CN104518567A - 一种用电设备状态在线跟踪方法及装置 - Google Patents

Abstract

本发明涉及通信领域，本发明公开了一种用电设备状态在线跟踪方法及装置，用电设备状态在线跟踪装置组成包括：电压传感单元、电流传感单元、数据采集单元、数据存储单元、统计分析单元、在线跟踪内核(状态识别跟踪单元、CPU)、UART调试口、人机接口。由在线跟踪装置对用电设备状态在线跟踪信号处理方法；对处理分解后的信号进行迭代式频率扫描的跟踪。通过将传感测量装置与通信装置集成，并采用状态跟踪信号处理方法，在无需大规模拆线、断电、停止生产的条件下，可以进行在线负荷运行状态跟踪与识别。利用WIA无线通信单元实施现场采集，具有成本低、部署方便等优势。

Description

一种用电设备状态在线跟踪方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种用电设备状态在线跟踪方法及装置。

背景技术

为提高电能利用效率，促进电力资源优化配置，国家发改委制定了《电力需求侧管理办法》，目的在于通过需求侧管理提高电力资源利用效率，从而实现实现科学用电、节约用电、有序用电。能效信息系统作为实现节能减排目标的一项技术手段，逐步得到广泛关注。中低压配电网是电网的重要组成部分，是电网节能降耗关键所在，国家推广的“全覆盖、全采集”的用电信息采集系统目的也即为实施区域化的能效水平评估。通过实测负荷运行数据，可以展开对于电网能耗水平的准确分析，从而实现产业结构的优化与调整。IEC PC118标准组织也正着力于制定电网与用户间的互动接口，通过接口间的互动使电网与用户之间增进联系，进行融合的统一调度。为实现电网与用户之间高效地交互，用电设备的在线运行状态监测亟待解决。在进行能效测评时，实施过程中存在着较大的阻力，从而导致该系统在实际工业现场的用电设备无法推广。目前广泛采用的评估方法是根据电网的线损率进行电网运行能效水平估计，虽然该指标在一定程度上能够反映能效水平，但是该指标只能给出最后的结果，却无法详尽地描述电网规划、建设、运行和技改等过程量的能效情况。公开方法中存在大量针对分项能耗计量的相关技术，通过对建筑的改造，对不同的用电系统加装分项计量电表，统计用能数据。然而，现有的配电系统的调查研究表明，实际的配电线路与设计的配电系统往往存在差异，如原本用于照明的线路可能会混入其它用能设备。若仅靠现场标注进行统计分析，所得出的数据分析会引发错误的结论。同时，对既有设施的线路改造不仅会影响正常的生产经营活动，在线路改造以及表计升级方面也会产生很大额外费用。此外，电网中存在大量季节性负荷，会导致系统峰值的影响逐步增大，若不能有效识别该类设备在整个系统中所占比例，必将会增加电网调峰的成本。CN201220108724.4公开了一种基于暂态扰动特征的用电设备精细识别系统，通过电力线载波技术加装电源分析识别器，通过电力线载波调制解调传输采样数据。根据在用电设备开启和关闭时进户电力线时入线与出线产生的扰动，进行瞬态分析。测量的内容包括电压/电流畸变、功率因数、谐波等参量。利用电源分析识别器对电源信号进行采样，精细识别出当前所用的电器设备的类别与特定型号。该系统作为单点测量的装置方法可行，适用于普通家电设备与低功率非现场负荷，通过简单的拆线加装识别器即可实现。然而，对于工业大用户负荷现场测量与能效评估系统而言，该方法需要同时测量电压、电流参量，在现场应用过程中往往需要停止生产过程断电后才能进行电源分析识别器的安装。CN200980145507.3公开了一种针对家用电器的运行状态监测的方法，通过温度传感器测量家用电器的组成部件的温度，根据基准温度确定工作模式。该方法对于温度敏感类负荷有效，然而对于大型电机等设备的工作温度测量需要对现有的设备进行改造，同时该方法受现场工作环境影响较大，不利于系统能效参数稳定地辨识。

综上所述，电力负荷状态跟踪有助于了解电力系统中的负荷组成，以便合理安排负荷的调度，同时可为不同层面提供详尽的用能数据，从而改善负荷预测数据模型。为实现用电负荷精细化管理的要求，并减小安装电源识别器所带来的停工代价，本发明提供一种用电设备运行状态的在线监测方法及装置，在进行监测过程中无需断电。在保障电力系统正常生产的情况下，实现现场用电负荷的识别与状态跟踪，通过WIA微功率无线传感网技术实现现场设备的运行状态与能效参数辨识。考虑到前述情况，存在克服相关技术中不足的需要。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种用电设备状态在线跟踪方法及装置。通过将传感测量装置与通信装置集成，并采用状态跟踪信号处理方法，在无需大规模拆线、断电、停止生产的条件下，可以进行在线负荷运行状态跟踪与识别。利用WIA无线通信单元实施现场采集，具有成本低、部署方便等优势。

为解决上述技术问题，本发明提供一种用电设备状态在线跟踪方法，其特征在于，包括以下步骤：

步骤一：对用电设备状态在线跟踪信号处理；

步骤二：对处理分解后的信号进行迭代式频率扫描的跟踪。

步骤一中，用电设备状态在线跟踪信号处理方法，具体包括：

采用计算信号自相关矩阵的特征值判定方法，通过对特征值排序得到M个特征值，e_g,1,e_g,2,...e_g,M，其中e_g,j表示第j个特征值；

步骤1：按照从大到小的排序自相关矩阵的特征值，假定分别为e_g,1,e_g,2,...e_g,M，其中M为特征值的个数，e_g,j表示第j个特征值；

步骤2：设定特征值访问序号j＝1；

步骤3：确定是否满足e_g,j/e_g,j+1>10，如果结果为是，则从编号j+1开始即为噪声分量所对应的特征值，即e_g,1,e_g,2,...e_g,j对应信号空间，e_g,j+1,e_g,j+2,...e_g,M对应噪声空间，判定结束；否则，该特征值为信号分量所对应的特征值，进入步骤4；

步骤4：j＝j+1，确定是否满足j>M，若结果为是，则判定结束，此时自相关矩阵的全部特征值e_g,1,e_g,2,...e_g,M均对应信号空间，属于弱干扰情况；否则，执行步骤3；

用电设备电流相关参数矩阵在离线时对每一个接入电网的设备进行测量，测量过程如下：

(1)记录当前电网运行的稳态电压、电流数据；

(2)通过分支电路开关接入用电负荷，测量设备的实时波形；

(3)将该数据进行谐波分析，同时采用基频分量对谐波组成分量进行归一化；

(4)将该信息录入设备特征数据库；

(5)统计用电负荷投入后的电网稳态电压、电流数据；

(6)设备投入后的电压、电流的稳态波形作差，归一化后得到设备的稳态运行特征。

步骤二中，对处理分解后的信号进行迭代式频率扫描的跟踪方法，具体包括：

在步骤S301，对系统的参数进行初始化，包括迭代次数、最大迭代次数、输入初始的搜索频率范围、搜索区间倍数因子、幅度/相位/频率设定值；初始化过程中，初始迭代次数置为0，在每次迭代过程中逐次累加；

在步骤S302，确定当前迭代次数是否超过最大迭代次数，如果判断结果为是，则进入步骤S306；否则进入步骤S303；

在步骤S303，按备选频率集合的确定方法确定频率分量所处的范围，后一次搜索频率范围的确定方法采用等比例缩减方式，也即，

后一次搜索频率范围＝前一次搜索频率范围/搜索区间倍数因子；

在步骤S304，计算相应的幅度、相位，通过数据点拟合确定系统的频率分量；

在步骤S305，确定综合负荷的参量变化是否超过设定值，分别计算前一次迭代过程中与本次迭代过程中计算的相位、频率与幅度的计算结果差值。注意，只有当三个参量同时满足两次迭代过程中的变化量小于设定值时，计算流程才结束，否则可能会带来较大的偏差。若步骤S305的判定结果为是，则进入步骤S306；否则，进入步骤S302。

在步骤S306，计算流程结束，统计计算参量。

步骤S306中，包括获取综合负荷信号精确表示后利用不同类别信号的谐波分解进行识别的方法，具体包括：

k类不同用电负荷的设备在负荷中所占的比例的最优化向量其中表示k类不同用电负荷的设备在负荷中所占的比例， ${\stackrel{\stackrel{\‾}{\‾}}{H}}_a=\left[\begin{array}{cccc}{e}^{j{\mathrm{\θ}}_{a\mathrm{1,1}}}& e^{{\mathrm{j\θ}}_{a\mathrm{2,1}}}& ...& e^{{\mathrm{j\θ}}_{\mathrm{ak},1}}\\ {\mathrm{\α}}_{a\mathrm{1,2}}{e}^{{\mathrm{j\θ}}_{a\mathrm{1,2}}}& {\mathrm{\α}}_{a\mathrm{2,2}}{e}^{j{\mathrm{\θ}}_{a\mathrm{2,2}}}& ...& {\mathrm{\α}}_{\mathrm{ak},2}{e}^{{\mathrm{j\θ}}_{\mathrm{ak},2}}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{\α}}_{a1,n}{e}^{j{\mathrm{\θ}}_{a1,n}}& {\mathrm{\α}}_{a2,n}{e}^{j{\mathrm{\θ}}_{a2,n}}& ...& {\mathrm{\α}}_{\mathrm{ak},n}{e}^{{\mathrm{j\θ}}_{\mathrm{ak},n}}\end{array}\right]$ 表示用电设备电流相关参数，其中α_ak,n与θ_ak,n分别为第k个设备的第n次谐波的对基频归一化系数与初始相位，为综合负荷电流。

一种用电设备状态在线跟踪装置，其特征在于，包括：电压传感单元、电流传感单元、数据采集单元、数据存储单元、统计分析单元、在线跟踪内核、UART调试口和人机接口；

电压传感单元、电流传感单元分别获取当前加装测量装置处的电压、电流；

数据采集单元用于将输入的电压、电流传感信号进行A/D变换，转换为主控制器可处理的信号；

状态识别单元与CPU共同构成了用电设备在线跟踪内核，用于对数据进行计算分析；

数据存储单元用于存储至少连续2个周期内的采样数据用于计算相关矩阵，同时还保存有本地所连接用电负荷的类型；

统计分析单元用于分析当前的设备模型，随着本地节点测量区域下属设备的投退，统计单元记录设备的工作日志，同时也对应更新当前的设备模型；

人机接口与UART调试接口用于向外界提供标准的显示与调试接口，将本地所计算的结果向区域范围内的数据集中器上报。

本发明在实现过程中，具体包括：

用电设备状态在线跟踪信号处理方法。包括：采用计算信号自相关矩阵的特征值判定方法，通过对特征值排序获取信号向量与噪声向量，通过信号分解减小所处理的数据量。用电设备的稳态特征、瞬态特征数据库的建立步骤如下：

(1)记录当前电网运行的稳态电压、电流数据；

(2)通过分支电路开关接入用电负荷，测量设备的实时波形；

(3)将该数据进行谐波分析，同时采用基频分量对谐波组成分量进行归一化；

(4)将该信息录入设备特征数据库；

(5)统计用电负荷投入后的电网稳态电压、电流数据；

(6)设备投入后的电压、电流的稳态波形作差，归一化后得到设备的稳态运行特征；

对分解后信号进行迭代式频率扫描的跟踪方法。包括：对系统的参数进行初始化，包括迭代次数、最大迭代次数、输入初始的搜索频率范围、搜索区间倍数因子、幅度/相位/频率设定值。按备选频率集合的确定方法确定频率分量所处的范围，后一次搜索频率范围的确定方法采用等比例缩减方式，保障每一次搜索过程中的频率区间范围精度提高。

后一次搜索频率范围＝前一次搜索频率范围/搜索区间倍数因子

利用最小均方(LMS)算法计算相应的幅度、相位，通过数据点拟合可确定系统的频率分量。确定综合负荷的参量变化是否超过设定值，分别计算前一次迭代过程中与本次迭代过程中计算的相位、频率与幅度的计算结果差值。当三个参量同时满足两次迭代过程中的变化量小于设定值或者算法超过最大迭代次数时，计算过程结束。

集成WIA通信单元的用电设备状态在线跟踪装置，具体包括：

用电设备状态在线跟踪装置组成包括：电压传感单元、电流传感单元、数据采集单元、数据存储单元、统计分析单元、在线跟踪内核(状态识别跟踪单元、CPU)、UART调试口、人机接口、WIA通信单元。

用电设备运行状态在线跟踪装置中的设备分类XML标签表示方法。<用电负荷列表>标签表明当前所辨识的负荷清单，<用电设备种类数量>表示当前存在不同类别的负荷种类。<ID>标签表明了当前的设备编号，从1开始顺次编号，<Type>标签为设备类型标签，<P>和<Q>分别为有功功率与无功功率标签。

本发明所达到的有益效果：

通过微功率无线传感器网络建立用电设备能效信息采集网络，对现场运行设备的运行状态进行监测，具有成本低、快速部署、在采集区域范围内的电流测量点无需拆线即可开始测量、跟踪。通过在无线传感器单元中集成用电设备辨识单元，通过迭代式扫描，不断缩小频率所处范围并提高精度，与已有方法相比对数据处理的能力要求较低。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解，本发明的目的和其它优点可通过在所写的说明书、权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

图1示意性示出了用电设备状态在线跟踪的网络化实现方案；

图2示意性示出了用电设备状态在线跟踪装置的逻辑组成框图；

图3描述了迭代式搜索处理流程以及不同类别用电设备的状态识别方法；

图4示意性示出了采用无线传感器网络实施的用电设备状态跟踪装置部署。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

图1示意性示出了用电设备状态在线跟踪的网络化实现方案。总体过程包括三个步骤：分布式数据采集S101、通信网络传输S102、能效参数分析与状态跟踪运算S103。S101分布式数据采集中的实现方式分为电压采集单元、电流单元与电压电流混合单元。与已有的公开方法不同的是，本发明所提供的测量装置是针对低成本、无独立接收时间授时装置的测量点。已有技术存在两种方案：其一，采用电压、电流全采集，本地可直接进行运算，进行设备状态跟踪与能效状态辨识；其二，采用电压、电流独立测量装置，但为保障测量数据的相关性以及相互之间能够运算。前者无法解决说明书背景部分介绍的安装不便的问题，需要拆线安装电压测量部分；后者则需要配备独立的授时装置(如GPS、北斗系统)，成本较高。本发明所提出的测量方法采用钳式电流钳进行电流互感，仅在关口处加装电压、电流测量装置，通过传输网络将本地测量的电压数据作为母线的参考电压，通过广播的方式传递给当前区域范围内的各个测量点，进行运算分析后返回数据集中器，再转发至后台主站。步骤S102中的所用的通信网络仅作为所采集数据的传输媒质，在不同的测量点之间，通过通信网络连接，可以采用不同的通信技术，为减少整个测量系统的成本，本发明以WIA微功率无线传感器网络作为传输网络，其它的通信方式在实施过程中与无线传感器网络相比则更为简单，可采用本发明所述方法的简化方式实现。步骤S103对通过S101以及S102采集的数据进行分析，具体包括能相关的能效参数分析与设备运行状态的跟踪。能效参数通常是反映设备运行的重要参量，如：温度、湿度、流量、压力、电压、电流、电量等，此外还包括一些经过运算的二次数据，如：电力系统的功率因数、谐波分量等。

采用模拟滤波器的实现方法能够实现谐波分量检测，通过基波分量与原有检测电流运算得到谐波分量。但由于所用滤波器元件对于外界环境的依赖程度较高，特别是电网的频率并非固定不变。当电网频率变化时，基波分量会混在电网谐波分量中，测量误差较大。所采集的综合负荷状态信号可以分解为一系列复正弦函数的组合，为简化操作本发明中采用信号的实数部分替代。对于包含L个频率分量的综合负荷信号波形(频率分别为f₁,f₂,...f_L)，对于序号为n的采样点，其信号可以分解为其中A_i为测量信号的幅度相量，w(n)为第n个采样点的噪声分量，i为采样点下标编号。本发明需要连续采样至少两个周期的数据构建自相关矩阵。

假定从序号为k的采样点开始的连续N个数据的采样表示为，x_k＝[x(k),x(k+1),...,x(k+N-1)]^T

计算所采集信号的自相关矩阵

其中H表示相量的复共轭运算。

于是，

$R_x=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\left[\begin{array}{cccc}x\left(k\right)x^{*}\left(k\right)& x\left(k\right)x^{*}(k+1)& ...& x\left(k\right)x^{*}(k+N-1)\\ x(k+1)x^{*}\left(k\right)& x(k+1)x^{*}(k+1)& ...& x(k+1)x^{*}(k+N-1)\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ x(k+N-1)x^{*}\left(k\right)& x(k+N-1)x^{*}(k+1)& ...& x(k+1)x^{*}(k+N-1)\end{array}\right]$

根据计算的自相关矩阵，进一步对所采集的综合负荷信号进行信号空间与噪声空间的划分，其中对应较大特征值的分量为信号分量，对应于较小的特征值的分量即为噪声分量。两个空间的划分需要经过离线的运算并根据经验设定获得，在使用本发明所述方法时所针对的对象通常为应用环境较好的场景，可采用1dB差异作为判断准则，采用如下方法获得门限的设定值。

步骤1：按照从大到小的排序自相关矩阵的特征值，假定分别为e_g,1,e_g,2,...e_g,M，其中M为特征值的个数，e_g,j表示第j个特征值；

步骤2：设定特征值访问序号j＝1；

步骤3：确定是否满足e_g,j/e_g,j+1>10，如果步骤3的结果为是，则从编号j+1开始即为噪声分量所对应的特征值，即e_g,1,e_g,2,...e_g,j对应信号空间，e_g,j+1,e_g,j+2,...e_g,M对应噪声空间，判定结束；否则，该特征值为信号分量所对应的特征值，进入步骤4；

步骤4：j＝j+1，确定是否满足j>M，若步骤4的结果为是，则判定结束，此时自相关矩阵的全部特征值e_g,1,e_g,2,...e_g,M均对应信号空间，属于弱干扰情况。否则，执行步骤3；

考虑到信号的分解组成，将信号向量表示为e(ω)＝[1e^jω e^j2ω …e^j(N-1)ω]^T。对于包含L个频率分量的综合负荷信号波形，其特征值e_g,1,e_g,2,...e_g,L对应信号空间，e_g,L+1,e_g,L+2,...e_g,M对应噪声空间。对应每个特征值计算对应的特征向量，分别用v₁,v₂,...,v_L和v_L+1,v_L+2,...,v_L+M表示信号与噪声的特征向量。于是可以进而计算出子空间函数子空间函数的极小值也即综合负荷信号所对应的工作频率。该计算结果在无干扰时，计算结果通常十分精确。然而，在现场工作环境中，通常噪声分量较高，因此在整个频率区间上的信号空间与噪声空间划分会引入大量的噪声。本发明采用的方法是首先通过单个周期内较少的采样点，初步确定当前的频率分量，初步划分频率所在范围后，逐步精细化。实际上，在每次迭代过程中，所确定的并非精确的频率值，而是备选频率的集合范围。随着搜索区间的缩短，所获取的频率精度逐步提高，通过多次迭代得到最终结果。确定综合信号的频率后，针对不同频率分量的相位与幅度信息则通过最小均方方法计算获得。本发明所述方法既可以用于分析基频分量，也可以用于分析谐波、谐间波分量的分布，与已有的方法相比可以在特定频率区域进行精细化解析，而对于非感兴趣区域则不进行大规模运算，在实施过程中对于信息采集、辨识装置的要求相对较低。通过自相关矩阵对信号的噪声空间与信号空间进行划分，可有效地减少噪声对于测量结果的影响。电力系统中的负荷所产生的信号波形通常为基频分量的整数倍，并且基频分量相对其它频率分量的幅值较高，受噪声影响相对较小，此时对于信号的分析可以采用区别处理。

在用电设备启动与关闭的瞬间，会对电网的电压、电流等参量产生较大的影响，该部分数据也是不同用电设备的特征信息。根据在电力线上的电压、电流的采样，对该部分数据进行提取，与预先设定的设备信息库进行对比，确定该设备参数。由于电力系统中的负荷种类众多，包括工业负荷、商业负荷、农业负荷以及城市民用负荷等等，从逻辑上无法根据不用的应用场景对用电设备进行辨识，可从不同设备的基本成分进行划分，如电阻型负荷、整流型负荷以及电机类负荷。对于电力系统的母线上测量的电压、电流信息包含了当前网络中的全部用电负荷的特征。不同的用电负荷有功功率、无功功率与电网的电压、频率直接相关，该变换规律在设备不同的工作状态有所不同，根据不同的电压、频率下的设备有功、无功、谐波以及运行状态可对不同的设备进行识别。在单点负荷识别可根据瞬时采集电网运行参量进行分析与模式识别，考虑到安装方便等特点，应当尽量减少电压测量点的数量。由于母线电压在测量区域内的变化较小，恰好可减少电压测量点的部署。需要注意的是，在被测量系统中不同电压等级(如经过变压器不同分接头)测量点位置时，尽量采用单独的电压测量点，而不是采用变压器变比计算。一方面可以减少标定值误差的影响，另一方面也可以对设备运行状态进行校正。

用电设备作为电力系统的能源消费者，对电力系统未来的建设、规划具有重要的影响。特别是在分布式能源接入电网、新的激励政策出台后，从电网的潮流分布、短路计算以及安全性分析等方面均与传统的电力系统计算分析方法有所不同。总的来说，针对每种用电设备建立相应的模型较为简单，然而在电力系统中运行的用电负荷种类繁多，而每种用电设备的类型、工作原理、参数均有所不同。不可能也没有必要针对全部设备进行精确描述。在母线上测量的信息包含全部用电负荷，反映的是所测量区域的负荷总体特性，具有时变性、随机性、分布性及复杂性等特点。

图2示意性示出了用电设备状态在线跟踪装置的逻辑组成框图。具体包括：电压传感单元、电流传感单元、数据采集单元、数据存储单元、统计分析单元、在线跟踪内核(状态识别跟踪单元、CPU)、UART调试口、人机接口、WIA通信单元。电压、电流传感单元用于获取当前加装测量装置处的电压、电流。电压传感单元为可选单元，在同一电压等级的母线上通常仅需要加装一台电压、电流全测量装置，挂在母线上的其余测量点则仅需配置电流传感单元即可。数据采集单元用于将输入的电压、电流传感信号进行A/D变换，转换为主控制器可处理的信号。为保护用电设备在线跟踪装置的在电压波动情况下的安全性，通过隔离保护电路隔离互感器与主测量电路。状态识别单元与装置的中央处理器(CPU)共同构成了用电设备在线跟踪内核，该内核形态可为独立的设备，也可通过模块连接，也可采用专用芯片实现，不同的设备形态不构成对于本发明的限制。在数据存储单元用于存储装置在至少连续2个周期内的采样数据用于计算相关矩阵，同时还保存有本地所连接用电负荷的类型。为表示方便，可采用XML标签进行识别。下面给出一种典型的数据存储方式，能够支持Web方式快捷访问。

<用电负荷列表>

<用电设备种类数量>3</用电设备种类数量>

<ID1>

<Type>电阻类负荷</Type>

<P>1021.2</P>

<Q>213.3</Q>

</ID1>

<ID2>

<Type>空调类负荷</Type>

<P>2118.42</P>

<Q>322.7</Q>

</ID2>

<ID3>

<Type>照明类负荷</Type>

<P>31.7</P>

<Q>-8.5</Q>

</ID3>

</用电负荷列表>

其中，<用电负荷列表>标签表明当前所辨识的负荷清单，<用电设备种类数量>表示当前共存在3种类别的负荷。<ID>标签表明了当前的设备编号，从1开始顺次编号，<Type>标签为设备类型标签，<P>和<Q>分别为有功功率与无功功率标签，当前三类负荷分别为：①电阻类负荷，P＝1021.2W，Q＝213.3Var；②空调类负荷，P＝2118.42W，Q＝322.7Var；③照明类负荷，P＝31.7W，Q＝-8.5Var。

统计分析单元用于分析当前的设备模型，随着本地节点测量区域下属设备的投退，统计单元会记录设备的工作日志，同时也对应更新当前的设备模型。人机接口与UART调试接口用于向外界提供标准的显示与调试接口，所述在线跟踪装置本地与WIA微功率无线传感器网络通信单元直接相连，将本地所计算的结果向区域范围内的数据集中器上报。在线跟踪装置与WIA通信单元之间的连接可以采用标准串口，也可以采用SPI接口，不同的接口连接形态不构成对于本发明的限制。

图3描述了迭代式搜索处理流程以及不同类别用电设备的状态识别方法。在步骤S301，对系统的参数进行初始化，包括迭代次数、最大迭代次数、输入初始的搜索频率范围、搜索区间倍数因子、幅度/相位/频率设定值。初始化过程中，初始迭代次数通常置为0，在每次迭代过程中逐次累加。

在步骤S302，确定当前迭代次数是否超过最大迭代次数，如果步骤S302的判断结果为是，则进入步骤S306；否则进入步骤S303；

在步骤S303，按前述备选频率集合的确定方法确定频率分量所处的范围，后一次搜索频率范围的确定方法采用等比例缩减方式，也即，

后一次搜索频率范围＝前一次搜索频率范围/搜索区间倍数因子

从而保障每一次搜索过程中的频率区间范围精度提高。

在步骤S304，利用最小均方(LMS)算法计算相应的幅度、相位，通过数据点拟合可确定系统的频率分量。本步骤也可以采用其它已公开方法，如三参数正弦法、或最小二乘法实现；

在步骤S305，确定综合负荷的参量变化是否超过设定值，其中Δpha、Δfreq、Δamp分别表示前一次迭代过程中与本次迭代过程中计算的相位、频率与幅度的计算结果差值。注意，只有当三个参量同时满足两次迭代过程中的变化量小于设定值时，计算流程才结束，否则可能会带来较大的偏差。若步骤S305的判定结果为是，则进入步骤S306；否则，进入步骤S302。

在步骤S306，计算流程结束，统计计算参量。

在确定综合负荷信号的相位、频率以及幅值大小后，需要进行具体不同类型的负荷识别。在单一设备类型的投退时，不同类型的设备具有其特有的特征，下表给出了几种典型用电设备在单独投入时测量的有功、无功值作为参考。

设备	有功(W)	无功(Var)
			空调	2248.3	113.83
电脑	324.75	15.12
			照明灯	31.47	-6.01
电炉	764.81	216.9

然而，在实际系统中，无法保障在同一时间仅有一个设备投退，因此需要对不同的设备的综合运行瞬态数据进行分析，对应的其它特性，如电压、电流、电量、有功、无功可作为辅助的参考。

根据用电设备的稳态运行数据统计，任意用电设备信号瞬时值i_a(t)可根据基波、谐波分解得到，也即其中，I_a,i与θ_a,i分别表示用电设备a的第i次谐波电流幅值与相位，ω为角频率，t为时间变量。为方便表示，采用基频分量对该信号进行归一化。令α_a,i＝I_a,i/I_a,1表示第i次谐波与基频分量的幅值比。归一化用电设备电流瞬时值转化为，

$i_a^{\left(0\right)}\left(t\right)=\cos (\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a,1})+{\mathrm{\&alpha;}}_{a,2}\cos (2\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a,2})+...+a_{a,n}\cos (\mathrm{n\&omega;t}+{\mathrm{\&theta;}}_{a,n})$

对于具有k类用电设备的综合负荷，用表示第k类用电设备的归一化综合负荷电流，α_ak,i表示第k类用电设备第i次谐波电流占其基频分量的比例系数，θ_ak,i表示第k类用电设备的第i次谐波的初始相位。可得到下述k类用电设备的信号波形分解。

$\left\{\begin{array}{c}{i}_{a,1}^{\left(0\right)}\left(t\right)=\cos (\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a\mathrm{1,1}})+{\mathrm{\&alpha;}}_{a\mathrm{1,2}}\cos (2\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a\mathrm{1,2}})+...+{\mathrm{\&alpha;}}_{a1,n}\cos (\mathrm{n\&omega;t}+{\mathrm{\&theta;}}_{a1,n})\\ i_{a,2}^{\left(0\right)}\left(t\right)=\cos (\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a\mathrm{2,1}})+{\mathrm{\&alpha;}}_{a\mathrm{2,2}}\cos (2\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{a\mathrm{2,2}})+...+{\mathrm{\&alpha;}}_{a2,n}\cos (\mathrm{n\&omega;t}+{\mathrm{\&theta;}}_{a2,n})\\ ...\\ i_{a,k}^{\left(0\right)}\left(t\right)=\cos (\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{\mathrm{ak},1})+{\mathrm{\&alpha;}}_{\mathrm{ak},2}\cos (2\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{\mathrm{ak},2})+...+{\mathrm{\&alpha;}}_{\mathrm{ak},n}\cos (\mathrm{n\&omega;t}+{\mathrm{\&theta;}}_{\mathrm{ak},n})\end{array}\right.$

类似地，综合负荷电流归一化信号可以分解为

$i_L^{\left(0\right)}\left(t\right)=\cos (\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{L,1})+{\mathrm{\&alpha;}}_{L,2}\cos (2\mathrm{\&omega;t}+{\mathrm{\&theta;}}_{L,2})+...+a_{L,n}\cos (\mathrm{n\&omega;t}+{\mathrm{\&theta;}}_{L,n})$

假定k类不同用电负荷的设备在负荷中所占的比例分别为β₁,β₂,...,β_k，且满足β₁+β₂+...+β_k＝1。于是可以将综合负荷电力归一化信号表示为，

$i_L^{\left(0\right)}\left(t\right)={\mathrm{\&beta;}}_1{i}_{a,1}^{\left(0\right)}\left(t\right)+{\mathrm{\&beta;}}_2{i}_{a,2}^{\left(0\right)}\left(t\right)+...+{\mathrm{\&beta;}}_k{i}_{a,k}^{\left(0\right)}\left(t\right)$

用余弦信号的复数形式进行分解，得到

$\left[\begin{array}{c}{e}^{j{\mathrm{\&theta;}}_{L,1}}\\ {\mathrm{\&alpha;}}_{L,2}{e}^{j{\mathrm{\&theta;}}_{L,2}}\\ .\\ .\\ .\\ {\mathrm{\&alpha;}}_{L,n}{e}^{j{\mathrm{\&theta;}}_{L,n}}\end{array}\right]=\left[\begin{array}{cccc}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{1,1}}}& e^{{\mathrm{j\&theta;}}_{a\mathrm{2,1}}}& ...& e^{{\mathrm{j\&theta;}}_{\mathrm{ak},1}}\\ {\mathrm{\&alpha;}}_{a\mathrm{1,2}}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{1,2}}}& {\mathrm{\&alpha;}}_{a\mathrm{2,2}}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{2,2}}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},2}{e}^{j{\mathrm{\&theta;}}_{\mathrm{ak},2}}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ a_{a1,n}{e}^{j{\mathrm{\&theta;}}_{a1,n}}& {\mathrm{\&alpha;}}_{a2,n}{e}^{j{\mathrm{\&theta;}}_{a2,n}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},n}{e}^{{\mathrm{j\&theta;}}_{\mathrm{ak},n}}\end{array}\right]\left[\begin{array}{c}{\mathrm{\&beta;}}_1\\ {\mathrm{\&beta;}}_2\\ .\\ .\\ .\\ {\mathrm{\&beta;}}_k\end{array}\right]$

其中系数向量为综合负荷组成中需要进行计算的比例系数，即为待求参量。

对角矩阵为综合负荷电流的1～n次谐波对应的初始相角，向量为综合负荷电流的1～n次谐波的对基频归一化系数，与均可以通过在线方式测量而得，于是综合负荷电流可计算为令 ${\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H}}_a=\left[\begin{array}{cccc}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{1,1}}}& e^{{\mathrm{j\&theta;}}_{a\mathrm{2,1}}}& ...& e^{{\mathrm{j\&theta;}}_{\mathrm{ak},1}}\\ {\mathrm{\&alpha;}}_{a\mathrm{1,2}}{e}^{{\mathrm{j\&theta;}}_{a\mathrm{1,2}}}& {\mathrm{\&alpha;}}_{a\mathrm{2,2}}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{2,2}}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},2}{e}^{{\mathrm{j\&theta;}}_{\mathrm{ak},2}}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{\&alpha;}}_{\mathrm{al},n}{e}^{j{\mathrm{\&theta;}}_{a1,n}}& {\mathrm{\&alpha;}}_{a2,n}{e}^{j{\mathrm{\&theta;}}_{a2,n}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},n}{e}^{{\mathrm{j\&theta;}}_{\mathrm{ak},n}}\end{array}\right]$ 表示用电设备电流相关参数，其中α_ak,n与θ_ak,n分别为第k个设备的第n次谐波的对基频归一化系数与初始相位，于是有 ${\stackrel{\&RightArrow;}{I}}_L={\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{\mathrm{\&theta;}}}_L{\left({\stackrel{\&RightArrow;}{\mathrm{\&alpha;}}}_L\right)}^T={\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H}}_a{\left(\stackrel{\&RightArrow;}{\mathrm{\&beta;}}\right)}^T.$

为实现运行负荷类别的最优化估计，采用下式进行估计。

$\underset{\underset{{\mathrm{\&beta;}}_1,{\mathrm{\&beta;}}_2,...,{\mathrm{\&beta;}}_k\&GreaterEqual;0}{{\mathrm{\&beta;}}_1+{\mathrm{\&beta;}}_2+...+{\mathrm{\&beta;}}_k=1}}{\min }{\left|\right|{\stackrel{\&RightArrow;}{I}}_L-{\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H}}_a{\left(\stackrel{\&RightArrow;}{\mathrm{\&beta;}}\right)}^T\left|\right|}^2$

考虑到最小化偏差的平方和，得到k类不同用电负荷的设备在负荷中所占的比例的最优化向量 $\stackrel{\&RightArrow;}{\mathrm{\&beta;}}={\left({\left({\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H_a}}^T{\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H}}_a\right)}^{-1}{\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{H}}_a{\stackrel{\&RightArrow;}{I}}_L\right)}^T.$

根据的计算结果，可进一步确定不同类型负荷(第j类)的基波有功功率所占比例与无功功率所占比例 ${\mathrm{Qr}}_j={\mathrm{\&beta;}}_j\sin {\mathrm{\&theta;}}_{\mathrm{aj},1}/{\mathrm{\&Sigma;}}_{i=1}^k{\mathrm{\&beta;}}_i\sin {\mathrm{\&theta;}}_{\mathrm{ai},1}.$

用电设备电流相关参数矩阵需要在离线时对每一个接入电网的设备进行测量，测量过程如下所述：

(1)记录当前电网运行的稳态电压、电流数据；

(2)通过分支电路开关接入用电负荷，测量设备的实时波形；

(3)将该数据进行谐波分析，同时采用基频分量对谐波组成分量进行归一化；

(4)将该信息录入设备特征数据库；

(5)统计用电负荷投入后的电网稳态电压、电流数据；

(6)设备投入后的电压、电流的稳态波形作差，归一化后得到设备的稳态运行特征；

实际上，设备运行的信息包含稳态、瞬态信息两个部分，瞬态信息量对于系统的实时采样数据量要求较高，对于处理能力较强的跟踪装置可以采用瞬态波形分析。瞬态变化信息含量较为丰富，录入设备特征数据库后，可以在功率跳变边沿对投入设备进行实时分析，采用模糊识别或者聚类分析计算不同用电设备的出现概率，概率最高者即为辨识的用电设备类型。实际上，不同的设备具有不同的稳态运行波形特征，可通过设备投入前后的稳态波形特征进行提取，并对该差值进行归一化，形成设备的稳态运行特征参量。录入数据库后，可以采用最优化分解，分析稳态系统中的运行设备组成。当无法对用电设备进行密集采样时，采用稳态分析的方法可以解决用电设备的相关能效参数辨识问题。

图4示意性示出了采用无线传感器网络实施的用电设备状态跟踪装置部署。其中401～405为本发明所述用电设备状态在线跟踪装置，通过互感器采集母线上的电压、电流运行参量。每个装置具有独立的收发天线，可工作于双工或者半双工模式。在设备跟踪区域网络内，在同一个电压等级内至少应部署一个具有电压/电流全测量节点，其余测量点则可通过钳式电流互感接入，无需拆线安装。在每个测量点，根据前述计算方法，分析用电设备的投退瞬时状态与稳态运行状态，通过负荷辨识的方法确定网络中的不同类别的负荷组成并跟踪设备的运行情况。406为10kV配电站，407对应箱变。401与403同为10kV电压等级。402，404与405则工作于380V电压等级。测量点越多，用电设备跟踪的精度越高，仅在关口处可以实现母线上的负荷类别初步估计，根据负荷入线的信号分析则可确定每个负荷的有功、无功状态。考虑到复杂负荷模型是采用多个有限状态进行描述的，除了跟踪设备投退信息外，还应识别其所处的工作状态。复杂负荷的运行状态判断必须在该负荷处单独安装状态跟踪装置，采集其运行的实时波形。401与403作为10kV入线信号采集器，可同时安装电压互感器，也可只选择一个装置安装电压互感器，对另外一个装置通过WIA无线传感器网络进行校对。网络中的无线传感器节点应当满足同步的要求，在具有电压采集能力的节点负责定期广播电压的零点信息，其余测量点则根据所广播的零点信息进行时间校对。为实现各个测量点功率的计算，除广播电压零点外，还应广播单个周期的电压采样值。以网络中的51次谐波分析作为基准，根据奈式准则，系统采样频率至少应满足2*51*50＝5100Hz，在工频信号的单个周波时间范围内，采样点数至少达到102点。该速率在无线传感器网络中无法满足，本发明采用多周期报送的方式将该数据分批下发，此时需要网络范围内的其它节点根据自身的情况选择性存储该数据。需计算功率的节点，此时应当保持持续侦听状态，连续接收来自入口传感装置的广播信息，待搜集完该周期的数据后可以进行功率计算。此外，功率因数也可通过入口传感装置广播电压零点获得。需要注意的是，在实施本发明所述技术方案时，若同时安装多个具有电压测量并广播校时功能的节点时，需要首先进行校时节点自身的校对，避免出现在网络中同时有多个不同的时间信息广播，必然会引起网络中的混乱。具体的校时方法，可通过在网络中设定单独的校时节点，也可通过节点之间的时钟分级，不同的初始校对方法不构成对于本发明的限制。

由于无线传感器网络的传输速率较低，应当尽量减小通过网络传输大量实时数据的需求，通常在各个分布式测量点可在本地进行运算后，在向数据集中器报告结果。在进行用电设备识别时，应首先通过离线测量建立用电负荷的模型库。用电负荷的分类种类越多，所形成的误差越高，在实际操作时不建议分类过多，否则信号分解过程中会带来不必要的误差。

通过在负荷入口处监测稳态功率的变化，根据入口功率、电压、电流信号的波动，从而实现用电设备的负荷跟踪与分解。仅需在关口处进行数据测量即可实现系统内部的用电设备消耗比例的低成本监测工具。通过对功率边缘的监测，判断是否存在用电设备的投退，记录功率信息并在复功率平面上进行聚类分析。若采用针对电气设备的改装可以很容易获得设备的具体信息，然而由于投入过大，且在老旧设备上仍然无法实施，一直没有得到大规模推广。根据实验数据统计，用电设备的投退信息可以作为不同类型用电设备的识别手段，而且整个过程持续时间很短，一般在十分之一秒左右。因此，对于负荷的监测需要不间断监测，才能够捕捉到每一个用电设备的细节信息。由于采用分布式测量方法获取在线数据，所采集的数据中由于干扰或者传输错误等原因，会产生不良数据，若该数据参与运算则会引发重大错误。本发明采用数据比较法剔除该错误数据，通过前一周期的采样点与后一周期的采样点进行均值滤波，若采样值与前后一个周期采样点平均值偏差超过某一阈值则剔除后通过数据拟合的方式替代。由于用电设备工作的电压等级不同，该阈值的设定针对不同的用电负荷有所不同，本发明选用当前采样点前后一个周期采样点平均值的10％作为参照准则，变化量超过10％后，则作为不良数据提出。若被监测设备为智能用电设备，可通过内部RS485串口线，将设备具体信息提供给WIA模块，通过无线传感器网络传输，此时运算量大为降低。

对于稳态分析、长期动态过程分析或者商业/民用等变化相对较慢的负荷，系统采集的频率无需太高。在进行系统解列控制设备、自励磁及同步扭振、并联无功控制装置或者工业负荷中包含大型感应电机的设备识别系统的实时性要求较高，忽略几个周期的数据则可能会导致严重的偏差。同时，考虑到电网电压、频率的波动，在进行动态参数辨识中不可忽略该参数的影响。从调控中心的监测需求出发，本发明所述用电设备与能效系统参数辨识可以采用高压侧归算以减少中低压侧的负荷节点数量。考虑到系统动态参数分析需要较为完善的信息，通常不应忽略变压器的影响，本发明采用的方法以中低压侧作为基准，提供中低压用电设备的全面信息。

虽然结合附图描述了本发明的实施方式，但是本领域内熟练的技术人员可以在所附权利要求的范围内做出各种变形或修改。

Claims (6)

1.一种用电设备状态在线跟踪方法，其特征在于，包括以下步骤：

步骤一：对用电设备状态在线跟踪信号处理；

步骤二：对处理分解后的信号进行迭代式频率扫描的跟踪。

2.根据权利要求1所述的一种用电设备状态在线跟踪方法，其特征在于，步骤一中，用电设备状态在线跟踪信号处理方法，具体包括：

采用计算信号自相关矩阵的特征值判定方法，通过对特征值排序得到M个特征值，e_g,1,e_g,2,...e_g,M，其中e_g,j表示第j个特征值；

步骤1：按照从大到小的排序自相关矩阵的特征值，假定分别为e_g,1,e_g,2,...e_g,M，其中M为特征值的个数，e_g,j表示第j个特征值；

步骤2：设定特征值访问序号j＝1；

步骤3：确定是否满足e_g,j/e_g,j+1>10，如果结果为是，则从编号j+1开始即为噪声分量所对应的特征值，即e_g,1,e_g,2,...e_g,j对应信号空间，e_g,j+1,e_g,j+2,...e_g,M对应噪声空间，判定结束；否则，该特征值为信号分量所对应的特征值，进入步骤4；

步骤4：j＝j+1，确定是否满足j>M，若结果为是，则判定结束，此时自相关矩阵的全部特征值e_g,1,e_g,2,...e_g,M均对应信号空间，属于弱干扰情况；否则，执行步骤3。

3.根据权利要求2所述的一种用电设备状态在线跟踪方法，其特征在于，用电设备电流相关参数矩阵在离线时对每一个接入电网的设备进行测量，测量过程如下：

(1)记录当前电网运行的稳态电压、电流数据；

(2)通过分支电路开关接入用电负荷，测量设备的实时波形；

(3)将该数据进行谐波分析，同时采用基频分量对谐波组成分量进行归一化；

(4)将该信息录入设备特征数据库；

(5)统计用电负荷投入后的电网稳态电压、电流数据；

(6)设备投入后的电压、电流的稳态波形作差，归一化后得到设备的稳态运行特征。

4.根据权利要求1所述的一种用电设备状态在线跟踪方法，其特征在于，步骤二中，对处理分解后的信号进行迭代式频率扫描的跟踪方法，具体包括：

在步骤S301，对系统的参数进行初始化，包括迭代次数、最大迭代次数、输入初始的搜索频率范围、搜索区间倍数因子、幅度/相位/频率设定值；初始化过程中，初始迭代次数置为0，在每次迭代过程中逐次累加；

在步骤S302，确定当前迭代次数是否超过最大迭代次数，如果判断结果为是，则进入步骤S306；否则进入步骤S303；

在步骤S303，按备选频率集合的确定方法确定频率分量所处的范围，后一次搜索频率范围的确定方法采用等比例缩减方式，也即，

后一次搜索频率范围＝前一次搜索频率范围/搜索区间倍数因子；

在步骤S304，计算相应的幅度、相位，通过数据点拟合确定系统的频率分量；

在步骤S305，确定综合负荷的参量变化是否超过设定值，分别计算前一次迭代过程中与本次迭代过程中计算的相位、频率与幅度的计算结果差值。注意，只有当三个参量同时满足两次迭代过程中的变化量小于设定值时，计算流程才结束，否则可能会带来较大的偏差。若步骤S305的判定结果为是，则进入步骤S306；否则，进入步骤S302。

在步骤S306，计算流程结束，统计计算参量。

5.根据权利要求4所述的一种用电设备状态在线跟踪方法，其特征在于，步骤S306中，包括获取综合负荷信号精确表示后利用不同类别信号的谐波分解进行识别的方法，具体包括：

k类不同用电负荷的设备在负荷中所占的比例的最优化向量其中表示k类不同用电负荷的设备在负荷中所占的比例， ${\stackrel{\&OverBar;}{\stackrel{\&OverBar;}{H}}}_a=\left[\begin{array}{cccc}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{1,1}}}& e^{j{\mathrm{\&theta;}}_{a\mathrm{2,1}}}& ...& e^{j{\mathrm{\&theta;}}_{\mathrm{ak},1}}\\ {\mathrm{\&alpha;}}_{a\mathrm{1,2}}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{1,2}}}& {\mathrm{\&alpha;}}_{a\mathrm{2,2}}{e}^{j{\mathrm{\&theta;}}_{a\mathrm{2,2}}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},2}{e}^{j{\mathrm{\&theta;}}_{\mathrm{ak},2}}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ {\mathrm{\&alpha;}}_{a1,n}{e}^{j{\mathrm{\&theta;}}_{a1,n}}& {\mathrm{\&alpha;}}_{a2,n}{e}^{j{\mathrm{\&theta;}}_{a2,n}}& ...& {\mathrm{\&alpha;}}_{\mathrm{ak},n}{e}^{j{\mathrm{\&theta;}}_{\mathrm{ak},n}}\end{array}\right]$ 表示用电设备电流相关参数，其中α_ak,n与θ_ak,n分别为第k个设备的第n次谐波的对基频归一化系数与初始相位，为综合负荷电流。

6.一种用电设备状态在线跟踪装置，其特征在于，包括：电压传感单元、电流传感单元、数据采集单元、数据存储单元、统计分析单元、在线跟踪内核、UART调试口和人机接口；

电压传感单元、电流传感单元分别获取当前加装测量装置处的电压、电流；

数据采集单元用于将输入的电压、电流传感信号进行A/D变换，转换为主控制器可处理的信号；

状态识别单元与CPU共同构成了用电设备在线跟踪内核，用于对数据进行计算分析；

数据存储单元用于存储至少连续2个周期内的采样数据用于计算相关矩阵，同时还保存有本地所连接用电负荷的类型；

统计分析单元用于分析当前的设备模型，随着本地节点测量区域下属设备的投退，统计单元记录设备的工作日志，同时也对应更新当前的设备模型；

人机接口与UART调试接口用于向外界提供标准的显示与调试接口，将本地所计算的结果向区域范围内的数据集中器上报。