具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件并与之结合为一体,或者可能同时存在居中元件。本文所使用的术语“相连接”、“采集”、“采样周期”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
为了解决用电能效管理硬件投资大成本高的问题,本发明提供的用电信息采集系统实施例1如下所述:
图1为本发明用电信息采集系统实施例1的系统结构框图,如图1所示,本发明的用电信息采集系统,可以安装在家庭或者分布式电源用电户母线与配电网供电母线连接处,包括存储模块120,连接负荷用电模型库的处理模块100,以及连接存储模块120和处理模块100的双向计量模块110;
双向计量模块110在第一采样周期下采集负荷用电数据,并将负荷用电数据发送给存储模块120以及处理模块100;负荷用电数据包括配电网供电量数据和接入的分布式电源供电量数据。
存储模块120储存负荷用电数据;
处理模块100调用存储模块120在预设时间段内储存的负荷用电数据,并获取双向计量模块110实时采集得到的当前负荷用电数据;并对预设时间段内储存的负荷用电数据和当前负荷用电数据进行数据处理,获取负荷用电曲线;
处理模块100对负荷用电曲线进行处理,获取负荷用电曲线的特征;并将负荷用电曲线的特征与负荷用电模型库中的模型特征进行负荷匹配,获取匹配结果。
具体而言,双向计量模块110采集分布式电源的发电量数据(即分布式电源对用电户的供电量数据)和配电网的供电量数据,即负荷用电数据,在其中一个实施例中,双向计量模块110的采样周期的范围为1~20秒一次;双向计量模块110每次采集到负荷用电数据之后,将采集的数据发送到处理模块100和存储模块120;处理模块100分别调用来自存储模块120在预设时间内存储的负荷用电数据和双向计量模块110实时计量的当前负荷用电数据进行处理,获取负荷用电曲线;随后处理模块100结合负荷用电曲线的特征,调用负荷用电模型库中的模型特征,对二者进行负荷匹配,以获取匹配结果。
其中,双向计量模块110采集配电网对家庭用电户供电数据和分布式发电系统对家庭用电户供电数据,并发送给处理模块100;处理模块100接收上述数据,并将两者之和作为负荷用电数据,其中负荷用电数据的有功功率为P,无功功率为Q。其中一个实施例中,双向计量模块110的第一采样周期为每隔10s记录一次P,Q数据,存储模块120则记录并保存预设时间内(前30~50分钟)的P,Q数据P0,Q0,而处理模块100则计算预设时间内(前30~50分钟),P0,Q0的平均值可以理解的是,根据实际使用中的存储模块120的存储量的大小,存储模块120可以存储不同时间长度(例如60~100分钟)的数据P0,Q0,而处理模块100可以根据实际需要调取不同的预设时间内的数据,例如存储模块120存储60分钟的数据,而处理模块100仅仅调用30分钟或50分钟的数据;又如存储模块120存储50分钟的数据,而处理模块100调用50分钟的数据。
随后,处理模块100调用双向计量模块110当前实时采集到的供电数据,并计算实时的P,Q数据和上述平均值之间的差值,若判定差值大于第一预设阈值T,则处理模块100确认用电户母线中有负荷投切;一般而言,负荷曲线的横坐标是时间,纵坐标一般是有功功率,因此通常的负荷曲线是有功功率负荷曲线。然而在实际应用中,负荷从电力系统中取用的不仅是有功功率,还有无功功率,因此负荷曲线包括有功功率负荷曲线和无功功率负荷曲线。在本发明一实施例中,处理模块100既可以计算实时的P数据和上述平均值之间的差值,并判定差值是否大于第一预设阈值T;也可以同时计算实时的Q数据和平均值之间的差值,且判定差值是否大于第一预设阈值T;其中第一预设阈值T根据实际使用的家用电器设备负荷有功功率和无功功率关系的不同,既可以为同一个预设阈值;也可以根据该负荷有功功率与无功功率之间的区别,分别设置不同的阈值。
在一个具体的实施例中,处理模块100不断的接受双向计量模块110发送的实时有功功率数据P,无功功率数据Q,同时处理模块100调用存储模块120在预设时间内(前30分钟)存储的数据P0,Q0,并计算有功功率数据平均值无功功率数据平均值如果P,Q和的差值发生突变,超过设定的第一预设阈值T,则处理模块100判定有负荷投切。具体而言,如果功率变化平滑,说明没有负载投切,那么就可以增大采样周期,每隔10秒~20秒采样一次,减少系统的工作压力和内存容量;当功率变化较大,说明有负载投切,则采用较为密集的采样周期,即减小第一采样周期,每隔1秒~10秒采样一次,获取负载功率曲线的动态特性,直到采集的P,Q数据稳定为止。
而P,Q是否稳定可以通过以下方式判定:P,Q的波动小于某个值,即|P(t1)-P(t0)|<T0以及|Q(t1)-Q(t0)|<T0,T0为第二预设阈值(和第一预设阈值T不同),其中,t1和t0为两个不同采样时刻,具体而言,t1和t0可以为彼此相邻的两个采样时刻,也可以为按照等差数列关系相邻的两个采样时刻。
本发明对于小功率电器的投切和类型不做辨识。此时处理模块100发送控制采样周期指令改变双向计量模块110的采样周期,将采样周期调整为第二采样周期,在一个具体的实施例中,减小采样周期,第二采样周期为每隔2秒记录一次P,Q数据,直到记录的当前实时的P,Q数据稳定为止,此时处理模块100发送恢复采样周期指令,双向计量模块110根据恢复采样周期指令将采样周期恢复为第一采样周期,即每隔10秒记录一次P,Q数据。
在上述过程中,存储模块120则记录下投切负荷的动态过程数据Pd,Qd,处理模块100则调用并根据Pd,Qd数据和平均值数据得到负荷用电曲线L(t),具体而言,处理模块100利用Pd,Qd数据减去从而计算得到投切负荷的用电曲线L(t),而处理模块100在这个过程中具体使用的数据处理算法可以包括数据的高阶分析(差分处理)和灰色预测等。
处理模块100获得负荷用电曲线L(t)之后,进一步对L(t)进行计算处理,以获取L(t)的特征,包括通过计算处理获取L(t)的平均值,L(t)的差分值以及L(t)的超调等特征,以便于将其和负荷用电模型库中的模型特征进行负荷匹配。
处理模块100将上述特征与负荷用电模型库中的模型特征进行负荷匹配,计算出匹配度最高的电器模型,获取投切电器的负荷类型,从而确认投切的电气设备类型,以实现家庭用电管理最优的用电模式。
在进行模式匹配的时候,处理模块100采取模式识别相关算法,包括聚类分析、等效距离计算和频谱分析等;也可以采用动态规划算法,包括神经网络算法和支持向量机等算法。本发明用电信息采集系统实施例1,在其中一个具体的实施例中,采用等效距离计算方法进行处理,得出最优的匹配结果。以下详细叙述了本发明用电信息采集系统实施例1基于等效距离计算法的处理过程:
处理模块100设置待匹配的样本特征为XS=(xs1,xs2,…,xsn),已有的模式空间为M={Xm|m=1,2,…,N,Xm=(xm1,xm2,…,xmn)},计算XS与各个Xm之间的等效距离dm,其中使得dm为最小值的m所对应的模式Xm就为样本XS的最佳匹配结果。
图3为本发明用电信息采集系统实施例1中负荷用电模型库中模型特征曲线示意图。如图3所示,负荷用电模型库中的模型特征可以包括常规家用电器设备用电设备模型库中的常用家电设备的用电特征数据库,比如空调、电冰箱、电视机、洗衣机、微波炉等。负荷用电模型库根据不同的用电器的物理电气特性,记录相关用电设备的用电特征数据,比如启动时间、启动超调、有功无功等。按照这些特性,将各种常用的电器设备的用电特征数据记录在负荷用电模型库中。使处理模块100可以依据该库中的模型进行负载投切辨识和电器设备类型辨识。
本发明用电信息采集系统实施例1,因为采用双向计量模块采集用电户的负荷用电数据,通过处理模块处理相关负荷用电数据获得家庭负荷用电的变化的特征,即负荷用电曲线,并利用负荷用电曲线的特征与负荷用电模型库中参考模型的模型特征进行匹配,从而辨识出投切的用电设备类型,分析出用电设备,给家庭用电管理(能效管理系统)提供参考数据,克服了传统技术需要大量硬件来实现物联网的通信和控制的技术问题,进而使家庭用电管理能够兼容分布式电源发电,且硬件投资少,实施方便。
为了实际应用的需要,本发明还提供了用电信息采集系统实施例2:
图2为本发明用电信息采集系统实施例2的系统结构框图;由图2可知,在实施例1所示的系统的基础上,本实施例的用电信息采集系统还包括与处理模块100相连接的通信模块130和负荷用电模型库140。
处理模块100通过通信模块130与外界进行通信,在一个具体的实施例中,处理模块100通过通信模块130的通信功能,向相关家庭能量管理系统发送匹配信息,以辅助家庭能量管理系统进行家庭能效控制和用电管理。
具体而言,双向计量模块110采集分布式电源的发电量数据(即分布式电源对用电户的供电量数据)和配电网的供电量数据,即负荷用电数据,在其中一个实施例中,双向计量模块110的采样周期的范围为1~20秒一次;双向计量模块110每次采集到负荷用电数据之后,将采集的数据发送到处理模块100和存储模块120;处理模块100分别调用来自存储模块120在预设时间内(前30~50分钟)存储的负荷用电数据和双向计量模块110实时计量的当前负荷用电数据进行处理,获取负荷用电曲线;随后处理模块100结合负荷用电曲线的特征,调用负荷用电模型库140中的模型特征,对二者进行负荷匹配,以获取匹配结果。最后处理模块100将匹配的结果作为一个参数通过通信模块130发送到家庭能效管理系统(家庭用电管理),辅助家庭能效管理系统实现最优的用电模式。
处理模块100根据负荷用电模型库140中的模型进行负载投切辨识和电器设备类型辨识,图3为本发明用电信息采集系统实施例2中负荷用电模型库140中模型特征曲线示意图;
如图3所示,负荷用电模型库140中的模型特征可以包括常规家用电器设备用电设备模型库中的常用家电设备的用电特征数据库,比如空调、电冰箱、电视机、洗衣机、微波炉等。负荷用电模型库140根据不同的用电器的物理电气特性,记录相关用电设备的用电特征数据,比如启动时间、启动超调、有功无功等。
具体来说,例如电冰箱,如图3(a)所示:电冰箱的工作状态有明显的周期间歇性,每半个小时达到启动尖峰频率;如洗衣机,如图3(b)所示:洗衣机的功率变化没有明显的规律,但其平均额定功率1kw(千瓦)左右,在不同的工作模式(分为洗涤期、加水期和放水期等)中,其用电功率为间歇性变化;而电视机、笔记本和台式机等小型家电,如图3(d)~(f)所示:用电功率功率小,功率负荷曲线基本稳定不变;又如空调,如图3(g)~(j)所示:空调在不同用电模式下,变功率启停,功率为1-3kw左右。按照这些特性,本发明的用电采集系统将各种常用的电器设备的用电特征数据记录在负荷用电模型库140中。使处理模块100可以依据该库中的模型进行负载投切辨识和电器设备类型辨识。
此外,为了解决用电能效管理硬件投资大成本高的问题,本发明还提供了一种用电信息采集分析方法实施例1,具体如下所述:
图4为本发明用电信息采集分析方法实施例1的流程示意图;如图4所示,用电信息采集分析方法实施例1,包括以下步骤:
步骤S410:在第一采样周期下采集负荷用电数据,负荷用电数据包括配电网供电量数据和接入的分布式电源供电量数据;
步骤S420:存储负荷用电数据;
步骤S430:调用在预设时间段内存储的负荷用电数据和实时采集得到的当前负荷用电数据进行数据处理,获取负荷用电曲线;
步骤S440:将负荷用电曲线的特征与负荷用电模型库中的模型特征进行负荷匹配,获取匹配结果。
具体而言,步骤S430具体包括如图5所示的方法步骤。
图5为本发明用电信息采集分析方法实施例1中获取负荷用电曲线的方法流程示意图;如图5所示,步骤S430包括:
步骤S510:处理预设时间段内存储的负荷用电数据,获取预设时间段内存储的负荷用电数据的平均值;
步骤S520:判断平均值与实时采集得到的负荷用电数据的差值;
步骤S530:若差值大于第一预设阈值,将所述第一采样周期减小为第二采样周期;
步骤S540:在第二采样周期下采集负荷用电数据,直到两个不同采样时刻的负荷用电数据的差值小于第二预设阈值;
步骤S550:恢复第一采样周期,存储负荷用电的动态过程数据,根据负荷用电的动态过程数据和所述平均值获取所述负荷用电曲线。
在具体的实施例中:
在第一采样周期下,采集配电网对家庭用电户供电数据和分布式发电系统对家庭用电户供电数据,并将两者之和作为负荷用电数据,其中负荷用电数据的有功功率为P,无功功率为Q。其中一个实施例中,第一采样周期的范围为每隔10秒至20秒记录一次P,Q数据;记录并保存一段时间内的P,Q数据P0,Q0,而后调用并计算预设时间内(前30~50分钟),P0,Q0的平均值
随后,调用实时采集到的当前供电数据,并计算实时的P,Q数据和上述平均值之间的差值,若判定差值大于第一预设阈值T,即确认用电户母线中有负荷投切;一般而言,负荷曲线的横坐标是时间,纵坐标一般是有功功率,因此通常的负荷曲线是有功功率负荷曲线。然而在实际应用中,负荷从电力系统中取用的不仅是有功功率,还有无功功率,因此负荷曲线包括有功功率负荷曲线和无功功率负荷曲线。在本发明一实施例中,既可以计算实时的P数据和上述平均值之间的差值,并判定差值是否大于第一预设阈值T;同时还可以计算实时的Q数据和平均值之间的差值,且判定差值是否大于第一预设阈值T;其中第一预设阈值T根据实际使用的家用电器设备负荷有功功率和无功功率关系的不同,既可以为同一个预设阈值;也可以根据该负荷有功功率与无功功率之间的区别,分别设置不同的阈值。
在一个具体的实施例中,接受实时有功功率数据P,无功功率数据Q的同时,调用预设时间内(前30分钟)存储的数据P0,Q0,计算有功功率数据平均值无功功率数据平均值如果P,Q和的差值发生突变,超过设定的第一预设阈值T,则判定有负荷投切。具体而言,如果功率变化平滑,说明没有负载投切,那么就可以增大采样周期,每隔10秒~20秒采样一次,减少系统的工作压力和内存容量;当功率变化较大,说明有负载投切,则采用较为密集的采样周期,即减小第一采样周期,每隔1秒~10秒采样一次,获取负载功率曲线的动态特性,直到采集的P,Q数据稳定为止。
而P,Q是否稳定可以通过以下方式判定:P,Q的波动小于某个值,即|P(t1)-P(t0)|<T0以及|Q(t1)-Q(t0)|<T0,T0为第二预设阈值(和第一预设阈值T不同),t1和t0为两个不同采样时刻,具体而言,t1和t0可以为彼此相邻的两个采样时刻,也可以为按照等差数列关系相邻的两个采样时刻。
本发明用电信息采集分析方法实施例1对于小功率电器的投切和类型不做辨识。此时减小双向计量模块的采样周期,令其为第二采样周期即每隔2秒记录一次P,Q数据;直到记录的实时P,Q数据稳定为止,此时控制采样周期恢复为每隔10秒记录一次P,Q数据。
在上述过程中,记录下投切负荷的动态过程数据Pd,Qd;然后调用Pd,Qd数据和平均值数据得到负荷用电曲线L(t),具体而言,利用Pd,Qd数据减去计算得到投切负荷的用电曲线L(t),而此过程中具体使用数据处理算法包括数据的高阶分析(差分处理)和灰色预测等。
获得负荷用电曲线L(t)之后,通过进一步对L(t)进行计算处理,获取L(t)的特征,包括通过计算处理获取L(t)的平均值,L(t)的差分值以及L(t)的超调等特征,以便于将其和负荷用电模型库中的模型特征进行负荷匹配。
本发明用电信息采集分析方法实施例1通过将上述特征与负荷用电模型库中的模型特征进行负荷匹配,计算出匹配度最高的电器模型,获取投切电器的负荷类型,从而确认投切的电气设备类型,以实现家庭用电管理最优的用电模式。
在进行模式匹配的时候,可以采用模式识别相关算法,包括聚类分析、等效距离计算和频谱分析等;也可以采用动态规划算法,包括利用神经网络算法和支持向量机等算法。本发明用电信息采集分析方法实施例1,在其中一个具体的实施例中,采用等效距离计算方法,得出最优的匹配结果。以下详细叙述了本发明用电信息分析方法实施例1基于等效距离计算法的步骤:
通过处理模块设置待匹配的样本特征为XS=(xs1,xs2,…,xsn),已有的模式空间为M={Xm|m=1,2,…,N,Xm=(xm1,xm2,…,xmn)},计算XS与各个Xm之间的等效距离dm,其中使得dm为最小值的m所对应的模式Xm就为样本XS的最佳匹配结果。
如图3所示,负荷用电模型库中的模型特征可以包括常规家用电器设备用电设备模型库中的常用家电设备的用电特征数据库,比如空调、电冰箱、电视机、洗衣机和微波炉等。负荷用电模型库根据不同的用电器的物理电气特性,记录相关用电设备的用电特征数据,比如启动时间、启动超调、有功无功等。按照这些特性,将各种常用的电器设备的用电特征数据记录在负荷用电模型库中。因此可以依据该库中的模型进行负载投切辨识和电器设备类型辨识。
本发明用电信息采集分析方法实施例1采集用电户的负荷用电数据,通过处理相关负荷用电数据获得家庭负荷用电的变化的特征,即负荷用电曲线,并利用负荷用电曲线的特征与负荷用电模型库中参考模型的模型特征进行匹配,从而辨识出投切的用电设备类型,分析出用电设备,给家庭用电管理(能效管理系统)提供参考数据,克服了传统技术需要大量硬件来实现物联网的通信和控制的技术问题,进而使家庭用电管理能够兼容分布式电源发电,且硬件投资少,实施方便。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。