CN103001230A - 非侵入式电力负荷监测与分解的电流模式匹配方法 - Google Patents
非侵入式电力负荷监测与分解的电流模式匹配方法 Download PDFInfo
- Publication number
- CN103001230A CN103001230A CN2012104668107A CN201210466810A CN103001230A CN 103001230 A CN103001230 A CN 103001230A CN 2012104668107 A CN2012104668107 A CN 2012104668107A CN 201210466810 A CN201210466810 A CN 201210466810A CN 103001230 A CN103001230 A CN 103001230A
- Authority
- CN
- China
- Prior art keywords
- load
- current
- electrical equipment
- harmonic
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种非侵入式电力负荷监测与分解的电流模式匹配方法,在建立负荷特征数据库的基础上,包括用电器登记和负荷状态字空间初始化,数据采集与预处理,基于查表的可行状态字空间搜索,电流模式(电流谐波特征)最优匹配和监测结果输出。由于本方法仅依靠电器正常工作时固有的稳态电流模式的统计特性和稳态有功功率、无功功率,从而通用性很强。解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大,总功率分解精度就会下降的问题,提高了分解精度,而且可以准确辨识电器的不同工作状态;同时,由于本方法利用查表法而不是优化算法完成监测,降低了对监测系统中微处理器计算性能的要求,可有效降低成本。
Description
技术领域
本发明涉及智能电网的高级量测体系,具体讲,涉及一种电力系统中居民用电监测方法。
背景技术
目前,随着经济社会的快速发展,由于电力系统在供电可靠性、电能质量、低碳节能等方面都面临着前所未有的严格约束,传统电网正向智能电网转型,参见:余贻鑫,栾文鹏,面向21世纪的智能电网.[EB/OL].http://news.sciencenet.cn.2010-09-05.;其中,高级量测体系是实践电网智能化的至关重要的第一步,它承担着整个电网多方面电气信息的量测、收集、储存和分析的底层任务,是智能电网中其他(上层)功能得以实现的基础,如电网故障定位与自愈恢复、需求侧管理和负载实时均衡、电压稳定性控制、准确的负荷预测与建模,实时电力系统仿真分析等。电网负荷用电监测与分析是高级量测体系中最重要的部分之一,其中,居民用电监测的意义在于:一方面,使用户了解电能消耗细节,有助于促使其优化用电习惯,最终削减电费支出;另一方面,由于民用负荷的可控性较强,如电热水器、空调等“储能型”负荷和洗衣机、电热水壶等“延迟性”负荷都具有与电网友好合作的潜力,凭借用电监测,用户可以有依据地响应电网需求,帮助实现“削峰填谷”等需求侧管理功能,使电网受益。
传统的居民用电监测是为每个电器配备一个传感器来跟踪其用电状态(用电功率)和工作状态(如空调有制冷和制热两种用电功率不同的工作状态),属于“侵入式”监测。然而大量带有数字通讯的传感器的安装、调试及维护开销较大,而且传感器过多会降低监测系统和用电器的可靠性。George Hart在G.W.Hart.Nonintrusive appliance loadmonitoring[J].Proceedings of IEEE,1992,80(12):1870-1891中最早正式提出了非侵入式的电力负荷监测系统(Non-Intrusive Load Monitoring System),基本原理可总结如图1。图中虚线框内为系统的主要功能模块,数据采集模块负责采集供电电源入口处的电压和总电流,数据预处理模块负责电压、电流波形滤波,去噪及为实现负荷电气特征提取所做的其他操作,如电压、电流谐波分析,电流相位校正等,负荷电气特征提取模块负责从实测负荷端电压和总电流中提取监测方法所需的负荷特征,如稳态有功和无功功率、暂态电流峰值、暂态电流有效值等,这是影响监测性能的关键,最后利用有效的监测方法完成总负荷的组成分析和内部电器状态的辨识,并完成监测系统的维护和管理等相关功能;此外,图中还列举了系统可以具有的拓展功能,如交互操作、控制命令输入与输出及系统报告等。
非侵入式电力负荷监测方案通过分析用户电源入口处的电压和总电流来确定户内每个电器的用电状态。这样既可降低监测成本和简化操作,又可提高监测系统的可靠性,不仅简化了电力公司对负荷用电细节数据的收集工作,而且可以简单便捷地指导用户优化用电。
现有的一些技术中把启动、停机等负荷工作状态的变动统称为负荷事件,利用与其相关的稳态特征(如稳态功率阶跃,参见:(1)G.W.Hart.Nonintrusive appliance loadmonitoring[J].Proceedings of IEEE,1992,80(12):1870-1891;(2)H.Pihala.Non-intrusive appliance loadmonitoring system based on a modern kWh-meter[R].Technical Research Center of Finland,ESPOO,1998;(3)Christopher E.Reeg,Thomas J.Overbye.Algorithm development forNon-Intrusive Load Monitoring for Verification and Diagnostics[C].North American PowerSymposium(NAPS),2010,:1–5;(4)Berges,et al.Enhancing electricity audits in residentialbuildings with nonintrusive load monitoring[J].Journal of Industrial Ecology,2010,14(5):844-858;(5)Ming Dong,et al.An Event Window Based Load Monitoring Techniquefor Smart Meters[J].IEEE Transactions on Smart Grid,2012,3(2):787-796)或暂态特征(如暂态功率波谱模式,参见:(1)Steven B.Leeb,James.L.Kirtley.A Multiscale Transient EventDetector for Nonintrusive Load Monitoring[J].International Conference on IndustrialElectronics,Control,and Instrumentation,1993,1:354-359;(2)Steven B.Leeb,Steven R.Shaw,James L.Kirtley.Transient event detection in spectral envelope estimates for nonintrusive loadmonitoring[J].IEEE Transactions on Power Delivery,1995,10(3):1200-1210.;(3)S.R.Shaw,et al.Nonintrusive Load Monitoring and Diagnostics in Power Systems[J].IEEE Transactions onInstrumentation and Measurement,2008,57(7):1445-1454)来判断检测到的负荷事件是源自总负荷内部的哪个电器,据此实现非侵入式负荷监测。其中,Christopher E.Reeg,Thomas J.Overbye.Algorithm development for Non-Intrusive Load Monitoring for Verification andDiagnostics[C].North American Power Symposium(NAPS),2010,:1–5在G.W.Hart.Nonintrusive appliance loadmonitoring[J].Proceedings of IEEE,1992,80(12):1870-1891的基础上通过考虑电器的典型工作时段这一时间特征改善了监测性能。Ming Dong,et al.An Event Window Based Load Monitoring Technique for Smart Meters[J].IEEE Transactionson Smart Grid,2012,3(2):787-796提出了负荷事件窗的概念,在负荷特征参数化的基础上,以参数方程式给出了一个线性的负荷辨识分类器,监测准确率较高;但是分类器方程中的常值系数需要在大量实测的基础上通过统计分析得到,若数值不适当,对辨识准确率影响较大。S.R.Shaw,et al.Nonintrusive Load Monitoring and Diagnostics in PowerSystems[J].IEEE Transactions on Instrumentation and Measurement,2008,57(7):1445-1454实现了暂态功率波谱模式的参数化,可用于辨识那些同属于一类、但暂态波形参数不同的不同负荷个体。总体上,对于这类基于负荷事件的监测方法,由于不同电器的工作状态变换过程之间通常不是分立的,时常会同时或顺序地发生不同的负荷事件,致使电器的唯一性特征被掩藏或消失,从而造成辨识错误;对于短工作周期的负荷,也可能因两个连续的量测点间的负荷事件丢失产生辨识错误。此外,这类方法不能辨识恒功率电器,对多状态的和功率连续可变的电器的监测准确率低。文献:黎鹏,余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报,2009,42(4):303-308.中抛开负荷事件的概念,基于任一稳态负荷总电流可由其内部各类主要用电设备电流的线性叠加近似估计的事实,通过最优化方法实现负荷总电流模式(电流谐波特征)最优匹配,来求得各类用电设备的电流权重系数,实现总功率在线分解,有效地解决了以负荷事件为基础的方法共同存在的上述问题。但如果不同电器监测的电流波形相似程度较大,总功率分解精度就会下降,因而需要事先对电器做恰当的分类,未能完满地解决电器工作状态辨识的问题。文献(1)Yi-Sheng Lai,Yung-Chi Chen,Shiao-Li Tsao,Tzung-Cheng Tsai.A novel search scheme for nonintrusive load monitoringsystems[C].2012 IEEE International Conference on Industrial Technology(ICIT),2012,:102-107和文献(2)Jian Liang,Ng,S.,Kendall,G.,Cheng,J.Load Signature Study—Part II_Disaggregation Framework,Simulation,and Applications[J].IEEE Transactions on PowerDelivery,2010,25(2):561-569是集成暂态过程和稳态运行中多种负荷特征的综合型非侵入式监测方法,这类方法的辨识与监测准确率较高,但是,若监测方法对数据采集模块的采样频率(比如涉及暂态特征)和微处理器性能要求高,则会提高整体成本,降低监测方法的实用性。
发明内容
针对上述现有技术,本发明提供一种基于谐波特性的非侵入式电力负荷监测的电流模式匹配法,建立了一种经济实用的、新颖的电器用电状态(用电功率)与工作状态监测的查表法,由于本方法仅依靠电器负荷正常工作时固有的稳态电流模式统计特性和稳态有功功率、无功功率,从而具有很强的通用性;并提出了“负荷状态字向量”的新概念,使本方法易于实现。本发明是基于负荷总电流模式(电流谐波特征)最优匹配来实现负荷总功率分解的,解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大,总功率分解精度就会下降的技术问题,在不同电器监测的电流波形相似程度较大时,总功率分解精度也不会下降,提高了分解精度,而且可以准确辨识电器的不同工作状态;而且,由于本方法利用查表法而不是优化算法完成监测,降低了对监测系统中微处理器计算性能的要求,可有效降低成本。
为了解决上述技术问题,本发明基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法予以实现的技术方案是:
建立一负荷特征数据库,该数据库中存储有以下负荷特征信息:
(1)在基波参考电压Uref下不同电器的用电状态和工作状态;
(2)不同电器的每种工作状态的稳态电流谐波参数。
并包括下述步骤:
用电器登记与负荷状态字空间初始化步骤:
1)确定总负荷内的所含电器设备,并从负荷特征数据库中获取负荷内每个电器的负荷特征信息,从而完成用电器登记;
2)统计负荷所有可能的工作状态,并存储在一有序线性表[state]中,从而完成状态字空间ΩSW的初始化。
数据采集与预处理步骤:
包括采集负荷端电压和稳态用电总电流,以及对采集到的电压和总电流信号进行信号去噪和谐波分析,从而得出:
实测单元总电流模式
公式(6)和公式(7)中:U1表示实测负荷端电压u(t)的基波有效值,I1表示实测负荷总电流il(t)的基波有效值;θl1表示il(t)的基波相对于负荷端电压基波相位角的初相位角;
公式(15)中:αlh表示电流il(t)的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故αl1=1;θlh表示电流il(t)的第h次谐波相对于负荷端电压基波相位角的初相位角。基于查表的可行状态字空间搜索步骤:
电流模式最优匹配步骤:
电流模式匹配的目标函数如下:
公式(16)中:||·||表示L2范数。
在上述可行状态字空间内,寻找一个使电流模式最优匹配的目标函数有最小值的状态字向量SWmin(t)作为对负荷当前工作状态的最优估值,实现电器工作状态辨识,并将与SWmin(t)一一地对应着的做为负荷当前用电状态的最优估值向量,至此实现了负荷基波总功率分解。
监测与分解结果的显示输出:
最后,显示输出负荷内部每个电器的用电状态(即用电功率)和所处工作状态。
与现有技术相比,本发明的有益效果是:
与文献:黎鹏,余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报,2009,42(4):303-308.相同,本发明也是基于负荷总电流模式(电流谐波特征)最优匹配来实现负荷总功率分解的,但本发明并未采用优化算法,而是建立了一种新颖的查表法,本发明所提出的电流模式匹配方法不但解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大,总功率分解精度就会下降,因而需要事先对电器做恰当的分类,未能完满地解决电器工作状态辨识的问题。即使在不同电器监测的电流波形相似程度较大时,总功率分解精度也不会下降,提高了分解精度,而且可以准确辨识电器的不同工作状态。并且还具有以下特点:
(1)以电器个体为监测对象,不需要电器归类;
(2)仅依靠电器负荷正常工作时所固有的稳态电流模式统计特性和稳态有功功率、无功功率,从而具有很强的通用性;
(3)对合理的负荷功率波动不敏感,能够区分功率水平接近的负荷工作状态;
(4)能够准确辨识单一状态或“多状态”电器的工作状态;
(5)总功率分解精度高,相对误差在5%以内。
此外,本发明中,监测系统中的微处理器主要负责:
(1)负荷端电压和总电流的谐波分析,仅需每周波32点的傅里叶变换,计算量小;
(2)遍历有序线性表[state],查找有序线性表的耗时量度可以是对数阶o(log2n),性能优越;
综合上述三点,本发明方法对微处理器运算性能的要求低,能容易地应用于智能电表。现有智能电表中微处理器(CPU)芯片的性能即可满足需要,在为有序线性表[state]拓展必要的外部存储空间的基础上,可使智能电表具备“非侵入式”负荷监测与分解的功能,足见本发明的工程效益。
附图说明
图1是非侵入式电力负荷监测与分解系统基本原理图;
图2是本发明所述的非侵入式电力负荷监测与分解系统的功能流程图;
图3是本发明所述的非侵入式电力负荷监测与分解系统的实施例的示意图;
图4是空调制热的实测波形;
图5是微波炉高火加热的实测波形;
图6是洗衣机洗涤的实测波形;
图7是电磁炉煮饭的实测波形。
具体实施方式
下面结合具体实施方式对本发明作做进一步详细地描述。
本发明以家用电器为监测对象,把总负荷内部每个电器的用电状态(用电功率)及工作状态(如空调有制冷和制热两种用电功率不同的工作状态)作为监测目标。同时做出如下两点基本假设:
假设1:正常情况下,负荷电器在既定的工作状态下所消耗的基波有功功率(和与之对应的基波无功功率)与其端电压有确定性关系,且可仅用有功功率来表征(参见:H.Pihala.Non-intrusive appliance load monitoring system based on a modern kWh-meter[R].Technical Research Center of Finland,ESPOO,1998.);
假设2:在既定电压下,电器的工作状态与稳态电流谐波特征间有一一对应的关系,(参见:黎鹏,余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报,2009,42(4):303-308.)。
本发明,即基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法,在上述两点假设成立的基础上,需建立包括下述两项内容的负荷特征数据库:
在基波参考电压Uref下不同电器的用电状态和工作状态:
在基波参考电压Uref下,对不同电器进行实测,确定电器稳态运行过程中用电功率不同的所有情况,不同的用电功率即被定义为不同的用电状态,参考功率被记为Pref,不同的用电状态对应不同的工作状态,若电器不同物理状态下的用电功率相同,则将这些不同的物理状态统一定义为一种工作状态;如下表1中的微波炉,微波炉高火、中火、低火等不同状态只是功率通断的占空比不同,通态功率是相同的,故只以高火加热这一种工作状态作为代表。
不同电器的每种工作状态的稳态电流谐波参数:
通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波参数,如公式(4)所示,为电器ai的电流谐波参数矩阵Hai。
公式(4)中:假定电器ai除停机之外,共有Si种工作状态,则矩阵Hai共有Si∈Z列,这里有s(i)∈{1,2,…,Si};H表示Hai计及的最大谐波次数,h表示谐波次数,h∈{1,2,…,H};αh,s(i)表示ai在状态s(i)下稳态电流的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故有α1,s(i)=1;θh,s(i)表示ai在状态s(i)下稳态电流的第h次谐波相对于电器设备端电压基波相位角的初相位角。
本发明,即基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法,包括以下步骤,图2为本发明所述的非侵入式电力负荷监测与分解系统的功能流程图:
一、用电器登记与负荷状态字空间初始化步骤:
1)确定总负荷内所含的电器设备,并从负荷特征数据库中获取总负荷内每个电器的负荷特征信息,包括:(1)在基波参考电压Uref下每个电器的用电状态和工作状态,(2)总负荷内部每个电器的每种工作状态的稳态电流谐波参数,从而完成用电器登记;
若负荷内部包含洗衣机、空调、微波炉和电磁炉四种用电器,则基于负荷特征数据库完成用电器登记后,可以得到每种电器用电状态和工作状态信息,表1是用电器的负荷特征信息统计表。
表1负荷特征信息统计表(Uref=220V)
注:微波炉高火、中火、低火等不同状态只是功率通断的占空比不同,通态功率是相同的,故表中只给出了微波炉的高火加热状态。
2)统计负荷所有可能的工作状态(亦即负荷内部所有电器工作状态的组合),存储在一有序线性表[state]中,从而完成状态字空间ΩSW的初始化;
本发明用由N个电器所消耗的基波功率组成的功率向量表示总负荷的用电状态,如式(1)和(2)所示,分别为有功向量P1(t)∈RN和无功向量Q1(t)∈RN(R表示实数空间),其分量分别是N个电器在时刻t处于各自用电状态的基波有功功率或无功功率。在既定的总负荷(亦即既定的N个电器用电状态组合)下,P1(t)和Q1(t)是一一对应的,所以可以仅用有功功率向量P1(t)表示总负荷的用电状态。
公式(1)和(2)中:上标“1”表示基波,余同。N表示电器总数,i表示电器ai,i∈{1,2,…,N}。
进而,若以s(i)∈Z(Z表示整型数空间)表示电器ai的第s(i)种状态,由于每个电器在某时刻t只能处于一种工作状态,因此可用一个N维状态字向量SW(t)∈ZN来反映总负荷在时刻t的工作状态,其分量分别表示N个电器的工作状态,如公式(3)。
SW(t)=(s(1),…,s(i),…,s(N))T (3)
公式(3)中:若电器ai处于停机状态,则令s(i)=0。
如上所述,一个P1(t)(或Q1(t))唯一地对应一种总负荷工作状态SW(t),反之亦然。如果已经提供了下表1所示的负荷特征信息,则可以写出P1(t)=(260,0,1374,1479)T,对应就有SW(t)=(1,0,1,2)T,这表示(t时刻)“洗衣机洗涤、空调停机、微波炉高火加热、电磁炉涮火锅”;若先写出SW(t)=(0,1,0,3)T,且Uref=220V,对应就有P1(t)=(0,510,0,1880)T,对P1(t)中各元素求和可得到负荷基波有功总功率参考值为2390W。既然SW(t)可唯一地定义总负荷用电状态P1(t),所以为了节约存储空间,本发明将总负荷所有可能的工作状态由状态字向量一一表示,并按与每个状态字向量对应的负荷基波有功总功率参考值的升序将所有状态字向量存储在[state]表中,形成状态字空间简称状态空间,其中,Z表示整型数空间。
二、数据采集与数据预处理步骤:
包括采集负荷端电压和稳态用电总电流,以及对采集到的电压和总电流进行信号去噪和谐波分析,从而得出:
实测单元总电流模式
公式(6)和公式(7)中:U1表示实测负荷端电压u(t)的基波有效值,I1表示实测负荷总电流il(t)的基波有效值;θl1表示il(t)的基波相对于负荷端电压基波相位角的初相位角。
公式(15)中:αlh表示电流il(t)的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故αl1=1;θlh表示电流il(t)的第h次谐波相对于负荷端电压基波相位角的初相位角。
三、基于查表的可行状态字空间搜索步骤:
1)实测基波端电压U1下,负荷工作状态初选所需的描述各电器基波有功功率和无功功率估值的向量的计算方法:
由于电网电压波动,负荷实际工作电压可能不是Uref,基于前述假设1,首先需要根据实际负荷端基波电压U1修正Uref下(数据库中已存储)的有功功率参考值计算得到各个电器实际有功功率估值,如公式(8)。
公式(8)中:γP表示电器的基波有功功率修正指数,可经实测统计得到;P(U1)表示实测基波端电压U1下的电器实际有功功率估值。
在实测基波端电压U1下,由状态字SWk可计算得到对应的基波有功功率估值向量,记为P1(SWk,U1)∈RN。根据上表1和式(7),若假设SWk=(1,1,0,2)T,U1=221.5V,则有P1(SWk,U1)=(262.1,514.2,0,1499)T(各电器γP的取值见上表1)。
进而,任取[state]中第k个状态字向量SWk,k表示状态字向量在[state]表中的序号(下同)。据公式(3),SWk中电器ai的状态为s(i),由SWk可得到与之唯一对应的电流谐波参数矩阵Ha(SWk),如公式(5)。
公式(5)中:Ha(SWk)共有N列;若SWk中电器ai的状态s(i)≠0,则以参数矩阵Hai的第s(i)列作为矩阵Ha(SWk)的第i列;若s(i)=0,则矩阵Ha(SWk)的第i列为零向量。
利用Ha(SWk)中各电器的基波相位角参数,根据公式(9)计算得到与P1(SWk,U1)∈RN一一对应着的基波无功功率估值向量Q1(SWk,U1)∈RN。
公式(9)中:θ1,s(i)取自参数矩阵Ha(SWk);和分别是P1(SWk,U1)和Q1(SWk,U1)的第i个元素,即表示实测基波端电压U1下,电器ai处于状态s(i)时的基波有功功率和无功功率估值。
2)建立负荷工作状态初选的约束条件:
公式(10)和(11)中:ηP和ηQ分别为有功功率和无功功率域值系数,ηP和ηQ分别为10%和15%。
四、基于查表的电流模式最优匹配步骤:
在上述步骤三中搜索得到的满足实测基波有功总功率和无功总功率约束的可行状态字空间内,通过匹配法寻找与实测总电流模式(电流谐波特征)最接近的估计总电流模式所对应的状态字SWmin(t),将其作为负荷当前工作状态的最优估计,并将与SWmin(t)一一地对应着的做为基波有功功率最优估值向量,反应负荷内电器的用电状态,至此实现了负荷基波总功率分解。
为此本发明建议了一种电流模式匹配法:
1)实测基波端电压U1下,描述各电器基波有功功率估值在负荷总基波有功功率估值中所占比例的向量:
公式(12)中: 表示实测基波端电压U1下,[state]表的第k个状态字SWk对应的基波有功功率估值向量P1(SWk,U1)中电器ai的基波有功功率比例;k表示状态字向量在[state]表中的序号。例如,对于SWk=(1,1,0,2)T,有
2)描述基波端电压U1下各电器电流在负荷总电流中所占比例的估值向量:
公式(13)中,下标k表示状态字向量在[state]表中的序号;下标i表示电器ai,据公式(3),下标s(i)表示状态字向量SWk中电器ai的状态。θ1,s(i)是Ha(SWk)的第一行第i列元素的相位角。并把 称为电流权重系数估值向量。
3)估计电流模式和电流模式匹配的目标函数:
利用N个主要电器设备稳态电流的线性叠加近似估计负荷总电流的基本原理(文献:黎鹏,余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报,2009,42(4):303-308.),可采用公式(14)计算得到估计单元总电流谐波参数向量本发明中称之为估计总电流模式。
公式(15)中:αlh表示电流il(t)的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故αl1=1。θlh表示电流il(t)的第h次谐波相对于负荷端电压基波相位角的初相位角。
公式(16)中:||·||表示L2范数。
4)依据匹配结果完成基波负荷分解:
在可行状态子空间中,寻找一个使得公式(16)有最小值的状态字向量SWmin(t)作为对负荷当前工作状态的最优估计,实现电器工作状态辨识,并将与SWmin(t)一一地对应着的做为负荷当前用电状态的最优估计,至此实现了负荷基波有功总功率分解,结合公式(9),可计算得到负荷内部电器的基波无功功率估值,进而实现了负荷基波无功总功率分解。
五、监测与分解结果的显示输出:
最后,显示输出负荷内部每个电器的用电状态(即用电功率)和所处工作状态。
实施例:
基于国内外在该领域的现有成果,本发明在解决一些现存技术问题的基础上,给出了一套经济实用的居民用电(细节)监测方法。
根据图1和图2,建立了如图3所示的实施例系统,在实施例中以排式插座模拟实际居民户内配电线路,电器设备插接在排式插座上,为实现方便,通过在排式插座的电源线上串联一电流钳来采集负荷总电流;信号调理箱内置有用于采集负荷端电压的电压传感器,并含有隔离保护电路;采集所得的电压和总电流经数据采集卡传送至电脑进行处理,所述数据采集卡采用NI公司的DAQCard-6024E数据采集卡;数据采集卡均经PCI总线与一台存储有监测系统程序和负荷特征数据库的电脑连接,所述电脑采用主频为1.60GHz的笔记本机。
实施例中用电器的部分负荷特征信息统计如表1,用电器的实测电压-电流波形举例如图4-图7。测试时,ηP和ηQ分别取为10%和15%,仅取电器电流的前11次谐波特征。
参见图2,本发明所建立的新方法的具体执行主要包括以下五部分:分别是用电器登记与状态字空间ΩSW初始化,数据采集与数据预处理,基于查表的可行状态字空间搜索和电流模式(电流谐波特征)最优匹配和监测与分解结果的显示输出。其中,如图2示意,对实测所得负荷数据的离线统计与分析可用于补充和更新负荷特征数据库的内容。
用电器登记与负荷状态字空间初始化,如前所述,为实施本发明所建立的非侵入电力负荷监测方法,在建立了负荷特征数据库的基础上,需要进行负荷登记,即确定居民户内用电器组成,并获得监测方法所需的负荷特征信息,。但是为了最大程度地便利用户以保证监测方案的实用性,应尽可能地降低这一部分中用户的参与度和一些必要操作(如负荷登记)的复杂度。在用电器登记的基础上,完成状态子空间ΩSW初始化后便得到一有序线性表[state],将其固化在监测系统的存储模块内。
数据采集与数据预处理,居民负荷端电压和用电总电流的采集与数据预处理是成功完成非侵入电力负荷监测的基础,直接关系到监测方法执行效果的好坏。其中,数据预处理主要包括信号去噪和电压和总电流的谐波分析。这部分为本发明所建立的监测方法提供实测基波有功总功率无功总功率(见前面公式(6)和公式(7))和实测单元总电流模式(电流谐波特征)(见公式(15))。
电流模式最优匹配,在上述基于查表的可行状态字空间搜索中得到满足实测基波有功总功率和无功总功率约束的可行状态字空间内,通过匹配法寻找与实测总电流模式(电流谐波特征)最接近的估计总电流模式所对应的状态字SWmin(t),将其作为负荷当前工作状态的最优估计,并将与SWmin(t)一一地对应着的做为基波有功功率最优估值向量,至此实现了负荷基波有功总功率分解,结合公式(9),计算得到负荷内部电器的基波无功功率估值,进而实现负荷基波无功总功率分解。输出显示监测与分解结果,如表2所示。
表2实施例测试结果
说明:表中的空调的状态“1”即对应表1中空调的制冷状态,其余情况同理。
实施例测试结果分析如下:
1.实施例验证了本发明方法的有效性,实施例中,本发明方法对电器工作状态的辨识准确率为100%,总功率分解误差在5%以下,满足工程需要。
2.经实测,空调制热和电磁炉的波形相近,如附图4和图7所示,两种电器同时运行时,第2组算例表明监测结果并不受干扰,说明本发明方法对电器之间电流波形相近不敏感,在不同电器监测的电流波形相似程度较大时,总功率分解精度也不会下降。微波炉加热和电磁炉涮火锅的功率相差8.84%,第4组算例表明监测结果仍具有高精度,说明本发明方法的分解误差不受电器功率水平相近的影响,对合理的负荷功率波动不敏感,能够准确区分功率水平接近的负荷工作状态。
尽管上面结合示图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以作出很多变形,可以进行基于本发明方法的嵌入式系统开发,例如将该方法嵌入用户本地智能电表中,也可以将本地采集的电气信号远传,在远程数据分析服务器中的开发基于本发明方法的监测功能,这些均属于本发明的保护之内。
Claims (8)
1.一种非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
建立一负荷特征数据库,该数据库中存储有以下负荷特征信息:
(1)在基波参考电压Uref下不同电器的用电状态和工作状态,
(2)不同电器的每种工作状态的稳态电流谐波参数;
并包括下述步骤:
用电器登记与负荷状态字空间初始化步骤:
1)确定总负荷内的所含电器设备,并从负荷特征数据库中获取负荷内每个电器的负荷特征信息,从而完成用电器登记;
2)统计负荷所有可能的工作状态,并存储在一有序线性表[state]中,从而完成状态字空间ΩSW的初始化;
数据采集与数据预处理步骤:
包括采集负荷端电压和稳态用电总电流,以及对采集到的电压和总电流进行信号去噪和谐波分析,从而得出:
实测基波有功总功率
公式(6)和公式(7)中:U1表示实测负荷端电压u(t)的基波有效值,I1表示实测负荷总电流il(t)的基波有效值,θi1表示il(t)的基波相对于负荷端电压基波相位角的初相位角,
公式(15)中:αlh表示电流il(t)的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故αl1=1,θlh表示电流il(t)的第h次谐波相对于负荷端电压基波相位角的初相位角;
基于查表的可行状态字空间搜索步骤:
电流模式最优匹配步骤:
确定电流模式最优匹配的目标函数如下:
公式(16)中:||·||表示L2范数;
在上述可行状态字空间内,寻找一个使电流模式最优匹配的目标函数有最小值的状态字向量SWmin(t)作为对负荷当前工作状态的最优估值,实现电器工作状态辨识,并将与SWmin(t)一一地对应着的作为负荷当前用电状态的最优估值向量,至此实现了负荷基波总功率分解;
监测与分解结果的显示输出步骤:
最后,显示输出负荷内部每个电器的用电功率和所处工作状态。
2.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
负荷特征数据库中,确定基波参考电压Uref下不同电器的用电状态和工作状态的方法是:
在基波参考电压Uref下,对不同电器进行实测,确定电器稳态运行时用电功率不同的所有情况,不同的用电功率即被定义为不同的用电状态,参考功率被记为Pref,不同的用电状态对应不同的工作状态,若电器不同物理状态下的用电功率相同,则将这些不同的物理状态统一定义为一种工作状态。
3.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
负荷特征数据库中,确定不同电器的每种工作状态的稳态电流谐波参数的方法是:
通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波参数,并定义电器ai的电流谐波参数矩阵Hai:
公式(4)中:设电器ai除停机之外,共有Si种工作状态,则矩阵Hai共有Si∈Z列,这里有s(i)∈{1,2,…,Si},H表示Hai计及的最大谐波次数,h表示谐波次数,h∈{1,2,…,H},αh,s(i)表示ai在状态s(i)下稳态电流的第h次谐波幅值以该电流基波幅值为基值时的标幺值,故有α1,s(i)=1,θh,s(i)表示ai在状态s(i)下稳态电流的第h次谐波相对于电器设备端电压基波相位角的初相位角。
4.根据权利要求1或2所述非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
负荷状态字空间ΩSW及对应的有序线性表[state]的获取方法是:
首先,用由N个电器所消耗的基波功率组成的功率向量表示总负荷的用电状态,如下述公式(1)和公式(2),分别为有功向量P1(t)∈RN和无功向量Q1(t)∈RN,R表示实数空间,其分量分别是N个电器在时刻t处于各自用电状态的基波有功功率或无功功率;在既定的N个电器的用电状态组合下,P1(t)和Q1(t)是一一对应的,所以仅用有功功率向量P1(t)表示总负荷的用电状态,
公式(1)和公式(2)中:各项上标1表示基波,N表示总负荷内部的电器总数,i表示电器ai,i∈{1,2,…,N},
进而,若以s(i)∈Z,表示电器ai的第s(i)种状态,其中,Z表示整型数空间,由于每个电器在某时刻t处于一种工作状态,因此,用一个N维状态字向量SW(t)∈ZN来反映总负荷在时刻t的工作状态,其分量分别表示N个电器的工作状态,如公式(3),
SW(t)=(s(1),…,s(i),…,s(N))T (3)
公式(3)中:若电器ai处于停机状态,则令s(i)=0,
如上所述,一个P1(t)或Q1(t)唯一地对应一种总负荷工作状态SW(t),反之亦然,
基于以上,根据负荷特征数据库,在完成用电器登记的基础上,将负荷所有可能的工作状态(亦即负荷内部所有电器工作状态的组合)由状态字向量一一表示,并按与每个状态字向量对应的负荷基波有功总功率参考值的升序将所有状态字向量存储在一有序线性表[state]中,从而形成负荷的状态字空间ΩSW。
5.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
完成负荷工作状态初选过程中,实测基波端电压U1下,计算各电器基波有功功率和无功功率估值向量的方法是:
由于电网电压波动,负荷实际工作电压可能不是Uref,根据实测基波端电压U1修正负荷特征数据库中存储的基波参考电压Uref下的有功功率参考值,计算得到各个电器实际有功功率估值,如公式(8),
公式(8)中:γP表示电器的基波有功功率修正指数,可经实测统计得到,P(U1)表示实测基波端电压U1下的电器实际有功功率估值,
在实测基波端电压U1下,任取有序线性表[state]中第k个状态字向量SWk,k表示状态字向量在[state]表中的序号,根据公式(1)和公式(8),由状态字SWk计算得到对应的基波有功功率估值向量,记为P1(SWk,U1)∈RN,
据公式(3),SWk中电器ai的状态为s(i),由SWk可得到与之唯一对应的电流谐波参数矩阵Ha(SWk),如公式(5),
公式(5)中:Ha(SWk)共有N列,若SWk中电器ai的状态s(i)≠0,则以参数矩阵Hai的第s(i)列作为矩阵Ha(SWk)的第i列,若s(i)=0,则矩阵Ha(SWk)的第i列为零向量,
利用电流谐波参数矩阵Ha(SWk)中各电器的基波相位角参数,根据下述公式(9)计算得到与P1(SWk,U1)∈RN一一对应着的基波无功功率估值向量Q1(SWk,U1)∈RN,
7.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法,其特征在于:
电流模式最优匹配的目标函数中所需的两个估值向量的确定方法是:
实测基波端电压U1下,确定各电器基波有功功率估值在负荷总基波有功功率估值中所占比例的向量的方法是:
公式(12)中: 表示实测基波端电压U1下,[state]表的第k个状态字SWk对应的基波有功功率估值向量P1(SWk,U1)中电器ai的基波有功功率比例,k表示状态字向量在[state]表中的序号,
实测基波端电压U1下,确定各电器电流在负荷总电流中所占比例的估值向量的方法是:
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210466810.7A CN103001230B (zh) | 2012-11-16 | 2012-11-16 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
US14/442,725 US9658261B2 (en) | 2012-11-16 | 2013-11-08 | Current pattern matching method for non-intrusive power load monitoring and disaggregation |
PCT/CN2013/086725 WO2014075581A1 (zh) | 2012-11-16 | 2013-11-08 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210466810.7A CN103001230B (zh) | 2012-11-16 | 2012-11-16 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103001230A true CN103001230A (zh) | 2013-03-27 |
CN103001230B CN103001230B (zh) | 2014-10-15 |
Family
ID=47929500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210466810.7A Active CN103001230B (zh) | 2012-11-16 | 2012-11-16 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9658261B2 (zh) |
CN (1) | CN103001230B (zh) |
WO (1) | WO2014075581A1 (zh) |
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014075581A1 (zh) * | 2012-11-16 | 2014-05-22 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
CN104459413A (zh) * | 2014-12-17 | 2015-03-25 | 朱明� | 一种实现家居用电智能化管理的多回路电力监测装置 |
CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
CN105446213A (zh) * | 2015-11-27 | 2016-03-30 | 成都聚汇才科技有限公司 | 一种谐振式信号识别电路的智能数字应变电表控制系统 |
CN105514984A (zh) * | 2015-12-07 | 2016-04-20 | 河南许继仪表有限公司 | 一种即插即用的非侵入式负荷分解装置 |
CN105529700A (zh) * | 2015-12-07 | 2016-04-27 | 河南许继仪表有限公司 | 一种非侵入式在线负荷分解装置 |
CN105550798A (zh) * | 2015-12-07 | 2016-05-04 | 河南许继仪表有限公司 | 一种非侵入式负荷分解与监测系统 |
CN105652118A (zh) * | 2015-12-29 | 2016-06-08 | 国家电网公司 | 一种基于负荷瞬时能量特征的电网电能负荷监测方法 |
CN105974220A (zh) * | 2016-04-25 | 2016-09-28 | 东莞市联洲知识产权运营管理有限公司 | 一种居民小区用电负荷识别系统 |
CN106093630A (zh) * | 2016-06-02 | 2016-11-09 | 华北电力大学 | 一种非侵入式家用电器辨识方法 |
CN106124850A (zh) * | 2016-07-20 | 2016-11-16 | 国网江西省电力公司南昌供电分公司 | 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法 |
CN106324342A (zh) * | 2016-08-22 | 2017-01-11 | 江苏南自通华电力自动化股份有限公司 | 一种基于查表的谐波检测方法 |
CN106340874A (zh) * | 2016-10-17 | 2017-01-18 | 南方电网科学研究院有限责任公司 | 电力负荷分解的辨识决策方法和系统 |
CN106443233A (zh) * | 2016-08-26 | 2017-02-22 | 北京电力经济技术研究院 | 一种非侵入式的稳态负荷监测方法 |
JPWO2015083393A1 (ja) * | 2013-12-03 | 2017-03-16 | 株式会社東芝 | 機器状態推定装置、機器消費電力推定装置、およびプログラム |
CN106575103A (zh) * | 2014-06-12 | 2017-04-19 | 艾默生电气公司 | 基于控制线电流的加热、通风、空气调节系统模式检测 |
CN106651658A (zh) * | 2016-12-30 | 2017-05-10 | 合肥工业大学 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN106872824A (zh) * | 2017-02-15 | 2017-06-20 | 宁波华创锐科智能科技有限公司 | 一种电网负载电器类型识别和不同电器电量统计的方法及其装置 |
CN107025365A (zh) * | 2017-05-16 | 2017-08-08 | 电子科技大学 | 一种用于用户侧的非侵入负荷辨识方法 |
CN107341736A (zh) * | 2016-11-07 | 2017-11-10 | 天津求实智源科技有限公司 | 一种基于电流波形特征的电力负荷分解方法和系统 |
CN107423748A (zh) * | 2017-04-17 | 2017-12-01 | 云南电网有限责任公司电力科学研究院 | 一种降低电网谐波对非侵入式负荷识别影响的方法 |
CN107561354A (zh) * | 2017-08-17 | 2018-01-09 | 江苏智臻能源科技有限公司 | 基于功率持续时间特性的多电器非侵入辨识方法 |
CN107578288A (zh) * | 2017-09-08 | 2018-01-12 | 东南大学 | 一种考虑用户用电模式差异的非侵入式负荷分解方法 |
CN107796972A (zh) * | 2017-09-25 | 2018-03-13 | 广东中粤售电科技有限公司 | 一种基于非侵入式负荷分解技术的粮仓能耗监测方法 |
CN107907759A (zh) * | 2017-10-26 | 2018-04-13 | 国网黑龙江省电力有限公司信息通信公司 | 电力设备的电量监控系统及方法 |
CN108233529A (zh) * | 2016-12-21 | 2018-06-29 | 上海佳岚智能科技有限公司 | 智能远程用电监控模数化装置及系统 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
CN105759113B (zh) * | 2016-02-29 | 2018-08-21 | 北京工业大学 | 一种电动汽车充电的非侵入式负荷监测与分解方法 |
CN108537385A (zh) * | 2018-04-12 | 2018-09-14 | 广东电网有限责任公司 | 一种非侵入式居民用电负荷识别方法 |
CN108599218A (zh) * | 2018-05-31 | 2018-09-28 | 北京艾科迈新能源科技有限公司 | 用于孤岛型微电网的储能变流系统及其控制方法、介质 |
CN108733661A (zh) * | 2017-04-13 | 2018-11-02 | 深圳点亮新能源技术有限公司 | 一种面向非侵入式监测的在线负荷特征库维护方法 |
CN108767847A (zh) * | 2018-02-02 | 2018-11-06 | 华北电力大学扬中智能电气研究中心 | 一种非侵入式用电负荷分解方法及装置 |
CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
CN109374962A (zh) * | 2018-10-12 | 2019-02-22 | 四川长虹电器股份有限公司 | 一种基于电器功率的负荷功耗分解的方法 |
CN109613362A (zh) * | 2018-12-14 | 2019-04-12 | 四川长虹电器股份有限公司 | 非侵入式电器数量识别方法 |
CN109613360A (zh) * | 2018-12-13 | 2019-04-12 | 四川长虹电器股份有限公司 | 一种基于非侵入式监测系统的负荷识别方法 |
CN110024251A (zh) * | 2016-11-15 | 2019-07-16 | 伊莱克斯家用电器股份公司 | 用于家用或商用电器的监测布置 |
CN110133393A (zh) * | 2018-09-13 | 2019-08-16 | 华南理工大学 | 一种基于非侵入式监测技术的用电监测系统及方法 |
CN110333404A (zh) * | 2019-06-24 | 2019-10-15 | 江门云天电力设计咨询有限公司 | 一种非侵入式的负荷监测方法、装置、设备及存储介质 |
CN110416995A (zh) * | 2019-05-10 | 2019-11-05 | 南昌航空大学 | 一种非侵入式负荷分解方法和装置 |
CN110542855A (zh) * | 2019-09-08 | 2019-12-06 | 广东石油化工学院 | 基于离散余弦变换的负荷开关事件检测方法和系统 |
CN110596494A (zh) * | 2019-09-25 | 2019-12-20 | 中国标准化研究院 | 电器安全自动检测装置及检测方法 |
CN110907884A (zh) * | 2019-12-06 | 2020-03-24 | 国网天津市电力公司电力科学研究院 | 一种基于非侵入式量测电能表误差诊断分析方法 |
CN111007347A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种非侵入式负荷识别、装置和相关设备 |
CN111080478A (zh) * | 2019-12-11 | 2020-04-28 | 吉林同益光电科技有限公司 | 一种基于供电企业营销服务的客户侧增强系统 |
CN111092486A (zh) * | 2019-11-20 | 2020-05-01 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种非侵入式负荷采集系统及方法、存储介质 |
CN111190067A (zh) * | 2020-01-21 | 2020-05-22 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
CN111308185A (zh) * | 2020-02-28 | 2020-06-19 | 宁波三星医疗电气股份有限公司 | 一种非侵入式负荷识别方法 |
CN111665387A (zh) * | 2020-05-08 | 2020-09-15 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
CN112180193A (zh) * | 2020-09-28 | 2021-01-05 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
CN112485516A (zh) * | 2020-11-27 | 2021-03-12 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
WO2021056281A1 (zh) * | 2019-09-25 | 2021-04-01 | 西门子股份公司 | 负荷监测设备、负荷监测的方法、程序产品和介质 |
CN113281625A (zh) * | 2021-05-25 | 2021-08-20 | 天津大学 | 一种低压用户非侵入式电弧故障精准检测方法及系统 |
WO2021232540A1 (zh) * | 2020-05-18 | 2021-11-25 | 江苏电力信息技术有限公司 | 一种电流信号的分类算法 |
CN114530847A (zh) * | 2022-02-23 | 2022-05-24 | 安徽理工大学 | 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法 |
CN116341951A (zh) * | 2023-02-22 | 2023-06-27 | 上海玫克生储能科技有限公司 | 用能设备能效的监测方法、系统、设备及存储介质 |
Families Citing this family (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101557116B1 (ko) * | 2013-11-13 | 2015-10-02 | 주식회사 케이티 | 개별 부하의 운영상태를 추정하는 장치 및 방법 |
JP6593325B2 (ja) * | 2014-03-31 | 2019-10-23 | 日本電気株式会社 | 監視装置、監視システム、監視方法及びプログラム |
CN105372541A (zh) * | 2015-12-24 | 2016-03-02 | 山东大学 | 一种基于模式识别的家用电器智能集总检测系统及其工作方法 |
WO2017147661A1 (en) * | 2016-03-03 | 2017-09-08 | Ecocentric Group Pty Ltd | System and method for assessing electrical energy or power characteristics or features of electrical devices |
CN106154082A (zh) * | 2016-06-20 | 2016-11-23 | 北京智芯微电子科技有限公司 | 一种负荷特性在线分析的智能测量采集装置 |
US10282795B2 (en) | 2016-06-22 | 2019-05-07 | International Business Machines Corporation | Real-time forecasting of electricity demand in a streams-based architecture with applications |
CN106655160A (zh) * | 2016-10-27 | 2017-05-10 | 国家电网公司 | 一种非侵入式电力负荷分解的辨识决策方法及系统 |
CN107732911B (zh) * | 2017-11-22 | 2019-09-17 | 姜齐 | 一种智能电网的供电选择装置 |
CN108152630B (zh) * | 2017-12-26 | 2023-11-14 | 江苏智臻能源科技有限公司 | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 |
CN108573288B (zh) * | 2018-05-29 | 2021-11-23 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
CN108879702B (zh) * | 2018-06-21 | 2020-10-27 | 浙江大学 | 一种基于家居负荷分解的用电控制系统 |
CN109299134B (zh) * | 2018-09-18 | 2021-06-22 | 四川长虹电器股份有限公司 | 一种非侵入式监测系统下电器的识别方法 |
CN109815994A (zh) * | 2019-01-04 | 2019-05-28 | 国网山西省电力公司长治供电公司 | 一种用户用电负荷特征分析方法 |
CN110018369B (zh) * | 2019-03-05 | 2021-01-26 | 天津工业大学 | 一种基于非侵入式负荷分解的家电智能识别与监测方法 |
CN111722028A (zh) * | 2019-03-19 | 2020-09-29 | 华北电力大学 | 一种基于高频数据的负荷识别方法 |
CN110009143A (zh) * | 2019-03-28 | 2019-07-12 | 北京快电科技有限公司 | 一种楼宇内能源调度方法 |
CN110488085A (zh) * | 2019-04-30 | 2019-11-22 | 广东石油化工学院 | 一种基于模式分解的负载开关事件的检测方法和装置 |
CN110516788B (zh) * | 2019-08-07 | 2023-05-02 | 深圳供电局有限公司 | 一种基于Bi-LSTM算法的非侵入式负荷检测方法及系统 |
CN110426554B (zh) * | 2019-08-09 | 2022-03-18 | 威胜集团有限公司 | 家用负荷电气特征提取方法、装置及计算机可读存储介质 |
CN110516743A (zh) * | 2019-08-28 | 2019-11-29 | 珠海格力智能装备有限公司 | 用电设备的识别方法、装置、存储介质和处理器 |
CN110674451B (zh) * | 2019-09-12 | 2022-04-12 | 广东电网有限责任公司佛山供电局 | 事件过程多设备同时投切决策的混合整数规划计算方法 |
CN110571802B (zh) * | 2019-09-12 | 2023-03-28 | 国网山东省电力公司寿光市供电公司 | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 |
CN111177212B (zh) * | 2019-12-13 | 2022-09-27 | 国网北京市电力公司 | 空气源热泵工作状态的确定方法及装置、电子设备 |
CN111158417A (zh) * | 2019-12-23 | 2020-05-15 | 江苏如高第三代半导体产业研究院有限公司 | 一种监视电源线上的电压与电流 |
CN111191908B (zh) * | 2019-12-25 | 2021-09-21 | 国网江苏省电力有限公司电力科学研究院 | 一种负荷事件检测方法、系统及存储介质 |
CN111239484A (zh) * | 2019-12-27 | 2020-06-05 | 国网山西省电力公司大同供电公司 | 一种非居民用户非侵入式负荷用电信息采集方法 |
CN111751613A (zh) * | 2020-06-18 | 2020-10-09 | 深圳供电局有限公司 | 一种冰箱窃电检测方法 |
CN112101110B (zh) * | 2020-08-13 | 2024-02-23 | 河北经纬九方科技有限公司 | 一种电力系统用户侧非侵入式负荷识别的方法 |
CN111985563B (zh) * | 2020-08-20 | 2024-03-01 | 国网上海市电力公司 | 一种基于谐波发射水平的工业用户电力设备分类方法 |
CN112015116B (zh) * | 2020-08-20 | 2024-03-29 | 国网天津市电力公司 | 一种可在多环境下搜集电器指纹的负荷感知方法及装置 |
CN112184020B (zh) * | 2020-09-28 | 2021-08-24 | 国网江苏省电力有限公司营销服务中心 | 一种非侵入式负荷辨识融合决策方法及系统 |
CN112396299B (zh) * | 2020-11-03 | 2022-11-08 | 浙江大学 | 交直流混合配电系统全寿命周期综合能效评估和诊断方法 |
CN112394220B (zh) * | 2020-11-13 | 2021-08-24 | 四川大学 | 一种非侵入式电动汽车充电负荷模式提取方法 |
CN112701683A (zh) * | 2020-12-23 | 2021-04-23 | 国网黑龙江省电力有限公司双鸭山供电公司 | 非侵入式负荷检测与分解方法、系统以及存储介质 |
CN112821380B (zh) * | 2020-12-31 | 2022-10-04 | 广东电网有限责任公司 | 一种基于多通道填充矩阵的非侵入式负荷识别方法和系统 |
CN113326296B (zh) * | 2021-02-25 | 2024-06-07 | 中国电力科学研究院有限公司 | 一种适用于工商业用户的负荷分解的方法及系统 |
CN113010985A (zh) * | 2021-03-05 | 2021-06-22 | 重庆邮电大学 | 一种基于并行aann的非侵入式负荷识别方法 |
CN113219268B (zh) * | 2021-03-26 | 2022-11-04 | 国电南瑞科技股份有限公司 | 一种多态电器的非侵入辨识方法及装置 |
CN113269227A (zh) * | 2021-04-15 | 2021-08-17 | 国网浙江省电力有限公司电力科学研究院 | 小微型负荷时空用电行为非侵入式深度分解方法及系统 |
CN113434493A (zh) * | 2021-06-28 | 2021-09-24 | 湘潭大学 | 一种基于Transformer的非侵入式负荷分解方法 |
CN113361831B (zh) * | 2021-08-10 | 2021-11-09 | 国网江苏省电力有限公司营销服务中心 | 基于优先级分配的非侵入式负荷辨识电量分解方法及系统 |
CN113890024B (zh) * | 2021-09-30 | 2024-08-13 | 清华大学 | 一种非侵入式负荷智能分解和优化控制方法 |
CN113887629A (zh) * | 2021-10-01 | 2022-01-04 | 上海梦象智能科技有限公司 | 一种合成电器指纹聚合数据的方法 |
CN113985266B (zh) * | 2021-10-28 | 2024-02-09 | 中国计量大学现代科技学院 | 多智能电表集中化负荷识别方法 |
CN114397519B (zh) * | 2021-12-09 | 2024-08-27 | 江苏业力科技有限公司 | 一种基于改进topsis算法的稳态负载识别方法 |
CN113947886A (zh) * | 2021-12-20 | 2022-01-18 | 北京易联通达科技有限公司 | 一种基于非入侵式电表的用电行为监测装置 |
CN114252682B (zh) * | 2021-12-21 | 2024-04-05 | 上海中和软件有限公司 | 基于非侵入式负荷监测的大型楼宇异常负荷控制方法 |
CN114325081A (zh) * | 2021-12-29 | 2022-04-12 | 润建股份有限公司 | 一种基于多模态特征的非侵入式负荷识别方法 |
CN114996182B (zh) * | 2022-05-23 | 2024-04-26 | 中国计量大学 | 一种用于负荷识别模型训练的稳态数据流输出装置 |
CN114970723A (zh) * | 2022-05-29 | 2022-08-30 | 华中科技大学 | 一种基于UNet结构的多任务非侵入式负荷分解方法 |
CN116028853B (zh) * | 2023-02-14 | 2023-09-12 | 华北电力大学 | 一种基于知识图谱的家庭电器识别方法与系统 |
CN116628452A (zh) * | 2023-06-05 | 2023-08-22 | 山东大卫国际建筑设计有限公司 | 一种家庭用电设备管理方法、设备及介质 |
CN116388190B (zh) * | 2023-06-06 | 2023-08-18 | 山东大学 | 分布式光伏谐波定量评估方法、系统、终端设备及介质 |
CN116595488B (zh) * | 2023-07-19 | 2023-11-14 | 青岛鼎信通讯股份有限公司 | 一种基于智能电表的非侵入式负荷识别方法 |
CN116859169B (zh) * | 2023-09-01 | 2023-11-17 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及系统 |
CN117074778B (zh) * | 2023-10-16 | 2024-01-19 | 南方电网科学研究院有限责任公司 | 基于负载场景的谐波提取方法、装置和计算机设备 |
CN117333724B (zh) * | 2023-11-28 | 2024-02-27 | 天津滨电电力工程有限公司 | 一种基于多特征融合图像的非侵入式负荷辨识方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282040A (zh) * | 2008-05-09 | 2008-10-08 | 天津大学 | 非侵入式电力负荷实时分解方法 |
CN101567559A (zh) * | 2009-06-04 | 2009-10-28 | 天津天大求实电力新技术股份有限公司 | 非侵入式电力负荷分解的表格方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340831B2 (en) | 2009-12-16 | 2012-12-25 | Robert Bosch Gmbh | Non-intrusive load monitoring system and method |
US20130138669A1 (en) * | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a hierarchical load feature database to identify electric load types of different electric loads |
CA2864739C (en) * | 2011-11-29 | 2020-03-31 | Energy Aware Technology Inc. | Method and system for forecasting power requirements using granular metrics |
US9563215B2 (en) * | 2012-07-14 | 2017-02-07 | Causam Energy, Inc. | Method and apparatus for actively managing electric power supply for an electric power grid |
CN103001230B (zh) * | 2012-11-16 | 2014-10-15 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
-
2012
- 2012-11-16 CN CN201210466810.7A patent/CN103001230B/zh active Active
-
2013
- 2013-11-08 WO PCT/CN2013/086725 patent/WO2014075581A1/zh active Application Filing
- 2013-11-08 US US14/442,725 patent/US9658261B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282040A (zh) * | 2008-05-09 | 2008-10-08 | 天津大学 | 非侵入式电力负荷实时分解方法 |
CN101567559A (zh) * | 2009-06-04 | 2009-10-28 | 天津天大求实电力新技术股份有限公司 | 非侵入式电力负荷分解的表格方法 |
Non-Patent Citations (2)
Title |
---|
ALAN MARCHIORI ET AL.: "Circuit-Level Load Monitoring for Household Energy Management", 《PERVASIVE COMPUTING》 * |
JIAN LIANG ET AL.: "Load Signature Study—Part II: Disaggregation Framework, Simulation, and Applications", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
Cited By (90)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9658261B2 (en) | 2012-11-16 | 2017-05-23 | Tianjin University | Current pattern matching method for non-intrusive power load monitoring and disaggregation |
WO2014075581A1 (zh) * | 2012-11-16 | 2014-05-22 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
EP3079226A4 (en) * | 2013-12-03 | 2017-09-13 | Kabushiki Kaisha Toshiba | Device's state estimation device, device's power consumption estimation device, and program |
JPWO2015083393A1 (ja) * | 2013-12-03 | 2017-03-16 | 株式会社東芝 | 機器状態推定装置、機器消費電力推定装置、およびプログラム |
US10670293B2 (en) | 2014-06-12 | 2020-06-02 | Emerson Electric Co. | HVAC system mode detection based on control line current |
CN106575103A (zh) * | 2014-06-12 | 2017-04-19 | 艾默生电气公司 | 基于控制线电流的加热、通风、空气调节系统模式检测 |
CN104459413A (zh) * | 2014-12-17 | 2015-03-25 | 朱明� | 一种实现家居用电智能化管理的多回路电力监测装置 |
CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
CN104483575B (zh) * | 2014-12-22 | 2017-05-03 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
CN105446213A (zh) * | 2015-11-27 | 2016-03-30 | 成都聚汇才科技有限公司 | 一种谐振式信号识别电路的智能数字应变电表控制系统 |
CN105514984A (zh) * | 2015-12-07 | 2016-04-20 | 河南许继仪表有限公司 | 一种即插即用的非侵入式负荷分解装置 |
CN105550798A (zh) * | 2015-12-07 | 2016-05-04 | 河南许继仪表有限公司 | 一种非侵入式负荷分解与监测系统 |
CN105514984B (zh) * | 2015-12-07 | 2018-12-28 | 河南许继仪表有限公司 | 一种即插即用的非侵入式负荷分解装置 |
CN105529700B (zh) * | 2015-12-07 | 2019-02-12 | 河南许继仪表有限公司 | 一种非侵入式在线负荷分解装置 |
CN105529700A (zh) * | 2015-12-07 | 2016-04-27 | 河南许继仪表有限公司 | 一种非侵入式在线负荷分解装置 |
CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
CN105652118B (zh) * | 2015-12-29 | 2019-02-26 | 国家电网公司 | 一种基于负荷瞬时能量特征的电网电能负荷监测方法 |
CN105652118A (zh) * | 2015-12-29 | 2016-06-08 | 国家电网公司 | 一种基于负荷瞬时能量特征的电网电能负荷监测方法 |
CN105759113B (zh) * | 2016-02-29 | 2018-08-21 | 北京工业大学 | 一种电动汽车充电的非侵入式负荷监测与分解方法 |
CN105974220A (zh) * | 2016-04-25 | 2016-09-28 | 东莞市联洲知识产权运营管理有限公司 | 一种居民小区用电负荷识别系统 |
CN105974220B (zh) * | 2016-04-25 | 2018-11-20 | 江苏德克玛电气有限公司 | 一种居民小区用电负荷识别系统 |
CN106093630B (zh) * | 2016-06-02 | 2019-01-15 | 华北电力大学 | 一种非侵入式家用电器辨识方法 |
CN106093630A (zh) * | 2016-06-02 | 2016-11-09 | 华北电力大学 | 一种非侵入式家用电器辨识方法 |
CN106124850A (zh) * | 2016-07-20 | 2016-11-16 | 国网江西省电力公司南昌供电分公司 | 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法 |
CN106324342A (zh) * | 2016-08-22 | 2017-01-11 | 江苏南自通华电力自动化股份有限公司 | 一种基于查表的谐波检测方法 |
CN106443233A (zh) * | 2016-08-26 | 2017-02-22 | 北京电力经济技术研究院 | 一种非侵入式的稳态负荷监测方法 |
CN106340874A (zh) * | 2016-10-17 | 2017-01-18 | 南方电网科学研究院有限责任公司 | 电力负荷分解的辨识决策方法和系统 |
CN107341736A (zh) * | 2016-11-07 | 2017-11-10 | 天津求实智源科技有限公司 | 一种基于电流波形特征的电力负荷分解方法和系统 |
CN110024251A (zh) * | 2016-11-15 | 2019-07-16 | 伊莱克斯家用电器股份公司 | 用于家用或商用电器的监测布置 |
CN110024251B (zh) * | 2016-11-15 | 2023-09-08 | 伊莱克斯家用电器股份公司 | 用于家用或商用电器的监测布置 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN108233529A (zh) * | 2016-12-21 | 2018-06-29 | 上海佳岚智能科技有限公司 | 智能远程用电监控模数化装置及系统 |
CN106651658B (zh) * | 2016-12-30 | 2020-07-10 | 合肥工业大学 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
CN106651658A (zh) * | 2016-12-30 | 2017-05-10 | 合肥工业大学 | 一种基于有限状态机的非侵入式住宅用电负荷分解方法 |
CN106872824A (zh) * | 2017-02-15 | 2017-06-20 | 宁波华创锐科智能科技有限公司 | 一种电网负载电器类型识别和不同电器电量统计的方法及其装置 |
CN108733661A (zh) * | 2017-04-13 | 2018-11-02 | 深圳点亮新能源技术有限公司 | 一种面向非侵入式监测的在线负荷特征库维护方法 |
CN107423748B (zh) * | 2017-04-17 | 2020-08-25 | 云南电网有限责任公司电力科学研究院 | 一种降低电网谐波对非侵入式负荷识别影响的方法 |
CN107423748A (zh) * | 2017-04-17 | 2017-12-01 | 云南电网有限责任公司电力科学研究院 | 一种降低电网谐波对非侵入式负荷识别影响的方法 |
CN107025365A (zh) * | 2017-05-16 | 2017-08-08 | 电子科技大学 | 一种用于用户侧的非侵入负荷辨识方法 |
CN107025365B (zh) * | 2017-05-16 | 2019-09-24 | 电子科技大学 | 一种用于用户侧的非侵入负荷辨识方法 |
CN107561354B (zh) * | 2017-08-17 | 2019-09-10 | 江苏智臻能源科技有限公司 | 基于功率持续时间特性的多电器非侵入辨识方法 |
CN107561354A (zh) * | 2017-08-17 | 2018-01-09 | 江苏智臻能源科技有限公司 | 基于功率持续时间特性的多电器非侵入辨识方法 |
CN107578288B (zh) * | 2017-09-08 | 2020-09-18 | 东南大学 | 一种考虑用户用电模式差异的非侵入式负荷分解方法 |
CN107578288A (zh) * | 2017-09-08 | 2018-01-12 | 东南大学 | 一种考虑用户用电模式差异的非侵入式负荷分解方法 |
CN107796972A (zh) * | 2017-09-25 | 2018-03-13 | 广东中粤售电科技有限公司 | 一种基于非侵入式负荷分解技术的粮仓能耗监测方法 |
CN107907759A (zh) * | 2017-10-26 | 2018-04-13 | 国网黑龙江省电力有限公司信息通信公司 | 电力设备的电量监控系统及方法 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
CN108767847A (zh) * | 2018-02-02 | 2018-11-06 | 华北电力大学扬中智能电气研究中心 | 一种非侵入式用电负荷分解方法及装置 |
CN108767847B (zh) * | 2018-02-02 | 2020-09-01 | 华北电力大学扬中智能电气研究中心 | 一种非侵入式用电负荷分解方法及装置 |
CN108537385A (zh) * | 2018-04-12 | 2018-09-14 | 广东电网有限责任公司 | 一种非侵入式居民用电负荷识别方法 |
CN108599218A (zh) * | 2018-05-31 | 2018-09-28 | 北京艾科迈新能源科技有限公司 | 用于孤岛型微电网的储能变流系统及其控制方法、介质 |
CN108599218B (zh) * | 2018-05-31 | 2024-03-26 | 北京艾科迈新能源科技有限公司 | 用于孤岛型微电网的储能变流系统及其控制方法、介质 |
CN109270368B (zh) * | 2018-09-03 | 2020-09-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
CN110133393A (zh) * | 2018-09-13 | 2019-08-16 | 华南理工大学 | 一种基于非侵入式监测技术的用电监测系统及方法 |
CN110133393B (zh) * | 2018-09-13 | 2021-07-20 | 华南理工大学 | 一种基于非侵入式监测技术的用电监测系统及方法 |
CN109374962A (zh) * | 2018-10-12 | 2019-02-22 | 四川长虹电器股份有限公司 | 一种基于电器功率的负荷功耗分解的方法 |
CN109613360B (zh) * | 2018-12-13 | 2020-12-15 | 四川长虹电器股份有限公司 | 一种基于非侵入式监测系统的负荷识别方法 |
CN109613360A (zh) * | 2018-12-13 | 2019-04-12 | 四川长虹电器股份有限公司 | 一种基于非侵入式监测系统的负荷识别方法 |
CN109613362B (zh) * | 2018-12-14 | 2021-02-26 | 四川长虹电器股份有限公司 | 非侵入式电器数量识别方法 |
CN109613362A (zh) * | 2018-12-14 | 2019-04-12 | 四川长虹电器股份有限公司 | 非侵入式电器数量识别方法 |
CN110416995B (zh) * | 2019-05-10 | 2023-05-05 | 南昌航空大学 | 一种非侵入式负荷分解方法和装置 |
CN110416995A (zh) * | 2019-05-10 | 2019-11-05 | 南昌航空大学 | 一种非侵入式负荷分解方法和装置 |
CN110333404B (zh) * | 2019-06-24 | 2022-02-01 | 江门云天电力设计咨询有限公司 | 一种非侵入式的负荷监测方法、装置、设备及存储介质 |
CN110333404A (zh) * | 2019-06-24 | 2019-10-15 | 江门云天电力设计咨询有限公司 | 一种非侵入式的负荷监测方法、装置、设备及存储介质 |
CN110542855A (zh) * | 2019-09-08 | 2019-12-06 | 广东石油化工学院 | 基于离散余弦变换的负荷开关事件检测方法和系统 |
CN110542855B (zh) * | 2019-09-08 | 2021-09-21 | 广东石油化工学院 | 基于离散余弦变换的负荷开关事件检测方法和系统 |
CN114365369A (zh) * | 2019-09-25 | 2022-04-15 | 西门子股份公司 | 负荷监测设备、负荷监测的方法、程序产品和介质 |
CN110596494A (zh) * | 2019-09-25 | 2019-12-20 | 中国标准化研究院 | 电器安全自动检测装置及检测方法 |
WO2021056281A1 (zh) * | 2019-09-25 | 2021-04-01 | 西门子股份公司 | 负荷监测设备、负荷监测的方法、程序产品和介质 |
CN111092486A (zh) * | 2019-11-20 | 2020-05-01 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种非侵入式负荷采集系统及方法、存储介质 |
CN110907884A (zh) * | 2019-12-06 | 2020-03-24 | 国网天津市电力公司电力科学研究院 | 一种基于非侵入式量测电能表误差诊断分析方法 |
CN111080478A (zh) * | 2019-12-11 | 2020-04-28 | 吉林同益光电科技有限公司 | 一种基于供电企业营销服务的客户侧增强系统 |
CN111007347A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种非侵入式负荷识别、装置和相关设备 |
CN111190067A (zh) * | 2020-01-21 | 2020-05-22 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
WO2021147509A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
CN111190067B (zh) * | 2020-01-21 | 2021-03-19 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
CN111308185A (zh) * | 2020-02-28 | 2020-06-19 | 宁波三星医疗电气股份有限公司 | 一种非侵入式负荷识别方法 |
CN111665387A (zh) * | 2020-05-08 | 2020-09-15 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
CN111665387B (zh) * | 2020-05-08 | 2021-06-04 | 深圳供电局有限公司 | 一种非侵入式的家用电饭煲辨识方法 |
WO2021232540A1 (zh) * | 2020-05-18 | 2021-11-25 | 江苏电力信息技术有限公司 | 一种电流信号的分类算法 |
CN112180193B (zh) * | 2020-09-28 | 2021-11-02 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
CN112180193A (zh) * | 2020-09-28 | 2021-01-05 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
CN112485516A (zh) * | 2020-11-27 | 2021-03-12 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
CN112485516B (zh) * | 2020-11-27 | 2024-04-05 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
CN113281625A (zh) * | 2021-05-25 | 2021-08-20 | 天津大学 | 一种低压用户非侵入式电弧故障精准检测方法及系统 |
CN114530847A (zh) * | 2022-02-23 | 2022-05-24 | 安徽理工大学 | 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法 |
CN114530847B (zh) * | 2022-02-23 | 2024-08-09 | 安徽理工大学 | 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法 |
CN116341951A (zh) * | 2023-02-22 | 2023-06-27 | 上海玫克生储能科技有限公司 | 用能设备能效的监测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20150309092A1 (en) | 2015-10-29 |
WO2014075581A1 (zh) | 2014-05-22 |
CN103001230B (zh) | 2014-10-15 |
US9658261B2 (en) | 2017-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103001230B (zh) | 非侵入式电力负荷监测与分解的电流模式匹配方法 | |
CN106786534B (zh) | 一种非侵入式电力负荷暂态过程辨识方法及系统 | |
CN104518567B (zh) | 一种用电设备状态在线跟踪方法 | |
CN102709953B (zh) | 一种基于wams及机组对的电网暂态稳定在线量化评估方法 | |
Zhang et al. | An improved non-intrusive load monitoring method for recognition of electric vehicle battery charging load | |
CN105529700A (zh) | 一种非侵入式在线负荷分解装置 | |
CN109470957B (zh) | 一种基于弗雷歇距离的非侵入式电器识别方法 | |
CN103278686B (zh) | 一种谐波分析滤波系统及智能选择谐波检测方法 | |
CN103018611B (zh) | 一种基于电流分解的非侵入式负载监测方法及系统 | |
CN105514984A (zh) | 一种即插即用的非侵入式负荷分解装置 | |
Zhang et al. | Residential electric load disaggregation for low-frequency utility applications | |
Azizi et al. | Residential energy flexibility characterization using non-intrusive load monitoring | |
CN102072976A (zh) | 辨识电器状态的方法及系统 | |
Cannas et al. | NILM techniques applied to a real-time monitoring system of the electricity consumption | |
Akarslan et al. | A novel approach for residential load appliance identification | |
Li et al. | Non-intrusive Load Monitoring in Industry Based on Gradient Boosting Algorithm | |
Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
CN110009231A (zh) | 一种基于重复性和熵权区分性的用电负荷识别方法及装置 | |
Li et al. | Dynamic time warping optimization-based non-intrusive load monitoring for multiple household appliances | |
CN103424642A (zh) | 具备多设备动态智能识别及能耗拆分功能的多功能电力仪表 | |
Choksi et al. | Novel computational-index as a representative feature for non-intrusive load monitoring | |
Yu et al. | Nonintrusive load disaggregation method based on graph signal processing | |
Gu et al. | Power load monitoring method of high-power electrical appliances based on energy compensation | |
CN109194367A (zh) | 能量分解中功率信号重构方法 | |
Xu et al. | Research and Expectation of a New Generation of Smart Energy Meter based on IR46 Standard |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191223 Address after: 300384 floor b3-1, Haitai innovation base, No.16, Haitai development road, Huayuan Industrial Zone (outer ring), Binhai New Area, Tianjin Patentee after: TIANJIN TRANSENERGY TECHNOLOGIES CO., LTD. Address before: 300072 Tianjin City, Nankai District Wei Jin Road No. 92 Patentee before: Tianjin University |
|
TR01 | Transfer of patent right |