CN106124850A - 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法 - Google Patents

Abstract

本发明公开了一种基于相似度算法的用于家用智能电表的负荷系统，包括家用智能电表、稳态功率检测模块、暂态功率检测模块、比较器、中央处理器、通信模块、数据库和服务器。本发明还公开了该基于相似度算法的用于家用智能电表的负荷识别系统的负荷识别方法。本发明涉及基于相似度算法的用于家用智能电表的负荷识别方法，其技术特点是取家用电器正常工作时的稳态和暂态功率特性作为特征参数，通过比较测量特征参数与家用电器负荷特征参数数据库的相似度来确定用电负荷的类别、工作状态，然后匹配开关事件得到各种家用电器相应的耗电量。相较于现有技术，本发明实现了不需要事先经过样本数据训练或学习过程，就能识别出家庭中典型的阻性和非阻性电器，给用户提供像电话清单一样的用电清单，便于用户调整和规划电器的使用来达到节能的目的。

Description

一种基于相似度算法的用于家用智能电表的负荷识别系统及 其负荷识别方法

技术领域

本发明属于智能电表技术领域，具体涉及一种利用家用智能电表进行负荷识别的方法。

背景技术

负荷识别作为家用智能电表的重要技术，能够将功率总量细化到负荷内部各个主要家用电器，给用户提供像电话清单一样的用电清单，指导用户合理家庭用电，降低用户的用电成本，提高电能的利用率。当前，负荷识别方法有侵入式负荷识别方法和非侵入式负荷识别方法。侵入式负荷识别方法虽然能够较为精确地计量出设备的功率消耗，但需要加装电表或传感器，影响用户正常的生产和生活，而且成本较高，不适宜全面推广。非侵入式负荷识别方法局限于只能识别出大功率的阻性家用电器，对于非阻性负荷、功率相同的负荷以及小功率负荷都不能识别出来。本发明涉及的负荷识别方法属于非侵入式负荷识别方法，运用相似度算法快速识别负荷的方法，以家用电器的稳态功率、暂态功率作为识别的特征参数，选择测量数据与数据库模板的最大相似度来确定用电负荷的类别、相应的工作状态和用电量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种方法简便，准确可靠的基于相似度算法的用于家用智能电表的负荷识别方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于相似度算法的用于家用智能电表的负荷系统，包括家用智能电表、稳态功率检测模块、暂态功率检测模块、比较器、中央处理器、通信模块、数据库和服务器，

其特征在于，

所述家用智能电表，记录用电量；并将用电量参数发送至中央处理器；

所述稳态功率检测模块检测用户家电开启后或关闭前的有功功率和无功功率稳态值，获得稳态功率参数；

所述暂态功率检测模块检测用户家电启动或关闭时上升沿或下降沿的功率最大瞬时变化值，获得暂态功率参数；

所述比较器，将家电启动前后稳态功率参数相减，获得家电稳态功率参数；将家电暂态功率参数和家电启动前稳态功率参数相减，获得家电启动暂态功率参数；将获得的家电稳态功率参数、家电启动暂态功率参数分别和数据库中家电的稳态功率参数和家电的暂态功率参数进行对比，找出参数最接的近对应家电，获得家电参数；

所述中央处理器，记录所述家用智能电表发送的用电量参数、所述比较器发送的家电参数，进行数据加密后通过通信模块发往服务器；

所述通信模块，将中央处理器处理的数据发往服务器，将数据库中的信息发送至所述比较器；

所述数据库，存储家电负荷特征参数，包括家电的稳态功率参数和家电的暂态功率参数，并通过通信模块发往比较器；

所述服务器，对中央处理器发送的数据进行解密，并定期将用电参数和家电参数发送至用户。

作为优化，还有时钟模块，所述时钟模块向所述家用智能电表、所述稳态功率检测模块、所述暂态功率检测模块和所述中央处理器进行时间校时。

一种基于相似度算法的用于家用智能电表的负荷识别系统的负荷识别方法，包括以下步骤，

(1)建立常用家用电器负荷特征参数数据库，将常用家用电器与家电的稳态功率参数和家电的暂态功率参数一一对应；

(2)对家庭用电进行在线监测，获取家电的稳态功率参数和暂态功率参数；

(3)当检测到有电器开启或关闭时，计算它与数据库电器模板之间的相似度δ，根据最大相似度确定此时动作的负荷类型；

(4)判断在某个时刻动作的负荷类型，按照时间顺序和逻辑关系可以得到合理的事件匹配表，得到用电清单，以实现便于用户调整和规划电器的使用来达到节能的目的。

作为优化，步骤1所述获取建立家用电器负荷特征参数数据库方法是，单独使用家用电器时，实测其正常工作状态下的特征参数，储存建立成数据库。

作为优化，步骤3所述相似度δ计算具体步骤如下：

设已知家用电器数据库有n种家用电器，每种电器具有m个特征量，则对于电器A_i,

A_i＝{f_i1,f_i2,…,f_im},

对于某家用电器未知负荷X

X＝{f_x1,f_x2,…,f_xm}

经过数据变换公式:

$\stackrel{\‾}{f_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{f}_{ik}$

$s_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(f_{ik}-\stackrel{\‾}{f_k})}^2}$

$f_k^{,}=\frac{f_{ik}-\stackrel{\‾}{f_k}}{s_k}$

其中，i＝1,2,…,n,k＝1,2,…,m

经过标准差变换后的矩阵为：

家用电器模板A_i和未知负荷X之间的相似度δ(A_i,X)表示如下：

$\mathrm{\δ}(A_i,X)=\frac{{\mathrm{\Σ}}_{k=1}^{n}min\[f_{ik}^{,},f_{Tk}^{,}\]}{{\mathrm{\Σ}}_{k=1}^{n}max\[f_{ik}^{,},f_{Tk}^{,}\]},$

δ的值越大，说明两个负荷之间相似程度越大。因此，通过寻找最大相似度来确定未知负荷是哪种家用电器。

本发明涉及基于相似度算法的用于家用智能电表的负荷识别方法，其技术特点是取家用电器正常工作时的稳态和暂态功率特性作为特征参数，通过比较测量特征参数与家用电器负荷特征参数数据库的相似度来确定用电负荷的类别、工作状态，然后匹配开关事件得到各种家用电器相应的耗电量。相较于现有技术，本发明实现了不需要事先经过样本数据训练或学习过程，就能识别出家庭中典型的阻性和非阻性电器，给用户提供像电话清单一样的用电清单，便于用户调整和规划电器的使用来达到节能的目的。

附图说明

图1为本发明实施例结构示意图；

图2为本发明实施例流程图。

具体实施方式

下面结合附图和实施例进一步详细说明本发明内容。

实施例1

一种基于相似度算法的用于家用智能电表的负荷识别系统，包括家用智能电表、稳态功率检测模块、暂态功率检测模块、比较器、中央处理器、通信模块、数据库、服务器和时钟模块，

所述家用智能电表，记录用电量；并将用电量参数发送至中央处理器；

所述稳态功率检测模块检测用户家电开启后或关闭前的有功功率和无功功率稳态值，获得稳态功率参数；

所述暂态功率检测模块检测用户家电启动或关闭时上升沿或下降沿的功率最大瞬时变化值，获得暂态功率参数；

所述比较器，将家电启动前后稳态功率参数相减，获得家电稳态功率参数；将家电暂态功率参数和家电启动前稳态功率参数相减，获得家电启动暂态功率参数；将获得的家电稳态功率参数、家电启动暂态功率参数分别和数据库中家电的稳态功率参数和家电的暂态功率参数进行对比，找出参数最接的近对应家电，获得家电参数；

所述中央处理器，记录所述家用智能电表发送的用电量参数、所述比较器发送的家电参数，进行数据加密后通过通信模块发往服务器；

所述通信模块，将中央处理器处理的数据发往服务器，将数据库中的信息发送至所述比较器；

所述数据库，存储家电负荷特征参数，包括家电的稳态功率参数和家电的暂态功率参数，并通过通信模块发往比较器；

所述服务器，对中央处理器发送的数据进行解密，并定期将用电参数和家电参数发送至用户；

所述时钟模块向所述家用智能电表、所述稳态功率检测模块、所述暂态功率检测模块和所述中央处理器进行时间校时。

实施例2

实施例1所述基于相似度算法的用于家用智能电表的负荷识别系统的负荷识别方法，包括以下步骤：

(1)建立常用家用电器负荷特征参数数据库，将常用家用电器与家电的稳态功率参数和家电的暂态功率参数一一对应；步骤1所述获取建立家用电器负荷特征参数数据库方法是，单独使用家用电器时，实测其正常工作状态下的特征参数，储存建立成数据库；

(2)对家庭用电进行在线监测，获取家电的稳态功率参数和暂态功率参数；(3)当检测到有电器开启或关闭时，计算它与数据库电器模板之间的相似度δ，根据最大相似度确定此时动作的负荷类型；

所述相似度δ计算具体步骤如下：

设已知家用电器数据库有n种家用电器，每种电器具有m个特征量，则对于电器A_i,

A_i＝{f_i1,f_i2,…,f_im},

对于某家用电器未知负荷X

X＝{f_x1,f_x2,…,f_xm}

经过数据变换公式:

$\stackrel{\‾}{f_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{f}_{ik}$

$s_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(f_{ik}-\stackrel{\‾}{f_k})}^2}$

$f_k^{,}=\frac{f_{ik}-\stackrel{\‾}{f_k}}{s_k}$

其中，i＝1,2,…,n,k＝1,2,…,m

经过标准差变换后的矩阵为：

家用电器模板A_i和未知负荷X之间的相似度δ(A_i,X)表示如下：

$\mathrm{\δ}(A_i,X)=\frac{{\mathrm{\Σ}}_{k=1}^{n}min\[f_{ik}^{,},f_{Tk}^{,}\]}{{\mathrm{\Σ}}_{k=1}^{n}max\[f_{ik}^{,},f_{Tk}^{,}\]},$

δ的值越大，说明两个负荷之间相似程度越大。因此，通过寻找最大相似度来确定未知负荷是哪种家用电器；

(4)判断在某个时刻动作的负荷类型，按照时间顺序和逻辑关系可以得到合理的事件匹配表，得到用电清单，以实现便于用户调整和规划电器的使用来达到节能的目的。

本发明针对普通家庭电力用户，采用稳态与暂态功率特性相结合，通过比较未知负荷与家用电器模板的相似度来判断负荷所属类别，工作状态和用电量。此法不仅适用于阻性家用电器识别，还适用于非阻性家用电器电器识别，能够给电力用户提供像电话清单一样的用电清单，适用于家用智能电表。

本发明技术特点是取家用电器正常工作时的稳态和暂态功率特性作为特征参数，通过比较测量特征参数与家用电器负荷特征参数数据库的相似度来确定用电负荷的类别、工作状态，然后匹配开关事件得到各种家用电器相应的耗电量。相较于现有技术，本发明实现了不需要事先经过样本数据训练或学习过程，就能识别出家庭中典型的阻性和非阻性电器，给用户提供像电话清单一样的用电清单，便于用户调整和规划电器的使用来达到节能的目的。

Claims (5)

1.一种基于相似度算法的用于家用智能电表的负荷系统，包括家用智能电表、稳态功率检测模块、暂态功率检测模块、比较器、中央处理器、通信模块、数据库和服务器，

其特征在于，

所述家用智能电表，记录用电量；并将用电量参数发送至中央处理器；

所述稳态功率检测模块检测用户家电开启后或关闭前的有功功率和无功功率稳态值，获得稳态功率参数；

所述暂态功率检测模块检测用户家电启动或关闭时上升沿或下降沿的功率最大瞬时变化值，获得暂态功率参数；

所述比较器，将家电启动前后稳态功率参数相减，获得家电稳态功率参数；将家电暂态功率参数和家电启动前稳态功率参数相减，获得家电启动暂态功率参数；将获得的家电稳态功率参数、家电启动暂态功率参数分别和数据库中家电的稳态功率参数和家电的暂态功率参数进行对比，找出参数最接的近对应家电，获得家电参数；

所述中央处理器，记录所述家用智能电表发送的用电量参数、所述比较器发送的家电参数，进行数据加密后通过通信模块发往服务器；

所述通信模块，将中央处理器处理的数据发往服务器，将数据库中的信息发送至所述比较器；

所述数据库，存储家电负荷特征参数，包括家电的稳态功率参数和家电的暂态功率参数，并通过通信模块发往比较器；

所述服务器，对中央处理器发送的数据进行解密，并定期将用电参数和家电参数发送至用户。

2.如权利要求1所述基于相似度算法的用于家用智能电表的负荷系统，其特征在于，还有时钟模块，所述时钟模块向所述家用智能电表、所述稳态功率检测模块、所述暂态功率检测模块和所述中央处理器进行时间校时。

3.如权利要求1-2任一所述基于相似度算法的用于家用智能电表的负荷系统的负荷识别方法，包括以下步骤，

(1)建立常用家用电器负荷特征参数数据库，将常用家用电器与家电的稳态功率参数和家电的暂态功率参数一一对应；

(2)对家庭用电进行在线监测，获取家电的稳态功率参数和暂态功率参数；

(3)当检测到有电器开启或关闭时，计算它与数据库电器模板之间的相似度δ，根据最大相似度确定此时动作的负荷类型；

(4)判断在某个时刻动作的负荷类型，按照时间顺序和逻辑关系可以得到合理的事件匹配表，得到用电清单，以实现便于用户调整和规划电器的使用来达到节能的目的。

4.如权利要求3所述负荷识别方法，其特征在于，步骤1所述获取建立家用电器负荷特征参数数据库方法是，单独使用家用电器时，实测其正常工作状态下的家电的稳态功率参数和家电的暂态功率参数，储存建立成数据库。

5.如权利要求3所述负荷识别方法，其特征在于，步骤3所述相似度δ计算具体步骤如下：

设已知家用电器数据库有n种家用电器，每种电器具有m个特征量，则对于电器A_i,

A_i＝{f_i1,f_i2,…,f_im},

对于某家用电器未知负荷X

X＝{f_x1,f_x2,…,f_xm}

经过数据变换公式:

$\stackrel{\‾}{f_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_{\mathrm{ik}}$

$s_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(f_{\mathrm{ik}}-\stackrel{\‾}{f_k})}^2}$

$f_k^{\′}=\frac{f_{\mathrm{ik}}-\stackrel{\‾}{f_k}}{s_k}$

其中，i＝1,2,…,n,k＝1,2,…,m

经过标准差变换后的矩阵为：

家用电器模板A_i和未知负荷X之间的相似度δ(A_i,X)表示如下：

$\mathrm{\δ}(A_i,X)=\frac{{\mathrm{\Σ}}_{k=1}^{n}min\[f_{ik}^{,},f_{Tk}^{,}\]}{{\mathrm{\Σ}}_{k=1}^{n}max\[f_{ik}^{,},f_{Tk}^{,}\]}.$