CN107025365B - 一种用于用户侧的非侵入负荷辨识方法 - Google Patents
一种用于用户侧的非侵入负荷辨识方法 Download PDFInfo
- Publication number
- CN107025365B CN107025365B CN201710344546.2A CN201710344546A CN107025365B CN 107025365 B CN107025365 B CN 107025365B CN 201710344546 A CN201710344546 A CN 201710344546A CN 107025365 B CN107025365 B CN 107025365B
- Authority
- CN
- China
- Prior art keywords
- state
- load
- steady
- transient
- identification
- 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
- 238000012850 discrimination method Methods 0.000 title abstract 2
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000001052 transient effect Effects 0.000 claims description 70
- 230000008859 change Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- 238000013178 mathematical model Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001629511 Litchi Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种用于用户侧的非侵入负荷辨识方法，以用电负荷暂、稳态阶段的数据为基础，通过构建特征数据库，利用检测算法与辨识算法来完成非侵入式负荷的辨识，解决了传统算法辨识精度不够、辨识效率低下的问题，提升了整个辨识算法的可行性与有效性。
Description
技术领域
本发明属于负荷辨识技术领域，更为具体地讲，涉及一种用于用户侧的非侵入负荷辨识方法。
背景技术
电能是新能源的重要组成部分，随着电能在社会中占主体地位，对负荷运行信息的掌控重要性日渐凸显。对电力公司来说，非侵入式负荷辨识还有助于电力公司了解电力用户负荷的构成，加强负荷侧管理，通过引导用户合理消费、合理安排负荷的使用时间达到调节峰谷差和降低网损等目的；有助于改善电力负荷的预测精度，为电力系统仿真分析、系统规划提供更准确的数据。对电力用户来说，通过侵入式负荷辨识对负荷能耗等数据的有效分析可以减少不必要的能源开销，达到节能降耗的目的。
文献“赵春柳.基于稳态谐波分析的非侵入式电力负荷分解法的应用研究[D].天津大学,2009”提出了以稳态特征参数为依据来进行非侵入负荷辨识的方法，利用稳态谐波电流具有统计规律值这一事实来处理辨识多个用电负荷的情况，
提出了以稳态特征参数为依据来进行非侵入负荷辨识的方法，利用稳态谐波电流具有统计规律值这一事实来处理辨识多个用电负荷的情况。然稳态特征能够易于提取，且统计较为容易。但是辨识精度和辨识速度都较低，达不到预期效果。
上述方案虽然在一定程度上达到了非侵入式负荷辨识的效果，但是随着居民用电网用电负荷的复杂化和数据量的增加，仅仅依靠稳态阶段的特征数据来进行识别，其有效性和准确性都存在局限性。
文献“赵云,钱斌,王科,李秋硕,孙宇军.基于特征相似度的非侵入式用电负荷识别模型研究[J].电气应用,2015,(S1):199-203.”中，文献“朱德省,尹建丰,周琨荔.非侵入式电力负荷的辨识和监测[J].电测与仪表,2015,S1:133-138”则利用小波变换与暂态特征值分析相结合来改进辨识的精确度。但是单独的对负荷暂态特征进行识别则辨识的准确性达不到要求。
对于传统负荷辨识系统整体设计而言，时刻保持对各个用电负荷的监测，不仅会增加后台处理服务器的负担，而且维护成本极高，系统稳定性较差。因此在用户侧安装非侵入式负荷辨识装置是十分有必要的，辨识系统中良好的检测算法可以根据要求实时准确地获得用电负荷模式变化时的特征参数，提高辨识准确性和精度。
异动检测算法是影响识别速度的关键因素，能保证辨识具有较高的命中率。现有的检测算法主要有基于参数化的变点检测算法、基于上升沿变化的算法、及基于功率变化的算法。
其中，基于参数化的变点检测算法的典型代表是CUSUM算法，即常用的使用算法。该算法的基本思想是：对样本数据信息加以累积，将过程的小偏移累积起来，达到放大的效果，从而提高检测过程中对小偏移的灵敏度。由于使用方便、判断准则简单、易于操作等原因，CUSUM算法在工业质量控制、自动故障监测、经济、金融等方面中应用广泛。
发明内容
本发明的目的在于克服现有技术的不足，提供一种用于用户侧的非侵入负荷辨识方法，通过用户侧设备的暂稳态数据相结合进行非侵入式负荷辨识，大幅提升了负荷辨识的精确度、准确度和辨识速度。
为实现上述发明目的，本发明一种用于用户侧的非侵入负荷辨识方法，其特征在于，包括以下步骤：
(1)、结合用电负荷的运行状况，提取表征用电负荷的特征参数，再根据用电负荷的特征参数，对比常见用电负荷的暂态特征量和综合用电负荷状态的对应关系，建立暂态特征参数数据库；
(2)、采集所有用电设备的各次谐波幅值，按照稳态特征量与综合用电负荷状态的对应关系，建立稳态特征参数数据库；
(3)、利用检测算法与辨识算法进行非侵入负荷辨识；
(3.1)、检测非侵入负荷的异动点
利用检测函数K(xn)＝xn+e-xn检测非侵入负荷的异动点，其中，xn为检测到的非侵入负荷的第n个点所对应的幅值，n≥0；e为常数；
判断∣K(xn)∣是否大于β，β表示上一异动点与该异动点之间的稳态负荷平均振幅，其大小和投入使用负荷数量成正比，如果∣K(xn)∣＞β，则第n个点为异动点；
(3.2)、截取非侵入负荷的状态暂态段和状态稳态段
(3.2.1)、截取非侵入负荷的状态暂态段并过滤
1)、截取非侵入负荷的状态暂态段
以异动点xn为起点，继续检测非侵入负荷的数据点；
当满足∣L(xn+l)∣＜H时，H为相对稳态值，则xn+l为该异动状态暂态段的结束点，从而得到由xn～xn+l的状态暂态段；其中，表示xn～xn+l的平均幅值，即l表示异动点xn后第l异动点；
2)、对状态暂态段的数据点进行滤波
设置异动过滤条件：
其中，a为常数，H1为异动阀值其值一般与β相近，μ为xn～xn+l段的加权平均值；
当状态暂态段的数据点不满足设置的异动过滤条件时，则进入步骤(3.3)；否则该状态暂态段为干扰暂态段，返回步骤(3.1)继续检测；
(3.2.2)、截取非侵入负荷的状态稳态段
将两次被截取且通过有效检测的异动点之间的的波形段标记为状态稳态段；
(3.3)、运用辨识算法对非侵入负荷进行辨识
(3.3.1)、运用辨识算法对非侵入负荷的状态暂态段进行辨识；
1)、从状态暂态段中提取特征波形y(n)，从暂态特征参数数据库中提取用电负荷的特征参数生产多组模板信号x(n)，再将y(n)与模板信号x(n)进行波形匹配；
2)、计算每组模板信号x(n)和特征波形y(n)的相似程度ρxy(τ)：
其中，τ表示模板信号x(n)和特征波形y(n)的时差；
3)、选出ρxy(τ)最大的一组模板信号x(n)，标记为最佳匹配，并反馈辨识结果；
(3.3.2)、运用辨识算法对非侵入负荷的状态稳态段进行辨识；
1)、从状态稳态段中提取特征波形对进行傅里叶变换，再提取50kHZ频率处的电流值，k＝1,3,…,9，并分别作为基波和奇次谐波；；
2)、在状态稳态段，根据基波电流与谐波电流的周期性特点，计算用电负荷在状态稳态段的总电流Ia(t)：
Ia(t)＝Ia1cos(ωt+θa1)+Ia2cos(2ωt+θa2)+...Iakcos(kωt+θak)
其中，Ia1表示用电负荷稳态工作电流中的基波幅值，Iak表示用电负荷稳态工作电流中的第k次谐波分量幅值，ω为用电负荷稳态工作电流中的基波分量的角频率，θa1表示用电负荷稳态工作电流中的基波分量的初相角，θak表示用电负荷稳态工作电流中的第k次谐波分量的初相角；
3)、分别提取k次谐波幅值建立谐波矩阵
4)、建立非侵入负荷的状态稳态段识别算法的数学模型；
令t时刻第i个用电设备在第j种工作状态下的取值Sij(t)为：
其中，i＝1,2,…,N，N表示用电设备总个数；j＝1,2,…,M，M表示用电设备的工作状态数；
利用谐波矩阵建立非侵入负荷的状态稳态段识别算法的数学模型：
数学模型的约束条件为：
其中，Iij为稳态特征数据库中第i个用电设备在第j种工作状态下工作时所记录的k次谐波电流值；
5)、遍历稳态特征数据库中所有的用电设备，在Sij(t)取1时，利用上述数学模型求得最小值，并将Sij(t)取1时所对应的用电设备状态编号标记为该状态稳态段的最佳匹配，并反馈辨识结果；
(3.3.3)、当状态暂态段和状态稳态段都反馈出辨识结果后，判断状态暂态段和状态稳态段的辨识结果是否一致，如果辨识结果一直，则辨识有效，本次辨识结束；否则返回步骤(3)重新进行辨识。
本发明的发明目的是这样实现的：
本发明一种用于用户侧的非侵入负荷辨识方法，以用电负荷暂、稳态阶段的数据为基础，通过构建数据库与辨识算法来完成非侵入式负荷的辨识，解决了传统算法辨识精度不够、辨识效率低下的问题，提升了整个辨识算法的可行性与有效性。
同时，本发明一种用于用户侧的非侵入负荷辨识方法还具有以下有益效果：
(1)、本发明具有操作简单，其涉及的特征值易于提取且具有代表性，完善了传统算法的仅仅使用稳态或者暂态特征的单方面缺陷，避免了由此带来的误差而造成的辨识结果不理想的情况；
(2)、与传统的非侵入负荷辨识算法相比较，本发明有效提高了对用电负荷分析辨识的准确率的识别速度；
(3)、本发明对辨识算法的分析方法进行了优化，提升了非侵入负荷辨识系统的整体性能。
附图说明
图1是本发明一种用于用户侧的非侵入负荷辨识方法流程图；
图2是检测算法所检测出的异动点的示意图；
图3是实测用电器进入暂态阶段时各个特征值的波形变化；
图4是实测用电器进入稳态阶段时各个特征值的波形变化；
图5是实测多个用电器进入稳态阶段时谐波电流比例的统计值；
图6是非侵入式负荷辨识结果的比较示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种用于用户侧的非侵入负荷辨识方法流程图。
在本实施例中，如图1所示，本发明一种用于用户侧的非侵入负荷辨识方法，包括以下步骤：
S1、结合现有用电负荷的运行状况，提取表征用电负荷的特征参数，再根据用电负荷的特征参数，对比常见用电负荷的暂态特征量和综合用电负荷状态的对应关系，建立暂态特征参数数据库；在本实施例中，表征用电负荷的特征参数包括电压、电流、有功功率、无功功率、谐波电流、功率因数角等。
S2、采集所有用电设备的各次谐波幅值，按照稳态特征量与综合用电负荷状态的对应关系，建立稳态特征参数数据库；
S3、利用检测算法与辨识算法进行非侵入负荷辨识；
S3.1、检测非侵入负荷的异动点
图2(a)是实测电器的波形处理图；图2(b)是异动结果示意图；由图2(b)可知，当用电负荷状态变化时，通常会产生一个上升或下降边沿，由此产生异动点，而检测算法能恰当地捕捉到这一异动点，即产生变点，这能为后续的匹配算法提供便利，下面对检测的具体过程进行描述。
利用检测函数K(xn)＝xn+e-xn检测非侵入负荷的异动点，其中，xn为检测到的非侵入负荷的第n个点所对应的幅值，n≥0；e为常数，根据我国电网频率为50HZ，一般e取10；
判断∣K(xn)∣是否大于β，β表示上一异动点与该异动点之间的稳态负荷平均振幅，如果∣K(xn)∣＞β，则第n个点为异动点；
其中，β的计算方法为：
β＝2max(∣X*-S1∣,∣X*-S2∣)
其中，n为当前被检测点，为上一次异动暂态波形结束点；
S3.2、截取非侵入负荷的状态暂态段和状态稳态段
S3.2.1、截取非侵入负荷的状态暂态段并过滤
暂态阶段是指用电负荷开启或者关断过程中用电情况从一种状态转变为另一种状态的过程。暂态阶段一般用时较短，通常都不足一秒，但是暂态过程的用电负荷的特征值变化较大，且不同用电负荷差异性较大，能够作为用电负荷标识的判据。下面对状态暂态段的截取过程进行详细说明：
1)、截取非侵入负荷的状态暂态段
以异动点xn为起点，继续检测非侵入负荷的数据点；
当满足∣L(xn+l)∣＜H时，H为相对稳态值，则xn+l为该异动状态暂态段的结束点，从而得到由xn～xn+l的状态暂态段；其中，表示xn～xn+l的平均幅值，即l表示异动点xn后第l异动点；
2)、对状态暂态段的数据点进行滤波
设置异动过滤条件：
其中，a为常数，H1为异动阀值，μ为xn～xn+l段的加权平均值；其中，设置异动过滤条件的目的是为了进一步提升本发明的精确度和准确度
当状态暂态段的数据点不满足设置的异动过滤条件时，则进入步骤S3.3；否则该状态暂态段为干扰暂态段，返回步骤S3.1继续检测；由图3可知当用电负荷进入状态暂态段工作时，暂态特征值波动较大，其中，图3(a)是实测电器电压变化图，图3(b)是实测电器状态暂态段的电流变化图，图3(c)是实测电器状态暂态段的功率变化图，通过观察电流和功率变化曲线，可以看出波动范围较大；
S3.2.2、截取非侵入负荷的状态稳态段
将两次被截取且通过有效检测的异动点之间的的波形段标记为状态稳态段；图4(a)是实测电器的电压变化图；图4(b)是实测稳态电流变化图；图4(c)实测稳态功率变化图；由图4(a)～(c)可知当用电负荷进入状态稳态段工作时，稳态波形变化不大，各个稳态特征值都较为稳定；
S3.3、运用辨识算法对非侵入负荷进行辨识
S3.3.1、运用辨识算法对非侵入负荷的状态暂态段进行辨识；
1)、从状态暂态段中提取特征波形y(n)，从暂态特征参数数据库中提取用电负荷的特征参数生产多组模板信号x(n)，再将y(n)与模板信号x(n)进行波形匹配；
2)、计算每组模板信号x(n)和特征波形y(n)的相似程度ρxy(τ)：
通常，用户电力系统中一条母线下带多个负荷，是一个负荷集群，某个负荷投切引起的暂态信息可能会叠加在其他负荷稳态特征信息之上的，为了消除此稳态分量的影响，需要去除平均值分量；相关性系数可以表示为：τ表示模板信号x(n)和特征波形y(n)的时差；
为了使相关性系数能更好的反映信号间的相似性，排除信号幅度的影响，通常需要对Rxy(τ)进一步做归一化处理，得到每组模板信号x(n)和特征波形y(n)的相似程度ρxy(τ)：
3)、选出ρxy(τ)最大的一组模板信号x(n)，标记为最佳匹配，并反馈辨识结果；
当经过暂态分析不能得到理想结果或者相关性系数未能达到所设定预期值时，这里可以判断用电负荷发生状态“异常”。所谓“异常”包括：多个用电负荷同时发生状态的迁移或者所发生的暂态变化时受外界因素的干扰而不匹配，这时就需要进行稳态阶段的特征值判别。
S3.3.2、运用辨识算法对非侵入负荷的状态稳态段进行辨识；
1)、从状态稳态段中提取特征波形对进行傅里叶变换，再提取50kHZ频率处的电流值，k＝1,3,…,9，即取50HZ、150HZ……450HZ频率处的电流值，并分别作为基波和奇次谐波；
2)、在状态稳态段，根据基波电流与谐波电流的周期性特点，计算用电负荷在状态稳态段的总电流Ia(t)：
Ia(t)＝Ia1cos(ωt+θa1)+Ia2cos(2ωt+θa2)+...Iakcos(kωt+θak)
其中，Ia1表示用电负荷稳态工作电流中的基波幅值，Iak表示用电负荷稳态工作电流中的第k次谐波分量幅值，ω为用电负荷稳态工作电流中的基波分量的角频率，θa1表示用电负荷稳态工作电流中的基波分量的初相角，θak表示用电负荷稳态工作电流中的第k次谐波分量的初相角；
通过对状态稳态段的总电流的谐波电流进行分析，如图5所示，能清楚的辨析到各个不同电器用电负荷的谐波电流数值不同，来进行稳态阶段的辨识，其中，图5(a)是微波炉各次谐波电流分别图，图5(b)是取暖器各次谐波电流分别图，图5(c)是电脑各次谐波电流分别图，图5(d)是电热水壶各次谐波电流分别图；
3)、分别提取k次谐波幅值建立谐波矩阵得到各次谐波电流大小；
根据电流的线性叠加性，我们只需知道总的各次谐波电流大小及潜在的用电器数量，就可以据此列出一系列的线性方程，非侵入负荷的识别问题就可以转换为数学上方程求取最优解的问题。
4)、建立非侵入负荷的状态稳态段识别算法的数学模型；
与传统的稳态算法有所不同的是，本发明需要考虑到真实的用电负荷不仅仅只有开启和关断两种状态，更普遍的是一种用电负荷往往是有多工作模态的情况，因此需要获取每种模态下谐波电流大小的差异。一般而言，对于一个设备i，i＝1,2,…,N，N表示用电设备总个数；假设有M种工作状态，那么就取Sij(t)表示第i个用电设备在第j种工作状态下的值，j＝1,2,…,M，则有：
将所有Sij(t)合并到一个矩阵S，其每一行都代表着一个状态向量。假设在某时刻有两种设备开启，且这两种设备都有两种工作模式，那么S就可表为：
S矩阵全部是由0、1组成的稀疏矩阵，因此传统的解决线性方程组的办法，如最小二乘法便可改进为求解范数最小化的问题，从而缩短状态稳态段的分析时间；
下面我们利用每一次谐波的谐波矩阵建立非侵入负荷的状态稳态段识别算法的数学模型：
数学模型的约束条件为：
其中，Iij为稳态特征数据库中第i个用电设备在第j种工作状态下工作时所记录的k次谐波电流值；
5)、遍历稳态特征数据库中所有的用电设备，在Sij(t)取1时，利用上述数学模型求得最小值，并将Sij(t)取1时所对应的用电设备状态编号标记为该状态稳态段的最佳匹配，并反馈辨识结果；
(3.3.3)、当状态暂态段和状态稳态段都反馈出辨识结果后，判断状态暂态段和状态稳态段的辨识结果是否一致，如果辨识结果一直，则辨识有效，本次辨识结束；否则返回步骤S3重新进行辨识。
以各种常用的家用用电负荷为测试对象，测试在稳定电压的情况下，通过本发明设计的辨识方法进行用电负荷的辨识，例如在实验室环境下，用该算法测试了微波炉、取暖器、电热水壶、电脑、电风扇、空调等用电设备所组成的模拟系统，并将其所得结果与传统算法进行对比，从图6中可以看出，暂稳态相结合的辨识算法能达到较高的准确率，并且随着电器种类的增多，辨识准确率并没有下降很多，能够符合基本要求，比传统的算法改进了不少。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种用于用户侧的非侵入负荷辨识方法，其特征在于，包括以下步骤：
(1)、结合用电负荷的运行状况，提取表征用电负荷的特征参数，再根据用电负荷的特征参数，对比常见用电负荷的暂态特征量和综合用电负荷状态的对应关系，建立暂态特征参数数据库；
(2)、采集所有用电设备的各次谐波幅值，按照稳态特征量与综合用电负荷状态的对应关系，建立稳态特征参数数据库；
(3)、利用检测算法与辨识算法进行非侵入负荷辨识；
(3.1)、检测非侵入负荷的异动点
利用检测函数K(xn)＝xn+e-xn检测非侵入负荷的异动点，其中，xn为检测到的非侵入负荷的第n个点所对应的幅值，n≥0；e为常数；
判断∣K(xn)∣是否大于β，β表示上一异动点与该异动点之间的稳态负荷平均振幅，如果∣K(xn)∣＞β，则第n个点为异动点；
(3.2)、截取非侵入负荷的状态暂态段和状态稳态段
(3.2.1)、截取非侵入负荷的状态暂态段并过滤
1)、截取非侵入负荷的状态暂态段
以异动点xn为起点，继续检测非侵入负荷的数据点；
当满足∣L(xn+l)∣＜H时，H为相对稳态值，则xn+l为该状态暂态段的结束点，从而得到由xn～xn+l的状态暂态段；其中，表示xn～xn+l的平均幅值，即l表示异动点xn后第l异动点；
2)、对状态暂态段的数据点进行滤波
设置异动过滤条件：
其中，a为常数，H1为异动阀值，μ为xn～xn+l段的加权平均值；
当状态暂态段的数据点不满足设置的异动过滤条件时，则进入步骤(3.3)；否则该状态暂态段为干扰暂态段，返回步骤(3.1)继续检测；
(3.2.2)、截取非侵入负荷的状态稳态段
将两次被截取且通过有效检测的异动点之间的波形段标记为状态稳态段；
(3.3)、运用辨识算法对非侵入负荷进行辨识
(3.3.1)、运用辨识算法对非侵入负荷的状态暂态段进行辨识；
1)、从状态暂态段中提取特征波形y(n)，从暂态特征参数数据库中提取用电负荷的特征参数生产多组模板信号x(n)，再将y(n)与模板信号x(n)进行波形匹配；
2)、计算每组模板信号x(n)和特征波形y(n)的相似程度ρxy(τ)：
其中，τ表示模板信号x(n)和特征波形y(n)的时差；
3)、选出ρxy(τ)最大的一组模板信号x(n)，标记为最佳匹配，并反馈辨识结果；
(3.3.2)、运用辨识算法对非侵入负荷的状态稳态段进行辨识；
1)、从状态稳态段中提取特征波形对进行傅里叶变换，再提取50kHZ频率处的电流值，k＝1,2，3,…,9，并分别作为基波和奇次谐波；
2)、在状态稳态段，根据基波电流与谐波电流的周期性特点，计算用电负荷在状态稳态段的总电流Ia(t)：
Ia(t)＝Ia1cos(ωt+θa1)+Ia2cos(2ωt+θa2)+…Iakcos(kωt+θak)
其中，Ia1表示用电负荷稳态工作电流中的基波幅值，Iak表示用电负荷稳态工作电流中的第k次谐波分量幅值，ω为用电负荷稳态工作电流中的基波分量的角频率，θa1表示用电负荷稳态工作电流中的基波分量的初相角，θak表示用电负荷稳态工作电流中的第k次谐波分量的初相角；
3)、分别提取k次谐波幅值建立谐波矩阵
4)、建立非侵入负荷的状态稳态段识别算法的数学模型；
令t时刻第i个用电设备在第j种工作状态下的取值Sij(t)为：
其中，i＝1,2,…,N，N表示用电设备总个数；j＝1,2,…,M，M表示用电设备的工作状态数；
利用谐波矩阵建立非侵入负荷的状态稳态段识别算法的数学模型：
数学模型的约束条件为：
其中，Iij(k)为稳态特征数据库中第i个用电设备在第j种工作状态下工作时所记录的k次谐波电流值；
5)、遍历稳态特征数据库中所有的用电设备，在Sij(t)取1时，利用上述数学模型求得最小值，并将Sij(t)取1时所对应的用电设备状态编号标记为该状态稳态段的最佳匹配，并反馈辨识结果；
(3.3.3)、当状态暂态段和状态稳态段都反馈出辨识结果后，判断状态暂态段和状态稳态段的辨识结果是否一致，如果辨识结果一直，则辨识有效，本次辨识结束；否则返回步骤(3)重新进行辨识。
2.根据权利要求1所述的一种用于用户侧的非侵入负荷辨识方法，其特征在于，所述β的计算方法为：
β＝2max(∣X*-S1∣,∣X*-S2∣)
其中，n为当前被检测点，为上一次异动暂态波形结束点。
3.根据权利要求1所述的一种用于用户侧的非侵入负荷辨识方法，其特征在于，所述e为常数，根据我国电网频率为50HZ，e取10。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710344546.2A CN107025365B (zh) | 2017-05-16 | 2017-05-16 | 一种用于用户侧的非侵入负荷辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710344546.2A CN107025365B (zh) | 2017-05-16 | 2017-05-16 | 一种用于用户侧的非侵入负荷辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107025365A CN107025365A (zh) | 2017-08-08 |
| CN107025365B true CN107025365B (zh) | 2019-09-24 |
Family
ID=59528432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710344546.2A Active CN107025365B (zh) | 2017-05-16 | 2017-05-16 | 一种用于用户侧的非侵入负荷辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107025365B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108510165A (zh) * | 2018-03-16 | 2018-09-07 | 电子科技大学 | 一种用于用户用电行为的分析方法 |
| CN108960586B (zh) * | 2018-06-14 | 2021-06-11 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
| 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 |
| CN109596912A (zh) * | 2018-11-21 | 2019-04-09 | 河海大学 | 一种非侵入式用电负荷的分解方法 |
| CN109596918B (zh) * | 2018-12-07 | 2020-06-19 | 江苏智臻能源科技有限公司 | 一种破壁机非侵入辨识方法 |
| CN111351996A (zh) * | 2018-12-24 | 2020-06-30 | 国网江苏省电力有限公司无锡供电分公司 | 一种非侵入式用电负荷辨识方法及装置 |
| CN111722028A (zh) * | 2019-03-19 | 2020-09-29 | 华北电力大学 | 一种基于高频数据的负荷识别方法 |
| CN110084719A (zh) * | 2019-06-11 | 2019-08-02 | 国网安徽省电力有限公司培训中心 | 一种配电网负荷种类辨识装置 |
| CN110361619B (zh) * | 2019-08-16 | 2020-07-31 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
| CN110673079B (zh) * | 2019-08-23 | 2021-12-14 | 北京中电飞华通信股份有限公司 | 一种台区末端感知系统及方法 |
| CN110571806B (zh) * | 2019-09-25 | 2023-05-12 | 北方民族大学 | 一种用于配电网负荷类别的特征提取与辨识方法 |
| CN111325234A (zh) * | 2019-12-29 | 2020-06-23 | 杭州拓深科技有限公司 | 一种非侵入式负荷识别中关键特征的筛选方法 |
| CN111308185A (zh) * | 2020-02-28 | 2020-06-19 | 宁波三星医疗电气股份有限公司 | 一种非侵入式负荷识别方法 |
| CN112260275B (zh) * | 2020-10-19 | 2023-08-18 | 文志芬 | 基于区块链技术的非侵入式负荷分解方法和系统 |
| CN113466535A (zh) * | 2021-06-17 | 2021-10-01 | 国网山东省电力公司淄博供电公司 | 一种基于相似度匹配的非侵入式负荷辨识方法 |
| CN114358568A (zh) * | 2021-12-29 | 2022-04-15 | 国网天津市电力公司 | 一种基于分项计量的电能替代效益评估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101282040A (zh) * | 2008-05-09 | 2008-10-08 | 天津大学 | 非侵入式电力负荷实时分解方法 |
| 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 |
| 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 |
| EP2795259B1 (en) * | 2011-12-20 | 2017-03-08 | Robert Bosch GmbH | Method for unsupervised non-intrusive load monitoring |
-
2017
- 2017-05-16 CN CN201710344546.2A patent/CN107025365B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101282040A (zh) * | 2008-05-09 | 2008-10-08 | 天津大学 | 非侵入式电力负荷实时分解方法 |
| EP2795259B1 (en) * | 2011-12-20 | 2017-03-08 | Robert Bosch GmbH | Method for unsupervised non-intrusive load monitoring |
| 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 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| A non-intrusive load identification method based on transient event detection;Gan, FF等;《ADVANCES IN ENERGY, ENVIRONMENT AND MATERIALS SCIENCE》;20160731;第223-227页 * |
| 基于暂态特征的负荷非侵入式辨识方法研究与实现;曲禾笛;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20181115;第C042-226页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107025365A (zh) | 2017-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
| CN110956220B (zh) | 一种非侵入式家用电器负荷识别方法 | |
| US9658261B2 (en) | Current pattern matching method for non-intrusive power load monitoring and disaggregation | |
| CN106786534B (zh) | 一种非侵入式电力负荷暂态过程辨识方法及系统 | |
| CN106093630B (zh) | 一种非侵入式家用电器辨识方法 | |
| Iksan et al. | Appliances identification method of non-intrusive load monitoring based on load signature of VI trajectory | |
| CN106646026A (zh) | 一种非侵入式家电负荷识别方法 | |
| CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
| CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
| CN106250904B (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
| Bucci et al. | Load identification system for residential applications based on the NILM technique | |
| CN114236234A (zh) | 一种基于基波和谐波混合判据的电器特征辨识方法 | |
| CN111199014B (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
| CN112636328B (zh) | 一种中压配电网设备负荷状态辨识方法 | |
| CN116502149A (zh) | 基于电流特征传导的低压配电网户变关系识别方法及系统 | |
| CN110009231A (zh) | 一种基于重复性和熵权区分性的用电负荷识别方法及装置 | |
| CN110658385B (zh) | 一种基于复化梯形法的用电量分类计量方法 | |
| CN113902101A (zh) | 一种基于lstm神经网络算法的非侵入式负荷识别方法 | |
| Du et al. | Two-Step Non-Intrusive Load Monitoring Based on High-Frequency Current Data | |
| Givaki et al. | Machine learning based impedance estimation in power system | |
| Wang et al. | A new method for the nonintrusive load monitoring based on BP neural network | |
| Zhang et al. | The Method for Extraction and Identification of Non-intrusive Household Appliances Load Features Based on WPT Algorithm | |
| Qin et al. | Application of correlation coefficient method in identifying household-transformer relationship | |
| Chunling et al. | Power quality disturbances classification based on multi-class classification SVM | |
| Shuang et al. | A Method for Identifying Connectivity Relationship in Low-Voltage Area Based on Voltage Big Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |