基于深度聚类的用户典型空调负荷运行模式划分方法及系统

本发明公开了基于深度聚类的用户典型空调负荷运行模式划分方法及系统，包括：对采集的总量功率信号进行检测，获取功率信号中的突变点；基于突变点的元素，形成负荷事件样本，并判定是否存在波动事件，若存在，则移除因负荷波动引起误检测的波动事件，更新负荷事件检测结果；对更新后的负荷事件的功率序列进行归一化处理；构建并训练低维特征提取模型，得到最优化的低维特征提取模型；基于最优化的低维特征提取模型和归一化处理后的负荷事件的功率序列，进行特征提取；基于DBSCAN聚类算法对低维特征进行聚类，得到聚类簇，进而筛选出聚类簇所属的空调负荷模式。本发明为基于模板的空调负荷模式识别提供模板库支持，提高了检测的准确性和便捷性。