CN105759113B - 一种电动汽车充电的非侵入式负荷监测与分解方法 - Google Patents

Abstract

本发明公开了一种电动汽车充电的非侵入式负荷监测与分解方法，首先对拟合信号进行阈值处理，获得大致估计的电动汽车充电负荷信号。然后将阈值处理后的拟合信号进行遍历，查找短时间片段的负荷信号，并对各个负荷信号进行判断是否满足“删除片段”的条件，对满足条件的“删除片段”进行过滤。接着，根据主峰个数与类型的对应关系对过滤后的拟合信号进行分类处理。最后，针对片段的类型采用对应的分解方法对片段进行分解，重建电动汽车充电方波信号，并将重建后的电动汽车充电方波信号作为电动汽车充电的负荷信号。本发明有效避免了在多个用电设备同时投入使用时信号之间的干扰，提高了监测结果的准确性。

Description

一种电动汽车充电的非侵入式负荷监测与分解方法

技术领域

本发明涉及电力负荷监测技术领域，是一种针对电动汽车充电的非侵入式负荷监测与分解的方法。

背景技术

在我国社会生产和生活中，电能已经成为重要的能源消费形式。电力负荷监测对电力用户和电力公司节能减排和电力系统规划及运行都具有十分重要的意义，一方面电力负荷监测技术能够使电力用户更为详细的了解不同时段各类用电设备的电能消耗，帮助其制定合理的节能计划，调整用电设备的使用，有针对性的购买节能装备，检验节能计划和节能装备的成效。从而使电力用户在不影响其正常的生产、生活的前提下，降低电能消耗，减少电费开发。另一方面，该技术还有助于电力公司更为真实的了解电力系统的负荷组成，规范电力系统投资，降低系统的运行网耗，缩短电力用户的停电时间。负荷监测可以提供不同层面更为详细的电能使用数据，有助于研究人员更好的把握电力负荷的发展趋势，从而改善电力负荷预测精度，将电力系统规划提供更为准确的依据。

现有的电力负荷监测技术大致分为两类：侵入式负荷监测技术和非侵入式负荷监测与分解技术。侵入式负荷监测通过在各个用电设备的电源端口安装电压、电流传感器，实时获取用电设备的的负荷数据。通过此方法测得的数据较为准确，但实施难度大，经济成本高，不适合大范围内推广使用。与侵入式负荷监测不同，非侵入式负荷监测通过对电力负荷入口处的电压、电流和功率信息进行测量、分析，从而得到负荷内部不同用电设备实时的功率消耗比例，实现电力负荷分解。

实现非侵入式负荷监测与分解的基本前提是提取用电设备的负荷特征，目前鲜有与电动汽车充电时负荷特征与能量分解相关的研究。此外，在非侵入式负荷监测与分解技术中，由于用电设备的多样性，当不同类型的用电设备大量投入/切出时，用电设备负荷信号的相互干扰易导致监测结果产生误差。

发明内容

本发明要解决的技术问题是针对电动汽车充电时，不同类型的用电设备负荷信号间相互干扰所导致的监测结果产生误差，用以提高监测结果的准确性。

本发明的基本原理为：根据各用电设备在投入使用时产生的不同的负荷特征，对记录用户一定时间内用电情况的拟合信号进行分类处理，实现电动汽车负荷信号的分解和重建。在家庭用户中，电动汽车充电负荷波形为持续时间较长的高振幅方波，其振幅高于3kW且持续时间介于30至200分钟。

本发明提供针对电动汽车的非侵入式负荷监测与分解方法，具体实现步骤如下：

该方法的具体实现步骤如下，

步骤(1)：对拟合信号x(t)进行阈值处理，用来获得粗略估计的电动汽车充电负荷信号x(t)，即若干个片段；阈值处理后的拟合信号公式如下：

在家庭用户中，电动汽车充电负荷波形为持续时间较长的高振幅方波，其振幅高于3kW且持续时间介于30至200分钟。阈值定义为 代数符号表示根据定义相等，x(k)为x(t)中的采样点，|x(k)＞2|用于计算幅值大于2kW的采样点个数；

步骤(2)：从经过阈值处理后的拟合信号x(t)中，选出持续时间短于20分钟的片段T_seed，并标记为“删除片段”；

步骤(3)：依次向前和向后查找，判断是否存在持续时间短于D，且与T_seed之间距离间隔不超过3D_cur的片段，其中D_cur表示当前T_seed的持续时间，η是延时参数，在本方法中η取1.2；如果存在满足条件的T_seed，将与它最近的片段标记为“删除片段”并设为新的T_seed，然后重复本步骤，直至所有T_seed遍历完成；对于不满足条件的T_seed，转至下一个T_seed，并重复本步骤；

步骤(4)：对所有T_seed遍历完成后，将x(t)中所有标记为“删除片段”的T_seed删除，完成过滤；

步骤(5)：根据信号波形特征对过滤后的片段S(t)进行分类定义，类型一：S(t)中只包括V₃或者S(t)中V₁与V₃在持续时间大致重合；类型二：S(t)只包括V₁或者V₂中的一个，或者S(t)中V₁与V₃在持续时间上小范围的重合，或者S(t)中V₂与V₃有重合；类型三：S(t)中V₁与V₂有重合或者V₁、V₂和V₃三者都有重合；其中V₁,V₂,V₃分别表示电动汽车信号波形，空调信号波形和其他电器信号波形；

步骤(6)：将S(t)进行如下累积计数函数处理：f(c)＝<S(t)＞c>其中c表示从0到max(S(t))的幅度阈值，操作符<S(t)＞c>用于计算S(t)中幅度大于c的采样点个数；如果c＝0，则f(c)为S(t)中非零采样点的个数.如果c＝max(S(t))，则f(c)为0；接着，在S(t)中找出相互距离大于2kW并且波形幅度大于0.2max(g)的点，即主峰，其中g代表f(c)的梯度；

步骤(7)：将计算得到的主峰个数和信号波形特征确定S(t)的类型：主峰个数为2时对应类型三；主峰个数为1时对应类型二；主峰个数为0时对应类型一；对于主峰个数多于2个的情况，将梯度g做进一步处理如果S(t)的面积大于以g_n为边长的正方形面积的35％，则对应类型一，否则对应类型三；

步骤(8)：根据S(t)对应的类型进行能量分解；针对类型一，计算其有效高度；若有效高度小于5.5kW，则S(t)为V₃，从x(t)中删除此S(t)；若有效高度大于5.5kW，S(t)为V₁与V₃在持续时间大致重合的复合信号，通过S(t)计算有效高度和有效宽度重建电动汽车的方波信号；针对类型二：计算有效高度和有效宽度；如果存在有效宽度异常大(大于250min)，有效高度低于3kW的情况，表示不是电动汽车负荷信号，从x(t)中删除该S(t)；如果不存在，则将计算得出的有效高度和有效宽度重建电动汽车充电的方波信号；针对类型三：首先对重合信号进行阈值处理，T_high＝T_low+2.5(kw)，T_high为新的阈值并重复步骤(1)，获得S(t)顶部的子片段；然后，计算S(t)的有效宽度，若有效宽度异常大(大于250min)，则S(t)底部的子片段表示V₂或V₃，S(t)顶部的子片段为电动汽车的负荷信号；最后，对S(t)顶部的每个子片段计算有效宽度和真实高度，重建电动汽车充电方波信号；

步骤(9)：将x(t)中各S(t)重建的电动汽车充电方波信号作为电动汽车充电的负荷信号。

有益效果

本发明采用的针对电动汽车充电时的非侵入式负荷监测与分解方法，在多个用电设备与电动汽车同时投入使用的情况下对负荷信号进行分类处理，对分类后负荷信号采用对应的分解方法，能有效减轻用电设备间的干扰，提高对电动汽车充电时监测结果的准确性。

附图说明

图1为本发明的方法流程图。

图2为记录用户一天内用电情况的拟合信号。

图3为电动汽车负荷信号的真实值。

图4为采用本发明分解方法后得到的电动汽车负荷信号估算值。

具体实施方式

以记录用户一天内的用电情况的拟合信号为例，并结合附图说明本发明提供的方法的具体实施步骤：

步骤(1)：根据记录用户一天内用电情况的拟合信号x(t)进行阈值处理，可以得到粗略估计的电动汽车充电负荷信号x(t)，x(t)如图2所示，其中横坐标表示时间，单位为分钟，纵坐标表示用电负荷幅度，单位为W。

步骤(2)：阈值处理后，x(t)由若干个片段组成。在x(t)中找出持续时间短于20分钟的片段T_seed，在横坐标200min前、1000min前和1400min左右都有T_seed存在，并对T_seed进行标记。

步骤(3)：从第一个开始依次向前和向后查找，判断它附近是否有存在持续时间短于D，且与T_seed之间距离间隔不超过3D_cur的片段。此时，第一个T_seed的持续时间10min，即D_cur为10min或3D_cur为30min，D为22min。对满足条件的片段进行标记。

步骤(4)：重复步骤(3)，遍历x(t)中所有T_seed，对标记了的片段进行删除，完成过滤。

步骤(5)：采用累积计数函数对过滤后的负荷信号S(t)进行处理，计算累积计数函数的梯度，接着在S(t)中找出相互距离大于2kW并且波形幅度大于0.2max(g)的点，即主峰。在200min处有2个主峰点，1200min处有3个主峰点。

步骤(6)：根据步骤(5)中得到的主峰个数，确定S(t)在200min处对应类型三。由于1200min处主峰个数多于2个，采用归一化梯度函数作进一步处理，此时，以g_n为边长正方形面积的35％小于S(t)的面积，即对应类型一。

步骤(7)：根据S(t)的类型对x(t)进行能量分解。在200min处计算有效高度，此时有效高度大于5.5kW，还需计算有效宽度，然后将有效宽度和有效高度作为持续时间和负荷幅度重建电动汽车方波信号。在1200min处，首先对重合信号进行阈值处理，T_high＝T_low+2.5(kw)，并将T_high为新的阈值并重复步骤(1)，得到S(t)顶部的子片段。接着，计算S(t)的有效宽度，约130min，得出充电汽车充电负荷信号为S(t)底部的子片段。然后，对S(t)顶部的每个子片段计算有效宽度和真实高度，真实高度为3.5kW。最后，将有效宽度和真实高度作为持续时间和负荷幅度重建电动汽车充电方波信号。

步骤(8)：将上一步骤中重建的电动汽车充电方波信号作为电动汽车充电的负荷信号。电动汽车充电负荷信号真实值为图3，重建后的充电汽车负荷信号如图4。

Claims (1)

1.一种电动汽车充电的非侵入式负荷监测与分解方法，根据各用电设备在投入使用时产生的不同的负荷特征，对记录用户一定时间内用电情况的拟合信号进行分类处理，实现电动汽车负荷信号的分解和重建；

其特征在于：该方法的具体实现步骤如下，

步骤(1)：对拟合信号x(t)进行阈值处理，用来获得粗略估计的电动汽车充电负荷信号x(t)，即若干个片段；阈值处理后的拟合信号公式如下：

在家庭用户中，电动汽车充电负荷波形为持续时间较长的高振幅方波，其振幅高于3kW且持续时间介于30至200分钟；阈值定义为 代数符号表示根据定义相等，x(k)为x(t)中的采样点，|x(k)＞2|用于计算幅值大于2kW的采样点个数；

步骤(2)：从经过阈值处理后的拟合信号x(t)中，选出持续时间短于20分钟的片段T_seed，并标记为“删除片段”；

步骤(3)：依次向前和向后查找，判断是否存在持续时间短于D，且与T_seed之间距离间隔不超过3D_cur的片段，其中D_cur表示当前T_seed的持续时间，η是延时参数，在本方法中η取1.2；如果存在满足条件的T_seed，将与它最近的片段标记为“删除片段”并设为新的T_seed，然后重复本步骤，直至所有T_seed遍历完成；对于不满足条件的T_seed，转至下一个T_seed，并重复本步骤；

步骤(4)：对所有T_seed遍历完成后，将x(t)中所有标记为“删除片段”的T_seed删除，完成过滤；

步骤(5)：根据信号波形特征对过滤后的片段S(t)进行分类定义，类型一：S(t)中只包括V₃或者S(t)中V₁与V₃在持续时间大致重合；类型二：S(t)只包括V₁或者V₂中的一个，或者S(t)中V₁与V₃在持续时间上小范围的重合，或者S(t)中V₂与V₃有重合；类型三：S(t)中V₁与V₂有重合或者V₁、V₂和V₃三者都有重合；其中V₁,V₂,V₃分别表示电动汽车信号波形，空调信号波形和其他电器信号波形；

步骤(6)：将S(t)进行如下累积计数函数处理：f(c)＝<S(t)＞c>其中c表示从0到max(S(t))的幅度阈值，操作符<S(t)＞c>用于计算S(t)中幅度大于c的采样点个数；如果c＝0，则f(c)为S(t)中非零采样点的个数.如果c＝max(S(t))，则f(c)为0；接着，在S(t)中找出相互距离大于2kW并且波形幅度大于0.2max(g)的点，即主峰，其中g代表f(c)的梯度；

步骤(7)：将计算得到的主峰个数和信号波形特征确定S(t)的类型：主峰个数为2时对应类型三；主峰个数为1时对应类型二；主峰个数为0时对应类型一；对于主峰个数多于2个的情况，将梯度g做进一步处理如果S(t)的面积大于以gn为边长的正方形面积的35％，则对应类型一，否则对应类型三；

步骤(8)：根据S(t)对应的类型进行能量分解；针对类型一，计算其有效高度；若有效高度小于5.5kW，则S(t)为V₃，从x(t)中删除此S(t)；若有效高度大于5.5kW，S(t)为V₁与V₃在持续时间大致重合的复合信号，通过S(t)计算有效高度和有效宽度重建电动汽车的方波信号；针对类型二：计算有效高度和有效宽度；如果存在有效宽度异常大(大于250min)，有效高度低于3kW的情况，表示不是电动汽车负荷信号，从x(t)中删除该S(t)；如果不存在，则将计算得出的有效高度和有效宽度重建电动汽车充电的方波信号；针对类型三：首先对重合信号进行阈值处理，T_high＝T_low+2.5(kw)，T_high为新的阈值并重复步骤(1)，获得S(t)顶部的子片段；然后，计算S(t)的有效宽度，若有效宽度异常大(大于250min)，则S(t)底部的子片段表示V₂或V₃，S(t)顶部的子片段为电动汽车的负荷信号；最后，对S(t)顶部的每个子片段计算有效宽度和真实高度，重建电动汽车充电方波信号；

步骤(9)：将x(t)中各S(t)重建的电动汽车充电方波信号作为电动汽车充电的负荷信号。