CN109936131A - 一种基于智能电能表的用户负荷辨识方法 - Google Patents
一种基于智能电能表的用户负荷辨识方法 Download PDFInfo
- Publication number
- CN109936131A CN109936131A CN201910093571.7A CN201910093571A CN109936131A CN 109936131 A CN109936131 A CN 109936131A CN 201910093571 A CN201910093571 A CN 201910093571A CN 109936131 A CN109936131 A CN 109936131A
- Authority
- CN
- China
- Prior art keywords
- segment
- electricity consumption
- load
- electric current
- user
- 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
Abstract
本发明涉及电力运营技术领域,具体涉及一种基于智能电能表的用户负荷辨识方法,包括以下步骤:A)建立历史用电电流曲线;B)提取电流上升超过阈值的第一片段集合;C)寻找与电流上升量匹配的电流下降片段;D)建立用户负荷记录;E)经用户标记后获得第一负荷辨识表;F)获得第二负荷辨识表;G)匹配当天用电电流,获得当天负荷辨识。本发明的实质性效果是:通过采集用户用电电流数据,进行特征分析提取获得用户负荷辨识结果,能够适用负荷种类繁多、启停频繁的居民用户的用电负荷辨识;基于智能电能表进行负荷辨识,可以大幅节省项目开支。
Description
技术领域
本发明涉及电力运营技术领域,具体涉及一种基于智能电能表的用户负荷辨识方法。
背景技术
不同于电话详单能够提供用户详细的消费流水,电费账单仅能提供月抄表度数,使得用户难以发现用电行为中是否有不必要的耗电。如果能够构建用户用电负荷的详单,则能够帮助用户发现不合理的用电行为和效率较低的电器设备。比如某个电器耗电量明显高于平均水平,则需要考虑该电器是否已老化,效率降低,需要更换新的电器。电器长时间待机消耗的电能一直不受用户重视,而通过详单可以有效的展示电器待机所消耗的电能,有助于提高用户对电器待机的重视程度,达到督促用户减少待机电器的行为。负荷详单还能够帮助负荷耗电缺乏认识的用户建立负荷的耗电特点,从而能够合理规划负荷使用,节省电费的同时,节省电能。
中国专利CN105305437B,公开日2017年12月29日,一种电力负荷三重可信度匹配辨识方法,其能够可靠地辨识出电力用户的各类用电设备的功率消耗占比和设备启停时间等信息,用于辅助电力用户和电力公司的用电规划和管理。包含如下步骤:S1:采集用电负荷数据,建立用电负荷的不同粒度电力负荷特征数据库;S2:采集用户总电源入口处的电力负荷数据;该电力负荷数据包含电压、电流和功率数据;S3:利用三重可信度匹配辨识算法,实时分解电力负荷数据;S4:根据三重可信度匹配辨识算法的输出结果,将各类用电设备的功率消耗比例、各个用电设备的启动时间和关闭时间进行输出显示。但其方法需要首先建立数据库,仅适合电器种类较小的用户,且其计算需要进行电流波形匹配,计算量大,需要消耗大量的运算资源,难以覆盖电网全部用户,由于居民用户的数量众多、负荷种类多样而难以事先统计建立数据库、负荷整体功率较小以及负荷启停频繁而波形对比任务繁重,所以该技术方案不合适居民用户的负荷辨识。
发明内容
本发明要解决的技术问题是:目前缺乏适合覆盖全部居民用户的用户负荷辨识方法。提出了一种基于智能电能表的仅采集电流信息且计算简单的基于智能电能表的用户负荷辨识方法。
为解决上述技术问题,本发明所采取的技术方案为:一种基于智能电能表的用户负荷辨识方法,包括以下步骤:A)智能电能表以周期t采集用户历史用电电流信息,建立用户的用电电流曲线;B)提取用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成第一片段集合;C)依次选取第一片段集合内的元素,被选取的上升曲线片段在ΔT时间内电流上升量记为Δi,在其后时长T内的曲线中,尝试寻找电流下降量与Δi相等的用电电流下降片段,所述用电电流下降片段的持续时间为ΔTe,ΔTe<ΔT;D)若找到电流下降量与Δi相等的用电电流下降片段,则建立新的用户负荷记录,被选取的上升曲线片段的电流上升开始时间,与对应的用电电流下降片段电流下降结束时间的时间区间为该用户负荷记录的持续时间,Δi与所述工作时间区间的时间长度和入户等效直流电压的积作为该用户负荷记录的电量消耗,以负荷记录的Δi与入户等效直流电压的积作为用户负荷记录的功率和标记名,并返回步骤C继续执行,若未找到电流下降量与Δi相等的用电电流下降片段,则直接范围步骤C继续执行,直到遍历第一片段集合;E)获得用户负荷记录表,通过可视终端将用户负荷记录表按标记名分组后展示给用户,由用户根据用户负荷记录的持续时间以及功率,合并同一个电器的负荷记录,获得第一负荷辨识表;F)将步骤A获得的用电电流曲线按时间长度ΔP划分为片段,提取片段的特征,将具有同一特征的片段数量超过设定阈值N的片段划为同组展示给用户,由用户根据片段起止时间以及实际用电情况进行标记和关联,获得第二负荷辨识表;G)智能电能表以周期t采集用户实时用电电流,在一天结束时,建立用户本天的用电电流曲线,使用第一负荷辨识表以及第二负荷辨识表匹配用户本天的用电电流曲线,获得用户本天负荷辨识结果。所采集的电流为等效直流电流值,在采集前先进行等效直流电流值的转换,转换按照负荷为纯电阻的假设进行转换。居民用户大部分电器的功率消耗为定值或是可调档的若干个定值,这类电器开启和关闭时引起的用户负荷变化量也为定值,且开启引起的负荷增加量通常与关闭时引起的负荷减小量相同,用户在同一时刻或一个短暂的时间内,操作开启、关闭的电器通常为一个,因而能够在大量历史用电数据中提取到这些电器的负荷特征,通过采集用户用电电流数据,进行特征分析提取获得用户负荷辨识结果,不需要事先建立负荷电流特征数据库,能够适用负荷种类繁多、启停频繁的居民用户的用电负荷辨识。周期t优选设置在区间[0.1,0.3]内,单位为秒,周期t越短辨识效果愈好,但需要消耗的硬件资源也更多。时长ΔT优选设置在[2,3]内,单位为秒,阈值ΔI推荐值为[0.5,20],单位为W/220V,若需要精细的辨识结果则设置为小值,但会增加计算量。时长T建议设置为24h,如果硬件资源有富余还可以适当延长一倍。持续时间ΔTe优选取值区间为[1,3),单位为秒通常取值为1即可,但取更大值能够提高辨别成功率,当辨别结果较少时可以适当取大值。时间长度ΔP推荐取值区间为[60,180],单位为秒,取大值可以提高辨识率,但也会增加对硬件的要求。
作为优选,在步骤F中提取片段的特征前,对片段进行筛选,所述筛选的方法为:获得用电曲线片段起始点与结束点电流差值的绝对值ΔI,获得用电曲线片段上任意点的切线斜率的最大值ΔKImax,若ΔI以及ΔKImax均分别超过设定阈值,则将该用电曲线片段保留,将其余用电曲线片段筛除。第二负荷辨识表用于识别功率随机变化的电器,如台式计算机,这类电器在使用时耗电功率是随机的,但其开启和关闭通常具有同样的过程,因而当用户没有运行其他随机耗电类型电器时,该类型电器的每次启动造成的用户电流变化规律将会是基本相同的,只要用户用电历史数据足够多,通常可以在辨识结果中辨识到该类电器。ΔI的阈值推荐取值区间[30,35],单位为W/220V,采集到的用户电流为转换为等效直流电流后的电流值,因而直接除电压即可,切线斜率的最大值ΔKImax的阈值推荐取值区间为单位为A/s,该阈值取小值可能会增加辨识结果,同时会增加运算量,在希望增加辨识结果数量时,可以尝试取小值。
作为优选,步骤F中提取片段特征的方法包括以下步骤:F11)获取片段内的用电电流最小值,以频率f对片段曲线取样;F12)取样值均减去用电电流最小值后进行离散傅里叶变换;F13)将离散傅里叶变换后的片段频率构成以及频率幅度作为片段的特征。居民用户虽然存在一些功率随机变化的电器,但这些电器在开启或者关闭时,通常具有同样的工作程序,因而其开启或关闭时引起的负荷变化也具有相同的规律,通过离散傅里叶变换能够提取这些特征,进而进行电器开启或关闭的记录,由居民用户根据实际电器使用情况,标记记录对应的电器,以及电器行为,下次既可以显示出用户能够方便看懂的标记内容。值得注意的是,即使用户不进行标记,该负荷也已经是已被辨识的,用户标记仅用于方便用户阅读,以获得节电参考,由第二负荷辨识表匹配的负荷辨识结果,不统计耗电量信息,仅提供匹配出的开启时间或关闭时间;由第一负荷辨识表匹配的负荷提供用电量结果以及启停时间。
作为优选,步骤F中特征相同的片段的判断方法包括以下步骤:F21)列出两个待判断片段的频率构成以及频率幅度;F22)分别计算两个片段在每个频率构成上的频率幅度差值的绝对值占频率幅度值总和的占比其中F1、F2分别为两个片段的频率组成;F23)计算全部频率组成占比Ki的均值,若均值低于设定阈值则判断两个片段相同。通过频率组成判断两个片段的特征是否相同,对于一个片段具有而另一片段不具有的频率组成,不具有该频率组成的片段在该频率组成上的频率幅度值按0参与计算。
作为优选,所述第二负荷辨识表的记录字段包括片段特征、片段开始时间、片段起止电流变化的绝对值和电器名称,所述电器名称由用户根据片段开始时间结合用电实际进行录入,所述电器名称包括电器称呼和电器动作,所述电器动作包括开、关和调档;所述第二负荷辨识表匹配用户本天的用电电流曲线的方法为:G11)将本天的用电电流曲线划分为时间长度ΔP的片段;G12)提取每个片段的特征,依次将每个片段的特征与第二负荷辨识表中的每个记录的片段特征对比,若特征相同则在用户本天负荷辨识结果中添加一条辨识结果,所述辨识结果包括片段开始时间和与片段匹配的第二负荷辨识表记录的电器名称。通过第二负荷辨识表的片段特征与当天用电电流曲线进行匹配,用户识别具有随机功率的电器的开启或者关闭时间。
作为优选,所述第一负荷辨识表的记录字段包括上升曲线片段的电流上升量Δi和电器名称,所述电器名称包括电器称呼和电器动作,所述电器动作包括开、关和调档;所述第一负荷辨识表匹配用户本天的用电电流曲线的方法为:G21)提取用户本天用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成待匹配片段集合;G22)依次将待匹配片段集合中的上升片段的电流上升量与第一负荷辨识表中的记录的电流上升量Δi对比,若存在电流上升量相等的记录,则尝试在后续本天用电电流曲线中寻找电流下降量与Δi相等的用电电流下降片段,若找到则添加一条辨识结果,所述辨识结果包括起止时间、电器名称和电器本次起止期间的耗电量,所述起止时间分别为上升片段的上升开始时间和下降片段的下降结束时间,所述耗电量为Δi、入户等效直流电压和起止时间长度的积。为了避免用户在0点前开启电器,在0点后关闭的电器无法被辨别,因而本发明中的一天应从凌晨2-4点中的某个时刻开始至第二日的同样时刻截止。
本发明的实质性效果是:通过采集用户用电电流数据,进行特征分析提取获得用户负荷辨识结果,能够适用负荷种类繁多、启停频繁的居民用户的用电负荷辨识;基于智能电能表进行负荷辨识,可以大幅节省项目开支。
附图说明
图1为实施例一用户负荷辨识方法流程框图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
一种基于智能电能表的用户负荷辨识方法,如图1所示,为实施例一用户负荷辨识方法流程框图,本实施例包括以下步骤:A)智能电能表以周期t采集用户历史用电电流信息,建立用户的用电电流曲线;B)提取用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成第一片段集合;C)依次选取第一片段集合内的元素,被选取的上升曲线片段在ΔT时间内电流上升量记为Δi,在其后时长T内的曲线中,尝试寻找电流下降量与Δi相等的用电电流下降片段,用电电流下降片段的持续时间为ΔTe,ΔTe<ΔT;D)若找到电流下降量与Δi相等的用电电流下降片段,则建立新的用户负荷记录,被选取的上升曲线片段的电流上升开始时间,与对应的用电电流下降片段电流下降结束时间的时间区间为该用户负荷记录的持续时间,Δi与工作时间区间的时间长度和入户等效直流电压的积作为该用户负荷记录的电量消耗,以负荷记录的Δi与入户等效直流电压的积作为用户负荷记录的功率和标记名,并返回步骤C继续执行,若未找到电流下降量与Δi相等的用电电流下降片段,则直接范围步骤C继续执行,直到遍历第一片段集合;E)获得用户负荷记录表,通过可视终端将用户负荷记录表按标记名分组后展示给用户,由用户根据用户负荷记录的持续时间以及功率,合并同一个电器的负荷记录,获得第一负荷辨识表;F)将步骤A获得的用电电流曲线按时间长度ΔP划分为片段,提取片段的特征,将具有同一特征的片段数量超过设定阈值N的片段划为同组展示给用户,由用户根据片段起止时间以及实际用电情况进行标记和关联,获得第二负荷辨识表;G)智能电能表以周期t采集用户实时用电电流,在一天结束时,建立用户本天的用电电流曲线,使用第一负荷辨识表以及第二负荷辨识表匹配用户本天的用电电流曲线,获得用户本天负荷辨识结果。所采集的电流为等效直流电流值,在采集前先进行等效直流电流值的转换,转换按照负荷为纯电阻的假设进行转换。居民用户大部分电器的功率消耗为定值或是可调档的若干个定值,这类电器开启和关闭时引起的用户负荷变化量也为定值,且开启引起的负荷增加量通常与关闭时引起的负荷减小量相同,用户在同一时刻或一个短暂的时间内,操作开启、关闭的电器通常为一个,因而能够在大量历史用电数据中提取到这些电器的负荷特征,通过采集用户用电电流数据,进行特征分析提取获得用户负荷辨识结果,不需要事先建立负荷电流特征数据库,能够适用负荷种类繁多、启停频繁的居民用户的用电负荷辨识。
在步骤F中提取片段的特征前,对片段进行筛选,筛选的方法为:获得用电曲线片段起始点与结束点电流差值的绝对值ΔI,获得用电曲线片段上任意点的切线斜率的最大值ΔKImax,若ΔI以及ΔKImax均分别超过设定阈值,则将该用电曲线片段保留,将其余用电曲线片段筛除。第二负荷辨识表用于识别功率随机变化的电器,如台式计算机,这类电器在使用时耗电功率是随机的,但其开启和关闭通常具有同样的过程,因而当用户没有运行其他随机耗电类型电器时,该类型电器的每次启动造成的用户电流变化规律将会是基本相同的,只要用户用电历史数据足够多,通常可以在辨识结果中辨识到该类电器。
步骤F中提取片段特征的方法包括以下步骤:F11)获取片段内的用电电流最小值,以频率f对片段曲线取样;F12)取样值均减去用电电流最小值后进行离散傅里叶变换;F13)将离散傅里叶变换后的片段频率构成以及频率幅度作为片段的特征。居民用户虽然存在一些功率随机变化的电器,但这些电器在开启或者关闭时,通常具有同样的工作程序,因而其开启或关闭时引起的负荷变化也具有相同的规律,通过离散傅里叶变换能够提取这些特征,进而进行电器开启或关闭的记录,由居民用户根据实际电器使用情况,标记记录对应的电器,以及电器行为,下次既可以显示出用户能够方便看懂的标记内容。值得注意的是,即使用户不进行标记,该负荷也已经是已被辨识的,用户标记仅用于方便用户阅读,以获得节电参考,由第二负荷辨识表匹配的负荷辨识结果,不统计耗电量信息,仅提供匹配出的开启时间或关闭时间;由第一负荷辨识表匹配的负荷提供用电量结果以及启停时间。
步骤F中特征相同的片段的判断方法包括以下步骤:F21)列出两个待判断片段的频率构成以及频率幅度;F22)分别计算两个片段在每个频率构成上的频率幅度差值的绝对值占频率幅度值总和的占比其中F1、F2分别为两个片段的频率组成;F23)计算全部频率组成占比Ki的均值,若均值低于设定阈值则判断两个片段相同。通过频率组成判断两个片段的特征是否相同,对于一个片段具有而另一片段不具有的频率组成,不具有该频率组成的片段在该频率组成上的频率幅度值按0参与计算。此处的设定阈值推荐由试验获得。
第二负荷辨识表的记录字段包括片段特征、片段开始时间、片段起止电流变化的绝对值和电器名称,电器名称由用户根据片段开始时间结合用电实际进行录入,电器名称包括电器称呼和电器动作,电器动作包括开、关和调档;第二负荷辨识表匹配用户本天的用电电流曲线的方法为:G11)将本天的用电电流曲线划分为时间长度ΔP的片段;G12)提取每个片段的特征,依次将每个片段的特征与第二负荷辨识表中的每个记录的片段特征对比,若特征相同则在用户本天负荷辨识结果中添加一条辨识结果,辨识结果包括片段开始时间和与片段匹配的第二负荷辨识表记录的电器名称。通过第二负荷辨识表的片段特征与当天用电电流曲线进行匹配,用户识别具有随机功率的电器的开启或者关闭时间。
第一负荷辨识表的记录字段包括上升曲线片段的电流上升量Δi和电器名称,电器名称包括电器称呼和电器动作,电器动作包括开、关和调档;第一负荷辨识表匹配用户本天的用电电流曲线的方法为:G21)提取用户本天用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成待匹配片段集合;G22)依次将待匹配片段集合中的上升片段的电流上升量与第一负荷辨识表中的记录的电流上升量Δi对比,若存在电流上升量相等的记录,则尝试在后续本天用电电流曲线中寻找电流下降量与Δi相等的用电电流下降片段,若找到则添加一条辨识结果,辨识结果包括起止时间、电器名称和电器本次起止期间的耗电量,起止时间分别为上升片段的上升开始时间和下降片段的下降结束时间,耗电量为Δi、入户等效直流电压和起止时间长度的积。为了避免用户在0点前开启电器,在0点后关闭的电器无法被辨别,因而本发明中的一天应从凌晨2-4点中的某个时刻开始至第二日的同样时刻截止。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (6)
1.一种基于智能电能表的用户负荷辨识方法,其特征在于,
包括以下步骤:
A)智能电能表以周期t采集用户历史用电电流信息,建立用户的用电电流曲线;
B)提取用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成第一片段集合;
C)依次选取第一片段集合内的元素,被选取的上升曲线片段在ΔT时间内电流上升量记为Δi,在其后时长T内的曲线中,尝试寻找电流下降量与Δi相等的用电电流下降片段,所述用电电流下降片段的持续时间为ΔTe,ΔTe<ΔT;
D)若找到电流下降量与Δi相等的用电电流下降片段,则建立新的用户负荷记录,被选取的上升曲线片段的电流上升开始时间,与对应的用电电流下降片段电流下降结束时间的时间区间为该用户负荷记录的持续时间,Δi与所述工作时间区间的时间长度和入户等效直流电压的积作为该用户负荷记录的电量消耗,以负荷记录的Δi与入户等效直流电压的积作为用户负荷记录的功率和标记名,并返回步骤C继续执行,若未找到电流下降量与Δi相等的用电电流下降片段,则直接范围步骤C继续执行,直到遍历第一片段集合;
E)获得用户负荷记录表,通过可视终端将用户负荷记录表按标记名分组后展示给用户,由用户根据用户负荷记录的持续时间以及功率,合并同一个电器的负荷记录,获得第一负荷辨识表;
F)将步骤A获得的用电电流曲线按时间长度ΔP划分为片段,提取片段的特征,将具有同一特征的片段数量超过设定阈值N的片段划为同组展示给用户,由用户根据片段起止时间以及实际用电情况进行标记和关联,获得第二负荷辨识表;
G)智能电能表以周期t采集用户实时用电电流,在一天结束时,建立用户本天的用电电流曲线,使用第一负荷辨识表以及第二负荷辨识表匹配用户本天的用电电流曲线,未被第一负荷辨识表匹配的用电量均列入未识别用电量,获得用户本天负荷辨识结果。
2.根据权利要求1所述的一种基于智能电能表的用户负荷辨识方法,其特征在于,
在步骤F中提取片段的特征前,对片段进行筛选,所述筛选的方法为:获得用电曲线片段起始点与结束点电流差值的绝对值ΔI,获得用电曲线片段上任意点的切线斜率的最大值ΔKImax,若ΔI以及ΔKImax均分别超过设定阈值,则将该用电曲线片段保留,将其余用电曲线片段筛除。
3.根据权利要求1或2所述的一种基于智能电能表的用户负荷辨识方法,其特征在于,
步骤F中提取片段特征的方法包括以下步骤:
F11)获取片段内的用电电流最小值,以频率f对片段曲线取样;
F12)取样值均减去用电电流最小值后进行离散傅里叶变换;
F13)将离散傅里叶变换后的片段频率构成以及频率幅度作为片段的特征。
4.根据权利要求3所述的一种基于智能电能表的用户负荷辨识方法,其特征在于,
步骤F中特征相同的片段的判断方法包括以下步骤:
F21)列出两个待判断片段的频率构成以及频率幅度;
F22)分别计算两个片段在每个频率构成上的频率幅度差值的绝对值占频率幅度值总和的占比其中F1、F2分别为两个片段的频率组成;
F23)计算全部频率组成占比Ki的均值,若均值低于设定阈值则判断两个片段相同。
5.根据权利要求1或2所述的一种基于智能电能表的用户负荷辨识方法,其特征在于,
所述第二负荷辨识表的记录字段包括片段特征、片段开始时间、片段起止电流变化的绝对值和电器名称,所述电器名称由用户根据片段开始时间结合用电实际进行录入,所述电器名称包括电器称呼和电器动作,所述电器动作包括开、关和调档;
所述第二负荷辨识表匹配用户本天的用电电流曲线的方法为:
G11)将本天的用电电流曲线划分为时间长度ΔP的片段;
G12)提取每个片段的特征,依次将每个片段的特征与第二负荷辨识表中的每个记录的片段特征对比,若特征相同则在用户本天负荷辨识结果中添加一条辨识结果,所述辨识结果包括片段开始时间和与片段匹配的第二负荷辨识表记录的电器名称。
6.根据权利要求5所述的一种基于智能电能表的用户负荷辨识方法,其特征在于,
所述第一负荷辨识表的记录字段包括上升曲线片段的电流上升量Δi和电器名称,所述电器名称包括电器称呼和电器动作,所述电器动作包括开、关和调档;
所述第一负荷辨识表匹配用户本天的用电电流曲线的方法为:
G21)提取用户本天用电电流曲线在设定时长ΔT内电流上升量大于设定阈值ΔI的上升曲线片段,构成待匹配片段集合;
G22)依次将待匹配片段集合中的上升片段的电流上升量与第一负荷辨识表中的记录的电流上升量Δi对比,若存在电流上升量相等的记录,则尝试在后续本天用电电流曲线中寻找电流下降量与Δi相等的用电电流下降片段,若找到则添加一条辨识结果,所述辨识结果包括起止时间、电器名称和电器本次起止期间的耗电量,所述起止时间分别为上升片段的上升开始时间和下降片段的下降结束时间,所述耗电量为Δi、入户等效直流电压和起止时间长度的积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910093571.7A CN109936131B (zh) | 2019-01-30 | 2019-01-30 | 一种基于智能电能表的用户负荷辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910093571.7A CN109936131B (zh) | 2019-01-30 | 2019-01-30 | 一种基于智能电能表的用户负荷辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109936131A true CN109936131A (zh) | 2019-06-25 |
CN109936131B CN109936131B (zh) | 2020-08-11 |
Family
ID=66985317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910093571.7A Active CN109936131B (zh) | 2019-01-30 | 2019-01-30 | 一种基于智能电能表的用户负荷辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109936131B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110944413A (zh) * | 2019-12-06 | 2020-03-31 | 江苏智臻能源科技有限公司 | 云边协同架构下基于历史负荷辨识数据的电热细分方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
US20180048149A1 (en) * | 2012-04-19 | 2018-02-15 | Pass & Seymour, Inc. | Universal power control device |
CN108693499A (zh) * | 2018-08-02 | 2018-10-23 | 国网江苏省电力有限公司电力科学研究院 | 一种用户用电负荷辨识智能电能表检测系统及方法 |
CN108920868A (zh) * | 2018-07-23 | 2018-11-30 | 国网江西省电力有限公司电力科学研究院 | 基于智能电表数据的负荷辨识模型参数修正方法 |
CN109034666A (zh) * | 2018-09-04 | 2018-12-18 | 国家电网有限公司 | 一种基于负荷突变的低压电网拓扑大数据辨识系统及方法 |
-
2019
- 2019-01-30 CN CN201910093571.7A patent/CN109936131B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180048149A1 (en) * | 2012-04-19 | 2018-02-15 | Pass & Seymour, Inc. | Universal power control device |
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
CN108920868A (zh) * | 2018-07-23 | 2018-11-30 | 国网江西省电力有限公司电力科学研究院 | 基于智能电表数据的负荷辨识模型参数修正方法 |
CN108693499A (zh) * | 2018-08-02 | 2018-10-23 | 国网江苏省电力有限公司电力科学研究院 | 一种用户用电负荷辨识智能电能表检测系统及方法 |
CN109034666A (zh) * | 2018-09-04 | 2018-12-18 | 国家电网有限公司 | 一种基于负荷突变的低压电网拓扑大数据辨识系统及方法 |
Non-Patent Citations (2)
Title |
---|
杨东升等: "基于多特征序列融合的负荷辨识方法", 《电力系统自动化》 * |
武昕等: "基于模板滤波的居民负荷非侵入式快速辨识算法", 《电力系统自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110944413A (zh) * | 2019-12-06 | 2020-03-31 | 江苏智臻能源科技有限公司 | 云边协同架构下基于历史负荷辨识数据的电热细分方法 |
WO2021109518A1 (zh) * | 2019-12-06 | 2021-06-10 | 江苏智臻能源科技有限公司 | 云边协同架构下基于历史负荷辨识数据的电热细分方法 |
CN110944413B (zh) * | 2019-12-06 | 2021-08-10 | 江苏智臻能源科技有限公司 | 云边协同架构下基于历史负荷辨识数据的电热细分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109936131B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Santoso et al. | Characterization of distribution power quality events with Fourier and wavelet transforms | |
CN111830347B (zh) | 一种基于事件的两阶段非侵入式负荷监测方法 | |
CN106093565B (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
CN109325545A (zh) | 低压配电网拓扑结构校验方法、装置、设备及存储介质 | |
CN105067966B (zh) | 基于特征模态分量能量分析的低压交流故障电弧检测方法 | |
WO2022042070A1 (zh) | 一种非侵入式负荷检测方法 | |
CN106443244B (zh) | 用电设备类型辨识方法和系统 | |
CN106483370A (zh) | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 | |
Lee | Electric load information system based on non-intrusive power monitoring | |
CN107546855B (zh) | 一种居民用电负荷的非侵入分解方法 | |
CN109472714A (zh) | 一种基于大数据的线路台区异常分析系统及方法 | |
CN113361831B (zh) | 基于优先级分配的非侵入式负荷辨识电量分解方法及系统 | |
CN103745272B (zh) | 一种基于快速周期分量提取的电力短期负荷预测方法 | |
CN111722028A (zh) | 一种基于高频数据的负荷识别方法 | |
CN104850165B (zh) | 用于电磁炉的控制电路、控制方法及其电磁炉 | |
Li et al. | An enhanced ISODATA algorithm for recognizing multiple electric appliances from the aggregated power consumption dataset | |
CN109936131A (zh) | 一种基于智能电能表的用户负荷辨识方法 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
CN112067918A (zh) | 基于事件检测的非侵入式负荷识别方法和系统 | |
CN105305437B (zh) | 电力负荷三重可信度匹配辨识方法 | |
CN111126780A (zh) | 一种非侵入式负荷监测方法及存储介质 | |
CN109377052B (zh) | 一种电力负荷匹配方法、装置、设备及可读存储介质 | |
CN107732902B (zh) | 配电网经济运行监控及评价方法 | |
CN108616109B (zh) | 一种基于相电压及差流突变量比值法判别励磁涌流方法 | |
CN107144726A (zh) | 一种a级电压暂态监测装置、方法及系统 |
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 |