CN105629065B - 基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 - Google Patents
基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 Download PDFInfo
- Publication number
- CN105629065B CN105629065B CN201610009525.0A CN201610009525A CN105629065B CN 105629065 B CN105629065 B CN 105629065B CN 201610009525 A CN201610009525 A CN 201610009525A CN 105629065 B CN105629065 B CN 105629065B
- Authority
- CN
- China
- Prior art keywords
- sequence
- average
- micro
- average active
- power sequence
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/163—Spectrum analysis; Fourier analysis adapted for measuring in circuits having distributed constants
Abstract
本发明公开了一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,包括:在一定采样频率范围内,对总电源进线的电压和电流进行采样,形成电压采样序列u和电流采样序列i;在一定计算时间窗口内,计算总电源进线处的平均有功功率序列P和平均无功功率序列Q;选取平均有功功率序列P和平均无功功率序列Q的一组样本量进行快速傅里叶变换,得到该平均有功功率序列P和平均无功功率序列Q的幅值结果序列和频率结果序列;根据幅值结果序列、频率结果序列判断是否有微波炉启动。本发明提供了一种全新的平均有功无功综合频谱分析的微波炉非侵入辨识方法,该方法能够准确感知微波炉的运行,为实现微波炉的非侵入辨识提供了技术支撑。
Description
技术领域
本发明属于智能用电技术领域,尤其涉及一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法。
背景技术
居民电力负荷监测分解技术是一门新兴的智能电网基础支撑技术,与目前智能电表仅量测用户总功率不同,它以监测并分解出居民户内所有电器的启动时间、工作状态、能耗情况为目标,从而实现更加可靠、精确的电能量管理。电力负荷监测分解技术使用户的电费清单像电话费清单一样,各类家用电器的用电量一目了然,从而使用户及时了解自己的用电情况,为合理分配各个电器的用电时间及相应的用电量提供参考,最终能够有效减少电费支出和电能浪费。Google统计数据显示,如果家庭用户能够及时了解住宅电器的详细用电信息,就能使每月电费开支下降5%~15%。如果全美国有一半家庭每个月节省这么多开支,减少的碳排放量相当于减少800万辆汽车的使用。对于工业用户而言,其负荷投切安排一般是比较固定的,只需分时计量即可,对负荷分解的需求较少,本项目的主要研究对象是住宅用电负荷。
目前,居民电力负荷监测分解技术主要分为侵入式监测分解(Intrusive LoadMonitoring and decomposition,ILMD)和非侵入式监测分解(Non-intrusive LoadMonitoring and decomposition,NILMD)两大类:
(1)侵入式负荷监测分解技术(ILMD):侵入式负荷监测将带有数字通信功能的传感器安装在每个电器与电网的接口,可以准确监测每个负荷的运行状态和功率消耗。但大量安装监测传感器造成建设和维护的成本较高,最重要的是侵入式负荷监测需要进入居民家中进行安装调试,容易造成用户抵制心理。
(2)非侵入式负荷监测分解技术(NILMD):仅在用户入口处安装一个传感器,通过采集和分析入口总电流、电压等信息来判断户内每个或每类电器的用电功率和工作状态(例如,空调具有制冷、制热、待机等不同工作状态),从而得出居民的用电规律。和侵入式负荷分解相比,由于只需要安装一个监测传感器,非侵入负荷分解方案的建设成本和后期维护难度都大幅降低;另外,传感器安装位置可以选择在用户电表箱处,完全不会侵入居民户内进行施工。可以认为,NILMD以分解算法代替ILMD系统的传感器网络,具有简单、经济、可靠、数据完整和易于迅速推广应用等优势,有望发展成为高级量测体系(AMI)中新一代核心技术(成熟后,NILMD算法也可以融合到智能电表的芯片内),支持需求侧管理、定制电力等智能用电的高级功能,也适用于临时性的负荷用电细节监测与调查。
微波炉是用微波来烹调食物的,它是由一种电子真空管——磁控管,产生2450MHz的超短波电磁波,通过微波传导元件——波导管,发射到炉内各处,通过发射、传导、被食物吸收,引起食物内的极性分子(如水、脂肪、蛋白质、糖等)以每秒24.5亿次的极高速振动.并由振动所引起的摩擦使食物内部产生高热,将食物烹熟。
微波炉的微波输出功率一般在600W~900W范围内。转换效率一般按30%~60%计算,微波炉的实际消耗功率约为1100W~1400W。由于微波炉中有大量感性元件,微波炉功率因数一般为0.90,因此微波炉会消耗无功功率大约为400~800Var。
热断路器是用来监控磁控管或炉腔工作温度的组件。当工作温度超过某一限值时,热断路器会立即切断电源,使微波炉停止工作,当温度低于某一限值时,热断路器恢复电源供电,使微波炉持续工作,微波炉的间歇工作具有一定的规律(约为0.05Hz)。
综上所述,NILMD技术已经逐渐成为一个研究热点,相关技术的突破和产业化对全社会的节能减排具有重要意义。目前,NILMD技术的研究还停留在理论研究阶段,多状态间歇工作电器尤其是微波炉的实用化分解辨识方法还有待突破。
因此,亟待解决上述问题。
发明内容
发明目的:本发明的目的是提供一种能够准确感知微波炉的运行的基于平均有功无功综合频谱分析的微波炉非侵入辨识方法。
技术方案:为实现以上目的,本发明公开了一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,包括如下步骤:
(1)在一定采样频率范围内,对总电源进线的电压和电流进行采样,形成电压采样序列u和电流采样序列i;
(2)在一定计算时间窗口内,计算总电源进线处的平均有功功率序列P和平均无功功率序列Q;
(3)选取平均有功功率序列P和平均无功功率序列Q的一组样本量进行快速傅里叶变换,得到该平均有功功率序列P和平均无功功率序列Q的幅频特性;
(4)根据步骤(3)中平均有功功率序列P和平均无功功率序列Q的幅频特性判断是否有微波炉启动,如未启动,则返回步骤(3)。
其中,所述步骤(1)中的采样频率范围为f=1kHz~10kHz。
优选的,所述步骤(2)中所述平均有功功率序列P和平均无功功率序列Q的计算公式为
其中,m为平均有功功率序列P和平均无功功率序列Q的计算时间窗口所含工频周期数目,取m=5个工频周期,k为采样点编号,N为一个工频周期包含的采样点数目。
进一步,所述步骤(3)中所述平均有功功率序列P和平均无功功率序列Q的幅频特性包括幅值结果序列和频率结果序列,其计算公式为
Fp[i]=FFT(P),fp[i]=(i-1)*50/(m*Ns)
Fq[j]=FFT(Q),fQ[j]=(j-1)*50/(m*Ns)
其中,i,j=1,2,…,Ns,FFT表示快速傅里叶变换运算,Fp[i]、Fq[j]为幅值结果序列,fp[i]、fq[j]为频率结果序列,Ns为参与本次快速傅里叶变换的P和Q的样本数量,Ns取500~2000个。
其中,所述步骤(4)中判断方法为:扫描幅频特性中的幅值结果序列和频率结果序列,如果平均有功无功综合频谱在0.04Hz~0.06Hz频率范围内同时存在幅值大于500W的有功频谱分量和150Var的无功频谱分量,即可判断当次计算时间窗口内有微波炉启动,否则返回步骤(3)对平均有功功率序列P和平均无功功率序列Q的下一组样本量进行快速傅里叶变换。
有益效果:与现有技术相比,本发明具有以下显著优点:本发明提出了一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,该方法相较于单一的有功功率分析,充分考虑了微波炉工作时既有有功功率波动又有无功功率波动的特点,从而能够准确区分微波炉和纯阻性间歇工作电器(例如电饭锅等),增加了微波炉非侵入辨识的准确性。
附图说明:
图1为本发明的流程示意图;
图2为本发明中平均有功功率的计算结果图;
图3为本发明中平均无功功率的计算结果图;
图4为本发明中样本数量Ns取500时平均有功功率幅频特性图;
图5为本发明中样本数量Ns取500时平均无功功率幅频特性图;
图6为本发明中样本数量Ns取1000时平均有功功率幅频特性图;
图7为本发明中样本数量Ns取1000时平均无功功率幅频特性图;
图8为本发明中样本数量Ns取2000时平均有功功率幅频特性图;
图9为本发明中样本数量Ns取2000时平均无功功率幅频特性图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1、图2、图3所示,本发明公开了一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,具体的流程步骤如下:
(1)取采样频率f=1kHz,对总电源进线的电压和电流进行采样,形成电压采样序列u和电流采样序列i。
(2)取计算时间窗口m=5个工频周期,计算总电源进线处的平均有功功率序列P和平均无功功率序列Q,P的计算公式为Q的计算公式为式中,k为采样点编号,N为一个工频周期包含的采样点数目,m为平均有功功率序列P和平均无功功率序列Q的计算时间窗口所含工频周期数目,取m=5个工频周期;
从图2和图3中微波炉一次加热过程对应的平均有功无功功率计算结果,可以看出微波炉的功率具有一定的波动性,有功功率可近似看作“矩形波”;该微波炉的最大有功功率为1300W左右,最大无功功率大约为500Var,功率波动一次的时间间隔A、B为21s左右,波动频率约为0.05Hz,该频率对应微波炉的间歇工作频率。
(3)选取平均有功功率序列P和平均无功功率序列Q的一组样本量进行快速傅里叶变换,得到平均有功功率序列P和平均无功功率序列Q的幅频特性,具体计算公式为Fp[i]=FFT(P),fp[i]=(i-1)*50/(m*Ns),Fq[j]=FFT(Q),fq[j]=(j-1)*50/(m*Ns)其中i,j=1,2,…,Ns,其中FFT表示快速傅里叶变换运算,Fp[i]、Fq[j]为快速傅里叶变换的幅值结果序列,fp[i]、fq[j]为快速傅里叶变换的频率结果序列,Ns为参与本次快速傅里叶变换的P的样本数量,本算例中选取Ns分别为500、1000、2000个进行分析说明验证。
(4)根据步骤(3)的平均功率序列P和平均无功功率序列Q的幅频特性判断是否有微波炉启动。扫描平均有功无功综合频谱幅频特性中的幅值结果序列Fp[i]、Fq[j]和频率结果序列fp[i]、fq[j],如果在0.04Hz~0.06Hz频率范围内同时存在幅值大于500W的有功频谱分量和150Var的无功频谱分量,即可判断本次处理的时间窗口内有微波炉启动,否则返回步骤(3)对平均有功功率序列P和平均无功功率序列Q的下一组样本量进行快速傅里叶变换。
当参与本次快速傅里叶变换的P、Q的样本数量Ns取500个时,由如图4和图5所示的幅频特性图分析可知,在0.04Hz~0.06Hz频率范围内同时存在幅值等于600W的有功频谱分量和250Var的无功频谱分量,故可判断本次处理的时间窗口内有微波炉启动。
当参与本次快速傅里叶变换的P、Q的样本数量Ns取1000个时,由如图6和图7所示的幅频特性图分析可知,在0.04Hz~0.06Hz频率范围内同时存在幅值等于600W的有功频谱分量和217Var的无功频谱分量,故可判断本次处理的时间窗口内有微波炉启动。
当参与本次快速傅里叶变换的P、Q的样本数量Ns取2000个时,由如图8和图9所示的幅频特性图分析可知,在0.04Hz~0.06Hz频率范围内同时存在幅值等于690W的有功频谱分量和300Var的无功频谱分量,故可判断本次处理的时间窗口内有微波炉启动。
由以上算例分析可知,当参与本次快速傅里叶变换的P、Q的样本数量Ns分别取500、1000、2000个时,在0.04Hz~0.06Hz频率范围内均可同时检测到存在幅值大于500W的有功频谱分量和150Var的无功频谱分量,满足微波炉启动的判定判据,说明了当参与快速傅里叶变换的P、Q的样本数量Ns取500~2000个时,本算法判据皆可准确辨识该时间窗口内是否有微波炉运行。
Claims (4)
1.一种基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,其特征在于:该辨识方法包括如下步骤:
(1)在f=1kHz~10kHz的采样频率范围内,对总电源进线的电压和电流进行采样,形成电压采样序列u和电流采样序列i;
(2)在一定计算时间窗口内,计算总电源进线处的平均有功功率序列P和平均无功功率序列Q;
(3)选取平均有功功率序列P和平均无功功率序列Q的一组样本量进行快速傅里叶变换,得到该平均有功功率序列P和平均无功功率序列Q的幅频特性;
(4)根据步骤(3)中平均有功功率序列P和平均无功功率序列Q的幅频特性判断是否有微波炉启动,如未启动,则返回步骤(3);具体判断方法为:扫描幅频特性中的幅值结果序列和频率结果序列,如果平均有功无功综合频谱在0.04Hz~0.06Hz频率范围内同时存在幅值大于500W的有功频谱分量和150Var的无功频谱分量,即可判断当次计算时间窗口内有微波炉启动,否则返回步骤(3)对平均有功功率序列P和平均无功功率序列Q的下一组样本量进行快速傅里叶变换。
2.根据权利要求1所述的基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,其特征在于:所述步骤(2)中所述平均有功功率序列P的计算公式为
其中,m为平均有功功率序列P的计算时间窗口所含工频周期数目,取m=5个工频周期,k为采样点编号,N为一个工频周期包含的采样点数目。
3.根据权利要求1所述的基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,其特征在于:所述步骤(2)中所述平均无功功率序列Q的计算公式为
4.根据权利要求1所述的基于平均有功无功综合频谱分析的微波炉非侵入辨识方法,其特征在于:所述步骤(3)中所述平均有功功率序列P和平均无功功率序列Q的幅频特性包括幅值结果序列和频率结果序列,其计算公式为
Fp[i]=FFT(P),fp[i]=(i-1)*50/(m*Ns)
Fq[j]=FFT(Q),fq[j]=(j-1)*50/(m*Ns)
其中,i,j=1,2,…,Ns,FFT表示快速傅里叶变换运算,Fp[i]、Fq[j]为平均有功功率序列P和平均无功功率序列Q的幅值结果序列,fp[i]、fq[j]为平均有功功率序列P和平均无功功率序列Q的频率结果序列,Ns为参与本次快速傅里叶变换的P和Q的样本数量,Ns取500~2000个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610009525.0A CN105629065B (zh) | 2016-01-07 | 2016-01-07 | 基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610009525.0A CN105629065B (zh) | 2016-01-07 | 2016-01-07 | 基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105629065A CN105629065A (zh) | 2016-06-01 |
CN105629065B true CN105629065B (zh) | 2019-01-29 |
Family
ID=56044188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610009525.0A Active CN105629065B (zh) | 2016-01-07 | 2016-01-07 | 基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105629065B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106771593B (zh) * | 2016-11-28 | 2019-10-18 | 国网江苏省电力公司苏州供电公司 | 基于混合判据的非侵入式电磁炉启动辨识方法 |
CN106532719B (zh) * | 2016-11-28 | 2019-06-18 | 国网江苏省电力公司苏州供电公司 | 基于电流二次谐波与无功的非变频空调非侵入式辨识方法 |
CN106501680B (zh) * | 2016-11-28 | 2019-03-08 | 国网江苏省电力公司苏州供电公司 | 基于有功两段抬升的非侵入式微波炉启动辨识方法 |
CN107247201A (zh) * | 2017-06-09 | 2017-10-13 | 东南大学 | 基于功率及时间特性的电烤箱非侵入辨识方法 |
CN107390020B (zh) * | 2017-06-09 | 2019-11-12 | 东南大学 | 基于功率及电流特性的电吹风非侵入辨识方法 |
CN107390043B (zh) * | 2017-06-09 | 2019-07-30 | 东南大学 | 基于有功功率波动性和周期性的洗衣机非侵入辨识方法 |
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 |
CN108152574A (zh) * | 2017-12-26 | 2018-06-12 | 江苏智臻能源科技有限公司 | 一种基于混合判据的微波炉运行的非侵入辨识方法 |
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 |
CN108267637A (zh) * | 2017-12-29 | 2018-07-10 | 国网天津市电力公司电力科学研究院 | 一种基于混合频谱特性的洗衣机非侵入式运行检测方法 |
CN108572292A (zh) * | 2018-03-27 | 2018-09-25 | 深圳供电局有限公司 | 一种微波炉非侵入负荷辨识方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567559B (zh) * | 2009-06-04 | 2011-06-01 | 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 |
US9817045B2 (en) * | 2010-12-13 | 2017-11-14 | Fraunhofer Usa, Inc. | Methods and system for nonintrusive load monitoring |
US9612286B2 (en) * | 2011-02-04 | 2017-04-04 | Bidgely Inc. | Systems and methods for improving the accuracy of appliance level disaggregation in non-intrusive appliance load monitoring techniques |
SG11201405498XA (en) * | 2012-03-30 | 2014-11-27 | Sony Corp | Data processing apparatus, data processing method, and program |
CN104569902B (zh) * | 2014-11-21 | 2017-04-19 | 国家电网公司 | 一种数字式电能表功耗测量装置及方法 |
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 |
-
2016
- 2016-01-07 CN CN201610009525.0A patent/CN105629065B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105629065A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105629065B (zh) | 基于平均有功无功综合频谱分析的微波炉非侵入辨识方法 | |
CN106501680B (zh) | 基于有功两段抬升的非侵入式微波炉启动辨识方法 | |
CN105911342B (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
CN106771593B (zh) | 基于混合判据的非侵入式电磁炉启动辨识方法 | |
CN107247201A (zh) | 基于功率及时间特性的电烤箱非侵入辨识方法 | |
CN106093630B (zh) | 一种非侵入式家用电器辨识方法 | |
CN108152630A (zh) | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 | |
CN106532719B (zh) | 基于电流二次谐波与无功的非变频空调非侵入式辨识方法 | |
CN105425079B (zh) | 基于实时平均功率频域分析的洗衣机运行非侵入辨识方法 | |
CN108152574A (zh) | 一种基于混合判据的微波炉运行的非侵入辨识方法 | |
CN106340884B (zh) | 基于混合功率判据的非侵入式非变频冰箱启动辨识方法 | |
CN107390043B (zh) | 基于有功功率波动性和周期性的洗衣机非侵入辨识方法 | |
CN101299701A (zh) | 一种输变电系统温度监控的无线传感网络系统及其实现方法 | |
AU2009272473A1 (en) | Utility metering | |
CN109299134B (zh) | 一种非侵入式监测系统下电器的识别方法 | |
CN107356827B (zh) | 一种基于有功功率波动性的洗衣机运行非侵入辨识方法 | |
CN105301352A (zh) | 一种用于网络家电的电能计量装置 | |
CN108595376A (zh) | 一种区分定频空调与冲击钻的非侵入负荷辨识方法 | |
Rathore et al. | Non intrusive load monitoring and load disaggregation using transient data analysis | |
CN108572292A (zh) | 一种微波炉非侵入负荷辨识方法 | |
CN108267637A (zh) | 一种基于混合频谱特性的洗衣机非侵入式运行检测方法 | |
Zhibin et al. | Research on household appliances recognition method based on data screening of deep learning | |
CN201226525Y (zh) | 一种输变电系统温度监控的无线传感网络系统 | |
CN114460352A (zh) | 逆变器输出电流采样方法、逆变器及逆变器并网系统 | |
CN112684302A (zh) | 一种基于lc投切的低压台区归属关系识别系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 210009 No. 87 Dingjiaqiao, Gulou District, Nanjing City, Jiangsu Province Applicant after: Southeast University Address before: No. 2, four archway in Xuanwu District, Nanjing, Jiangsu Applicant before: Southeast University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |