(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211066557.6 (22)申请日 2022.08.31 (71)申请人 东北大学秦皇岛分校 地址 066004 河北省秦皇岛市经济技 术开 发区泰山路143号 (72)发明人 韩英华　李可可　冯涵同　赵强　 (74)专利代理 机构 北京易捷胜知识产权代理有 限公司 1 1613 专利代理师 韩国胜 (51)Int.Cl. G06Q 10/00(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 非侵入式异常负荷行为的监测方法、 电子设 备和存储介质 (57)摘要 本发明涉及一种非侵入式异常负荷行为的 监测方法、 电子设备和存储介质， 所述方法包括， 获取非侵入式负荷监测设备的实时监测数据并 去噪； 所述监测数据包括： 所述非侵入式负荷监 测设备监测的预选电力电路的总电压和总电流 数据； 针对去噪后的监测数据， 将存在负荷状态 转换的监测数据作为有效监测数据； 基于预先构 建的功率策略， 对有效监测数据进行颜色编码处 理， 获得每一电力电路对应的总电压和总电流的 V‑I轨迹图像； 将所述V ‑I轨迹图像输入到训练的 条件生成对抗网络， 基于生 成的特征重构图像判 断各电力电路是否存在异常负荷。 其有益效果 是， 能够解决现有技术中非侵入式负荷监测扩展 性低、 灵活度低、 监测误差高的技 术问题。 权利要求书4页 说明书13页 附图3页 CN 115423128 A 2022.12.02 CN 115423128 A 1.一种非侵入式异常负荷行为的监测方法， 其特 征在于， 包括以下步骤： S1、 获取非侵入式负荷监测设备的实时监测数据并去噪； 所述监测数据包括： 所述非侵 入式负荷监测设备监测的预选电力电路的总电压和总电流数据； S2、 针对去噪后的监测数据， 将存在负荷状态转换的监测数据作为有效监测数据； S3、 基于预先构建的功率策略， 对有效监测数据进行颜色编码处理， 获得所述电力电路 中每一单个负荷的V ‑I轨迹图像； S4、 将所述V ‑I轨迹图像输入到训练的条件生成对抗网络， 基于生成的特征重构图像判 断各电力电路是否存在异常负荷； 其中， 所述条件生成对抗网络包括： 条件自编码器和胶囊网络、 分类器， 所述条件自编 码器用于实现V ‑I轨迹图像中负荷的高斯先验概率转换为高斯后验概率， 胶囊网络用于实 现同一类特 征在高斯分布中心附近的紧凑性， 使得分类 器检测负荷。 2.如权利要求1所述的监测方法， 其特 征在于： 在S1之前， 所述方法还 包括： S0、 对所述条件生成对抗网络进行训练： 所述S0包括： S01、 获取用于训练所述条件生成对抗网络的训练监测数据样本和校验监测数据样本； 所述训练监测数据样本和所述校验监测数据样本为同一电力电路的历史监测总电压和总 电流数据； S02、 基于预先构建的功率策略， 对所述训练监测数据样本和校验检测数据样本进行编 码， 获取所述电力电路中每一单个负荷的训练V ‑I轨迹图像和校验V ‑I轨迹图像； S03、 针对每一单个负荷， 将所述训练V ‑I轨迹图像输入到所述条件对抗生成网络重构 生成所述训练V ‑I轨迹的特征重构图像； S04、 分别将每一单个负荷对应的所述校验V ‑I轨迹图像和所述特征重构图像输入到预 先构建的鉴别器， 判断所述特 征重构图像是否与所述校验V ‑I轨迹图像匹配； S05、 调整所述条件对抗生成网络的训练参数， 并交替进行生成特征重构图像和输入判 别网络， 以使得所述条件对抗监测网络最后生成的特征重构图像与所述校验V ‑I轨迹图像 匹配， 获取训练的条件 对抗监测网络 。 3.如权利要求2所述的监测方法， 其特 征在于， S01包括： 获取非侵入式负荷监测设备监测的电力电路中至少发生一次负荷状态转换事件的历 史监测数据； 所述负荷状态转换事件为所述预选电力电路中单个负荷发生开启和/或关闭 时引起的电路负荷转换 过程； 基于预先定义的事 件探测窗， 计算发生负荷状态转换事 件的时间段； 具体为： 计算所述预选电力电路的总实在功率St， 确定ΔSt＞Son1的t时刻； 基于预先构建的事件探测窗， 计算确定当t＝t+TR时， 总实在功率变化量ΔSt+TR＜Son1； 所述R为所述事 件探测窗的步长， ΔSt＝St+1‑St； 若St+TR‑St＜Son2， 判断t～t+TR时间段发生负荷状态转换事 件； 采集所述负荷状态转换事件发生前后T个时间段周期的总电压和总电流数据， 获取训 练监测数据样本和校验监测数据样本； 所述Son1为预先定义的负荷状态转换事件起始阈值， Son2为预先定义的负荷状态转换事 件结束阈值。权　利　要　求　书 1/4 页 2 CN 115423128 A 24.如权利要求1所述的监测方法， 其特 征在于， S3包括： S30、 基于预先构建的频谱分析方法， 对所述有效监测数据进行采样， 获取所述电力电 路中每一单个负荷的电压和电流 值； S31、 针对每一单个负荷， 基于预先构建的Fryze功率策略， 确定所述单个负荷的电流i (t)的有功分量电流 ia(t)与无功分量电流 if(t)； 基于所述有功分量电流ia(t)与无功分量电流if(t)， 计算获取功率因数矩阵 所述功率因数为有功分量电流的功率与无功分量电流的功率的比值； 所述功率因数矩阵 的表达式为： K为采样点总数， Papparent为实在功率， Vrms、 Irms分别为负载电压、 电流的有效值； S32、 针对每一单个负荷， 基于预先构建的HSV颜色空间， 构建V ‑I轨迹的色相矩阵 和电压周期矩阵V； S33、 针对每一单个负荷， 在标准三维坐标系中， 连接所述功率因数矩阵 色相 矩阵 和电压周期矩阵V， 获取 所述单个负荷的V ‑I轨迹图像。 5.如权利要求 4所述的监测方法， 其特 征在于， 所述S32具体包括； S321、 基于所述HSV颜色空间， 利用色调属性hue获取 所述V‑I轨迹的运动方向Hj； 基于所述运动方 向Hj， 将第j个采样点的色相存储到一个2N ×2N的矩阵中， 获取色相矩 阵 所述运动方向Hj计算表达式为： 所述arg为四个象限的反正切值 函数； 所述色相矩阵 计算表达式为： |A|是集合的基数； S322、 基于预先构建的二值图像Wm(1,2,...,M)， 对单个负荷电压的M个周期进行平均，权　利　要　求　书 2/4 页 3 CN 115423128 A 3