本发明涉及负荷识别，尤其涉及一种基于多维特征矩阵的非侵入式负荷识别方法及系统。
背景技术：
1、随着智能电网和物联网技术的发展，对电力负荷的实时监测和管理变得尤为重要，非侵入式负荷识别技术作为一种新兴的电力负荷监测技术，具有成本低、维护简单、易于推广等优点，非侵入式负荷识别技术的基本原理是在居民用户入户处安装数据采集装置，对用户的端电压和总电流等数据进行采集，然后将处理后的数据带入各种非侵入式负荷识别模型中分析各负荷的具体运行状态，从而实现对用户负荷的监测，此技术不需要对用户的电力设备进行侵入式改造，只需在用户侧安装数据采集装置，就可以实现对用户负荷的实时监测和管理。
2、在技术实现上，非侵入式负荷识别技术主要包括数据采集与处理、特征提取和负荷辨识等步骤，通过数据采集装置采集用户的电压、电流等数据，并对数据进行预处理操作，从处理后数据中提取反映负荷用电特性的统计量，即负荷特征，将提取的特征量作为负荷识别模型算法的输入，从而通过算法实现对负荷的精准辨识。
3、非侵入式负荷识别技术(nilm)是一种电力负荷监测和识别技术，它通过监测设备的电压和电流波形等电力信号进行采集，处理和分析来识别和分析设备的运行状态、类别等信息，而对于高频电压和电流数据，现有负荷识别方法在特征提取的过程中电流电压信号会有很大程度的损失，使得负荷识别难以取得令人满意的结果。
4、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明为了解决上述问题，提出了一种基于多维特征矩阵的非侵入式负荷识别方法及系统，实现提高负荷识别的准确性和灵敏度的目的。
2、为了实现上述目的，本发明采用如下技术方案：
3、第一方面，本发明提供了一种基于多维特征矩阵的非侵入式负荷识别方法，该非侵入式负荷识别方法包括：
4、采集主回路电流电路数据，并对电流电路数据执行预处理后，为主回路内各设备划分对应的电流电压波形信号数据；
5、基于电流电压波形信号提取电流周期信号，根据提取结果生成已知多维特征矩阵，并对多维特征矩阵实施信息熵计算与加权处理；
6、将加权后多维特征矩阵输入至负荷识别模型，计算加权后多维特征矩阵与未知样本多维矩阵之间的距离，基于距离结果输出负荷识别结果。
7、优选的，基于电流电压波形信号提取电流周期信号，根据提取结果生成已知多维特征矩阵，并对多维特征矩阵实施信息熵计算与加权处理包括：
8、基于分段聚合近似处理获取电流电压波形信号的分段聚合近似特征，并利用傅里叶变换技术提取电流电压波形信号对应的电流谐波特征；
9、基于电流电压波形信号分析设备在电网中的有功功率与总功率，并根据有功功率与总功率计算功率因素特征；
10、将分段聚合近似特征、电流谐波特征与功率因素特征作为电流周期信号，并对电流周期信号进行归一化处理后执行融合处理生成多维特征矩阵；
11、对多维特征矩阵进行信息增益计算，并根据增益结果对多维特征矩阵内的特征实施加权处理。
12、优选的，基于分段聚合近似处理获取电流电压波形信号的分段聚合近似特征，并利用傅里叶变换技术提取电流电压波形信号对应的电流谐波特征包括：
13、按照预设的窗口大小集合对电流电压波形信号数据实施分段聚合近似处理，得到降维后的电流电压波形信号数据；
14、计算降维后的电流电压波形信号数据与电流电压波形信号数据之间的均方误差，选取最小均方误差对应的窗口大小为分段窗口大小；
15、基于分段窗口大小获取电流电压波形信号数据对应的分段聚合近似特征，并利用快速傅里叶变换技术将电流电压波形信号数据转换为频域信号；
16、从频域信号内找寻谐波分量位置，根据位置结果提取谐波幅值，并将谐波幅值归一化为主频率振幅得到电流谐波特征。
17、优选的，基于电流电压波形信号分析设备在电网中的有功功率与总功率，并根据有功功率与总功率计算功率因素特征包括：
18、基于电流电压波形信号获取在采样周期内电流与电压有效值，并将电流有效值与电压有效值相乘，把相乘结果作为设备在电网内的有功功率；
19、根据电流电压波形信号分析在采样周期内电流电压数据点对应的瞬时电流值与瞬时电压值，并基于瞬时电流值与瞬时电压值获取设备的总功率；
20、基于功率与总功率执行比值计算，并利用比值结果描述设备在电网中的功率因数特征。
21、优选的，功率因数的计算公式为：
22、
23、式中，λ表示功率因数，p表示有功功率，s表示总功率，irms表示电流有效值，urms表示电压有效值，n表示采样周期内电压电流数据点的个数，it表示第t个数据点的瞬时电流，ut表示第t个数据点的瞬时电压。
24、优选的，对多维特征矩阵进行信息增益计算，并根据增益结果对多维特征矩阵内的特征实施加权处理包括：
25、判断预设负荷类别信息在多维特征矩阵内的比例，并基于比例结果计算多维特征矩阵的信息熵；
26、基于特征取值范围信息将多维特征矩阵划分为不同的子集，并根据划分结果分析多维特征矩阵内分段聚合近似特征、电流谐波特征与功率因素特征对应的条件熵；
27、基于条件熵与信息熵计算分段聚合近似特征、电流谐波特征与功率因素特征对应的信息增益，并分别对信息增益执行归一化处理；
28、将归一化处理结果作为特征加权系数对多维特征矩阵进行加权，得到加权后的分段聚合近似特征、电流谐波特征与功率因素特征。
29、优选的，多维特征矩阵的信息熵计算公式为：
30、
31、式中，h(d)表示多维特征矩阵d的信息熵，m表示负荷类别的数量，pi表示第i类负荷在多维特征矩阵d中的比例。
32、优选的，将加权后多维特征矩阵输入至负荷识别模型，计算加权后多维特征矩阵与未知样本多维矩阵之间的距离，基于距离结果输出负荷识别结果包括：
33、将加权后的多维特征矩阵作为已知电器设备训练集与邻近算法结合对负荷识别模型进行训练，获取已知类别样本多维特征矩阵向量；
34、获取未知样本数据生成未知样本多维特征矩阵，将未知样本多维特征矩阵输入至训练后的负荷识别模型内得到待识别样本多维特征矩阵向量；
35、计算已知类别样本多维特征矩阵向量与待识别样本多维特征矩阵向量之间的距离，基于距离结果选择与待识别样本多维特征矩阵向量距离输出负荷识别结果。
36、第二方面，本发明还提供了一种基于多维特征矩阵的非侵入式负荷识别系统，该非侵入式负荷识别系统包括：
37、信号数据获取单元，用于采集主回路电流电路数据，并对电流电路数据执行预处理后，为主回路内各设备划分对应的电流电压波形信号数据；
38、多维矩阵生成单元，用于基于电流电压波形信号提取电流周期信号，根据提取结果生成已知多维特征矩阵，并对多维特征矩阵实施信息熵计算与加权处理；
39、负荷结果输出单元，用于将加权后多维特征矩阵输入至负荷识别模型，计算加权后多维特征矩阵与未知样本多维矩阵之间的距离，基于距离结果输出负荷识别结果。
40、优选的，多维矩阵生成单元包括：
41、近似谐波特征获取模块，用于基于分段聚合近似处理获取电流电压波形信号的分段聚合近似特征，并利用傅里叶变换技术提取电流电压波形信号对应的电流谐波特征；
42、功率因素特征获取模块，用于基于电流电压波形信号分析设备在电网中的有功功率与总功率，并根据有功功率与总功率计算功率因素特征；
43、特征矩阵生成模块，用于将分段聚合近似特征、电流谐波特征与功率因素特征作为电流周期信号，并对电流周期信号进行归一化处理后执行融合处理生成多维特征矩阵；
44、特征矩阵处理模块，用于对多维特征矩阵进行信息增益计算，并根据增益结果对多维特征矩阵内的特征实施加权处理。
45、本发明的有益效果为：
46、1、本发明通过数据采集装置采集用户的电压、电流等数据，并对数据进行预处理操作，且从处理后数据中提取反映负荷用电特性的统计量，即负荷特征，将提取的特征量作为负荷识别模型算法的输入，从而通过算法实现对负荷的精准辨识，同时本发明选取了分段聚合近似特征、谐波特征和功率因数三种重要特征用于描述负载信号特性，可根据数据采样频率灵活地对电流进行降维，从而达到高维数据到低维数据的转变，同时又可以最小化电流特征损失。
47、2、本发明与现有方法均方根特征和电流峰峰值特征相比，通过提取分段聚合近似特征既可以对电流进行降维，从而达到高维数据到低维数据的转变，同时又可以最小化电流特征损失，确保信息完整性，因而在结果上具有更高的灵敏度和准确度，且采用分段聚合近似算法对电流信号进行特征提取可以随信号采样频率动态调整，不受频率影响获得更细节的信息，从而提高表征电流信号的准确性，并以分段聚合近似特征、电流谐波特征以及功率因数特征三者构成的多维特征矩阵作为负荷识别模型的输入，含有的信息更加丰富，在方法上利于提高负荷识别的准确性和灵敏度。
1.一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，该非侵入式负荷识别方法包括：
2.根据权利要求1所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述基于电流电压波形信号提取电流周期信号，根据提取结果生成已知多维特征矩阵，并对多维特征矩阵实施信息熵计算与加权处理包括：
3.根据权利要求2所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述基于分段聚合近似处理获取电流电压波形信号的分段聚合近似特征，并利用傅里叶变换技术提取电流电压波形信号对应的电流谐波特征包括：
4.根据权利要求3所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述基于电流电压波形信号分析设备在电网中的有功功率与总功率，并根据有功功率与总功率计算功率因素特征包括：
5.根据权利要求4所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述功率因数的计算公式为：
6.根据权利要求5所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述对多维特征矩阵进行信息增益计算，并根据增益结果对多维特征矩阵内的特征实施加权处理包括：
7.根据权利要求6所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述多维特征矩阵的信息熵计算公式为：
8.根据权利要求1所述的一种基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，所述将加权后多维特征矩阵输入至负荷识别模型，计算加权后多维特征矩阵与未知样本多维矩阵之间的距离，基于距离结果输出负荷识别结果包括：
9.一种基于多维特征矩阵的非侵入式负荷识别系统，用于实现权利要求1-8中任一项所述的基于多维特征矩阵的非侵入式负荷识别方法，其特征在于，该非侵入式负荷识别系统包括：
10.根据权利要求9所述的一种基于多维特征矩阵的非侵入式负荷识别系统，其特征在于，所述多维矩阵生成单元包括：
