CN106093630B - 一种非侵入式家用电器辨识方法 - Google Patents

一种非侵入式家用电器辨识方法 Download PDF

Info

Publication number
CN106093630B
CN106093630B CN201610389361.9A CN201610389361A CN106093630B CN 106093630 B CN106093630 B CN 106093630B CN 201610389361 A CN201610389361 A CN 201610389361A CN 106093630 B CN106093630 B CN 106093630B
Authority
CN
China
Prior art keywords
data
spectral density
function
density function
household electrical
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.)
Expired - Fee Related
Application number
CN201610389361.9A
Other languages
English (en)
Other versions
CN106093630A (zh
Inventor
祁兵
韩璐
武昕
董超
孙毅
李彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201610389361.9A priority Critical patent/CN106093630B/zh
Publication of CN106093630A publication Critical patent/CN106093630A/zh
Application granted granted Critical
Publication of CN106093630B publication Critical patent/CN106093630B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Frequencies, Analyzing Spectra (AREA)

Abstract

本发明属于电力负荷识别技术领域，具体涉及一种非侵入式家用电器辨识方法。首先将家用电器设备看作独立的系统，采集单个电器的电流和电压波形，将电压作为输入数据，电流作为输出数据，通过测取系统在输入作用下的输出响应，计算输入输出序列的谱密度函数，得到子系统的系统特性，从而形成家用电器的系统特性特征库；然后采集家庭电力入口处总的电流和电压波形，计算总系统的系统特性，通过将总系频率响应的频率范围与特征库中子系统的频率响应频率范围匹配分析，判断出整体负荷系统的内部结构与成分组成，实现家用电器的辨识。本发明能够利用实测数据有效地辨识电器的种类，且算法简单，准确度高，并对负荷功率的动态波动具有鲁棒性。

Description

一种非侵入式家用电器辨识方法
技术领域
本发明属于电力负荷识别技术领域，具体涉及一种非侵入式家用电器辨识方法。
背景技术
随着智能电网的发展，电力负荷中居民用户用电负荷所占的比重越来越大，作为电力负荷的重要组成部分，居民负荷精细化管理日益引起社会的广泛关注。家用电器的在线监测是实现居民用户用电可视化的基础，它有助于用户了解家庭内不同时段各电器设备的具体能耗情况，据此来制定合理的用电计划，完善能源消费结构，促进能源有效利用，减少家庭电费开支。居民用户域负荷在线监测对推进整个社会的节能减排、缓解能源危机起着重要的作用。
电力负荷的在线监测分为传统的“侵入式”负荷监测和非侵入式负荷监测(Non-intrusive Load Monitoring,NILM)。相较于侵入式负荷监测，NILM在不干预被监测系统内部的前提下，实现对各用电设备运行状态和用电信息的在线监测，它只需要在被监测系统电力入口的配电板处安装用电信息采集装置，通过采集该处所有用电设备总的用电信息，并运用合适的数学分析计算方法进行处理和分析，结合不同用电设备的负荷特性，就能辨识并细化系统内各个负荷用电信息以及其运行状态，从而得到负荷集群中单个负荷的种类和运行情况。NILM设备投入少、安装使用方便，非常适用于居民用户用电负荷的监测。
负荷辨识算法是NILM的核心内容，现有研究或是通过监测电力入口处所有用电设备总的有功功率和无功功率的变化量来进行负荷辨识，或是采用小波变换等技术，通过对暂态信息分类实现负荷辨识。上述方法均是通过对暂态特征量的提取、转化来实现负荷的辨识，但切入点比较单一，实际环境下由于暂态特征的不确定性，其准确度将受到影响。
发明内容
为了解决上述问题，本发明提出了一种非侵入式家用电器辨识方法，其特征在于，所述方法具体包括
步骤1、利用安装在家庭电力入口处的采集装置，采集单个家用电器的电压和电流数据，将电压数据作为子系统的输入数据序列，电流数据作为输出数据序列，并进行数据存储；
步骤2、利用系统辨识方法计算输入输出数据序列的谱密度函数，进而得到子系统的频率响应，即系统特性；
步骤3、形成单个家用电器的系统频率响应特征库；
步骤4、采集电力入口处混合电器的总电流数据和总电压数据；
步骤5、利用步骤2的系统辨识方法估计总系统的系统特性；
步骤6、绘制系统幅频特性曲线，将总系统频率响应典型频率分量与特征库中子系统频率响应典型频率分量进行对比，确定总系统与子系统频率响应之间的加性函数；
步骤7、确定整体负荷系统的内部结构与成分组成，实现家用电器的辨识。
所述步骤2中利用系统辨识方法的具体步骤为
步骤201、对输入输出数据进行适当的预处理，去掉直流成分和低频漂移；
步骤202、计算输入自相关函数和输入输出互相关函数；
步骤203、对输入自相关函数和输入输出互相关函数分别进行傅里叶变换，即得样本谱密度函数；
步骤204、对谱密度函数进行加窗处理，获得平滑谱密度函数；
步骤205、计算频率响应。
所述输入自相关函数
输入输出互相关函数
L为数据长度，T0是采样时间，u(k)和z(k)表示采样获得有限长度的输入和输出数据序列，k＝1,2,…,L；Ru,L(l)为数据样本的自相关函数；Ruz,L(l)为数据样本的互相关函数，l是数据间隔，对输入自相关函数和输入输出互相关函数分别进行傅里叶变换，即得样本谱密度函数；
对谱密度函数进行平滑处理，平滑谱密度函数
其中，窗函数
Su,L(wr)为数据样本的自谱密度函数；Suz,L(wr)为数据样本的互谱密度函数；wr是角频率；是平滑谱密度函数，w(τ)为窗函数，an为系数，取a-1＝a1＝0.25，a0＝0.5，此时使用Hanning窗；τ代表时间，M为样本相关函数Rx,L(τ)的最大时间间隔；频率响应估计其中：为数据样本的平滑自谱密度函数，为数据样本的平滑互谱密度函数。
有益效果
本发明将家用电器设备看作独立的系统，每个系统都存在特有的系统特性，采用基于系统辨识方法来估计系统的频率响应。利用安装在电力入口处的采集装置，采集单个电器的电流和电压波形，将电压作为输入数据，电流作为输出数据，通过测取系统在输入作用下的输出响应，计算输入输出序列的谱密度函数来得到子系统的系统特性，从而形成单个电器的系统特性特征库；然后采集家庭电力入口处总的电流和电压波形，按照同样方法计算总系统的系统特性，根据输出信号的变化以及特征库中单个电器的曲线匹配分析，判断出整体负荷系统的内部结构与成分组成，实现家用电器的辨识。这种方法实施简单，提高了非侵入式负荷监测系统中家用电器辨识的准确性和识别效率，并对负荷功率的动态波动具有鲁棒性。
附图说明
图1为本发明家用电器辨识方法流程图；
图2为本发明的系统辨识理论示意图；
图3a-d为仿真所选取的典型家用电器电流曲线图，图3a为电视机电流曲线图，图3b为小太阳电流曲线图，图3c为微波炉电流曲线图，图3d为电水壶电流曲线图；
图4a-f为仿真所选取的家用电器混合电流曲线图，图4a为电视机与电水壶混合电流曲线图，图4b为电视机与小太阳混合电流曲线图，图4c为电视机与微波炉混合电流曲线图，图4d为小太阳与微波炉混合电流曲线图，图4e为小太阳与电水壶混合电流曲线图，图4f为微波炉与电水壶混合电流曲线图；
图5为本发明系统特性求解方法流程图；
图6a为小太阳和电视机单独运行时的幅频特性仿真曲线，图6b为小太阳和电视机单独运行时的相频特性仿真曲线；
图7a为小太阳和电视机混合运行时的幅频特性仿真曲线，图7b为小太阳和电视机混合运行时的相频特性仿真曲线；
图8a为微波炉和电视机单独运行时的幅频特性仿真曲线，图8b为微波炉和电视机单独运行时的相频特性仿真曲线；
图9a为微波炉和电视机混合运行时的幅频特性仿真曲线，图9b为微波炉和电视机混合运行时的相频特性仿真曲线；
图10a为小太阳和电水壶单独运行时的幅频特性仿真曲线，图10b为小太阳和电水壶单独运行时的相频特性仿真曲线；
图11a为小太阳和电水壶混合运行时的幅频特性仿真曲线，图11b为小太阳和电水壶混合运行时的相频特性仿真曲线；
图12a为微波炉和电水壶单独运行时的幅频特性仿真曲线，图12b为微波炉和电水壶单独运行时的相频特性仿真曲线；
图13a为微波炉和电水壶混合运行时的幅频特性仿真曲线，图13b为微波炉和电水壶混合运行时的相频特性仿真曲线。
具体实施方式
下面结合附图，对本发明作详细说明。本发明提出了一种非侵入式家用电器辨识方法，选取电水壶、小太阳、电视机和微波炉作为典型电器进行仿真，并结合附图对本发明进一步说明。
图1是本发明非侵入式家用电器辨识方法流程图。具体包括：
步骤1、利用安装在家庭电力入口处的采集装置，采集单个家用电器的电压和电流数据，将电压数据作为子系统的输入数据序列，电流数据作为输出数据序列，并进行数据存储；
步骤2、利用系统辨识方法计算输入输出数据序列的谱密度函数，进而得到子系统的频率响应，即系统特性；
步骤3、形成单个家用电器的系统频率响应特征库；
步骤4、采集电力入口处混合电器的总电流数据和总电压数据；
步骤5、利用步骤2的系统辨识方法估计总系统的系统特性；
步骤6、绘制系统幅频特性曲线，将总系统频率响应典型频率分量与特征库中子系统频率响应典型频率分量进行对比，确定总系统与子系统频率响应之间的加性函数；
步骤7、确定整体负荷系统的内部结构与成分组成，实现家用电器的辨识。
图2是本发明所采用系统辨识理论示意图，家用电器设备均可看作独立的系统，系统输入为电压，输出为电流。当有多个负荷投入运行时，则相当于多个子系统并联，非侵入机制下所形成的总系统频率响应理论上等于各投入运行负荷的频率响应之和。将所采集的电力入口处电流波形作为负荷系统的输出，根据输出信号的变化判断出整体负荷系统的内部结构与成分组成。
图3a-d为仿真所选取的典型家用电器电流曲线图，图3a为电视机电流曲线图，图3b为小太阳电流曲线图，图3c为微波炉电流曲线图，图3d为电水壶电流曲线图，不同种类的家用电器的稳态电流特性是不同的。
图4a-f为仿真所选取的家用电器混合电流曲线图。图4a为电视机与电水壶混合电流曲线图，图4b为电视机与小太阳混合电流曲线图，图4c为电视机与微波炉混合电流曲线图，图4d为小太阳与微波炉混合电流曲线图，图4e为小太阳与电水壶混合电流曲线图，图4f为微波炉与电水壶混合电流曲线图；当四种电器中有两个负荷投入运行时，非侵入机制下所采集的混合电流信号基本等于各投入运行负荷电流之和，即总系统的输出等于子系统的输出之和。
图5为本发明系统特性求解方法流程图。负荷单独作用时所表现的特性，即为系统的频率响应，当有多个负荷投入运行时，相当于多个子系统并联，则非侵入机制下所形成的总系统频率响应理论上等于各投入运行负荷的频率响应之和，计算公式为：
本发明利用系统辨识方法来估计系统的频率响应，其具体步骤为：
步骤1：对输入输出数据进行适当的预处理，去掉直流成分和低频漂移；
步骤2：计算样本的相关函数；
步骤3：计算样本的谱密度函数；
步骤4：对谱密度函数进行加窗处理，获得平滑谱密度函数；
步骤5：计算频率响应；
步骤6：绘制幅频特性曲线；
步骤7：分析各个家用电器的幅频特性曲线，实现家用电器的辨识。
样本输入自相关函数的计算公式为：
样本输入输出互相关函数计算公式为：
对输入自相关函数和输入输出互相关函数分别进行傅里叶变换，即得样本谱密度函数，计算公式为：
由于计算的样本谱密度函数不一定是一致估计量，为了获得谱密度函数的一致估计量，利用Blackman-Tukey提出的数据窗技术，对谱密度函数进行平滑处理，平滑谱密度函数的计算公式为：
其中，窗函数取：
式中，M为样本相关函数的最大时间间隔，取a-1＝a1＝0.25，a0＝0.5，此时使用Hanning窗；
计算频率响应估计为：
图6a为小太阳和电视机单独运行时的幅频特性仿真曲线，图6b为小太阳和电视机单独运行时的相频特性仿真曲线。由图中可看出，小太阳在50HZ、250HZ和450HZ处有明显的频率分量，幅值分别是0.7738、0.7052和0.6936；电视机在50HZ、150HZ、250HZ、350HZ、450HZ和550HZ处有频率分量，电视机的幅度最小值为0.65，最大值在150HZ，为0.77左右。
图7a为小太阳和电视机混合运行时的幅频特性仿真曲线，图7b为小太阳和电视机混合运行时的相频特性仿真曲线。混合频谱在50HZ、150HZ、250HZ、350HZ、450HZ和550HZ处有频率分量，根据本发明专利的方法，两个系统并联，总系统特性为分系统特性叠加，图6a-b中频率分量可以看出是电视机和小太阳叠加的结果，即混合系统特性包含两个分系统的特性，所以可以辨识出混合电器是小太阳和电视机。
图8a为微波炉和电视机单独运行时的幅频特性仿真曲线，图8b为微波炉和电视机单独运行时的相频特性仿真曲线。图9a为微波炉和电视机混合运行时的幅频特性仿真曲线，图9b为微波炉和电视机混合运行时的相频特性仿真曲线。微波炉在50HZ-2250HZ处均有频率分量，幅度最小值为0.66，最大值在150HZ，为0.84左右。电视机在50HZ、150HZ、250HZ、350HZ、450HZ和550HZ处有频率分量，电视机的幅度最小值为0.65，最大值在150HZ，为0.77左右。二者混合运行时，在50HZ-750HZ处有频率分量，幅度最小值为0.7，最大值在150HZ，为0.84左右，经过系统辨识估计频响方法，微波炉的偶次谐波被平滑，表现为总系统的频率响应更为平缓。
图10a为小太阳和电水壶单独运行时的幅频特性仿真曲线，图10b为小太阳和电水壶单独运行时的相频特性仿真曲线。图11a为小太阳和电水壶混合运行时的幅频特性仿真曲线，图11b为小太阳和电水壶混合运行时的相频特性仿真曲线。小太阳和电水壶均为纯电阻电器，频率响应曲线中，二者较为明显的奇次谐波均为50HZ、150HZ和250HZ，幅度不同，同时投入运行时，总系统的频率响应包含各子系统频率响应的频率分量，且幅值大于子系统的最大值。
图12a为微波炉和电水壶单独运行时的幅频特性仿真曲线，图12b为微波炉和电水壶单独运行时的相频特性仿真曲线。图13a为微波炉和电水壶混合运行时的幅频特性仿真曲线，图13b为微波炉和电水壶混合运行时的相频特性仿真曲线。微波炉和纯电阻电器电水壶同时接入时，微波炉特有的偶次谐波均保留在混合频率响应中，且频率越大，偶次谐波幅值越来越小，即越来越平滑。
由于系统线路的损耗，频率响应估计算法的误差，以及系统中噪声的干扰，导致仿真结果与理论有一定的偏差，但不影响实际辨识结果。

Claims (2)

1.一种非侵入式家用电器辨识方法，其特征在于，所述方法具体包括
步骤1、利用安装在家庭电力入口处的采集装置，采集单个家用电器的电压和电流数据，将电压数据作为子系统的输入数据序列，电流数据作为输出数据序列，并进行数据存储；
步骤2、利用系统辨识方法计算输入输出数据序列的谱密度函数，进而得到子系统的频率响应，即系统特性；
步骤3、形成单个家用电器的系统频率响应特征库；
步骤4、采集电力入口处混合电器的总电流数据和总电压数据；
步骤5、利用步骤2的系统辨识方法估计总系统的系统特性；
步骤6、绘制系统幅频特性曲线，将总系统频率响应典型频率分量与特征库中子系统频率响应典型频率分量进行对比，确定总系统与子系统频率响应之间的加性函数；
步骤7、确定整体负荷系统的内部结构与成分组成，实现家用电器的辨识；
所述步骤2中利用系统辨识方法的具体步骤为
步骤201、对输入输出数据进行适当的预处理，去掉直流成分和低频漂移；
步骤202、计算输入自相关函数和输入输出互相关函数；
步骤203、对输入自相关函数和输入输出互相关函数分别进行傅里叶变换，即得样本谱密度函数；
步骤204、对谱密度函数进行加窗处理，获得平滑谱密度函数；
步骤205、计算频率响应。
2.根据权利要求1所述的非侵入式家用电器辨识方法，其特征在于，所述输入自相关函数
输入输出互相关函数
L为数据长度，T0是采样时间，u(k)和z(k)表示采样获得有限长度的输入和输出数据序列，k＝1,2,…,L；Ru,L(l)为数据样本的自相关函数；Ruz,L(l)为数据样本的互相关函数，l是数据间隔，对输入自相关函数和输入输出互相关函数分别进行傅里叶变换，即得样本谱密度函数；
对谱密度函数进行平滑处理，平滑谱密度函数其中，窗函数
Su,L(wr)为数据样本的自谱密度函数；Suz,L(wr)为数据样本的互谱密度函数；wr是角频率；是平滑谱密度函数，w(τ)为窗函数，an为系数，取a-1＝a1＝0.25，a0＝0.5；τ代表时间，M为样本相关函数Rx,L(τ)的最大时间间隔；频率响应估计其中：为数据样本的平滑自谱密度函数，为数据样本的平滑互谱密度函数。
CN201610389361.9A 2016-06-02 2016-06-02 一种非侵入式家用电器辨识方法 Expired - Fee Related CN106093630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610389361.9A CN106093630B (zh) 2016-06-02 2016-06-02 一种非侵入式家用电器辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610389361.9A CN106093630B (zh) 2016-06-02 2016-06-02 一种非侵入式家用电器辨识方法

Publications (2)

Publication Number Publication Date
CN106093630A CN106093630A (zh) 2016-11-09
CN106093630B true CN106093630B (zh) 2019-01-15

Family

ID=57447174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610389361.9A Expired - Fee Related CN106093630B (zh) 2016-06-02 2016-06-02 一种非侵入式家用电器辨识方法

Country Status (1)

Country Link
CN (1) CN106093630B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106646026A (zh) * 2016-11-11 2017-05-10 华北电力大学 一种非侵入式家电负荷识别方法
CN106680621B (zh) * 2016-12-02 2019-02-05 华北电力大学 一种基于电流信号分离的居民负荷用电识别方法
CN107330517B (zh) * 2017-06-14 2021-08-06 华北电力大学 一种基于S_Kohonen非侵入式居民负荷识别方法
CN108345220A (zh) * 2017-12-21 2018-07-31 西安奇妙电子科技有限公司 用电设备的属性识别方法、装置、电子设备及存储介质
CN108594041B (zh) * 2018-04-23 2020-06-16 中国计量大学 一种针对非侵入式家居电力负荷监测装置的检测平台
CN108828358A (zh) * 2018-06-15 2018-11-16 深圳华建电力工程设计有限公司 非侵入式电力用户电器能耗分解方法及其系统
CN108828406A (zh) * 2018-06-19 2018-11-16 深圳安顺通电力物联服务有限公司 非侵入式用户用电的故障识别方法及其系统
CN109299134B (zh) * 2018-09-18 2021-06-22 四川长虹电器股份有限公司 一种非侵入式监测系统下电器的识别方法
CN109447473B (zh) * 2018-10-30 2022-02-15 南方电网科学研究院有限责任公司 一种电力负荷监测方法、装置、设备及可读存储介质
CN111355243B (zh) * 2018-12-24 2022-09-27 国网江苏省电力有限公司无锡供电分公司 一种用电负荷辨识方法及装置
CN109946543B (zh) * 2019-03-28 2020-04-21 西南交通大学 用于非侵入式负荷监测的v-i图样本数据集筛选方法
CN111239484A (zh) * 2019-12-27 2020-06-05 国网山西省电力公司大同供电公司 一种非居民用户非侵入式负荷用电信息采集方法
CN111751614B (zh) * 2020-06-29 2023-08-04 深圳供电局有限公司 一种基于ModBus非侵入式用电数据测试系统及其方法
CN114943367A (zh) * 2022-04-18 2022-08-26 石家庄科林电气股份有限公司 基于bp神经网络模型的非侵入式负荷识别方法
CN115700963B (zh) * 2022-12-09 2023-07-07 无锡市联合电控设备有限公司 基于非侵入式感知技术的变压器管理方法及系统
CN116028853B (zh) * 2023-02-14 2023-09-12 华北电力大学 一种基于知识图谱的家庭电器识别方法与系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997025625A1 (en) * 1996-01-05 1997-07-17 Massachusetts Institute Of Technology Transient event detector for monitoring electrical loads
CN101038327A (zh) * 2007-04-03 2007-09-19 天津大学 电力系统非侵入式感应电动机动态参数辨识方法
CN103001230A (zh) * 2012-11-16 2013-03-27 天津大学 非侵入式电力负荷监测与分解的电流模式匹配方法
CN103018611A (zh) * 2012-12-27 2013-04-03 中国科学院计算技术研究所 一种基于电流分解的非侵入式负载监测方法及系统
CN103116098A (zh) * 2013-01-25 2013-05-22 重庆大学 一种基于互相关系数的家用电器运行状态识别方法
CN103217603A (zh) * 2013-03-22 2013-07-24 重庆大学 一种非侵入式家用电器用电状况在线监测的识别方法
CN103998942A (zh) * 2010-12-13 2014-08-20 美国弗劳恩霍夫股份公司 用于非侵入式负载监测的方法和系统
US9020769B2 (en) * 2009-01-26 2015-04-28 Geneva Cleantech Inc. Automatic detection of appliances
CN105429135A (zh) * 2015-12-08 2016-03-23 河南许继仪表有限公司 一种非侵入式电力负荷分解的辨识决策方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997025625A1 (en) * 1996-01-05 1997-07-17 Massachusetts Institute Of Technology Transient event detector for monitoring electrical loads
CN101038327A (zh) * 2007-04-03 2007-09-19 天津大学 电力系统非侵入式感应电动机动态参数辨识方法
US9020769B2 (en) * 2009-01-26 2015-04-28 Geneva Cleantech Inc. Automatic detection of appliances
CN103998942A (zh) * 2010-12-13 2014-08-20 美国弗劳恩霍夫股份公司 用于非侵入式负载监测的方法和系统
CN103001230A (zh) * 2012-11-16 2013-03-27 天津大学 非侵入式电力负荷监测与分解的电流模式匹配方法
CN103018611A (zh) * 2012-12-27 2013-04-03 中国科学院计算技术研究所 一种基于电流分解的非侵入式负载监测方法及系统
CN103116098A (zh) * 2013-01-25 2013-05-22 重庆大学 一种基于互相关系数的家用电器运行状态识别方法
CN103217603A (zh) * 2013-03-22 2013-07-24 重庆大学 一种非侵入式家用电器用电状况在线监测的识别方法
CN105429135A (zh) * 2015-12-08 2016-03-23 河南许继仪表有限公司 一种非侵入式电力负荷分解的辨识决策方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
The Detection Method of Load Transient Characteristics Based on Second-order Statistics;Qi,B等;《ACSR-Advances in Comptuer Science Research》;20160131;第30卷;第150-154页
居民用户家用电器负荷控制策略研究;熊克卿等;《智能电网》;20150831;第3卷(第8期);第721-725页
非侵入式电力负荷的辨识和监测;朱德省等;《电测与仪表》;20150818;第52卷(第16A期);第133-138页

Also Published As

Publication number Publication date
CN106093630A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106093630B (zh) 一种非侵入式家用电器辨识方法
CN107025365B (zh) 一种用于用户侧的非侵入负荷辨识方法
Dinesh et al. Residential appliance identification based on spectral information of low frequency smart meter measurements
CN109490679B (zh) 基于非侵入式负荷监测的智能窃电稽查系统及方法
CN105067966B (zh) 基于特征模态分量能量分析的低压交流故障电弧检测方法
CN103001230B (zh) 非侵入式电力负荷监测与分解的电流模式匹配方法
CN103116098B (zh) 一种基于互相关系数的家用电器运行状态识别方法
CN106646026A (zh) 一种非侵入式家电负荷识别方法
Yu et al. Nonintrusive appliance load monitoring for smart homes: Recent advances and future issues
CN107121609A (zh) 一种基于prbs扰动注入的电网阻抗在线辨识方法及装置
CN106872824A (zh) 一种电网负载电器类型识别和不同电器电量统计的方法及其装置
CN103163380A (zh) 基于LabVIEW开发平台的微欧级电阻测量系统
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
CN106680621B (zh) 一种基于电流信号分离的居民负荷用电识别方法
CN102222911A (zh) 基于ar模型和卡尔曼滤波的电力系统间谐波估计方法
Zhang et al. An improved non-intrusive load monitoring method for recognition of electric vehicle battery charging load
CN105676028B (zh) 一种基于模板匹配滤波的居民负荷用电识别方法
CN113030564A (zh) 一种基于双芯智能电表系统下的负荷识别方法
Bucci et al. Load identification system for residential applications based on the NILM technique
CN111551783A (zh) 一种非侵入式的家用电吹风辨识方法
CN105486945A (zh) 一种10kV线路线损异常的判断方法
CN114966275A (zh) 非侵入式居民负荷监测方法和装置
CN207472983U (zh) 一种基于prbs扰动注入的电网阻抗在线辨识装置
Liu et al. Identification of major power quality disturbance sources in regional grid based on monitoring data correlation analysis
Wu et al. A nonintrusive fast residential load identification algorithm based on frequency‐domain template filtering

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190115

Termination date: 20190602

CF01 Termination of patent right due to non-payment of annual fee