CN105701716A

CN105701716A - 基于用户用电数据的能效分析方法

Info

Publication number: CN105701716A
Application number: CN201410709511.0A
Authority: CN
Inventors: 王义贺; 张化光; 杨东升; 王占山; 郭昆亚; 单美岩; 宋德宇; 赵钢; 李冰清; 梁雪
Original assignee: State Grid Corp of China SGCC; Shenyang Power Supply Co of State Grid Liaoning Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Shenyang Power Supply Co of State Grid Liaoning Electric Power Co Ltd
Priority date: 2014-11-28
Filing date: 2014-11-28
Publication date: 2016-06-22

Abstract

基于用户用电数据的能效分析方法属于电气工程技术领域，特别涉及基于用户用电数据的能效分析方法与实验检测平台装置。本发明提供一个计量电能装置的综合检测系统，从而减轻计量装置的工作量，提高工作效率，改善对电能计量装置的管理。通过对比系统采集到的电能表的数据来验证电能表的准确度，提高对待机能耗检测的能力，对提高电力管理单位的劳动生产率和企业的经济效益具有现实的意义。本发明包括以下步骤：1)设置决策表S＝＜U，R，V，f＞，其中R＝C∪{d}是属性集合，子集C和{d}分别为条件属性和决策属性集，U＝{x₁，...，x_n，}是有限的对象集合；设置决策种类的个数为r(d)；属性a的值域V_a上的一个断点记为(a，c)，其中a∈R，c为实数值；选用中值序列作为候选典型分割点。

Description

基于用户用电数据的能效分析方法

技术领域

本发明属于电气工程技术领域，特别涉及基于用户用电数据的能效分析方法与实验检测平台装置。

背景技术

待机能耗问题是国际社会普遍关注的热门话题。待机能耗是指电器产品连接到电源上且处于等待状态的耗电量，一般来讲，具有遥控开关、网络唤醒、定时开关、智能开关等功能的产品都有待机能耗。据美国伯克利国家实验室对中国大城市现状调查的一组检测报告显示，平均每户的家电待机功率竟为40瓦。据统计待机能耗已经占到了国际经济合作组织国家(OECD)民用电力消耗的3％-13％。但待机能耗在我国尚未引起足够的重视和关注。

目前，我国产品的待机能耗普遍较高，与国际先进水平相比还有一定的差距。面对国际上关于降低待机能耗的各种规定，如果我国产品对此问题不加以重视，必将会面临巨大的国际贸易压力。近年来，国家电网的投资规模逐年增加，用以满足不断增长的用电需求。在用电环节，经常出现的用电设备待机现象造成了电能的浪费和非法流失。根据国际能源总署调查研究发现，先进国家的家庭因为没有拔插头多浪费的电力(待机电力)，约占总耗电量的3％～11％。而在中国这是数字会更高，可达到5％-30％。如果一个家庭配备一台台式电脑机、两台空调机、一台老式彩电、一台液晶彩电以及微波炉、热水器等，按照测试的功耗计算，这些电器处于待机状态下能耗总和约为20瓦，那待机一天耗电量便为0.48度，一个月就是14.4度电，造成大量的电量浪费。

上述问题产生的原因主要有两个，第一居民用电习惯差；第二针对微小电量的电表检测计量技术的不足。而如何通过技术手段解决上述问题是本发明的研究重点。

众所周知，常用有功电能表有0.5、1.0、2.0三个准确度等级。0.5级电能表允许误差在±0.5％以内；1.0级电能表允许误差在±1％以内；2.0级电能表允许误差在±2％以内。一般居民客户为Ⅴ类电能计量装置，使用的有功电能表的准确度等级不低于2.0级；而月平均用电量在100万kW/h及以上的大电力客户为Ⅰ类电能计量装置，使用的有功电能表的准确度等级不低于0.5级。而待机耗电量的检测至少需要测量误差小于0.5％，所以众多的居民用电待机能耗很多计量设备检测计量是十分困难的。

电力企业计量数据的数据质量是计量系统的生命线，是计量业务各项工作开展和分析决策的核心所在，计量数据质量依赖于计量装置系统(电能计量表、互感器)、采集装置系统(厂站终端、负控终端等)、通信系统(网络、电话、无线GPRS等)、主站系统(通信规约解析、数据存储、数据转换等)等多个系统和设备的运行效果。本项目全面分析了影响计量数据质量的各种可能原因，并从技术和管理两方面进行分析如何提高计量数据质量，并对提高计量数据质量建立一种长效机制进行了深入研究。

电能计量装置一直以来面临着技术、经济等方面的约束，如果对电能的计量不准确，将影响到电网的安全运行，直接关系到电力公司的经济指标和电力用户的切身利益。因此，运用当今先进的科学技术来发展电能计量，研制电能计量的实时检测与实验系统，具有非常重要的价值。

发明内容

本发明提供一个计量电能装置的综合检测系统，从而减轻计量装置的工作量，提高工作效率，改善对电能计量装置的管理。通过对比系统采集到的电能表的数据来验证电能表的准确度，提高对待机能耗检测的能力，对提高电力管理单位的劳动生产率和企业的经济效益具有现实的意义。

为实现上述目的，本发明采用如下技术方案，本发明包括以下步骤：

1)设置决策表S＝<U，R，V，f>，其中R＝CU{d}是属性集合，子集C和{d}分别为条件属性和决策属性集，U＝{x₁，…，x_n，}是有限的对象集合；设置决策种类的个数为r(d)；属性a的值域V_a上的一个断点记为(a，c)，其中a∈R，c为实数值；选用中值序列作为候选典型分割点；

在值域V_a＝[s_a，g_a]上的任意一个断点集合设置了V_a上的一个分类P_a，

P_{a} = {[c_{0}^{a}, c_{1}^{a}), [c_{1}^{a}, c_{2}^{a}), \cdot \cdot \cdot, [c_{k_{a}}^{a}, c_{k_{a + 1}}^{a}]};

其中，

S_{a} = c_{0}^{a} < c_{1}^{a} < c_{2}^{a} < \cdot \cdot \cdot < c_{k_{a}}^{a} < c_{k_{a + 1}}^{a},

并且

V_{a} = [c_{0}^{a}, c_{1}^{a}) \cup [c_{1}^{a}, c_{2}^{a}) \cup \cdot \cdot \cdot \cup [c_{k_{a}}^{a}, c_{k_{a + 1}}^{a}];

任意的P＝∪_a∈RP_a定义一个新的决策表S^p＝<U^p，R^p，V^p，f^p>；

当新的信息系统有r(d)个决策属性，任一条件属性x离散成r(x)个区间

P_{t}^{a} (t = 1,2, \cdot \cdot \cdot, m)

时，有样本数：

N = Σ_{i = 1}^{r (x)} N_{i} = Σ_{j = 1}^{r (d)} N_{j} = Σ_{i = 1}^{r (x)} Σ_{j = 1}^{r (d)} N_{ij}

其中，N_tf是区间中属于分类d_i的样本数目；N_j是区间中的样本数目，且有N_t是分类d_i中的样本数目，且有

对于N条记录的原始知识库，在决策属性值为j(j＝1，…，n，n为决策的种类数)的实例中，属于集合X且属性a的值小于断点值的实例的个数记为：

l_j ^X(c_m ^a)＝|{x|x∈X∧[a(x)＜c_m ^a]∧[d(x)＝j]}|属于集合X且属性a的值大于断点值的实例的个数记为：

g_j ^X(c_m ^a)＝|{x|x∈X∧[a(x)＞c_m ^a]∧[d(x)＝j]}|其中，为属性a上的第m个断点，1≤m≤n_a，n_a为属性a的断点总数，是由断点可以分开的实例的集合，U为实例全集；则所有属于集合X且小于的实例个数和所有属于集合X且大于的实例个数分别记为：

根据上面离散化以后的结果形成可辨识矩阵：

2)对于约简以后得到的规则库，依次检查所有决策不同的规则，在以信息系统形式表示的规则中，如果两条规则的决策不同，而且条件属性之间对应相等或其中一条记录在值不相同的属性上被标为“*”，设置系统中全部条件属性数为m，其中规则A包含r₀个条件属性，规则B包含r₁个条件属性，则A规则相对于B规则的可信度ρ为：

ρ = \sqrt{1 - \sqrt{r_{1} / (r_{0} + r_{1})}}

如果不存在规则B，则设置r₁＝0；

当某规则与n条决策不同的规则之间满足上述关系，可信度ρ取它们的算术平均值：

ρ = 1 / n * Σ_{i = 1}^{n} \sqrt{1 - \sqrt{r_{i} / (r_{0} + r_{i})}}

然后，将得到的各个规则置信度写入对应规则的相关字段，得到最后的诊断知识库。

作为一种优选方案，本发明还包括步骤3)设置待分类样本的特征向量集为{X1,X2,…,XN}，类的数目K事先设定；

4)取定K类和选取K个初始聚类中心，按照最小距离原则将各样本分配到K类中的某一类，之后不断计算类中心和调整各样本的类别，最终使各样本到其所属类别中心的距离平方之和最小；

作为另一种优选方案，本发明所述步骤4)包括以下步骤：

a)任选K个样本特征向量作为初始聚类中心，Z1(0),Z2(0),…,Zk(0)，令k＝0；

b)将待分类样本特征向量集{Xi}中的样本逐个按最小距离原则划分给某一类，即如果

d_{if}^{(k)} = \min [d_{if}^{(k)}]_{f = 1,2, \cdot \cdot \cdot N},

则判

X_{i} &Element; W_{i}^{(k + 1)},

式中表示X_i和的中心的距离，上角标表示迭代次数，于是产生新的聚类

W_{f}^{(k + 1)} (j = 1,2, \cdot \cdot \cdot, K);

c)计算重新分类后的各类中心：

Z_{j}^{(k + 1)} = \frac{1}{n_{j}^{(k + 1)}} \underset{X_{i} &Element; W_{j}^{(k + 1)}}{Σ} X_{i}, j = 1,2, L, K

式中为类中所含样本的个数；采取平均的方法计算调整后的各类中心；

d)如果则算法结束，否则k＝k+1，转到c)中。

本发明有益效果。

附图说明

下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。

图1为本发明中约简算法应用于数据挖掘的流程图；

图2为本发明中负荷优化分类K均值聚类算法流程图；

图3为本发明用户用电数据能耗管理实验检测系统平台示意图；

图4为本发明实验检测测试平台装置结构图；

图5为本发明用户用电数据计量分析框图；

图6为本发明平台装置数据流程图。

具体实施方式

如图所示，

一、用户用电数据挖掘分析方法

考虑到实际用电计量获取的数据庞大，如何将这些数据转化成有用的信息和知识，如何从用户用电数据获得我们所需要的特征数据，实现对用电设备用电特性分析变得日益重要起来，正是这一需求，本发明提出研究用户用电数据挖掘分析技术，研究不同表计采集的的数据与实际的负荷设备之间的物理关联关系，进而完成用电设备能效的分析。在电力监测与控制系统(特别是长距离、多节点的配电系统)中，由于存在众多节点的串联，仅依靠传统的方法来准确判断故障区域是非常困难的。

因此，本系统连续(如电量电压、电流等)属性作为基于粗糙集的原始数据。根据系统信息，设置决策表S＝<U，R，V，f>，其中R＝CU{d}是属性集合，子集C和{d}分别称为条件属性和决策属性集，U＝{x₁，…，x_n，}是有限的对象集合即论域。决策种类的个数为r(d)。属性a的值域V_a上的一个断点记为(a，c)，其中a∈R，c为实数值。选用中值序列作为候选典型分割点。

这样，在值域V_a＝[s_a，g_a]上的任意一个断点集合定义了V_a上的一个分类P_a，

P_{a} = {[c_{0}^{a}, c_{1}^{a}), [c_{1}^{a}, c_{2}^{a}), \cdot \cdot \cdot, [c_{k_{a}}^{a}, c_{k_{a + 1}}^{a}]} .

其中，

S_{a} = c_{0}^{a} < c_{1}^{a} < c_{2}^{a} < \cdot \cdot \cdot < c_{k_{a}}^{a} < c_{k_{a + 1}}^{a},

并且

V_{a} = [c_{0}^{a}, c_{1}^{a}) \cup [c_{1}^{a}, c_{2}^{a}) \cup \cdot \cdot \cdot \cup [c_{k_{a}}^{a}, c_{k_{a + 1}}^{a}];

因此，任意的p＝∪_a∈Rp_a定义了一个新的决策表S^p＝<U^p，R^p，V^p，f^p>。

P_{t}^{a} (t = 1,2, \cdot \cdot \cdot, m)

时，有样本数：

N = Σ_{i = 1}^{r (x)} N_{i} = Σ_{j = 1}^{r (d)} N_{j} = Σ_{i = 1}^{r (x)} Σ_{j = 1}^{r (d)} N_{ij}

g_j ^X(c_m ^a)＝|{x|x∈X∧[a(x)＞c_m ^a]∧[d(x)＝j]}|其中，为属性a上的第m个断点，1≤m≤n_a，n_a为属性a的断点总数，是由断点可以分开的实例的集合，U为实例全集。则所有属于集合X且小于的实例个数和所有属于集合X且大于的实例个数分别记为：

根据上面离散化以后的结果可形成可辨识矩阵：

可辨识矩阵可以进行进一步的约简。

对于约简以后得到的规则库，依次检查所有决策不同的规则，在以信息系统形式表示的规则中，如果两条规则的决策不同，而且条件属性之间对应相等或其中一条记录在值不相同的属性上被标为“*”，设置系统中全部条件属性数为m，其中规则A包含r₀个条件属性，规则B包含r₁个条件属性，则A规则相对于B规则的可信度ρ为：

ρ = \sqrt{1 - \sqrt{r_{1} / (r_{0} + r_{1})}}

如果不存在规则B，则令r₁＝0。

ρ = 1 / n * Σ_{i = 1}^{n} \sqrt{1 - \sqrt{r_{i} / (r_{0} + r_{i})}}

然后，将得到的各个规则置信度写入对应规则的相关字段，从而得到最后的诊断知识库。

二、负荷优化分类方法

电力终端用户种类繁多，用电负荷特性不一。如果对每个用电负荷均进行数学建模，不仅信息量大、工作量大、效率低、运算速度慢，而且较难通过数学建模获得统一的、描述不同时间尺度下的负荷特性。因此，需要首先采用数据挖掘技术对用电负荷进行分类，抽丝剥茧，提取出能够代表某一类用户的典型负荷特性。通过聚类分析，可以获得所研究样本的有用的概括和解释，也可以为一个指导学习的统计分类提供判断依据，且聚类分析法无需数据训练过程，计算量小，适合于电力用户负荷无监督分类。

在一个平面层次上对所有的样本点先做出某种较为粗略的划分，然后按照某种最优的准则进行修正，通过算法的迭代执行，得到一个较为合理的聚类结果，其中最为典型的就是K均值聚类算法。

a)条件与约定

设待分类样本的特征向量集为{X1,X2,…,XN}，类的数目K事先设定。

b)基本思想

该方法取定K类和选取K个初始聚类中心，按照最小距离原则将各样本分配到K类中的某一类，之后不断计算类中心和调整各样本的类别，最终使各样本到其所属类别中心的距离平方之和最小。

c)算法步骤

1)任选K个样本特征向量作为初始聚类中心，Z1(0),Z2(0),…,Zk(0)，令k＝0；

2)将待分类样本特征向量集{Xi}中的样本逐个按最小距离原则划分给某一类，即如果

d_{if}^{(k)} = \min [d_{if}^{(k)}]_{f = 1,2, \cdot \cdot \cdot N},

则判

X_{i} &Element; W_{i}^{(k + 1)},

W_{f}^{(k + 1)} (j = 1,2, \cdot \cdot \cdot, K);

3)计算重新分类后的各类中心：

Z_{j}^{(k + 1)} = \frac{1}{n_{j}^{(k + 1)}} \underset{X_{i} &Element; W_{j}^{(k + 1)}}{Σ} X_{i}, j = 1,2, L, K

式中为类中所含样本的个数。因为这一步采取平均的方法计算调整后的各类中心，且定为K类，故称之为K均值聚类算法；

4)如果则算法结束，否则k＝k+1，转到3)式中。

d)算法评价

K均值聚类算法是以确定的类数及选定的初始聚类中心为前提，使各样本到其所属类别中心距离平方之和最小的最佳聚类。初值的选定对结果影响很大，不同初值可能会导致不同的结果。

三、实验检测测试平台装置

建成我国首个开放、系列试验平台和测试系统，为用电设备特性分析、节能能力分析、监测、优化控制及相关的试验研究及标准建立提供从仿真、分步验证到实际能效分析、监控完整的试验环境。重点设计内容包括：实现用电设备能效动态仿真；建立计量数据监测测试平台。

本平台装置主要分为三个组成部分，即数据采集、数据处理和结果展示。数据采集依靠数据采集器anybus，然后通过PLC进行数据处理与控制，最终通过上位机将结果展示。

装置软件系统采用winCC-视窗控制中心，是德国西门子公司针对工控现场推出的一个功能强大的工控组态软件包，它是世界上第一个集成的人机界面(HMI)软件系统，将WindowsNT应用程序的现代体系结构与使用方便的图形设计程序结合在一起，以建立完整的过程监控解决方案。

本实例中实验检测测试平台装置结构如图4所示。其中数据采集器采用Anybus产品。Anybus是由HMS工业网络有限公司生产的全球应用最广泛的第三方工业网络联接产品，其核心技术AnybusNP-30ASIC集成在Anybus之内，是高性能32/16位内置现场总线/以太网通讯控制器的RISC微处理器。Anybus支持所有现场总线、工业以太网协议、USB、无线甚至串行接口，无须更改软件和硬件，对尺寸、费用、接口方式和性能的要求很低。模块自带高性能微处理器，独立于主应用程序处理全部通信协议，所有Anybus模块都有一个标准的应用接口，支持最大512字节的循环I/O数据，并且附带支持非循环参数数据。这个数量已经超过了一般现场总线协议(如Profibus-DP、DeviceNet)的要求，并为在现场设备中应用未来技术和附加功能进行了预留。应用接口在机械尺寸、硬件和软件特性方面都是完全标准化的，所有的Anybus模块都易于互换。那些不是被所有现场总线共同支持的数据和参数被放置于应用接口的“现场总线特定”数据区。可以满足自动化设备的广泛需求。

数据经数据采集器采集后输送至下位机进行数据处理，下位机选用西门子生产的S7-300系列PLC。PLC采用循环执行用户程序的方式。OB1是用于循环处理的组织块(主程序)，它可以调用别的逻辑块，或被中断程序(组织块)中断。在起动完成后，不断地循环调用OB1，在OB1中可以调用其它逻辑块(FB,SFB,FC或SFC)。循环程序处理过程可以被某些事件中断。在循环程序处理过程中，CPU并不直接访问I/O模块中的输入地址区和输出地址区，而是访问CPU内部的输入/输出过程映像区(在CPU的系统存储区)。选择S7-300因其具有循环周期短，处理速度高；指令集功能强大(包含350多条指令)；可用于复杂功能；产品设计紧凑，可用于空间有限的场合；模块化结构，设计更加灵活；有不同性能档次的CPU模块可供选用；功能模块和I/O模块可选择；有可在露天恶劣条件下使用的模块类型等优点。

数据经过PLC处理后输送至上位机，由上位机进行结果显示以及实时监控，监控系统采用SIMATICWinCC—视窗控制中心，它是第一个使用最新的32位技术的过程监视系统，具有良好的开放性和灵活性。它具有通用的应用程序，适合所有工业领域的解决方案；多语言支持，全球通用；可以集成到所有自动化解决方案内；内置所有操作和管理功能，可简单、有效地进行组态；可基于Web持续延展，采用开放性标准，集成简便；集成的Historian系统作为IT和商务集成的平台；可用选件和附加件进行扩展；“全集成自动化”的组成部分，适用于所有工业和技术领域的解决方案。

可选择一台台式计算机搭载WINDOWSXP操作系统，作为平台上位机。装载WinCC6.2SP3软件进行组态监控。主机机箱上标准串口RS232C与S7-300通过MPI口连接。S7-300的接口模块与anybus-PCI接口卡相连接，实现PLC与数据采集器的相通。数据采集器的采集端可以视具体情况接入电表、电机，实现对实际用电电能的数据采集和整理分析。采集的主要数据包括频率、电压、电流、有功功率、无功功率、功率因数、温度、天气参数、电能质量。其中在实现对重要设备用电的电能质量进行检测时，如需要进行高级分析，可以综合考虑天气、耗电量；如进行常规分析，可以对电量、负荷、电费等数据多维分析，深入了解用电情况。

平台装置中的数据流程如图6所示。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims

1.基于用户用电数据的能效分析方法，其特征在于包括以下步骤：

1)设置决策表S＝<U_rR_rV_rf>，其中R＝C∪{d}是属性集合，子集C和{d}分别为条件属性和决策属性集，U＝{x₁，…,x_r，}是有限的对象集合；设置决策种类的个数为r(d)；属性a的值域V_a上的一个断点记为(a，c)，其中a∈R，c为实数值；选用中值序列作为候选典型分割点；

其中，并且任意的P＝∪_a∈RP_a定义一个新的决策表S^p＝<U^p，R^p，V^p，f^p>；

当新的信息系统有r(d)个决策属性，任一条件属性x离散成r(x)个区间时，有样本数：

其中，N_ij是区间中属于分类d_i的样本数目；N_j是区间中的样本数目，且有N_i是分类d_i中的样本数目，且有

属于集合X且属性a的值大于断点值的实例的个数记为：

其中，为属性a上的第m个断点，1≤m≤n_a，n_a为属性a的断点总数，是由断点可以分开的实例的集合，U为实例全集；则所有属于集合X且小于的实例个数和所有属于集合X且大于的实例个数分别记为：

根据上面离散化以后的结果形成可辨识矩阵：

2)对于约简以后得到的规则库，依次检查所有决策不同的规则，在以信息系统形式表示的规则中，如果两条规则的决策不同，而且条件属性之间对应相等或其中一条记录在值不相同的属性上被标为“*”，设置系统中全部条件属性数为m，其中规则A包含r₀个条件属性，规则B包含r_i个条件属性，则A规则相对于B规则的可信度ρ为：

如果不存在规则B，则设置r₁＝0；

2.根据权利要求1所述基于用户用电数据的能效分析方法，其特征在于还包括步骤3)设置待分类样本的特征向量集为{X1,X2,…,XN}，类的数目K事先设定；

4)取定K类和选取K个初始聚类中心，按照最小距离原则将各样本分配到K类中的某一类，之后不断计算类中心和调整各样本的类别，最终使各样本到其所属类别中心的距离平方之和最小。

3.根据权利要求2所述基于用户用电数据的能效分析方法，其特征在于所述步骤4)包括以下步骤：

b)将待分类样本特征向量集{Xi}中的样本逐个按最小距离原则划分给某一类，即如果则判

c)计算重新分类后的各类中心：

d)如果则算法结束，否则k＝k+1，转到c)中。