CN109270368A - 一种基于稳态电流的非侵入式电力负载识别方法 - Google Patents

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

一种基于稳态电流的非侵入式电力负载识别方法

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P_ij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Q_j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Q_j的采样频率与所述步骤S100中采样点P_ij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,…,P_1m)的电流幅值组成，烧水壶M域由m个顺序采样的P₂点(P₂₁,P₂₂,…,P_2m)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，…，Q_m)的电流幅值组成)，采样频率与步骤(2)中P点(P₁点，P₂点，…，P_n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+…+ω_n1P_n1，其中ω₁₁＝P₁₁/总电流幅值，ω₂₁＝P₂₁/总电流幅值，ω_n1＝P_n1/总电流幅值；此时总电流幅值＝P₁₁+P₂₁+…+P_n1；

Q₂＝ω₁₂P₁₂+ω₂₂P₂₂+…+ω_n2P_n2；其中ω₁₂＝P₁₂/总电流幅值，ω₂₂＝P₂₂/总电流幅值，ω_n2＝P_n2/总电流幅值；此时总电流幅值＝P₁₂+P₂₂+…+P_n2；

Q_m＝ω_1mP_1m+ω_2mP_2m+…+ω_nmP_nm，其中ω_1m＝P_1m/总电流幅值，ω_2m＝P_2m/总电流幅值，ω_nm＝P_nm/总电流幅值；此时总电流幅值＝P_1m+P_2m+…+P_nm；

(5)估计方程组的大小是随机的，通过增减P_x的个数和不同的组合方式来进行随机匹配(其中，P_x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P_x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，…，Q_m的方程组Y(方程组Y为一组P_x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P_ij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Q_j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Q_j的采样频率与所述步骤S100中采样点P_ij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。