CN109613360A - 一种基于非侵入式监测系统的负荷识别方法 - Google Patents
一种基于非侵入式监测系统的负荷识别方法 Download PDFInfo
- Publication number
- CN109613360A CN109613360A CN201811527893.XA CN201811527893A CN109613360A CN 109613360 A CN109613360 A CN 109613360A CN 201811527893 A CN201811527893 A CN 201811527893A CN 109613360 A CN109613360 A CN 109613360A
- Authority
- CN
- China
- Prior art keywords
- electrical equipment
- data
- harmonic
- value
- slope value
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/02—Measuring effective values, i.e. root-mean-square values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2506—Arrangements for conditioning or analysing measured signals, e.g. for indicating peak values ; Details concerning sampling, digitizing or waveform capturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于非侵入式监测系统的负荷识别方法,包括:步骤S100:分别采集已知类型的单个电器设备、电器设备组合的特征值数据,计算谐波斜率值,形成样本数据库;步骤S200:采集当前电路中的谐波数据,计算谐波斜率值;步骤S300:将实际电器运行的数据与样本数据库数据进行适应度函数匹配,获取匹配的电器类别和数量。本发明涉及到在非侵入式监测系统下,通过获取负荷设备的谐波特征值,对数据进行预处理得到奇次谐波数据,通过计算邻近奇次谐波的比值的斜率值来识别出正在运行的电器设备,方法简单,精准度高。
Description
技术领域
本发明涉及非侵入式监控技术领域,具体的说,是一种基于非侵入式监测系统的负荷识别方法。
背景技术
电能是现代生产生活中应用最广泛、最重要的能源之一。在电能计量方面,传统的“一户一表”方式是由电力部门抄取电能表并给出当月耗电总的度数,其弊端在于用户无法获知具体某用电器在某时间段内的耗电情况。可以说,用户对负荷集的动态实时运行信息的掌握还相当匮乏。在智能电网时代,不能深入分析用户内部负荷成分以及负荷识别,获取负荷信息有限,因而需要完善用电信息采集系统和智能用电系统,负荷识别和功率分解技术必不可少。负荷识别通常分为侵入式和非侵入式,目前传统的侵入式负荷监测需要在每一个被测的负荷处加装传感器等硬件设备或者使用智能家电获取用电数据,非侵入式负荷监测则只需要在每户安装独立的监测装置或者是将装置集成到电表内,这样硬件成本可控,系统可靠性高,用户接受度高,维护成本低,获取数据完整性好。传统设备能测试的技监术参数都不能准确描述固定某个电器负载设备的特征,无法实现对负载电器设备的准确识别。
发明内容
本发明的目的在于提供一种基于非侵入式监测系统的负荷识别方法,用于解决现有技术中传统设备能测试的技监术参数都不能准确描述固定某个电器负载设备的特征,无法实现对负载电器设备的准确识别的问题。
本发明通过下述技术方案解决上述问题:
一种基于非侵入式监测系统的负荷识别方法,包括:
步骤S100:分别采集已知类型的单个电器设备、电器设备组合的特征值数据,计算谐波斜率值,形成样本数据库;
步骤S200:采集当前电路中的谐波数据,计算谐波斜率值;
步骤S300:将实际电器运行的数据与样本数据库数据进行适应度函数匹配,获取匹配的电器类别和数量。
进一步地,所述步骤S100具体包括:
步骤S110:监测设备按照设定的采样频率分别对已知类型的电器设备、电器设备组合进行采集特征值数据,所述特征值数据包括电流、电压、电流基波和高次谐波;
步骤S120:从采集的电流和高次谐波中处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P2n+1,其中n=1,2,…,N;
步骤S130:分别计算各个电器设备以及各种电器设备组合的临近的奇次谐波数据比值的斜率值k1a,k2a,…,k(n/2-1)a,
k1a=(P3a/P5a)/(P7a/P9a);
k2a=(P7a/P9a)/(P11a/P13a);
…
k(n/2-1)a=(P(2n-5)a/P(2n-3)a)/(P(2n-1)a/P(2n+1)a);
其中:a为电器设备类型或电器设备组合;
步骤S140,由斜率值k1a,k2a,…,k(n/2-1)a形成样本数据库。
进一步地,所述步骤S200具体包括:
步骤S210:监测设备对当前电路按照设定的频率采集特征值数据;
步骤S220:处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P(2n+1)X,其中x为当前电路中包含的电器设备类型或者电器设备组合,n=1,2,…,N;
步骤S230:计算临近的奇次谐波数据比值的斜率值k1x,k2x,…,k(n/2-1)x,
k1x=(P3x/P5x)/(P7x/P9x);
k2x=(P7x/P9x)/(P11x/P13x);
…
k(n/2-1)x=(P(2n-5)x/P(2n-3)x)/(P(2n-1)x/P(2n+1)x)。
进一步地,所述步骤S300具体包括:
步骤S310:将当前电路的斜率值k(n/2-1)x与样本数据库中的斜率值逐一比对;
步骤S320:找到满足适应度函数min(abs(k(n/2-1)x-k(n/2-1)a))的k(n/2-1)a,则获取多种匹配的电器设备或者电器设备组合;
步骤S330:采用权重的方式匹配最优解,得到最终识别的电器设备或者电器设备组合。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明涉及到在非侵入式监测系统下,通过获取负荷设备的谐波特征值,对数据进行预处理得到奇次谐波数据,通过计算邻近奇次谐波的比值的斜率值来识别出正在运行的电器设备,方法简单,精准度高。
(2)本发明能够识别用户在用电过程中的电器设备,从而分析出用户的用电习惯,实现合理经济的用电模式,从而完善用电信息采集系统和智能用电系统。
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:
一种基于非侵入式监测系统的负荷识别方法,包括:
步骤S100:分别采集已知类型的单个电器设备、电器设备组合的特征值数据,计算谐波斜率值,形成样本数据库,具体有:
步骤A1:监测设备按照设定的采样频率分别对已知类型的电器设备、电器设备组合进行采集特征值数据,所述特征值数据包括电流、电压、电流基波和高次谐波;
步骤A2:从采集的电流和高次谐波中处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P2n+1,其中n=1,2,…,N;
步骤A3:分别计算各个电器设备以及各种电器设备组合的临近的奇次谐波数据比值的斜率值k1a,k2a,…,k(n/2-1)a,
k1a=(P3a/P5a)/(P7a/P9a);
k2a=(P7a/P9a)/(P11a/P13a);
…
k(n/2-1)a=(P(2n-5)a/P(2n-3)a)/(P(2n-1)a/P(2n+1)a);
其中:a为电器设备类型或电器设备组合;
步骤A4,由斜率值k1a,k2a,…,k(n/2-1)a形成样本数据库;
步骤S200:采集当前电路中的谐波数据,计算谐波斜率值,具体有:
步骤B1:监测设备对当前电路按照设定的频率采集特征值数据;
步骤B2:处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P(2n+1)X,其中x为当前电路中包含的电器设备类型或者电器设备组合,n=1,2,…,N;
步骤B3:计算临近的奇次谐波数据比值的斜率值k1x,k2x,…,k(n/2-1)x,
k1x=(P3x/P5x)/(P7x/P9x);
k2x=(P7x/P9x)/(P11x/P13x);
…
k(n/2-1)x=(P(2n-5)x/P(2n-3)x)/(P(2n-1)x/P(2n+1)x);
步骤S300:将实际电器运行的数据与样本数据库数据进行适应度函数匹配,获取匹配的电器类别和数量,具体有:
步骤C1:将当前电路的斜率值k(n/2-1)x与样本数据库中的斜率值逐一比对;
步骤C2:找到满足适应度函数min(abs(k(n/2-1)x-k(n/2-1)a))的k(n/2-1)a,则获取多种匹配的电器设备或者电器设备组合;
步骤C3:采用权重的方式匹配最优解,得到最终识别的电器设备或者电器设备组合。
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 (4)
1.一种基于非侵入式监测系统的负荷识别方法,其特征在于,包括:
步骤S100:分别采集已知类型的单个电器设备、电器设备组合的特征值数据,计算谐波斜率值,形成样本数据库;
步骤S200:采集当前电路中的谐波数据,计算谐波斜率值;
步骤S300:将实际电器运行的数据与样本数据库数据进行适应度函数匹配,获取匹配的电器类别和数量。
2.根据权利要求1所述的一种基于非侵入式监测系统的负荷识别方法,其特征在于,所述步骤S100具体包括:
步骤S110:监测设备按照设定的采样频率分别对已知类型的电器设备、电器设备组合进行采集特征值数据,所述特征值数据包括电流、电压、电流基波和高次谐波;
步骤S120:从采集的电流和高次谐波中处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P2n+1,其中n=1,2,…,N;
步骤S130:分别计算各个电器设备以及各种电器设备组合的临近的奇次谐波数据比值的斜率值k1a,k2a,…,k(n/2-1)a,
k1a=(P3a/P5a)/(P7a/P9a);
k2a=(P7a/P9a)/(P11a/P13a);
…
k(n/2-1)a=(P(2n-5)a/P(2n-3)a)/(P(2n-1)a/P(2n+1)a);
其中:a为电器设备类型或电器设备组合;
步骤S140,由斜率值k1a,k2a,…,k(n/2-1)a形成样本数据库。
3.根据权利要求2所述的一种基于非侵入式监测系统的负荷识别方法,其特征在于,所述步骤S200具体包括:
步骤S210:监测设备对当前电路按照设定的频率采集特征值数据;
步骤S220:处理得到电流有效值,并根据电流有效值计算奇次谐波特征值,得到奇次谐波数据P(2n+1)X,其中x为当前电路中包含的电器设备类型或者电器设备组合,n=1,2,…,N;
步骤S230:计算临近的奇次谐波数据比值的斜率值k1x,k2x,…,k(n/2-1)x,
k1x=(P3x/P5x)/(P7x/P9x);
k2x=(P7x/P9x)/(P11x/P13x);
…
k(n/2-1)x=(P(2n-5)x/P(2n-3)x)/(P(2n-1)x/P(2n+1)x)。
4.根据权利要求3所述的一种基于非侵入式监测系统的负荷识别方法,其特征在于,所述步骤S300具体包括:
步骤S310:将当前电路的斜率值k(n/2-1)x与样本数据库中的斜率值逐一比对;
步骤S320:找到满足适应度函数min(abs(k(n/2-1)x-k(n/2-1)a))的k(n/2-1)a,则获取多种匹配的电器设备或者电器设备组合;
步骤S330:采用权重的方式匹配最优解,得到最终识别的电器设备或者电器设备组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527893.XA CN109613360B (zh) | 2018-12-13 | 2018-12-13 | 一种基于非侵入式监测系统的负荷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527893.XA CN109613360B (zh) | 2018-12-13 | 2018-12-13 | 一种基于非侵入式监测系统的负荷识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109613360A true CN109613360A (zh) | 2019-04-12 |
CN109613360B CN109613360B (zh) | 2020-12-15 |
Family
ID=66009265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811527893.XA Active CN109613360B (zh) | 2018-12-13 | 2018-12-13 | 一种基于非侵入式监测系统的负荷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109613360B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381126A (zh) * | 2019-07-02 | 2019-10-25 | 山东建筑大学 | 基于边缘计算的用电设备识别方法、系统、设备及介质 |
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 |
CN111562434A (zh) * | 2020-04-28 | 2020-08-21 | 国电南瑞科技股份有限公司 | 一种非入户电器信息智能量测系统及方法 |
CN112034238A (zh) * | 2020-09-11 | 2020-12-04 | 山东润一智能科技有限公司 | 一种用电设备识别方法及系统 |
CN113063984A (zh) * | 2021-03-16 | 2021-07-02 | 合肥艾通自动化工程有限公司 | 一种负载识别装置、识别方法及系统 |
CN113466593A (zh) * | 2021-07-08 | 2021-10-01 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测安全防护方法及样本库建立方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5483153A (en) * | 1994-03-24 | 1996-01-09 | Massachusetts Institute Of Technology | Transient event detector for use in nonintrusive load monitoring systems |
JP3602825B2 (ja) * | 2000-04-12 | 2004-12-15 | 財団法人電力中央研究所 | 電気機器の消費電力推定システム並びに方法及びこれを利用した異常警告システム |
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 |
CN106872824A (zh) * | 2017-02-15 | 2017-06-20 | 宁波华创锐科智能科技有限公司 | 一种电网负载电器类型识别和不同电器电量统计的方法及其装置 |
CN107341736A (zh) * | 2016-11-07 | 2017-11-10 | 天津求实智源科技有限公司 | 一种基于电流波形特征的电力负荷分解方法和系统 |
-
2018
- 2018-12-13 CN CN201811527893.XA patent/CN109613360B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5483153A (en) * | 1994-03-24 | 1996-01-09 | Massachusetts Institute Of Technology | Transient event detector for use in nonintrusive load monitoring systems |
JP3602825B2 (ja) * | 2000-04-12 | 2004-12-15 | 財団法人電力中央研究所 | 電気機器の消費電力推定システム並びに方法及びこれを利用した異常警告システム |
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 |
CN107341736A (zh) * | 2016-11-07 | 2017-11-10 | 天津求实智源科技有限公司 | 一种基于电流波形特征的电力负荷分解方法和系统 |
CN106872824A (zh) * | 2017-02-15 | 2017-06-20 | 宁波华创锐科智能科技有限公司 | 一种电网负载电器类型识别和不同电器电量统计的方法及其装置 |
Non-Patent Citations (2)
Title |
---|
AGNIM COLE ET AL.: "Nonintrusive identification of electrical loads in a three-phase environment based on harmonic content", 《PROCEEDINGS OF THE 17TH IEEE INSTRUMENTATION AND MEASUREMENT》 * |
周明等: "基于非侵入式负荷监测的居民用电行为分析", 《电网技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381126A (zh) * | 2019-07-02 | 2019-10-25 | 山东建筑大学 | 基于边缘计算的用电设备识别方法、系统、设备及介质 |
CN110381126B (zh) * | 2019-07-02 | 2021-07-23 | 山东建筑大学 | 基于边缘计算的用电设备识别方法、系统、设备及介质 |
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 |
CN111562434A (zh) * | 2020-04-28 | 2020-08-21 | 国电南瑞科技股份有限公司 | 一种非入户电器信息智能量测系统及方法 |
CN112034238A (zh) * | 2020-09-11 | 2020-12-04 | 山东润一智能科技有限公司 | 一种用电设备识别方法及系统 |
CN113063984A (zh) * | 2021-03-16 | 2021-07-02 | 合肥艾通自动化工程有限公司 | 一种负载识别装置、识别方法及系统 |
CN113466593A (zh) * | 2021-07-08 | 2021-10-01 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测安全防护方法及样本库建立方法 |
CN113466593B (zh) * | 2021-07-08 | 2023-11-07 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测安全防护方法及样本库建立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109613360B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613360A (zh) | 一种基于非侵入式监测系统的负荷识别方法 | |
CN108020752B (zh) | 一种基于多源贯通相关性的配线线损诊断方法及系统 | |
US9558404B2 (en) | Method and device for filtering electrical consumption curves and allocating consumption to classes of appliances | |
CN110018369A (zh) | 一种基于非侵入式负荷分解的家电智能识别与监测方法 | |
US11296505B2 (en) | Method for analyzing correlation between different line loss actions | |
CN109470957B (zh) | 一种基于弗雷歇距离的非侵入式电器识别方法 | |
CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
WO2021109517A1 (zh) | 一种检测负荷辨识设备的结果可信度的方法 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
US10290063B2 (en) | System and method for instantaneous power decomposition and estimation | |
CN109299134B (zh) | 一种非侵入式监测系统下电器的识别方法 | |
CN106441547A (zh) | 一种变压器振动监测方法及装置 | |
CN109270482A (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
CN103229062B (zh) | 总谐波失真的测量方法 | |
CN105182250B (zh) | 一种非侵入式分布式电源出力监测装置 | |
CN105974220B (zh) | 一种居民小区用电负荷识别系统 | |
CN110703009A (zh) | 台区线损率异常分析及处理方法 | |
CN106780108A (zh) | 一种基于改进证据推理融合的配电变压器状态评估方法 | |
CN109270316A (zh) | 一种电力用户用电量异常识别方法、装置及终端设备 | |
CN109116183A (zh) | 谐波模型参数辨识方法、装置、存储介质及电子设备 | |
CN110244150A (zh) | 一种基于均方根和标准差的非侵入式电器识别方法 | |
CN207575173U (zh) | 一种用于测量唾液阻抗的电压信号处理器 | |
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 | |
Marcu et al. | Dynamic analysis of electronic devices' power signatures |
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 |