本技術(shù)涉及電力，特別是涉及一種設(shè)備狀態(tài)識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、以電定碳視角下，需要通過(guò)非侵入式負(fù)荷分解和監(jiān)測(cè)算法對(duì)電力系統(tǒng)運(yùn)行設(shè)備進(jìn)行辨識(shí)，包括識(shí)別設(shè)備的身份、開(kāi)機(jī)與狀態(tài)組合。因此，有必要研究一種非侵入式負(fù)荷身份及運(yùn)行狀態(tài)在線辨識(shí)算法，識(shí)別輔機(jī)設(shè)備的開(kāi)啟和運(yùn)行狀態(tài)。

2、隨著近年來(lái)的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)迅速發(fā)展，各種人工智能的算法被應(yīng)用到非侵入式負(fù)荷監(jiān)測(cè)中。例如，可以采用基于改進(jìn)模糊聚類(lèi)的差量特征提取方法，該方法針對(duì)于低功率電器特征易于被掩蓋的問(wèn)題，提取用戶差量負(fù)荷特征并進(jìn)行聚類(lèi)識(shí)別，在不同用電場(chǎng)景下進(jìn)行驗(yàn)證，有較好的識(shí)別正確率，但使用了諧波特征，對(duì)于數(shù)據(jù)采集的要求較高；還可以采用基于深度信念網(wǎng)絡(luò)（deep?belief?network，dbn）算法的負(fù)荷識(shí)別方法，在算例中得到了較好的負(fù)荷識(shí)別效果，但隨著用戶數(shù)量增加，電器設(shè)備投切功率變化量、開(kāi)啟時(shí)間間隔、數(shù)量增加等多方面因素導(dǎo)致識(shí)別效果下降；還可以采用基于事件檢測(cè)與卷積神經(jīng)網(wǎng)絡(luò)（convolutional?neural?network，cnn）模型的非侵入式負(fù)荷識(shí)別方法，在電器設(shè)備種類(lèi)較少時(shí)有著良好的識(shí)別效果，但在電器種類(lèi)多且復(fù)雜時(shí)識(shí)別性能有所下滑。

3、因此，目前的非侵入式負(fù)荷身份及運(yùn)行狀態(tài)辨識(shí)技術(shù)中，存在對(duì)輔機(jī)設(shè)備的運(yùn)行狀態(tài)識(shí)別不準(zhǔn)確的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種準(zhǔn)確性較高的設(shè)備狀態(tài)識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

2、第一方面，本技術(shù)提供了一種設(shè)備狀態(tài)識(shí)別方法，包括：

3、獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息；

4、對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果；

5、從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果；所述樣本分解結(jié)果根據(jù)所述目標(biāo)電表的樣本負(fù)荷信息得到；

6、根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

7、在其中一個(gè)實(shí)施例中，所述對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果，包括：

8、根據(jù)預(yù)先確定的投影矩陣，從所述當(dāng)前負(fù)荷信息中提取出所述目標(biāo)電表的電流特征和電壓特征；

9、根據(jù)所述電流特征和所述電壓特征，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果。

10、在其中一個(gè)實(shí)施例中，所述方法還包括：

11、對(duì)所述目標(biāo)電表的樣本負(fù)荷信息進(jìn)行離線訓(xùn)練，得到所述投影矩陣。

12、在其中一個(gè)實(shí)施例中，所述對(duì)所述目標(biāo)電表的樣本負(fù)荷信息進(jìn)行離線訓(xùn)練，得到所述投影矩陣，包括：

13、對(duì)所述樣本負(fù)荷信息進(jìn)行去中心化處理；

14、根據(jù)去中心化處理的樣本負(fù)荷信息，確定協(xié)方差矩陣；

15、根據(jù)所述協(xié)方差矩陣進(jìn)行特征值分解，得到所述樣本負(fù)荷信息的特征向量；

16、從所述特征向量中提取特征值，根據(jù)所述特征值得到所述投影矩陣。

17、在其中一個(gè)實(shí)施例中，所述從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果，包括：

18、確定所述負(fù)荷分解結(jié)果與所述樣本分解結(jié)果之間的距離度量參數(shù)；

19、根據(jù)所述距離度量參數(shù)，從所述樣本分解結(jié)果中確定出所述目標(biāo)分解結(jié)果。

20、在其中一個(gè)實(shí)施例中，所述根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)，包括：

21、確定所述目標(biāo)分解結(jié)果對(duì)應(yīng)的目標(biāo)設(shè)備狀態(tài)；

22、根據(jù)所述目標(biāo)設(shè)備狀態(tài)，確定所述輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

23、在其中一個(gè)實(shí)施例中，所述根據(jù)所述目標(biāo)設(shè)備狀態(tài)，確定所述輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)，包括：

24、確定所述當(dāng)前設(shè)備狀態(tài)與所述目標(biāo)設(shè)備狀態(tài)之間的指示函數(shù)；

25、根據(jù)所述指示函數(shù)，確定所述輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

26、第二方面，本技術(shù)還提供了一種設(shè)備狀態(tài)識(shí)別裝置，包括：

27、信息獲取模塊，用于獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息；

28、特征提取模塊，用于對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果；

29、目標(biāo)確定模塊，用于從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果；所述樣本分解結(jié)果根據(jù)所述目標(biāo)電表的樣本負(fù)荷信息得到；

30、狀態(tài)確定模塊，用于根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

31、第三方面，本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：

32、獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息；

33、對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果；

34、從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果；所述樣本分解結(jié)果根據(jù)所述目標(biāo)電表的樣本負(fù)荷信息得到；

35、根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

36、第四方面，本技術(shù)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

37、獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息；

38、對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果；

39、從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果；所述樣本分解結(jié)果根據(jù)所述目標(biāo)電表的樣本負(fù)荷信息得到；

40、根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

41、第五方面，本技術(shù)還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

42、獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息；

43、對(duì)所述當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到所述目標(biāo)電表的負(fù)荷分解結(jié)果；

44、從所述目標(biāo)電表的樣本分解結(jié)果中，確定出與所述負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果；所述樣本分解結(jié)果根據(jù)所述目標(biāo)電表的樣本負(fù)荷信息得到；

45、根據(jù)所述目標(biāo)分解結(jié)果，確定所述電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)。

46、上述設(shè)備狀態(tài)識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品，通過(guò)獲取電力系統(tǒng)中目標(biāo)電表的當(dāng)前負(fù)荷信息，對(duì)當(dāng)前負(fù)荷信息進(jìn)行特征提取，得到目標(biāo)電表的負(fù)荷分解結(jié)果，從目標(biāo)電表的樣本分解結(jié)果中，確定出與負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果，樣本分解結(jié)果根據(jù)目標(biāo)電表的樣本負(fù)荷信息得到，根據(jù)目標(biāo)分解結(jié)果，確定電力系統(tǒng)中輔機(jī)設(shè)備的當(dāng)前設(shè)備狀態(tài)；可以從目標(biāo)電表當(dāng)前負(fù)荷信息中去除對(duì)設(shè)備狀態(tài)識(shí)別無(wú)影響的信息，得到維度較低的負(fù)荷分解結(jié)果，采集輔機(jī)設(shè)備按照一定設(shè)備狀態(tài)啟停所產(chǎn)生的樣本分解結(jié)果，從樣本分解結(jié)果中選取與負(fù)荷分解結(jié)果相匹配的目標(biāo)分解結(jié)果，將目標(biāo)分解結(jié)果對(duì)應(yīng)的設(shè)備狀態(tài)作為當(dāng)前設(shè)備狀態(tài)，由于當(dāng)前設(shè)備狀態(tài)是根據(jù)維度較低僅包含有用信息的負(fù)荷分解結(jié)果來(lái)確定的，避免了無(wú)用信息的干擾，準(zhǔn)確度較高。