(19)中华 人民共和国 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 202111272114.8 (22)申请日 2021.10.2 9 (71)申请人 金程科技有限公司 地址 310051 浙江省杭州市滨江区建业路 511号华业大厦2层201-218室 (72)发明人 黄志国　赵灿军　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 代理人 杨舟涛 (51)Int.Cl. G06F 30/27(2020.01) G06N 7/00(2006.01) G06Q 50/06(2012.01) G06F 111/04(2020.01) G06F 111/08(2020.01)G06F 119/06(2020.01) (54)发明名称 一种末端电网用户设备辨识、 安全管控方法 (57)摘要 本发明涉及一种末端电网用户设备辨识、 安 全管控方法， 本发明属于机器学习和电力负荷分 解技术领域。 本发明首先采用末端网络的插座开 关和负荷计量数据采集技术， 获得某些用电器电 力负荷特征的样本数据， 并逐一 建立所在开关支 路所有主要电器的负荷特征样 本数据库。 在实际 工作状态时， 在电力负荷开关处计量采集的是整 条支路的汇总数据， 采用 负荷分解辨识算法， 当 每种电器开启时都进行设备的辨识； 确定支路上 是否有新电器接入， 是否属于正常用电状态。 本 发明同时还可以采用不同的组合方法对支路电 器设备工作状态进行辨识， 提高了用电设备工作 场景状态的辨识准确度， 并通过 实际样例测试决 策算法的效果。 权利要求书3页 说明书8页 附图4页 CN 113971371 A 2022.01.25 CN 113971371 A 1.一种末端电网用户设备辨识、 安全管控方法， 其特征在于， 该方法具体包括以下步 骤： 步骤1： 空气开关处采集的总负荷特征和智能插座采集的开关状态上传至云端； 云端利 用递归查询策略构建插座的支路负荷特征集； 支路负荷集包括功率上升沿及下降沿， 功率 因数和谐波含量特 征； 步骤2： 利用空气开关处采集获得的总负荷特征与智能插座开关状态作为先验知识， 总 有功功率和总无功功 率使用开关先验的因子隐马尔可夫模型进行负荷分解， 获得各插座的 支路负荷； 分解后校验功率因数和谐波 特征， 确定支路状态； 通过比较插座支路负荷特征集 与分解获得的支路负荷结果， 判断电器运行状态； 分解所得运行状态若不在 插座特征集里， 跟据后续时间内同开关状态下 该运行状态是否 重复发生， 进行安全管控。 2.根据权利要求1所述的一种末端电网用户设备辨识、 安全管控方法， 其特征在于： 所 述的步骤1具体包括以下子步骤： 步骤1.1： 空气开关处采集的总负荷特征必须包括总有功功率， 总视在功率； 可以包括 总功率因数， 总谐波含量； 智能插座必须采集 开关信息； 步骤1.2： 空气开关及智能插座采集信息通过 无线网络上传至云端； 步骤1.3： 云端根据所收集数据， 构建历史数据库， 并查询分析历史数据库时间序列； 步骤1.4： 在某时间段内， 首先搜寻只有单个插座开启的时间段， 构 建插座集和X1,搜寻 除X1外只有单个插座 开启的时间的插座 集合,直到X1∪ …∪Xn＝X,特征集构建结束。 3.根据权利要求1所述的一种末端电网用户设备辨识、 安全管控方法， 其特征在于： 所 述的步骤2包括以下子步骤： 步骤2.1： 每隔一个时间周期， 收集待分析时间段总负荷特 征进行分解； 步骤2.2： 结合步骤1中建立的各个插座的用支路负荷特征集， 对总功率构建因子隐马 尔可夫模型， 每 个插座的有功 功率和无功 功率双特 征共同构成该插座的马尔可 夫链； 步骤2.3： 结合步骤1中建立的各个插座的用支路负荷特征集， 对采集的开关序列进行 匹配； 当插座开关为开时， 对应插座HMM序列沉默， 将转移矩阵所有元素置为0， 即在此期 间 不再允许该HMM序列转换隐状态； 当插座开关为开时， 对应插座HMM序列激活， 将转移矩阵还 原为特征集中存放的矩阵数据； 步骤2.4： 在上述开关先验的基础上， 进行维特比算法： 对于已知总负荷观测负荷量求 各链隐状态的问题， 看成求取后验概 率最大， 即： 式(1)中， X代表隐状态， O代表观测值， S代表具体的隐状态值； 求取后验概率转换为了 求取X和O的联合 概率最大， 式(2)给 出该联合概率求取方法： 权　利　要　求　书 1/3 页 2 CN 113971371 A 2其中Xt代表t时刻隐状态， Ot代表代表t时刻观测值； 由于FHMM各条链具有概率独立性， 将所有链所有隐状态合成为总隐状态， 合成后总隐 状态数Nall为所有链的隐状态数Ni的相乘； 且第jall个状态代表每条链第ji个状态， 将jall与 第i条链和第i条链之后所有状态数相乘所 得结果求余获得ji； 其中： 将(2)式式的最大值 求取进一 步简化为一个前向递推过程： 需要注意的是， 在前向递推式(4)(5)中， 需要保留Viterbi路径， 保存每个时刻的每个 状态的上一个 状态中最大概 率的状态， 即 全局优化目标转换为 得到T时刻的最大概率组合 后， 接着 根据式(6)所保存的最大概率状态路径进行回溯， 即已知T时刻最大概率隐状态搜寻T ‑1时 刻对应路径， 以此类 推， 找到得到最优状态序列： 步骤2.5： 建立的各个插座的用支路负荷特征集中的发射概率， 使用拉格朗日乘子法推 断各插座观测值， 即有功 功率和无功 功率； 用如下表示： 目标函数： 约束条件： 目标函数是隐状态条件下观测值的条件概率， 并拥有两个约束； 所有隐马尔科夫链的 观测值之和等于总体观测值， 且所有观测值应大于零； 则拉格朗日目标函数为： KKT条件为；权　利　要　求　书 2/3 页 3 CN 113971371 A 3