CN107302217A - 基于v‑i轨迹的非侵入式负荷分解方法及系统 - Google Patents
基于v‑i轨迹的非侵入式负荷分解方法及系统 Download PDFInfo
- Publication number
- CN107302217A CN107302217A CN201710407107.1A CN201710407107A CN107302217A CN 107302217 A CN107302217 A CN 107302217A CN 201710407107 A CN201710407107 A CN 201710407107A CN 107302217 A CN107302217 A CN 107302217A
- Authority
- CN
- China
- Prior art keywords
- data
- time section
- sampling time
- track
- load
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明提供了一种基于V‑I轨迹的非侵入式负荷分解方法及系统，能够根据检测的到的电压及电流数据生成V‑I轨迹，并根据V‑I轨迹的特征信息识别该轨迹对应的负荷信息；本发明能有效区分功率值较接近的负荷，很多负荷在工作时的功率值较接近，若选用功率作为负荷特征进行识别极易造成识别错误，而负荷V‑I轨迹特征不仅包含了负荷功率特征，还包括负荷的电气特征，本发明选取的V‑I轨迹特征作为负荷特征进行识别能增加负荷识别的辨识度，提高负荷识别的正确率。
Description
技术领域
本发明涉及一种负荷分解方法，特别涉及一种基于V-I轨迹的非侵入式负荷分解方法及系统。该方法及系统适用于负荷精确分项计量、一体化数据采集、用电数据分析预警。
背景技术
随着智能电网的快速发展，电力系统中发、输、配、用电环节的能源利用效率日益提升。然而，作为电能传输终端，用户侧电能管理体系尚未发展成熟，其中，电能分项统计数据的缺乏，成为了限制该体系发展的原因之一。传统计量方法只能每15分钟提供总用电数据，无法实现电能分项计量，用户对自身用电结构不明晰，无法有针对性地管理用电行为。
为了解决传动计量方法存在的缺陷，国内外研究学者开始研究非侵入式负荷分解技术(non-intrusive load monitoring,NILM)，非侵入式负荷分解技术旨在基于当前一户一表的环境，利用电表所能获得的实时用电数据进行事件探测和负荷特征提取，通过模式识别算法实现负荷识别，得到用户实时用电功率组成，通过统计不同负荷的用电量，用户可以获知详细的电能消耗情况，有效管理用电行为。
负荷特征的选择与模式识别算法是决定NILM准确性的关键环节。目前，国内外研究学者主要针对负荷的稳态和暂态特征进行特征提取，稳态特征包括功率及其谐波、V-I波形、电压噪声和电流谐波等；暂态特征包括电压、瞬时功率、电压噪声、电流等。暂态特征对电表硬件性能要求高，并且容易受到系统噪声的干扰，而稳态特征的提取相对容易，抗干扰能力强，更适于推广。模式识别算法包括监督式和非监督式学习算法，监督式算法主要包括K最临近算法、神经网络、支持向量机、Adaboost算法等，非监督式算法主要包括隐式马尔可夫算法、主旨模式挖掘等。
综合国内外研究现状，当前影响NILM效果的因素主要有：(1)功率相似型负荷间的区分；(2)多状态负荷在不同模式间切换时的识别；(3)新负荷接入时系统重构的复杂性；(4)高采样频率与大规模数据存储的需求导致系统对硬件设施要求高，限制NILM在各领域推广应用。
发明内容
本发明的目的在于克服现有技术不足，提供了一种基于V-I轨迹的非侵入式负荷分解方法及系统，能有效区分功率值较接近的负荷，增加负荷识别的辨识度，提高负荷识别的正确率。
本发明为实现上述目的采用以下的技术方案：
第一方面，本发明提供了一种基于V-I轨迹的非侵入式负荷分解方法，包括：
获取原始电压数据及原始电流数据，并根据所述原始电压数据及原始电流数据计算视在功率
当在一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，判断事件发生，记该时间段的开始时刻为第一时刻，该时间段的结束时刻为第二时刻；
根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
根据所述V-I轨迹曲线获取V-I轨迹特征；
从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
在本发明一实施例中，所述原始电压数据包括高频电压数据，所述原始电流数据包括高频电流数据；
则所述获取原始电压数据及原始电流数据，并根据所述原始电压数据及原始电流数据计算视在功率具体包括：
每秒获取一个工频周期内的高频电压数据及高频电流数据；
对所述高频电压数据及高频电流数据进行离散傅里叶变换，并根据变换结果计算是在功率及有功功率。
在本发明一实施例中，记第t1时刻的视在功率为St1，记第St1时刻的视在功率的变化幅度ΔSt1，ΔSt1为＝St1-St1-1，记所述第一预设功率阈值为Son1，记所述第二预设功率阈值为Son2；
则所述当在一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，判断事件发生，记该时间段的开始时刻为第一时刻，该时间段的结束时刻为第二时刻，具体包括：
当|ΔSt1|≥Son1且|ΔSt1+1|≥Son1且……且|ΔSt1+d|≥Son1且|ΔSt1+d+1|<Son1
且|St1+d-St1|≥Son2时；
判断事件发生，记第一时刻为ton，ton＝t1，记第二时刻为toff，toff＝t1+d；
其中，|ΔSt1|代表第t1时刻的视在功率的变化幅度的绝对值。
在本发明一实施例中，记所述第一时刻为ton，记所述第二时刻为toff，记所述预设时间为t2；
则，所述根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段，具体包括：
记第一时刻ton的前t2秒为第一采样时间段T1，T1＝[ton-1，ton-2…ton-t2]；
记第二时刻toff的后t2秒为第二采样时间段T2,T2＝[toff+1，toff+2…toff+t2]；
其中，t2为正整数。
进一步的，在本发明一实施例中，所述获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据，具体包括：
根据工频及采样频率生成1周期采样点个数NT；
获取第一采样时间段T1内的原始电压数据vjn及原始电流数据ijn，其中，vjn代表第j秒第n个采样点的原始电压数据，ijn代表第j秒第n个采样点的原始电流数据，j∈T1，n∈[1,NT]；
获取第二采样时间段T2内的原始电压数据vkn及原始电流数据ikn，其中，vkn代表第k秒第n个采样点的原始电压数据，ikn代表第k秒第n个采样点的原始电流数据，k∈T2，n∈[1,NT]；
对所述第一采样时间段内的原始电压数据vjn进行平滑处理，并记平滑处理后的原始电压数据vvjn为第一采样时间段内的电压采样数据；
对所述第一采样时间段内的原始电流数据ijn进行平滑处理，并记平滑处理后的原始电压数据iijn为第一采样时间段内的电流采样数据；
对所述第二采样时间段内的原始电压数据vkn进行平滑处理，并记平滑处理后的原始电压数据vvkn为第二采样时间段内的电压采样数据；
对所述第二采样时间段内的原始电流数据ikn进行平滑处理，并记平滑处理后的原始电压数据iikn为第二采样时间段内的电流采样数据。
在本发明一实施例中，记所述述第一采样时间段为T1，记所述第二采样时间段为T2，记所述第一采样时间段内的电压采样数据vvjn，记所述第一采样时间段内的电流采样数据iijn，记所述第二采样时间段内的电压采样数据vvkn，记所述第二采样时间段内的电流采样数据iikn，其中，vvjn代表第j秒第n个采样点的原始电压数据，iijn代表第j秒第n个采样点的原始电流数据，vvkn代表第k秒第n个采样点的原始电压数据，iikn代表第k秒第n个采样点的原始电流数据，j∈T1，k∈T2，n∈[1,NT]，NT为1周期采样点个数；
则，所述根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线，具体包括：
根据预设插值点数ip，对所述第一采样时间段内的电压采样数据vvjn进行等间隔线性插值，并记插值后的电压采样数据为vvjm′，m∈[1,NT+ip]；
根据预设插值点数ip，对所述第一采样时间段内的电流采样数据iij进行等间隔Hermite插值，并记插值后的电压采样数据为iijm′；
根据预设插值点数ip，对所述第二采样时间段内的电压采样数据vvkn进行等间隔线性插值，并记插值后的电压采样数据为vvkm′；
根据预设插值点数ip，对所述第二采样时间段内的电流采样数据iik进行等间隔Hermite插值，并记插值后的电压采样数据为iikm′；
对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′；
根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线。
在本发明一实施例中，所述对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′，具体包括：
记第j秒中电压值最大的数据点为mmax1(vvjmmax1′，iijmmax2′)，其中，mmax1∈[1,NT+ip]；
记第k秒中电压值最大的数据点为mmax2(vvkmmax1′，iikmmax2′)，其中，mmax2∈[1,NT+ip]；
记第j秒移相后的电压数据为vjm′，
vjm′＝(vj1′，vj2′，…，vjNT+ip′)＝(vvjmmax1′，vvjmmax1+1′，…，vvjmmax1-1′)；
记第j秒移相后的电流数据为ijm′，
ijm′＝(ij1′，ij2′，…，ijNT+ip′)＝(iijmmax1′，iijmmax1+1′，…，iijmmax1-1′)；
记第k秒移相后的电压数据为vkm′，
vkm′＝(vk1′，vk2′，…，vkNT+ip′)＝(vvkmmax1′，vvkmmax1+1′，…，vvkmmax1-1′)；
记第k秒移相后的电流数据为ikm′，
ikm′＝(ik1′，ik2′，…，ikNT+ip′)＝(iikmmax1′，iikmmax1+1′，…，iikmmax1-1′)。
在本发明一实施例中，所述根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线，具体包括：
根据所述vjm′生成Vonm，
根据所述vkm′生成Voffm，
根据所述ijm′生成Ionm，
根据所述ikm′生成Ioffm，
根据所述Vonm及Voffm生成电压序列Vm，
根据所述Ionm及Ioffm生成电流序列Im，Im＝Ioffm-Ionm；
以电压序列Vm为横坐标，电流序列Im为纵坐标生成V-I轨迹曲线。
在本发明一实施例中，所述V-I轨迹特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
则，所述根据所述V-I轨迹曲线获取V-I轨迹特征，包括步骤A)-步骤I)中的一步或几步：
A)：获取电流跨度；
B)：根据所述V-I轨迹曲线生成标幺化的V-I轨迹曲线；
C)：获取所述标幺化的V-I轨迹曲线的轨迹面积；
D)：获取所述标幺化的V-I轨迹曲线的绝对面积；
E)：获取瞬时电阻标准差；
F)：获取所述标幺化的V-I轨迹曲线的轨迹对称性；
G)：获取所述标幺化的V-I轨迹曲线的中线相信相关系数；
H)：获取所述标幺化的V-I轨迹曲线的交点个数；
I)：获取所述标幺化的V-I轨迹曲线的轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分的面积。
在本发明一实施例中，所述预设负荷特征表中包括至少一个预设负荷信息，及与所述预设负荷信息匹配的负荷特征，其中，所述负荷特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
则，所述从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息，具体包括：
获取各个预设负荷信息的负荷特征；
分别计算所述V-I轨迹特征与所获取预设负荷信息的负荷特征的欧氏距离；
记与所述V-I轨迹特征的欧式距离最小的预设负荷信息为匹配的负荷信息。
第二方面，本发明还提供了一种基于V-I轨迹的非侵入式负荷分解系统，包括智能电表及控制模块；
其中，所述智能电表用于获取原始电压数据及原始电流数据，并将所获取的原始电压数据及原始电流数据发送给所述控制模块；
所述控制模块包括功率计算模块，事件判断模块，采样时间段生成模块，采样模块，轨迹生成模块，轨迹特征获取模块及分析模块；
所述功率计算模块用于根据接收到的原始电压数据及原始电流数据计算视在功率
所述事件判断模块用于计算所述视在功率的变化率；
当一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，所述事件判断模块判断事件发生，所述事件判断模块还用于记该时间段的开始时刻为第一时刻，所述事件判断模块还用于该时间段的结束时刻为第二时刻；
所述采样时间段生成模块用于根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
所述采样模块用于获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
所述轨迹生成模块用于根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
所述轨迹特征获取模块用于根据所述V-I轨迹曲线获取V-I轨迹特征；
所述分析模块用于从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
在本发明一实施例中，所述原始电压数据包括高频电压数据，所述原始电流数据包括高频电流数据；
所述智能电表用于每秒获取一个工频周期内的高频电压数据及高频电流数据；
所述功率计算模块用于对所述高频电压数据及高频电流数据进行离散傅里叶变换，并根据变换结果计算是在功率及有功功率。
在本发明一实施例中，记第t1时刻的视在功率为St1，记第St1时刻的视在功率的变化幅度ΔSt1，ΔSt1为＝St1-St1-1，记所述第一预设功率阈值为Son1，记所述第二预设功率阈值为Son2；
当|ΔSt1|≥Son1且|ΔSt1+1|≥Son1且……且|ΔSt1+d|≥Son1且|ΔSt1+d+1|<Son1
且|St1+d-St1|≥Son2时；
所述事件判断模块判断事件发生，所述事件判断模块记第一时刻为ton，ton＝t1，记第二时刻为toff，toff＝t1+d；
其中，|ΔSt1|代表第t1时刻的视在功率的变化幅度的绝对值。
在本发明一实施例中，记所述第一时刻为ton，记所述第二时刻为toff，记所述预设时间为t2；
所述采样时间段生成模块记第一时刻ton的前t2秒为第一采样时间段T1,T1＝[ton-1，ton-2…ton-t2]；
所述采样时间段生成模块记第二时刻toff的后t2秒为第二采样时间段T2,T2＝[toff+1，toff+2…toff+t2]；
其中，t2为正整数。
进一步的，在本发明一实施例中，所述采样模块还用于根据工频及采样频率生成1周期采样点个数NT；
所述采样模块还用于获取第一采样时间段T1内的原始电压数据vjn及原始电流数据ijn，其中，vjn代表第j秒第n个采样点的原始电压数据，ijn代表第j秒第n个采样点的原始电流数据，j∈T1，n∈[1,NT]；
所述采样模块还用于获取第二采样时间段T2内的原始电压数据vkn及原始电流数据ikn，其中，vkn代表第k秒第n个采样点的原始电压数据，ikn代表第k秒第n个采样点的原始电流数据，k∈T2，n∈[1,NT]；
所述采样模块还用于对所述第一采样时间段内的原始电压数据vjn进行平滑处理，并记平滑处理后的原始电压数据vvjn为第一采样时间段内的电压采样数据；
所述采样模块还用于对所述第一采样时间段内的原始电流数据ijn进行平滑处理，并记平滑处理后的原始电压数据iijn为第一采样时间段内的电流采样数据；
所述采样模块还用于对所述第二采样时间段内的原始电压数据vkn进行平滑处理，并记平滑处理后的原始电压数据vvkn为第二采样时间段内的电压采样数据；
所述采样模块还用于对所述第二采样时间段内的原始电流数据ikn进行平滑处理，并记平滑处理后的原始电压数据iikn为第二采样时间段内的电流采样数据。
在本发明一实施例中，记所述述第一采样时间段为T1，记所述第二采样时间段为T2，记所述第一采样时间段内的电压采样数据vvjn，记所述第一采样时间段内的电流采样数据iijn，记所述第二采样时间段内的电压采样数据vvkn，记所述第二采样时间段内的电流采样数据iikn，其中，vvjn代表第j秒第n个采样点的原始电压数据，iijn代表第j秒第n个采样点的原始电流数据，vvkn代表第k秒第n个采样点的原始电压数据，iikn代表第k秒第n个采样点的原始电流数据，j∈T1，k∈T2，n∈[1,NT]，NT为1周期采样点个数；
所述轨迹生成模块还用于根据预设插值点数ip，对所述第一采样时间段内的电压采样数据vvjn进行等间隔线性插值，并记插值后的电压采样数据为vvjm′，m∈[1,NT+ip]；
所述轨迹生成模块还用于根据预设插值点数ip，对所述第一采样时间段内的电流采样数据iij进行等间隔Hermite插值，并记插值后的电压采样数据为iijm′；
所述轨迹生成模块还用于根据预设插值点数ip，对所述第二采样时间段内的电压采样数据vvkn进行等间隔线性插值，并记插值后的电压采样数据为vvkm′；
所述轨迹生成模块还用于根据预设插值点数ip，对所述第二采样时间段内的电流采样数据iik进行等间隔Hermite插值，并记插值后的电压采样数据为iikm′；
所述轨迹生成模块还用于对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′；
所述轨迹生成模块还用于根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线。
在本发明一实施例中，记第j秒中电压值最大的数据点为mmax1(vvjmmax1′，iijmmax2′)，其中，mmax1∈[1,NT+ip]；
记第k秒中电压值最大的数据点为mmax2(vvkmmax1′，iikmmax2′)，其中，mmax2∈[1，NT+ip]；
记第j秒移相后的电压数据为vjm′，
vjm′＝(vj1′，vj2′，…，vjNT+ip′)＝(vvjmmax1′，vvjmmax1+1′，…，vvjmmax1-1′)；
记第j秒移相后的电流数据为ijm′，
ijm′＝(ij1′，ij2′，…，ijNT+ip′)＝(iijmmax1′，iijmmax1+1′，…，iijmmax1-1′)；
记第k秒移相后的电压数据为vkm′，
vkm′＝(vk1′，vk2′，…，vkNT+ip′)＝(vvkmmax1′，vvkmmax1+1′，…，vvkmmax1-1′)；
记第k秒移相后的电流数据为ikm′，
ikm′＝(ik1′，ik2′，…，ikNT+ip′)＝(iikmmax1′，iikmmax1+1′，…，iikmmax1-1′)。
在本发明一实施例中，所述轨迹生成模块还用于根据所述vjm′生成Vonm，
所述轨迹生成模块还用于根据所述vkm′生成Voffm，
所述轨迹生成模块还用于根据所述ijm′生成Ionm，
所述轨迹生成模块还用于根据所述ikm′生成Ioffm，
所述轨迹生成模块还用于根据所述Vonm及Voffm生成电压序列Vm，
所述轨迹生成模块还用于根据所述Ionm及Ioffm生成电流序列Im，Im＝Ioffm-Ionm；
所述轨迹生成模块还用于以电压序列Vm为横坐标，电流序列Im为纵坐标生成V-I轨迹曲线。
在本发明一实施例中，所述V-I轨迹特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
则，所述轨迹特征获取模块用于获取A)-I)中一种或几种轨迹特征：
A)：获取电流跨度；
B)：根据所述V-I轨迹曲线生成标幺化的V-I轨迹曲线；
C)：获取所述标幺化的V-I轨迹曲线的轨迹面积；
D)：获取所述标幺化的V-I轨迹曲线的绝对面积；
E)：获取瞬时电阻标准差；
F)：获取所述标幺化的V-I轨迹曲线的轨迹对称性；
G)：获取所述标幺化的V-I轨迹曲线的中线相信相关系数；
H)：获取所述标幺化的V-I轨迹曲线的交点个数；
I)：获取所述标幺化的V-I轨迹曲线的轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分的面积。
在本发明一实施例中，所述预设负荷特征表中包括至少一个预设负荷信息，及与所述预设负荷信息匹配的负荷特征，其中，所述负荷特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
所述分析模块还用于获取各个预设负荷信息的负荷特征；
所述分析模块还用于分别计算所述V-I轨迹特征与所获取预设负荷信息的负荷特征的欧氏距离；
所述分析模块还用于记与所述V-I轨迹特征的欧式距离最小的预设负荷信息为匹配的负荷信息。
本发明的有益效果：
本发明提供了一种基于V-I轨迹的非侵入式负荷分解方法及系统，具备以下优点：
第一、本发明能有效区分功率值较接近的负荷，很多负荷在工作时的功率值较接近，若选用功率作为负荷特征进行识别极易造成识别错误，而负荷V-I轨迹特征不仅包含了负荷功率特征，还包括负荷的电气特征，本发明选取10个V-I轨迹特征作为负荷特征进行识别能增加负荷识别的辨识度，提高负荷识别的正确率。
第二、本发明将多状态负荷模式间切换过程视为互相独立的事件进行识别，对多状态负荷识别准确度高。
第三、本发明提取负荷稳态特征进行计算，相对于暂态特征硬件要求低。
第四、本发明对系统的适应性强，当有新负荷接入时，只需要提取新负荷的轨迹特征与有功功率并将该特征加入负荷特征数据库中即可，无须对整个特征数据库重新训练。
附图说明
图1为本发明一实施例中一种基于V-I轨迹的非侵入式负荷分解方法的流程示意图；
图2为本发明一实施例中V-I轨迹曲线电流跨度特征示意图；
图3为本发明一实施例中标幺化的V-I轨迹曲线示意图；
图4为本发明一实施例中标幺化的V-I轨迹曲线的轨迹面积特征示意图；
图5为本发明一实施例中标幺化的V-I轨迹曲线的绝对面积特征示意图；
图6为本发明一实施例中标幺化的V-I轨迹曲线的旋转示意图；
图7为本发明一实施例中标幺化的V-I轨迹曲线的中线示意图；
图8为本发明一实施例中标幺化的V-I轨迹曲线的轨迹交点示意图；
图9为本发明一实施例中标幺化的V-I轨迹曲线的轨迹交点计算示意图；
图10为本发明一实施例中标幺化的V-I轨迹曲线的轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积视图；
图11为本发明一实施例中预设负荷特征信息表中冰箱的V-I轨迹曲线示意图；
图12为本发明一实施例中事件发生时的功率变化示意图；
图13为本发明一实施例中一天内的所有负荷功率变化情况示意图；
图14为本发明一实施例中的负荷用电量统计示意图；
图15为本发明一实施例中一种基于V-I轨迹的非侵入式负荷分解系统的机构示意图。
具体实施方式
下面结合附图以及具体实施例对本发明做进一步说明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
第一方面，如图1所示，本发明提供了一种基于V-I轨迹的非侵入式负荷分解方法，包括：
S100：获取原始电压数据及原始电流数据，并根据所述原始电压数据及原始电流数据计算视在功率；
S200：当在一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，判断事件发生，记该时间段的开始时刻为第一时刻，该时间段的结束时刻为第二时刻；
S300：根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
S400：获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
S500：根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
S600：根据所述V-I轨迹曲线获取V-I轨迹特征；
S700：从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
在本发明一实施例中，所述原始电压数据包括高频电压数据，所述原始电流数据包括高频电流数据；
则步骤S100，具体包括：
每秒获取一个工频周期内的高频电压数据及高频电流数据；
对所述高频电压数据及高频电流数据进行离散傅里叶变换，并根据变换结果计算是在功率及有功功率。
在本发明一实施例中，记第t1时刻的视在功率为St1，记第St1时刻的视在功率的变化幅度ΔSt1，ΔSt1为＝St1-St1-1，记所述第一预设功率阈值为Son1，记所述第二预设功率阈值为Son2；
则步骤S200，具体包括：
当|ΔSt1|≥Son1且|ΔSt1+1|≥Son1且……且|ΔSt1+d|≥Son1且|ΔSt1+d+1|<Son1
且|St1+d-St1|≥Son2时；
判断事件发生，记第一时刻为ton，ton＝t1，记第二时刻为toff，toff＝t1+d；
其中，|ΔSt1|代表第t1时刻的视在功率的变化幅度的绝对值。
进一步的，在本发明一实施例中，步骤S300，具体包括：
记第一时刻ton的前t2秒为第一采样时间段T1,T1＝[ton-1，ton-2…ton-t2]；
记第二时刻toff的后t2秒为第二采样时间段T2,T2＝[toff+1，toff+2…toff+t2]；
其中，t2为正整数。
进一步的，在本发明一实施例中，步骤S400，具体包括：
根据工频及采样频率生成1周期采样点个数NT；
获取第一采样时间段T1内的原始电压数据vjn及原始电流数据ijn，其中，vjn代表第j秒第n个采样点的原始电压数据，ijn代表第j秒第n个采样点的原始电流数据，j∈T1，n∈[1,NT]；
获取第二采样时间段T2内的原始电压数据vkn及原始电流数据ikn，其中，vkn代表第k秒第n个采样点的原始电压数据，ikn代表第k秒第n个采样点的原始电流数据，k∈T2，n∈[1,NT]；
对所述第一采样时间段内的原始电压数据vjn进行平滑处理，并记平滑处理后的原始电压数据vvjn为第一采样时间段内的电压采样数据；
对所述第一采样时间段内的原始电流数据ijn进行平滑处理，并记平滑处理后的原始电压数据iijn为第一采样时间段内的电流采样数据；
对所述第二采样时间段内的原始电压数据vkn进行平滑处理，并记平滑处理后的原始电压数据vvkn为第二采样时间段内的电压采样数据；
对所述第二采样时间段内的原始电流数据ikn进行平滑处理，并记平滑处理后的原始电压数据iikn为第二采样时间段内的电流采样数据。
进一步的，在本发明一实施例中，步骤S500，具体包括：
根据预设插值点数ip，对所述第一采样时间段内的电压采样数据vvjn进行等间隔线性插值，并记插值后的电压采样数据为vvjm′，m∈[1,NT+ip]；
根据预设插值点数ip，对所述第一采样时间段内的电流采样数据iij进行等间隔Hermite插值，并记插值后的电压采样数据为iijm′；
根据预设插值点数ip，对所述第二采样时间段内的电压采样数据vvkn进行等间隔线性插值，并记插值后的电压采样数据为vvkm′；
根据预设插值点数ip，对所述第二采样时间段内的电流采样数据iik进行等间隔Hermite插值，并记插值后的电压采样数据为iikm′；
对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′；
根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线。
进一步的，在本发明一实施例中，所述对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′，具体包括：
记第j秒中电压值最大的数据点为mmax1(vvjmmax1′，iijmmax2′)，其中，mmax1∈[1,NT+ip]；
记第k秒中电压值最大的数据点为mmax2(vvkmmax1′，iikmmax2′)，其中，mmax2∈[1,NT+ip]；
记第j秒移相后的电压数据为vjm′，
vjm′＝(vj1′，vj2′，…，vjNT+ip′)＝(vvjmmax1′，vvjmmax1+1′，…，vvjmmax1-1′)；
记第j秒移相后的电流数据为ijm′，
ijm′＝(ij1′，ij2′，…，ijNT+ip′)＝(iijmmax1′，iijmmax1+1′，…，iijmmax1-1′)；
记第k秒移相后的电压数据为vkm′，
vkm′＝(vk1′，vk2′，…，vkNT+ip′)＝(vvkmmax1′，vvkmmax1+1′，…，vvkmmax1-1′)；
记第k秒移相后的电流数据为ikm′，
ikm′＝(ik1′，ik2′，…，ikNT+ip′)＝(iikmmax1′，iikmmax1+1′，…，iikmmax1-1′)。
进一步的，在本发明一实施例中，所述根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线，具体包括：
根据所述vjm′生成Vonm，
根据所述vkm′生成Voffm，
根据所述ijm′生成Ionm，
根据所述ikm′生成Ioffm，
根据所述Vonm及Voffm生成电压序列Vm，
根据所述Ionm及Ioffm生成电流序列Im，Im＝Ioffm-Ionm；
以电压序列Vm为横坐标，电流序列Im为纵坐标生成V-I轨迹曲线。
在本发明一实施例中，所述V-I轨迹特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积；
则，步骤S600，具体包括：
A)：获取电流跨度；
B)：根据所述V-I轨迹曲线生成标幺化的V-I轨迹曲线；
C)：获取所述标幺化的V-I轨迹曲线的轨迹面积；
D)：获取所述标幺化的V-I轨迹曲线的绝对面积；
E)：获取瞬时电阻标准差；
F)：获取所述标幺化的V-I轨迹曲线的轨迹对称性；
G)：获取所述标幺化的V-I轨迹曲线的中线相信相关系数；
H)：获取所述标幺化的V-I轨迹曲线的交点个数；
I)：获取所述标幺化的V-I轨迹曲线的轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分的面积。
如图2所示，在本发明一实施例中，步骤A)具体包括：
记所述电流跨度为itc，itc＝max(I)-min(I)；I为电流序列，即V-I轨迹曲线的纵坐标；max(I)代表所述电流序列的最大值，min(I)代表所述电流序列的最小值。
如图3所示，在本发明一实施例中，步骤B)具体包括：
获取电压序列Vm标幺化值Vm′，max(V)为电流序列的最大值及电流序列I，m∈[1,NT+ip]，NT为1周期采样点个数,ip为预设插值点数；
获取电流序列Im标幺化值Im′，max(I)为电流序列的最大值；
记电压最大值点为vmax(Vvmax′，Ivmax′),记电压最小值点为vmin(Vvmin′，Ivmin′)；
根据所述电压最大值点vmax及所述电压最小值点vmin将V-I轨迹曲线分为A,B两部分；
A＝{(Vk1′，Ik1′)|k1∈[1,vmin]}；
B＝{(Vk2′，Ik2′)|k2∈[vmin+1,NT+ip]}。
进一步的，在本发明一实施例中，如图4所示，步骤C)具体包括：
记所述轨迹面积为area，
进一步的，在本发明一实施例中，如图5所示，步骤D)具体包括：
记所述绝对面积为absarea，
其中，m1满足min(|Vm1′-Vm′|)，m1∈[vmin+1,NT+ip]，m2满足min(|Vm2′-Vm′|)，m2∈[vmin+1,NT+ip]。
进一步的，在本发明一实施例中，步骤E)具体包括：
记所述瞬时电阻标准差为D，
其中，Rn为第n采样点的瞬时电阻，为第m采样点标幺化后的电压值，Im′为第n采样点标幺化后的电流值，m∈[1,NT+ip]，NT为1周期采样点个数,ip为预设插值点数；为Rn的平均值；
进一步的，在本发明一实施例中，如图6所示，步骤F)具体包括：
记所述V-I轨迹曲线的所有采样点的坐标集为pa；
记所述V-I轨迹曲线绕自身对称中心旋转180°后的所有采样点的坐标集为pr；
记旋转后V-I轨迹曲线上的任一点r到原V-I轨迹曲线上的任一点的最小值为dabr，
记所述的dabr最大值为hab，hab＝maxr(dabr)；
记原V-I轨迹曲线上的任一点t到旋转后的V-I轨迹曲线上的任一点的最小值为dbaa，
记所述的dbat最大值为hba，hba＝maxt(dbat)；
记所述轨迹对称性为asy，asy＝max(hab，hba)。
进一步的，在本发明一实施例中，如图7所示，步骤G)具体包括：
记轨迹B上电压值与轨迹A上一点k1最接近的点为mk2，
即mk2满足minmk2|Vmk2′-Vk1′|，mk2∈[vmin+1,NT+ip]；
记所述V-I轨迹曲线的中线点集为M，
根据点集M计算所述中线线性相关系数r。
进一步的，在本发明一实施例中，如图8及图9所示，步骤H)具体包括：
根据轨迹A上连续2点a、b，分别获取轨迹B上电压值与a最接近的点c，及轨迹B上电压值与b最接近的点d；即，
点c满足，minc(Vc′-Va′),Vc′≤Va′，c∈[vmin+1,NT+ip]；
点d满足，mind(Vd′-Vb′),Vd′≤Vb′，d∈[vmin+1,NT+ip]；
当时；
判断所述V-I轨迹曲线存在交点，交点个数sc加1；
进一步的，在本发明一实施例中，如图10所示，步骤I)具体包括：
获取轨迹A上的拐点bendp1(Vbp1′,Ibp1′),
所述拐点bendp1(Vbp1′,Ibp1′)满足
其中，arccos代表反余弦函数，
获取轨迹B上与拐点bendp1电压值最接近的点bendp11(Vbp11′,Ibp11′)，bp11∈[vmin+1,NT+ip]；
获取轨迹B上的拐点bendp2(Vbp2′,Ibp2′)，
所述拐点bendp2(Vbp2′,Ibp2′)满足
其中，arccos代表反余弦函数，
获取轨迹A上与拐点bendp2电压值最接近的点bendp22(Vbp22′,Ibp22′)，bp22∈[1,vmin]；
连接bendp1与bendp11获得第一分割线L1；
连接bendp2与bendp22获得第二分割线L2；
所述第一分割线L1及第二分割线L2将所述V-I轨迹曲线分割成左、中、右三个部分；
获取所述V-I轨迹曲线的中间部分峰值midm，
midm＝max(maxf1(If1-fa(Vf1′)),maxf2(If2-fb(Vf2′)))，f1∈[ma,ma+na-1]，f2∈[mb,mb+nb-1]；
其中，fa(Vf1′)为L1的直线表达式，fb(Vf2′)为L2的直线表达式，ma为轨迹A中间部分的第一个点，na为轨迹A中间部分的数据点个数，mb为轨迹B中间部分的第一个点，nb为轨迹B中间部分的数据点个数；
获取所述V-I轨迹曲线的中间部分形状shapem，
其中，
获取所述V-I轨迹曲线的左右部分面积arealr，
arealr＝absarealeft+absarearight；
其中，left∈(1…bmi1)∪(bma2…NT+ip),right∈(bma1…bmi2)，其中bmi1、bma1分别为bendp1、bendp11二者采样点数最小值和最大值；bmi2、bma2分别bendp2、bendp22二者采样点数最小值和最大值
可以理解的是，所述V-I轨迹特征可以包括特征(1)～(8)中的一种或几种，同理，步骤S600可以包括步骤A)-步骤I)中的一步或几步。
在本发明一实施例中，所述预设负荷特征表中包括至少一个预设负荷信息，及与所述预设负荷信息匹配的负荷特征，其中，所述负荷特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积；
则，步骤S700，具体包括：
获取各个预设负荷信息的负荷特征；
分别计算所述V-I轨迹特征与所获取预设负荷信息的负荷特征的欧氏距离；
记与所述V-I轨迹特征的欧式距离最小的预设负荷信息为匹配的负荷信息。
具体的，记所述V-I轨迹特征中的(1)电流跨度为itc；(2)轨迹面积为area；(3)绝对面积为absarea；(4)瞬时电阻标准差为D；(5)轨迹对称性为asy；(6)中线线性相关系数为r；(7)轨迹交点个数为sc；(8)轨迹中间部分峰值为midm、轨迹中间部分形状为shapem及轨迹左右部分面积为arealr；
记所述预设负荷特征表中预设负荷信息nt的负荷特征(1)电流跨度为itcnt；(2)轨迹面积为areant；(3)绝对面积为absareant；(4)瞬时电阻标准差为Dnt；(5)轨迹对称性为asynt；(6)中线线性相关系数为rnt；(7)轨迹交点个数为scnt；(8)轨迹中间部分峰值为midmnt、轨迹中间部分形状为shapemnt及轨迹左右部分面积为arealrnt；
其中，nt∈[1,nth]，nth为所述预设负荷特征表中预设负荷信息的个数，nth为不小于1的正整数；
记所述预设负荷特征表中与所述V-I轨迹特征匹配的负荷信息为ntm；
则ntm满足
其中，ntm∈[1,nth]。
具体的，在本发明一具体应用场景中，通过安装在入户总线上的智能电表得到该家庭在一段时间内的用电数据，该家庭共有8种负荷，分别为：冰箱、热水器、洗衣机、照明系统1、照明系统2、微波炉、电炉、洗碗机；步骤S200～S700由控制模块实现，其中所述控制模块中存储有预设负荷特征表，所述预设负荷特征表中存储有所述冰箱、热水器、洗衣机、照明系统1、照明系统2、微波炉、电炉、洗碗机的负荷特征信息，其中，冰箱、热水器、洗衣机、微波炉、电炉均为多状态负荷，每个状态均对应有不同的负荷特征信息，如图11所示为冰箱的4个状态的V-I轨迹，其负荷特征信息如下：
| 冰箱 | itc | aera | absaera | D | asy |
| 状态1至状态2 | 3.4002 | -0.6807 | 0.6803 | 0.3785 | 0.0086 |
| 状态2至状态3 | 6.8122 | 0.4804 | 0.4804 | 0.2739 | 0.0059 |
| 状态3至状态1 | 9.5265 | -0.0712 | 0.0713 | 0.0447 | 0.0053 |
| 状态2至状态1 | 3.2552 | 0.6852 | 0.6855 | 0.3947 | 0.0076 |
接上表
| R | sc | maxm | shapem | aeralr | 有功功率 |
| 0.9992 | 0 | 0.0815 | 1.0290 | 0.0309 | 111W |
| 0.9999 | 0 | 0.1126 | 1.2578 | 0.0020 | 283W |
| -1.0000 | 0 | 0.0173 | 1.3182 | 0.0003 | -393W |
| -0.9993 | 0 | 0.0265 | 0.0859 | 0.6665 | -111W |
所述智能电表采样频率为16.5kHz，采集入户总线上的电流和电压数据，工频为60Hz。
本实施例测试时间尺度为一天，控制模块根据所述智能电表采集到的每秒电流电压数据计算视在功率进行并进行步事件探测，其中，第一预设功率阈值Son1为30VA，第二预设功率阈值Son2为100VA，所述控制模块共探测出173个事件；
其中，如图12所示，为第一个事件发生前后的视在功率变化情况，所述控制模块流程探测到922秒有事件发生，923秒时该事件结束；
所述控制模块记事件发生时间的前3秒为第一采样时间段，即920～922秒；所述控制模块记事件结束时间的后3秒为第二采样时间段，即923～925秒；所述控制模块根据采样频率和工频生成1周期采样点个数NT为275，即一个工频周期内有275个采样点；
所述控制模块根据所述采样点个数获取所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数，并根据所获取到的数据生成V-I轨迹曲线；
所述控制模块根据步骤A)-步骤I)的方法获取所述V-I轨迹曲线的V-I轨迹特征如下：
| itc | area | absarea | D | asy | r | sc | midm | shapem | arealr |
| 9.2846 | -0.3256 | 0.3255 | 0.2553 | 0.0139 | -0.9357 | 0 | 0.6822 | 0.5542 | 0.0600 |
所述控制模块根据所述V-I轨迹特征计算所述预设负荷特征表中，负荷特征与所述V-I轨迹特征的欧氏距离最小的负荷信息为照明系统2关闭，则所述控制模块判断与该事件匹配的负荷信息为照明系统2关闭；所述控制模块对所述探测出173个事件重复上述步骤，继而得到所有事件的匹配的负荷信息，本发明所提供的方法的负荷识别结果如下：
在本实施例中，一天内的所有负荷功率变化情况如图13所示，测得的负荷用电量统计如图14所示，本发明所提供的方法的负荷用电量统计正确率如下：
| 负荷名称 | 统计用电量/kWh | 实际用电量/kWh | 正确率/％ |
| 冰箱 | 1.2925 | 1.2403 | 95.79％ |
| 洗碗机 | 0.0354 | 0.0354 | 100％ |
| 电炉 | 2.0445 | 1.6195 | 73.78％ |
| 微波炉 | 5.2509 | 7.3452 | 71.79％ |
| 热水器 | 0.4282 | 0.4305 | 99.47％ |
| 洗衣机 | 0.2980 | 0.2980 | 100％ |
| 照明系统1 | 3.3573 | 2.9272 | 85.31％ |
| 照明系统2 | 1.2329 | 1.2329 | 100％ |
| 总体 | 13.9397 | 15.129 | 92.1％ |
从负荷识别结果和用电量统计结果可以看出，本发明所提供的方法的负荷识别的正确率在95％以上，并且对于功率较为接近的照明系统1与洗碗机利用V-I轨迹特征均能达到较高的识别正确率，对冰箱这类存在多种模式切换过程的负荷可以准确区分不同工作状态。
第二方面，如图15所示，本发明还提供了一种基于V-I轨迹的非侵入式负荷分解系统，包括智能电表100及控制模块200；
其中，智能电表100用于获取原始电压数据及原始电流数据，并将所获取的原始电压数据及原始电流数据发送给控制模块200；
控制模块200包括功率计算模块210，事件判断模块220，采样时间段生成模块230，采样模块240，轨迹生成模块250，轨迹特征获取模块260及分析模块270；
所述功率计算模块210用于根据接收到的原始电压数据及原始电流数据计算视在功率；
所述事件判断模块220用于计算所述视在功率的变化率；
当一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，所述事件判断模块判断事件发生，所述事件判断模块220还用于记该时间段的开始时刻为第一时刻，所述事件判断模块220还用于该时间段的结束时刻为第二时刻；
所述采样时间段生成模块230用于根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
所述采样模块240用于获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
所述轨迹生成模块250用于根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
所述轨迹特征获取模块260用于根据所述V-I轨迹曲线获取V-I轨迹特征；
所述分析模块270用于从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
在本发明一实施例中，本发明第一方面所提供的方法由本发明第二方面所提供的系统完成，其中智能电表100安装于入户总线上，控制模块200包括但不限于单片机或中央处理器。
显然，上述实施例仅仅是为了更清楚的表达本发明技术方案所作的举例，而非对本发明实施方式的限定。对于本领域技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，在不脱离本发明构思的前提下，这些都属于本发明的保护范围。因此本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，包括：
获取原始电压数据及原始电流数据，并根据所述原始电压数据及原始电流数据计算视在功率及有功功率；
当在一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，判断事件发生，记该时间段的开始时刻为第一时刻，该时间段的结束时刻为第二时刻；
根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
根据所述V-I轨迹曲线获取V-I轨迹特征；
从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
2.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，所述原始电压数据包括高频电压数据，所述原始电流数据包括高频电流数据；
则，所述获取原始电压数据及原始电流数据，并根据所述原始电压数据及原始电流数据计算视在功率及有功功率，具体包括：
每秒获取一个工频周期内的高频电压数据及高频电流数据；
对所述高频电压数据及高频电流数据进行离散傅里叶变换，并根据变换结果计算是在功率及有功功率。
3.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，记第t1时刻的视在功率为St1，记第St1时刻的视在功率的变化幅度ΔSt1，ΔSt1为＝St1-St1-1，记所述第一预设功率阈值为Son1，记所述第二预设功率阈值为Son2；
则，所述当在一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，判断事件发生，记该时间段的开始时刻为第一时刻，该时间段的结束时刻为第二时刻，具体包括：
当|ΔSt1|≥Son1且|ΔSt1+1|≥Son1且……且|ΔSt1+d|≥Son1且|ΔSt1+d+1|<Son1且|St1+d-St1|≥Son2时；
判断事件发生，记第一时刻为ton，ton＝t1，记第二时刻为toff，toff＝t1+d；
其中，|ΔSt1|代表第t1时刻的视在功率的变化幅度的绝对值。
4.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，记所述第一时刻为ton，记所述第二时刻为toff，记所述预设时间为t2；
则，所述根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段，具体包括：
记第一时刻ton的前t2秒为第一采样时间段T1,T1＝[ton-1，ton-2…ton-t2]；
记第二时刻toff的后t2秒为第二采样时间段T2,T2＝[toff+1，toff+2…toff+t2]；
其中，t2为正整数。
5.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，所述取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据，具体包括：
根据工频及采样频率生成1周期采样点个数NT；
获取第一采样时间段T1内的原始电压数据vjn及原始电流数据ijn，其中，vjn代表第j秒第n个采样点的原始电压数据，ijn代表第j秒第n个采样点的原始电流数据，j∈T1，n∈[1,NT]；
获取第二采样时间段T2内的原始电压数据vkn及原始电流数据ikn，其中，vkn代表第k秒第n个采样点的原始电压数据，ikn代表第k秒第n个采样点的原始电流数据，k∈T2，n∈[1,NT]；
对所述第一采样时间段内的原始电压数据vjn进行平滑处理，并记平滑处理后的原始电压数据vvjn为第一采样时间段内的电压采样数据；
对所述第一采样时间段内的原始电流数据ijn进行平滑处理，并记平滑处理后的原始电压数据iijn为第一采样时间段内的电流采样数据；
对所述第二采样时间段内的原始电压数据vkn进行平滑处理，并记平滑处理后的原始电压数据vvkn为第二采样时间段内的电压采样数据；
对所述第二采样时间段内的原始电流数据ikn进行平滑处理，并记平滑处理后的原始电压数据iikn为第二采样时间段内的电流采样数据。
6.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，记所述述第一采样时间段为T1，记所述第二采样时间段为T2，记所述第一采样时间段内的电压采样数据vvjn，记所述第一采样时间段内的电流采样数据iijn，记所述第二采样时间段内的电压采样数据vvkn，记所述第二采样时间段内的电流采样数据iikn，其中，vvjn代表第j秒第n个采样点的原始电压数据，iijn代表第j秒第n个采样点的原始电流数据，vvkn代表第k秒第n个采样点的原始电压数据，iikn代表第k秒第n个采样点的原始电流数据，j∈T1，k∈T2，n∈[1,NT]，NT为1周期采样点个数；
则，所述根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线，具体包括：
根据预设插值点数ip，对所述第一采样时间段内的电压采样数据vvjn进行等间隔线性插值，并记插值后的电压采样数据为vvjm′，m∈[1,NT+ip]；
根据预设插值点数ip，对所述第一采样时间段内的电流采样数据iij进行等间隔Hermite插值，并记插值后的电压采样数据为iijm′；
根据预设插值点数ip，对所述第二采样时间段内的电压采样数据vvkn进行等间隔线性插值，并记插值后的电压采样数据为vvkm′；
根据预设插值点数ip，对所述第二采样时间段内的电流采样数据iik进行等间隔Hermite插值，并记插值后的电压采样数据为iikm′；
对所述vvjm′、vvkm′、iijm′、iikm′进行移相处理，并记移相后的数据为vjm′、vkm′、ijm′、ikm′；
根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线。
7.如权利要求6所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，所述根据所述vjm′、vkm′、ijm′、ikm′生成电压序列及电流序列，并根据所述电压序列及电流序列生成V-I轨迹曲线，具体包括：
根据所述vjm′生成Vonm，
根据所述vkm′生成Voffm，
根据所述ijm′生成Ionm，
根据所述ikm′生成Ioffm，
根据所述Vonm及Voffm生成电压序列Vm，
根据所述Ionm及Ioffm生成电流序列Im，Im＝Ioffm-Ionm
以电压序列Vm为横坐标，电流序列Im为纵坐标生成V-I轨迹曲线。
8.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，所述V-I轨迹特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
则，所述根据所述V-I轨迹曲线获取V-I轨迹特征，具体包括步骤A)-步骤I)中的一步或几步：
A)：获取电流跨度；
B)：根据所述V-I轨迹曲线生成标幺化的V-I轨迹曲线；
C)：获取所述标幺化的V-I轨迹曲线的轨迹面积；
D)：获取所述标幺化的V-I轨迹曲线的绝对面积；
E)：获取瞬时电阻标准差；
F)：获取所述标幺化的V-I轨迹曲线的轨迹对称性；
G)：获取所述标幺化的V-I轨迹曲线的中线相信相关系数；
H)：获取所述标幺化的V-I轨迹曲线的交点个数；
I)：获取所述标幺化的V-I轨迹曲线的轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分的面积。
9.如权利要求1所述的一种基于V-I轨迹的非侵入式负荷分解方法，其特征在于，所述预设负荷特征表中包括至少一个预设负荷信息，及与所述预设负荷信息匹配的负荷特征，其中，所述负荷特征包括(1)电流跨度；(2)轨迹面积；(3)绝对面积；(4)瞬时电阻标准差；(5)轨迹对称性；(6)中线线性相关系数；(7)轨迹交点个数；(8)轨迹中间部分峰值、轨迹中间部分形状及轨迹左右部分面积中的一种或几种；
则，所述从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息，具体包括：
获取各个预设负荷信息的负荷特征；
分别计算所述V-I轨迹特征与所获取预设负荷信息的负荷特征的欧氏距离；
记与所述V-I轨迹特征的欧式距离最小的预设负荷信息为匹配的负荷信息。
10.一种基于V-I轨迹的非侵入式负荷分解系统，其特征在于，包括智能电表及控制模块；
其中，所述智能电表用于获取原始电压数据及原始电流数据，并将所获取的原始电压数据及原始电流数据发送给所述控制模块；
所述控制模块包括功率计算模块，事件判断模块，采样时间段生成模块，采样模块，轨迹生成模块，轨迹特征获取模块及分析模块；
所述功率计算模块用于根据接收到的原始电压数据及原始电流数据计算视在功率及有功功率；
所述事件判断模块用于计算所述视在功率的变化率；
当一个时间段内的所述视在功率的连续变化幅度不小于第一预设功率阈值，且该时间段结束时刻的视在功率与该时间段开始时刻的视在功率之差大于第二预设功率阈值时，所述事件判断模块判断事件发生，所述事件判断模块还用于记该时间段的开始时刻为第一时刻，所述事件判断模块还用于该时间段的结束时刻为第二时刻；
所述采样时间段生成模块用于根据所述第一时刻及预设时间生成第一采样时间段，根据所述第二时刻及预设时间生成第二采样时间段；
所述采样模块用于获取所述第一采样时间段及所述第二采样时间段内的电流采样数据及电压采样数据；
所述轨迹生成模块用于根据所获取的所述第一采样时间段及第二采样时间段内的电流采样数据及电压采样数据生成V-I轨迹曲线；
所述轨迹特征获取模块用于根据所述V-I轨迹曲线获取V-I轨迹特征；
所述分析模块用于从预设负荷特征表中获取与所述V-I轨迹特征匹配的负荷信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710407107.1A CN107302217A (zh) | 2017-06-02 | 2017-06-02 | 基于v‑i轨迹的非侵入式负荷分解方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710407107.1A CN107302217A (zh) | 2017-06-02 | 2017-06-02 | 基于v‑i轨迹的非侵入式负荷分解方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107302217A true CN107302217A (zh) | 2017-10-27 |
Family
ID=60134585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710407107.1A Pending CN107302217A (zh) | 2017-06-02 | 2017-06-02 | 基于v‑i轨迹的非侵入式负荷分解方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107302217A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109449919A (zh) * | 2018-09-27 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种非侵入式用电负荷分析方法及装置 |
| WO2019109582A1 (zh) * | 2017-12-08 | 2019-06-13 | 亿可能源科技（上海）有限公司 | 非侵入式能耗检测方法及系统 |
| CN109946543A (zh) * | 2019-03-28 | 2019-06-28 | 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 |
| CN110222788A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨工业大学 | 一种智能插座的负荷识别系统及方法 |
| CN110347725A (zh) * | 2019-07-16 | 2019-10-18 | 四川长虹电器股份有限公司 | 一种非侵入式电力负载识别错误样本的采集方法 |
| CN110443302A (zh) * | 2019-08-02 | 2019-11-12 | 天津相和电气科技有限公司 | 基于特征融合与深度学习的负荷辨识方法及其应用 |
| CN111103477A (zh) * | 2019-10-31 | 2020-05-05 | 武汉旗云高科信息技术有限公司 | 一种基于3d卷积神经网络的电气负载监测方法和系统 |
| CN112180193A (zh) * | 2020-09-28 | 2021-01-05 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
| CN113010985A (zh) * | 2021-03-05 | 2021-06-22 | 重庆邮电大学 | 一种基于并行aann的非侵入式负荷识别方法 |
| CN113723479A (zh) * | 2021-08-18 | 2021-11-30 | 南京工程学院 | 一种基于grnn与均值漂移算法的非侵入式负荷识别方法 |
| CN114236301A (zh) * | 2022-02-28 | 2022-03-25 | 华北电力大学 | 一种非侵入式工业负荷事件检测方法及系统 |
| CN116780537A (zh) * | 2023-08-24 | 2023-09-19 | 国网天津市电力公司宝坻供电分公司 | 非侵入式负荷监测方法、装置、存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096726A (zh) * | 2016-05-31 | 2016-11-09 | 华北电力大学 | 一种非侵入式负荷监测方法及装置 |
-
2017
- 2017-06-02 CN CN201710407107.1A patent/CN107302217A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096726A (zh) * | 2016-05-31 | 2016-11-09 | 华北电力大学 | 一种非侵入式负荷监测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| H. Y. LAM等: ""A Novel Method to Construct Taxonomy Electrical Appliances Based on Load Signatures"", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS》 * |
| 王志超: ""住宅用电负荷的非侵入式监测方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019109582A1 (zh) * | 2017-12-08 | 2019-06-13 | 亿可能源科技（上海）有限公司 | 非侵入式能耗检测方法及系统 |
| CN109449919A (zh) * | 2018-09-27 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种非侵入式用电负荷分析方法及装置 |
| 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 |
| CN109946543A (zh) * | 2019-03-28 | 2019-06-28 | 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 |
| CN110222788A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨工业大学 | 一种智能插座的负荷识别系统及方法 |
| CN110347725A (zh) * | 2019-07-16 | 2019-10-18 | 四川长虹电器股份有限公司 | 一种非侵入式电力负载识别错误样本的采集方法 |
| CN110443302A (zh) * | 2019-08-02 | 2019-11-12 | 天津相和电气科技有限公司 | 基于特征融合与深度学习的负荷辨识方法及其应用 |
| CN110443302B (zh) * | 2019-08-02 | 2023-06-09 | 天津相和电气科技有限公司 | 基于特征融合与深度学习的负荷辨识方法及其应用 |
| CN111103477A (zh) * | 2019-10-31 | 2020-05-05 | 武汉旗云高科信息技术有限公司 | 一种基于3d卷积神经网络的电气负载监测方法和系统 |
| CN112180193A (zh) * | 2020-09-28 | 2021-01-05 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
| CN112180193B (zh) * | 2020-09-28 | 2021-11-02 | 华中科技大学 | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 |
| CN113010985A (zh) * | 2021-03-05 | 2021-06-22 | 重庆邮电大学 | 一种基于并行aann的非侵入式负荷识别方法 |
| CN113723479A (zh) * | 2021-08-18 | 2021-11-30 | 南京工程学院 | 一种基于grnn与均值漂移算法的非侵入式负荷识别方法 |
| CN114236301A (zh) * | 2022-02-28 | 2022-03-25 | 华北电力大学 | 一种非侵入式工业负荷事件检测方法及系统 |
| CN116780537A (zh) * | 2023-08-24 | 2023-09-19 | 国网天津市电力公司宝坻供电分公司 | 非侵入式负荷监测方法、装置、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107302217A (zh) | 基于v‑i轨迹的非侵入式负荷分解方法及系统 | |
| CN105972761B (zh) | 一种非侵入式空调负荷监测方法 | |
| CN111398885B (zh) | 一种结合线损分析的智能电表运行误差监控方法 | |
| Liu et al. | Energy disaggregation of appliances consumptions using ham approach | |
| CN106096726B (zh) | 一种非侵入式负荷监测方法及装置 | |
| 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 | |
| CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
| CN109490679B (zh) | 基于非侵入式负荷监测的智能窃电稽查系统及方法 | |
| CN105823948A (zh) | 一种非干预式居民负荷识别方法 | |
| 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 | |
| CN108152630B (zh) | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 | |
| 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 | |
| CN105004939A (zh) | 一种复合电能质量扰动信号定量分析方法 | |
| CN112909923A (zh) | 一种基于dtw算法的非侵入式家居负荷行为识别的装置 | |
| CN111612056A (zh) | 一种基于模糊聚类和过零偏移的低压户变关系识别方法 | |
| CN113466548B (zh) | 一种基于相量测量技术的智能电表台区识别方法 | |
| Wu et al. | Nonintrusive on-site load-monitoring method with self-adaption | |
| Zhang et al. | Non-intrusive load identification method based on color encoding and improve R-FCN | |
| CN102799108B (zh) | 基于低频能耗信息的能耗解聚合方法及家庭能源管理系统 | |
| CN109726770A (zh) | 一种模拟电路故障测试诊断方法 | |
| CN115508662B (zh) | 一种用于判定台区电表与表箱间归属关系的方法 | |
| CN116340753A (zh) | 一种考虑非电气特征量的分布式能源区域的能源监测方法 | |
| CN110658385B (zh) | 一种基于复化梯形法的用电量分类计量方法 | |
| Zhou et al. | A method for recognizing electrical appliances based on active load demand in a house/office environment |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 510623 ZYZC-07, room 1101 and 1102, 8 Jinsui Road, Tianhe District, Guangzhou, Guangdong. Applicant after: Guangdong Zhong Yue Electric Power Technology Co., Ltd. Applicant after: Guangdong Jun Hua Energy Technology Co Ltd Address before: 510623 ZYZC-07, room 1101 and 1102, 8 Jinsui Road, Tianhe District, Guangzhou, Guangdong. Applicant before: Guangdong Sino Guangdong Electric Technology Co., Ltd. Applicant before: Guangdong Jun Hua Energy Technology Co Ltd |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171027 |