CN109270368A - 一种基于稳态电流的非侵入式电力负载识别方法 - Google Patents
一种基于稳态电流的非侵入式电力负载识别方法 Download PDFInfo
- Publication number
- CN109270368A CN109270368A CN201811021392.4A CN201811021392A CN109270368A CN 109270368 A CN109270368 A CN 109270368A CN 201811021392 A CN201811021392 A CN 201811021392A CN 109270368 A CN109270368 A CN 109270368A
- Authority
- CN
- China
- Prior art keywords
- steady
- current
- domain matrix
- electrical load
- recognition methods
- 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.)
- Granted
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)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明公开了一种基于稳态电流的非侵入式电力负载识别方法,包括:步骤S100:分别建立单个用电设备的M域矩阵M1[n][m],其中n为用电设备个数,m为采样周期内电流幅值的极高点与极低点的总个数;步骤S200:根据多个电器同时运行的电流稳态数据建立电流复合波的M域矩阵M2[n][m];步骤S300:对所述M域矩阵M1[n][m]加权求和与所述M域矩阵M2[n][m]建立带约束的估计方程组;步骤S400:求解所述带约束的估计方程组的最优解,识别当前电力负载中的电器类型。本发明只需每隔一定时间周期进行电流数据采样,再对由稳态数据所形成的带约束的不相容估计方程组进行最优计算,求得各电器稳态电流的权重系数的最优解,便可实现负载类型识别,大幅降低采集硬件的成本。
Description
技术领域
本发明涉及非侵入式电力负荷监测技术领域,具体的说,是一种基于稳态电流的非侵入式电力负载识别方法。
背景技术
能源是人类社会赖以生存和发展的重要物质基础。我国过去几年实际用电情况而言,全国用电总量每年都呈现增长的形势。并且,随着我国经济的发展和经济结构的调整,居民用电占全社会用电量的比重逐渐增大并且有继续增长的趋势。电力负荷用电监测是开展节电这项系统工程的第一步,因为只有清楚电能是如何被利用与消耗的,才能找到有效的节电调控措施和更高效的用电方式。研究表明,若使用有效技术向电力用户反馈负荷用电信息,即便不采取任何自动调控措施,用户自愿的优化用电也能达到明显的节能效果,从而节省居民用电量。因此,负荷用电监测是实现节电的基础和关键,它能有效缓解能源危机的压力,实现能源资源与生态环境的可持续发展和建设节约型社会,具有重要的现实意义。传统的侵入式电力负荷监测系统需要在各个负载前加装传感器,综合成本高,施工非常复杂,对原有线路也造成破坏。
发明内容
本发明的目的在于提供一种基于稳态电流的非侵入式电力负载识别方法,用于解决现有技术中侵入式电力负荷监测需要在各个负载前加装传感器,成本高、破坏原有线路的问题。
本发明通过下述技术方案解决上述问题:
一种基于稳态电流的非侵入式电力负载识别方法,包括:
步骤S100:分别建立单个用电设备的M域矩阵M1[n][m],其中n为用电设备个数,m为采样周期内电流幅值的极高点与极低点的总个数;
步骤S200:根据多个电器同时运行的电流稳态数据建立电流复合波的M域矩阵M2[n][m];
步骤S300:对所述M域矩阵M1[n][m]加权求和与所述M域矩阵M2[n][m]建立带约束的估计方程组;
步骤S400:求解所述带约束的估计方程组的最优解,识别当前电力负载中的电器类型。
进一步地,所述步骤S100中的M域矩阵M1[n][m]是由第i个用电设备的采样点Pij的电流幅值按照采样顺序建立的二维矩阵,其中i=[1,2,…,n],j=[1,2,…,m]。
进一步地,所述步骤S200中的M域矩阵M2[n][m]是由采样点Qj的电流幅值按照采样顺序建立组成的,其中j=[1,2,…,m],所述采样点Qj的采样频率与所述步骤S100中采样点Pij的采样频率一致。
进一步地,所述带约束的估计方程组为:
其中i=[1,2,…,n],j=[1,2,…,m]。
进一步地,所述步骤S400具体为:
在所述带约束的估计方程组中,通过选择不同的方程个数以及采用不同的方程组合的方式,进行遍历匹配求解;
得到最接近M域矩阵M2[n][m]的采样点电流幅值数据的方程组合Y,由所述方程组合Y中包含的M域矩阵M1[n][m]得到电力负载中包含的电器类型。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明只需每隔一定时间周期进行电流数据采样,再对由稳态数据所形成的带约束的不相容估计方程组进行最优计算,求得各电器稳态电流的权重系数的最优解,便可实现负载识别,知道哪个/类电器正在使用。本方法的采样频率低,可以大幅降低采集硬件的成本,且不需要对原有线路进行改造,无需破坏原有线路。
(2)非侵入式电力负荷监测NILM系统仅需在住户进户线总开关处或者工业车间总线上安装一个传感器,通过采集和分析电力用户的用电总电流来识别总负荷内部每个/类用电设备。与其他NILM基于瞬态特征的分解技术比较,本发明仅针对电器稳态工况下的电流特征就能达到高识别率。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
一种基于稳态电流的非侵入式电力负载识别方法,具体步骤包括:
(1)根据电力负荷的实际会用到的用电设备情况,选取待测用电设备,使每个待测设备单独运行,对电器平稳运行时的电流数据进行采样即稳态电流数据:样本为单个电器的电流复合波的幅值数据。
(2)构建单个用电设备独立运行的单元电流参数M域二维矩阵M1[n][m]。M域是由单个电器运行时电流复合波在二维空间(电流幅值与时间)中的m个幅值的极高点与极低点的连线组成。电视M域由m个顺序采样的P1点(P11,P12,…,P1m)的电流幅值组成,烧水壶M域由m个顺序采样的P2点(P21,P22,…,P2m)的电流幅值组成)。n是单个电器运行状态下的被测电器个数,决定了样本空间的大小。二维矩阵M1[n][m]是建立的样本库,包含了n个用电设备的采样点的电流幅值。
(3)对多个用电设备同时运行时的电流稳态数据进行电流复合波的M域矩阵M2[1][m]的构建,M域矩阵M2[1][m]由m个顺序采样的Q点(Q1,Q2,…,Qm)的电流幅值组成),采样频率与步骤(2)中P点(P1点,P2点,…,Pn点)和Q点的采样频率相同;
(4)将步骤(2)中的M域矩阵M1[n][m]加权求和与步骤(3)中的M域矩阵M2[1][m]形成带约束的估计方程组:
Q1=ω11P11+ω21P21+…+ωn1Pn1,其中ω11=P11/总电流幅值,ω21=P21/总电流幅值,ωn1=Pn1/总电流幅值;此时总电流幅值=P11+P21+…+Pn1;
Q2=ω12P12+ω22P22+…+ωn2Pn2;其中ω12=P12/总电流幅值,ω22=P22/总电流幅值,ωn2=Pn2/总电流幅值;此时总电流幅值=P12+P22+…+Pn2;
Qm=ω1mP1m+ω2mP2m+…+ωnmPnm,其中ω1m=P1m/总电流幅值,ω2m=P2m/总电流幅值,ωnm=Pnm/总电流幅值;此时总电流幅值=P1m+P2m+…+Pnm;
(5)估计方程组的大小是随机的,通过增减Px的个数和不同的组合方式来进行随机匹配(其中,Px为从M1[n][m]中随机选取的x电器的m个电流幅值数据采样点,如方程组合1选择P1,P3,P6;方程组合2选择P2,P5,P6,P8,P9,将选出的Px带入步骤(4)的方程组中运算。
(6)通过步骤(5)中求得的最接近Q1,Q2,…,Qm的方程组Y(方程组Y为一组Px的组合,例如P1,P6,P8,其中P1可能是电水壶的采样点,P6是电扇的采样点,P8是电脑的采样点),据此就可识别出当前正在使用的电器类型(按本例则为电水壶、电扇和电脑在同时使用)。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (5)
1.一种基于稳态电流的非侵入式电力负载识别方法,其特征在于,包括:
步骤S100:分别建立单个用电设备的M域矩阵M1[n][m],其中n为用电设备个数,m为采样周期内电流幅值的极高点与极低点的总个数;
步骤S200:根据多个电器同时运行的电流稳态数据建立电流复合波的M域矩阵M2[n][m];
步骤S300:对所述M域矩阵M1[n][m]加权求和与所述M域矩阵M2[n][m]建立带约束的估计方程组;
步骤S400:求解所述带约束的估计方程组的最优解,识别当前电力负载中的电器类型。
2.根据权利要求1所述的一种基于稳态电流的非侵入式电力负载识别方法,其特征在于,所述步骤S100中的M域矩阵M1[n][m]是由第i个用电设备的采样点Pij的电流幅值按照采样顺序建立的二维矩阵,其中i=[1,2,…,n],j=[1,2,…,m]。
3.根据权利要求2所述的一种基于稳态电流的非侵入式电力负载识别方法,其特征在于,所述步骤S200中的M域矩阵M2[n][m]是由采样点Qj的电流幅值按照采样顺序建立组成的,其中j=[1,2,…,m],所述采样点Qj的采样频率与所述步骤S100中采样点Pij的采样频率一致。
4.根据权利要求3所述的一种基于稳态电流的非侵入式电力负载识别方法,其特征在于,所述带约束的估计方程组为:
其中i=[1,2,…,n],j=[1,2,…,m]。
5.根据权利要求4所述的一种基于稳态电流的非侵入式电力负载识别方法,其特征在于,所述步骤S400具体为:
在所述带约束的估计方程组中,通过选择不同的方程个数以及采用不同的方程组合的方式,进行遍历匹配求解;
得到最接近M域矩阵M2[n][m]的采样点电流幅值数据的方程组合Y,由所述方程组合Y中包含的M域矩阵M1[n][m]得到电力负载中包含的电器类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021392.4A CN109270368B (zh) | 2018-09-03 | 2018-09-03 | 一种基于稳态电流的非侵入式电力负载识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021392.4A CN109270368B (zh) | 2018-09-03 | 2018-09-03 | 一种基于稳态电流的非侵入式电力负载识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109270368A true CN109270368A (zh) | 2019-01-25 |
CN109270368B CN109270368B (zh) | 2020-09-25 |
Family
ID=65187195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811021392.4A Active CN109270368B (zh) | 2018-09-03 | 2018-09-03 | 一种基于稳态电流的非侵入式电力负载识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109270368B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106443233A (zh) * | 2016-08-26 | 2017-02-22 | 北京电力经济技术研究院 | 一种非侵入式的稳态负荷监测方法 |
WO2017211288A1 (zh) * | 2016-06-07 | 2017-12-14 | 李祖毅 | 非侵入式在线实时电力负荷识别方法及识别系统 |
CN107546855A (zh) * | 2017-09-28 | 2018-01-05 | 广东工业大学 | 一种居民用电负荷的非侵入分解方法 |
CN107832705A (zh) * | 2017-11-08 | 2018-03-23 | 天津大学 | 一种基于典型相关分析的非侵入式负荷识别方法 |
CN108197817A (zh) * | 2017-09-19 | 2018-06-22 | 济南大学 | 一种基于大数据的非侵入式负荷暂态监测的方法 |
CN108257044A (zh) * | 2017-09-19 | 2018-07-06 | 济南大学 | 一种基于稳态电流模型的非侵入式负荷分解方法 |
-
2018
- 2018-09-03 CN CN201811021392.4A patent/CN109270368B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2017211288A1 (zh) * | 2016-06-07 | 2017-12-14 | 李祖毅 | 非侵入式在线实时电力负荷识别方法及识别系统 |
CN106443233A (zh) * | 2016-08-26 | 2017-02-22 | 北京电力经济技术研究院 | 一种非侵入式的稳态负荷监测方法 |
CN108197817A (zh) * | 2017-09-19 | 2018-06-22 | 济南大学 | 一种基于大数据的非侵入式负荷暂态监测的方法 |
CN108257044A (zh) * | 2017-09-19 | 2018-07-06 | 济南大学 | 一种基于稳态电流模型的非侵入式负荷分解方法 |
CN107546855A (zh) * | 2017-09-28 | 2018-01-05 | 广东工业大学 | 一种居民用电负荷的非侵入分解方法 |
CN107832705A (zh) * | 2017-11-08 | 2018-03-23 | 天津大学 | 一种基于典型相关分析的非侵入式负荷识别方法 |
Non-Patent Citations (3)
Title |
---|
ZHENSHENG WU等: "《Research on load identification based on load steady and transient signal processing》", 《IEEE》 * |
王丹等: "《基于改进聚类和DTW的非侵入式负荷识别》", 《信息通信》 * |
祁兵等: "《基于DTW算法与稳态电流波形的非侵入式负荷辨识方法》", 《电力系统自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110347725B (zh) * | 2019-07-16 | 2022-08-16 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN109270368B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956220B (zh) | 一种非侵入式家用电器负荷识别方法 | |
Gözel et al. | An analytical method for the sizing and siting of distributed generators in radial systems | |
CN106093630B (zh) | 一种非侵入式家用电器辨识方法 | |
CN106022645B (zh) | 非侵入式在线实时电力负荷识别方法及识别系统 | |
CN106226572A (zh) | 基于暂态特征聚类的家用负荷识别方法 | |
Luechaphonthara et al. | IOT based application for monitoring electricity power consumption in home appliances | |
Ding et al. | Clusters partition and zonal voltage regulation for distribution networks with high penetration of PVs | |
CN106099945A (zh) | 一种配电网无功优化大数据建模及异常方案检测方法 | |
CN109697548A (zh) | 用电分析服务器及其用电分析方法 | |
Sun et al. | Non-intrusive load monitoring system framework and load disaggregation algorithms: a survey | |
Jia et al. | Application of data mining in intelligent power consumption | |
CN108918932A (zh) | 负荷分解中功率信号自适应滤波方法 | |
Nguyen et al. | Transmission line fault type classification based on novel features and neuro-fuzzy system | |
Hongxin et al. | Adaptive multiple evolutionary algorithms search for multi‐objective optimal reactive power dispatch | |
CN109270368A (zh) | 一种基于稳态电流的非侵入式电力负载识别方法 | |
CN114444539A (zh) | 电力负荷识别方法、装置、设备、介质和程序产品 | |
CN109587070A (zh) | 智能电网中同时具有隐私保护和负载均衡的数据汇聚方法 | |
CN109521296A (zh) | 一种稳态工况下的非侵入式电力负载识别优化算法 | |
Devi et al. | A new analytical method for the sizing and siting of DG in radial system to minimize real power losses | |
Li et al. | The investigation of residential load identification technologies | |
Guntaka et al. | Regression and kriging analysis for grid power factor estimation | |
Varela-Aldás et al. | Analysis of electrical energy consumption in the home using iot | |
Jiao et al. | A new construction method for load signature database of load identification | |
Li et al. | Probabilistic load flow computation in power system including wind farms with correlated parameters | |
Wang et al. | Research on a non-intrusive electrical load intelligent identification algorithm |
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 |