I_st为暂态结束时刻的电流值，I_max为暂态阶段中的最大电流值。冲击系数V，其值为暂态电流冲击高度与阶跃高度的比值，反映了尖峰脉冲的特性

步骤5，构造时间序列滑窗，提取与稳态特征数据和暂态特征数据联合匹配的负荷的非电气特征数据。

具体地，非电气特征数据包括：负荷间歇运行的时间特性、负荷间歇运行的季节特性、负荷间歇运行的关联特性。

本实施例中，非电气特征包括负荷间歇运行时间特性、季节特性、关联特性。这里主要关注电器运行的间歇特性，具有间歇运行时间特性的电器会根据其内部控制器的控制策略，调节电器运行时间，从而实现间歇运行。例如，热水器会根据温度控制器自动启停。当加热的水温达到设置温度阀值时，热水器会停止运行；当水箱中水温达到控制器的下限阀值时，热水器会再次启动运行，如此反复。此时，电器负荷的有功功率表现为间歇运行的时间特性。

不同的电器具有不同的调控策略，电热水器是依据水温与设定阈值的关系设计调控策略，而电饭煲则是依据煮饭不同工况设计调控策略，图4为电饭煲的间歇运行功率图。

从图4中可以看出，电饭煲标准煮模式下呈现了多次间歇运行，而且间歇运行时间与频率并不一致，与电器厂商设计的工作运行策略有关。该款电饭煲的标准煮模式一共有5个阶段，分别为预热、吸水、加热、沸腾、焖饭。电饭煲仅仅在加热阶段呈现连续长时间工作状态，其余4个阶段均为间歇运行，且间歇运行的时间间隔与次数不相同。

进一步的，为了统一规范居民负荷间歇运行特征参数，设计单位时间内间歇运行次数与间歇运行时长参数，步骤5中，提取负荷间歇运行的时间特性，包括：

步骤5.1，构造单位时间滑窗，每个小窗口内包含n个离散的功率点；

步骤5.2，监测该滑窗内所有的负载动作事件；其中，负载动作事件包括：负载投入事件和负载切除事件；

步骤5.3，计算单位时间内负荷间歇运行的次数；

步骤5.4，计算单位时间内负荷间歇运行的时长；

步骤5.5，滑动n个离散功率点，形成新的滑动窗，重复步骤5.2。

进一步，步骤5.3中，单位时间内负荷间歇运行的次数为所述滑窗内负载投入事件和负载切除事件的次数之和除以2。

进一步，步骤5.4中，单位时间内负荷间歇运行的时长为所有负载切除事件与下一次负载投入事件的时间间隔之和。

本发明的有益效果在于，与现有技术相比，通过对家用负荷的稳态特征、暂态特征和非电气特征的提取，多特征联合匹配，克服了单一特征进行负载检测识别的缺点，在应用过程中表现出识别效率高、误差小的优点。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。