CN108828375A - 基于双回路智能电能表的空调用电监控系统及监控方法 - Google Patents

Abstract

本发明针对空调使用不当造成的能源浪费问题，提出了基于双回路智能电能表的空调用电监控系统及监控方法，可基于现有智能电网数据传输平台，通过智能电能表来实现对空调的故障和节能监管功能；基于聚类算法得出两个独立计量回路的用户典型负荷曲线，以此评估空调是否存在故障或异常用电情况，优化运行，以避免空调使用不合理造成的能源浪费。

Description

基于双回路智能电能表的空调用电监控系统及监控方法

技术领域

本发明涉及一种基于双回路智能电能表的空调用电监控系统及监控方法，属于电力技术领域。

背景技术

随着我国经济高速化发展，越来越多大型企事业单位或者高校采用空调进行集中供暖/制冷，而空调的使用存在许多不规范现象，比如：无人情况下未关闭、未达到规定温度使用空调以及空调自身出现故障等，这些情况均会导致电能的极大浪费。为缓解能源紧张的压力、解决社会经济发展与能源供应不足的矛盾，应全面推进使用公用空调的节能监控平台。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于双回路智能电能表的空调用电监控系统及监控方法，能实现空调线路独立的计量与控制、空调电量数据上报及分析等功能。

为解决上述技术问题，本发明提供一种基于双回路智能电能表的空调用电监控系统及监控方法。

一种基于双回路智能电能表的空调用电监控系统，其特征是，包括与上层服务器进行数据交换的智能电能表；

智能电能表中包括MCU处理器、双回路计量电路和双继电器控制电路；

双回路计量电路具有两个独立的第一计量回路和第二计量回路，由双回路继电器控制电路分别控制第一计量回路和第二计量回路进行采样；第一计量回路采集空调负荷数据接入MCU处理器中的空调负荷处理模块，第二计量回路采集所有用电负荷数据接入MCU处理器中的电能计量处理模块；由MCU处理器对空调负荷处理模块和电能计量处理模块中的数据进行处理，根据数据处理结果判定空调是否存在故障或使用不当。

智能电能表经数据网关与上层服务器进行数据交换。

一种基于双回路智能电能表的空调用电监控方法，其特征是，包括以下步骤：

1)数据采集：两个独立的第一计量回路和第二计量回路分别采集空调负荷数据和所有用电负荷数据；

2)数据预处理：对采集的数据进行规范化处理得到规范化负荷数据；

3)拟合负荷曲线：确定负荷特性指标，通过聚类算法对规范化负荷数据进行聚类，拟合出负荷曲线；

4)建立典型用电负荷曲线：根据拟合出的负荷曲线提取出用户典型用电负荷曲线；

5)分析与评价：根据规范化负荷数据、负荷曲线及用户典型用电负荷曲线判定空调是否存在故障或使用不当。

负荷特性指标主要包括电流、电压和功率。

空调故障的判定方法为：

记计量回路的采样率为fs，每个周期采样0.02fs个电流数据，在0.02fs个电流数据中求得电流最大值I_max，以此电流最大值为基准点，取前0.006fs个采样数据点，对此0.006fs个数据依次做差，并求其相邻两点的斜率值Rate，在0.006fs-1次判定过程中，当斜率值Rate大于设定阈值时，电表跳闸报警寄存器Cnt数值加1，直至Cnt>＝3，判定为空调发生故障。

空调使用不当的判定方法为：

根据第一计量回路、第二计量回路采集的数据，对空调负荷处理模块和电能计量处理模块中的数据进行处理，分别获取空调线路和其他用电线路上不同日、不同时间段的拟合负荷曲线，对这些拟合负荷曲线进行聚类分析提取用户典型用电负荷曲线；

通过对同一监测点的不同日负荷进行聚类，判断该监测点的计量用电是否异常，是否存在空调不规范使用情况。

判定空调异常的方法为：

对疑似异常空调负荷曲线与该用户典型负荷曲线的距离d进行计算，通过该疑似异常空调负荷曲线偏离用户典型负荷曲线的程度判断该空调出现异常的可能性大小。

疑似异常空调负荷曲线与该用户典型负荷曲线的距离d计算公式为：

其中，i为时刻点，P_中心,i、P_偏差,i分别为用户典型负荷曲线和异常空调负荷曲线在时刻点i的负荷值。

数据预处理时采用基于距离的方法进行规范化处理。

基于距离的方法为最大最小值规范化、平均数方差法、总和规范化或极大值规范化。

拟合负荷曲线时采用的聚类算法包括：k-means和FCM方法。

本发明所达到的有益效果：

本发明的双回路智能电能表设计，将传统电能表进行改进，设计出双回路电能表，基于实时监测负载数据，拟合出实际故障曲线，并通过斜率变化率识别空调自身故障问题；另一方面，本发明提出基于聚类算法建立典型负荷曲线，并通过欧氏距离评估聚类算法的有效性，同时给出实际曲线与典型曲线的偏差计算公式，从而判断空调是否存在用电异常。

本发明通过双回路智能电能表实现对空调用电的监管；通过两个独立计量回路的典型负荷曲线评估空调是否存在异常用电情况，优化空调运行，从而避免空调使用不合理造成的能源浪费。

附图说明

图1是空调节能监控网络结构图；

图2是硬件设计原理框图；

图3是计量电路图；

图4是开关电源原理框图；

图5是RCD吸收电路图；

图6是RS485驱动电路图；

图7是磁保持继电器电路；

图8是软件算法模型建立基本流程；

图9是空调发生故障前后的电流波形图；

图10是故障判定流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

1空调节能监控系统

本实施例中系统基于B/S模式开发，采用工业界普遍采用的实时通信与数据采集技术，结合后台大型分布式数据库，通过Web发布的形式，使用电单位各级管理人员不管身处何时何地，都可以对本单位各部门的用电情况进行监控与管理，系统结构图如图1所示。该空调节能监控平台基于智能电网数据传输平台，能实现空调线路独立的计量与控制、空调电量数据上报及智能分析等功能，通过对空调线路的用电情况分析，能够及时发现空调的异常工作情况，在空调用电监控系统中及手机APP端及时作出报警提醒。

智能电能表

相比传统节能方式而言(即采用智能插座来控制空调)，本发明对传统电能表进行改进，设计了双回路智能电能表，基于现有智能电网数据传输平台，实现对空调节能监管功能，既可节约能源，同时该方案经济可靠。

1.1智能电能表硬件设计

智能电能表硬件电路主要包括MCU处理器、双回路计量电路、双继电器控制电路、开关电源、时钟模块和通信单元等，具体硬件原理结构框图如下图2所示，该硬件设计主要在于双回路计量电路、双继电器控制电路、开关电源和通信单元。

1.1.1计量电路

计量电路是一个很关键的模块，它决定了电能表的精度，以及为节能监控系统提供基础的空调用电数据。为了实现空调的独立计量，采用两片高精度单相计量芯片ATT7053BU，组成双回路计量电路。计量电路主要由电压采样、电流采样、高精度计量芯片和SPI通信接口等组成。该计量芯片ATT7053BU，具有高集成度，集ADC转换器、乘法器、低通滤波器、P-f转换器于一体，相较于高精度ADC+软件DSP处理方式来说，集成芯片极大地简化了软件设计和电路设计，提高了电表运行的可靠性和稳定性。如图2所示，用户的用电所体现的电压、电流特征信号经过双回路的计量回路分别采样，其中计量回路1获得的空调负荷的采样数据接入MCU空调负荷处理模块，计量回路2获得的所有用电负荷的采样数据接入MCU电能计费处理模块。两个独立回路的计量采用同样的电路，其中一个回路计量电路如图3所示。

电阻网络jR1—jR4组成电压采样电路，jJ1为电流互感器接入处，jR20和jR21组成电流采样电路，具有10ppm的温漂特性，电阻精度达到了0.5％；计量芯片jU1利用SPI接口与单片机MCU进行数据传输，实现信息交互功能。

计量芯片内部的Σ-Δ模数转换器，会引入混叠干扰信号，为消除混叠干扰信号的影响，最简单的方法是在采样端串入一级RC低通滤波器，对于电流互感器方式，RC低通滤波器截止频率设计为5kHz。电压和电流采样回路均需在计量芯片AD采样输入端设计抗混叠滤波器：

假定R＝1kΩ，则:

即jR19＝jR22取1kΩ，jC14＝jC15取33nF。

1.1.2电源电路

为降低电能表自身功耗，本发明选用开关电源为系统供电。开关电源主要由电磁兼容处理模块、输入整流滤波模块、控制芯片VIPER22A、开关变压器、RCD模块、输出整流滤波模块、输出反馈调节模块和稳压电路组成，结构框图如图4所示。220V交流市电输入电压通过电磁兼容处理模块、整流滤波模块后经开关变压器后变为低压，最后通过输出整流滤波、稳压电路后输出核心电路所需要的低压直流电压V1、V2、V3，其中输出反馈调节模块通过反馈稳定开关变压器的输出。

由于开关变压器初级线圈的磁场不可能全部耦合到次级线圈，导致开关变压器的初级存在一定的漏感，漏感在工作中会产生很高的尖峰脉冲，当尖峰电压到达一定程度时，会损坏控制芯片VIPER22A中的MOSFET，导致整个电源无法工作。为保护控制芯片，加入RCD电路，抑制这种尖峰电压。RCD电路原理图如图5所示。

RCD电路由二极管D7、电阻R21电容C6组成。二极管的作用是避免整流后的高压流入控制芯片，主要的参数是：反向耐压和正向电流。反向耐压越高，击穿的可能性越小，根据最高输入电压和通用性，反向耐压选择1000V较为合适；由于漏感产生的尖峰电流一般小于0.5A，正向电流取1A较为合适，选用RS1M符合以上的要求。电阻和电容是吸收尖峰电压的主要器件，根据漏感和控制芯片的频率，电阻取100kΩ，电容取1nF。

1.1.3通信单元

智能电能表具备RS485远传数据接口和红外通信接口，红外可用于手持抄表设备、通过RS485与智能数据网关连接，上行以GPRS通信方式，完成与上层服务器的数据交换。数据网关是节能监管平台的关键设备，能实现底层数据采集、管理、传输及维护功能，中间数据传输通道依托智能电网硬件平台作为传输通道，保证了各区域电表接入网络的方便性，同时也可以最大程度地节约建设成本。其中RS485通信电路中在485芯片使能端加入R11和C11组成的阻容电压保持电路，可提高电路驱动能力，如图6所示。

1.1.4继电器电路

为了实现空调的独立控制，本发明设计双回路继电器控制电路，智能电能表内置两个磁保持继电器，分别控制两个回路的用电情况。磁保持继电器仅在需要转换触点时给予一个短时间的脉冲，开关触点动作后依靠内部的永磁铁即可保持状态，需要的驱动功耗较小，满足系统低功耗设计要求，其中磁保持电路原理图如图7所示，继电器+和继电器-为磁保持继电器控制线，ON和OFF接入MCU的I/O控制口。

1.2智能电能表软件设计

本发明设计的智能电能表，可以实时采集用户空调线路上的电压、电流、功率等信息，这些大量基础信息被上传到后台调度控制中心的数据库并用于负荷分析和控制。为实现空调的节能监控，智能电能表软件算法上的实现尤为重要，软件算法模型建立基本流程如图8所示，主要包括以下步骤：

1)数据采集。通过智能电网数据传输平台可获取用户用电数据。其中采集间隔可进行设置，默认为30min。

2)数据预处理。在建立典型负荷曲线前必须对数据进行规范化处理。基于距离的方法，常见的规范化方法包括最大最小值规范化、平均数方差法、总和规范化、极大值规范化等。

3)拟合负荷曲线，即对规范化负荷数据进行聚类。负荷曲线聚类首先要确定负荷特性指标、选择合适的聚类算法和确定其相应的参数。

4)典型负荷曲线的建立。最终为用户电力系统提供决策依据、优化运行、降低损耗，提高经济效益。

5)分析和评价：数据存储和数据应用，包括对负荷曲线的分析和评价，并利用聚类有效性指标评价聚类结果的质量。

典型负荷曲线的建立关键在于选取合适的聚类算法以及对聚类算法有效性的评价。目前实际应用中比较常见的聚类算法包括：k-means和FCM方法。在实际应用中应根据用户电力数据特点结合有效的聚类算法评价，来选取合适的聚类算法以达到最优效果。

1.2.1空调自身故障的判定

当空调自身出现故障导致用电量剧增时，会改变电压与电流之间的相角，使其产生斩波。本识别算法是基于实时监测负载数据波形，并对其波形进行大数据分析拟合得出的算法，空调发生故障前后的电流波形如图9所示。

计量芯片的采样率为fs，即计量芯片每个周期采样0.02fs个电流数据，在0.02fs个数据中求得最大值I_max，以此点为基准点，取前0.006fs个采样数据点，对此0.006fs个数据依次做差，并求其相邻两点的斜率值Rate，在(0.006fs-1)次判定过程中，当Rate大于设定阈值时，电表跳闸报警寄存器Cnt数值加1，直至Cnt>＝3，判定为空调发生故障。电能表内磁保持继电器跳闸，同时对故障进行上报，直至故障解除后，恢复正常运行，如图10所示为故障判定的流程图。1.2.2空调使用不当的判定

由智能电能表采集分别获取空调线路和其他用电线路上不同日、不同时间段的用电负荷曲线，对这些负荷曲线进行聚类分析提取用户典型用电负荷曲线，有利于异常用电检测、负荷控制、优化空调运行，从而有效避免空调使用不当造成的能源浪费。主要判定如下：

1)通过对同一监测点的不同日负荷进行聚类，有助于发现该监测点的计量用电是否异常，是否存在空调不规范使用情况，如无人情况下未关闭或者未按规定开启空调等；

2)通过对同一日不同监测点的负荷曲线进行聚类，可为客户根据实际需求合理配置空调使用规则提供依据，分部门分时段设置空调启用时间段；

3)获取典型负荷曲线，有助于减少监测点数据采集和存储量。通过分析监测负荷数据的日负荷特性，可进一步增大采集间隔，若与典型负荷曲线误差不大(此处设定误差阈值)，则可不进行保存，进一步减少存储量。

其中曲线拟合的相似性计算是拟合典型负荷曲线的关键工作，以便选取的聚类算法与实际更为符合。目前常见的距离计算方法为欧氏距离计算法，明氏距离被看作是欧氏距离的一种推广。常用d_ij表示第i个样本与第j个样本间的距离。明氏距离：

当q＝0时，为曼哈顿距离；当q＝1时，为欧氏距离；当q＝∞时，为切比雪夫距离。

为了进一步明确出现异常的空调设备，对疑似异常设备负荷曲线与典型代表曲线的距离进行计算。定义两条负荷曲线的距离d，其中i为时刻点，若采样间隔为30分钟，由于一天24小时，则i＝48，P_中心,i、P_偏差,i分别为典型负荷曲线和异常设备负荷曲线该时刻点下的负荷值。

以上，d的值越大说明越偏离典型负荷曲线，该设备出现异常的可能性越大。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (9)

1.一种基于双回路智能电能表的空调用电监控系统，其特征是，包括与上层服务器进行数据交换的智能电能表；

智能电能表中包括MCU处理器、双回路计量电路和双继电器控制电路；

双回路计量电路具有两个独立的第一计量回路和第二计量回路，由双回路继电器控制电路分别控制第一计量回路和第二计量回路进行采样；第一计量回路采集空调负荷数据接入MCU处理器中的空调负荷处理模块，第二计量回路采集所有用电负荷数据接入MCU处理器中的电能计量处理模块；由MCU处理器对空调负荷处理模块和电能计量处理模块中的数据进行处理，根据数据处理结果判定空调是否存在故障或使用不当。

2.一种基于双回路智能电能表的空调用电监控方法，其特征是，包括以下步骤：

1)数据采集：两个独立的第一计量回路和第二计量回路分别采集空调负荷数据和所有用电负荷数据；

2)数据预处理：对采集的数据进行规范化处理得到规范化负荷数据；

3)拟合负荷曲线：确定负荷特性指标，通过聚类算法对规范化负荷数据进行聚类，拟合出负荷曲线；

4)建立典型用电负荷曲线：根据拟合出的负荷曲线提取出用户典型用电负荷曲线；

5)分析与评价：根据规范化负荷数据、负荷曲线及用户典型用电负荷曲线判定空调是否存在故障或使用不当。

3.根据权利要求2所述的基于双回路智能电能表的空调用电监控方法，其特征是，空调故障的判定方法为：

记计量回路的采样率为fs，每个周期采样0.02fs个电流数据，在0.02fs个电流数据中求得电流最大值I_max，以此电流最大值为基准点，取前0.006fs个采样数据点，对此0.006fs个数据依次做差，并求其相邻两点的斜率值Rate，在0.006fs-1次判定过程中，当斜率值Rate大于设定阈值时，电表跳闸报警寄存器Cnt数值加1，直至Cnt>＝3，判定为空调发生故障。

4.根据权利要求2所述的基于双回路智能电能表的空调用电监控方法，其特征是，空调使用不当的判定方法为：

根据第一计量回路、第二计量回路采集的数据，对空调负荷处理模块和电能计量处理模块中的数据进行处理，分别获取空调线路和其他用电线路上不同日、不同时间段的拟合负荷曲线，对这些拟合负荷曲线进行聚类分析提取用户典型用电负荷曲线；

通过对同一监测点的不同日负荷进行聚类，判断该监测点的计量用电是否异常，是否存在空调不规范使用情况。

5.根据权利要求2所述的基于双回路智能电能表的空调用电监控方法，其特征是，判定空调异常的方法为：

对疑似异常空调负荷曲线与该用户典型负荷曲线的距离d进行计算，通过该疑似异常空调负荷曲线偏离用户典型负荷曲线的程度判断该空调出现异常的可能性大小。

6.根据权利要求5所述的基于双回路智能电能表的空调用电监控方法，其特征是，疑似异常空调负荷曲线与该用户典型负荷曲线的距离d计算公式为：

其中，i为时刻点，P_中心,i、P_偏差,i分别为用户典型负荷曲线和异常空调负荷曲线在时刻点i的负荷值。

7.根据权利要求2所述的基于双回路智能电能表的空调用电监控方法，其特征是，数据预处理时采用基于距离的方法进行规范化处理。

8.根据权利要求7所述的基于双回路智能电能表的空调用电监控方法，其特征是，基于距离的方法为最大最小值规范化、平均数方差法、总和规范化或极大值规范化。

9.根据权利要求2所述的基于双回路智能电能表的空调用电监控方法，其特征是，拟合负荷曲线时采用的聚类算法包括：k-means和FCM方法。