CN110488112A - 非侵入式负荷识别及其基于识别结果实现的分类计量方法 - Google Patents
非侵入式负荷识别及其基于识别结果实现的分类计量方法 Download PDFInfo
- Publication number
- CN110488112A CN110488112A CN201910435358.XA CN201910435358A CN110488112A CN 110488112 A CN110488112 A CN 110488112A CN 201910435358 A CN201910435358 A CN 201910435358A CN 110488112 A CN110488112 A CN 110488112A
- Authority
- CN
- China
- Prior art keywords
- load
- active power
- current
- steady state
- event
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 58
- 230000007704 transition Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 6
- 230000004083 survival effect Effects 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006698 induction Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种非侵入式负荷识别的方法,包括以下步骤:获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量;根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果。本发明首先采用电能计量算法得到单周波电参量,再由以单周波有功功率为窗口进行稳态判断,进而进行负荷的事件检测,最终事件负荷识别和分类计量。
Description
技术领域
本发明涉及电力系统智能表计负荷识别技术领域,尤其涉及一种非侵入式负荷识别及其基于识别结果实现的分类计量方法。
背景技术
非侵入式负荷识别技术(NILM)仅需要在用户入口进行监测,通过采集和分析入口电压、电流信息判断户内每类电器的工作状态和用电情况,该项技术特别适合应用在已经在我国大批量安装的智能电能表上,从而使智能电能表更智能化。
然而,现有智能电能表计一般不具备NILM功能,只实现了如何总有功功率的检测和电能计量。由于不具备NILM功能,智能电能表无法进一步提升用户体验。更进一步的,现有NILM算法实现相当复杂,受普通电能表平台限制,无法进行移植。所以势必要研究一种简单实用的NILM算法,从而容易移植到一般MCU上,进一步提升智能电能表的功能。
发明内容
本发明针对现有技术中的缺点,提供了一种非侵入式负荷识别及其基于识别结果实现的分类计量方法。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种非侵入式负荷识别的方法,包括以下步骤:
获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果。
作为一种可实施方式,在负荷事件检测过程中,以W个周波的电参量设定窗口为准进行处理,并且窗口每次以X个周波滑动更新,其中X<W。
作为一种可实施方式,根据当前窗口周波的有功功率判断窗口的状态是否为稳态,具体步骤为::
将当前窗口W个有功功率分成三段,得到三段平均有功功率,分别为:假设功率阈值为Pthreshold,则0<K<1,K表示个数;
基于三段平均有功功率,得到相应的差值,差值表示为:和
将两个差值和所述功率阈值进行比较,当diff1≤Pthreshold且diff2≤Pthreshold时,则将此时窗口的状态判定为稳态,否则,为非稳态。
作为一种可实施方式,所述在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,具体为:
在窗口为稳态条件下,得到当前窗口W个有功功率的平均值,平均值表示为:将当前的有功稳态等效为平均值,Pk表示功率,表示为:将当前窗口的首尾有功功率的时标记作:FrontCur、TailCur,则TransLen=FrontCur-TailPre表示为过渡带长度,在此,时标是以周波个数表示,并将特征向量标记为βcur;将有功前稳态等效为当前的有功稳态,表示为:PsteadyPre=PsteadyCur,有功前稳态时标FrontPre=FrontCur,TailPre=TailCur,βpre=βcur,PsteadyCur表示为有功功率前稳态,PsteadyPre表示为有功功率后稳态。
作为一种可实施方式,所述基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生,具体步骤为:
基于有功功率前稳态、有功功率后稳态,得到有功功率的变化量,所述变化量表示为:deltaP=PsteadyCur-PsteadyPre;
基于变化量以及过渡带长度,判断是否检测到有负荷开关事件产生,即当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生;其中,PGate为最小负荷功率阈值。
作为一种可实施方式,所述当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生,具体为:
当deltaP<0时,则当前事件为负荷开启事件;
当deltaP>0时,则当前事件为负荷关闭事件。
作为一种可实施方式,所述当前负荷的特征向量与本地特征库满足如下要求:
将当前负荷的特征向量记作β,将本地特征库记作Α,所述当前负荷的特征向量β和本地特征库A都由基本特征元素集合而成,基本特征元素集合的形式表示为[a1,a2,a3,a4,a5],其中,a1有功功率;a2过渡带长度;a3电流总谐波畸变THD,a4电流第二次谐波畸变;a5有功功率SD值;其中,W表示周波的数量,表示当前窗口W个有功功率的平均值,Pk表示功率;
a2=Front or Tail;等于稳态窗口的首部时标或尾部时标,用于计算过渡带长度TransLen;
其中,THDk为每周波总谐波畸变且其中,I表示电流有效值;
其中,THD2k为每周波2次谐波含有量;THD2=I2/I1,其中,In为谐波电流有效值,n=1时,I1为基波电流;
a5=sd,sd为窗口内有功功率标准方差,Pk表示功率。
作为一种可实施方式,所述通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果,具体步骤如下:
将特征库A表示为:Α={α1;……;αK};其中,αK为特征向量,αK表征一类负荷;K表示特征库包含有K类负荷特征;
当检测到有负荷开关事件产生时,根据当前事件特征向量得到有功功率前稳态和有功功率后稳态特征向量的差值Δβ,Δβ=βcur-βpre,其中,βcur有功功率前稳态的特征向量,βpre有功功率后稳态特征向量;
基于有功功率前稳态和有功功率后稳态特征向量的差值得到范数|Δβ|2,将范数|Δβ|2与特征库Α中的特征向量进行比对,判断当前负荷是否为相应的负荷,即当|β|2≤k·|αk|2时,则判断当前负荷为相应负荷并输出结果devicek,并记录此时的Δβ,否则,继续将范数|Δβ|2与特征库Α中特征向量进行比对,直到找到Δβ为止。
一种基于识别结果实现的分类计量方法,包括以上所述的非侵入式负荷识别的方法的步骤,还包括基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果。
作为一种可实施方式,所述基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果,具体步骤为:
检测到负荷开启事件则启动电能计量,并用i周波进行计数,设第i周波所有负荷的总有功功率为P总i,相应的时间段为Ti,相应负荷开启时i=0;
当devicek为非变频设备的输出结果时,从特征向量Δβ提取有功特征元素a1,此即为该负荷的运行功率Pk;相应的非变频设备的电能Eki=Pk·Ti;
当devicek为变频类设备的输出结果时,变频类设变有功功率每周波计算P变i=P总i-P;其中P为其它普通负荷有功总和,则变频类负荷电能Eki=P变i·Ti;
当检测到相应负荷关闭事件时,停止i计数,则负荷的总电能
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明首先采用电能计量算法得到单周波电参量,再由以单周波有功功率为窗口进行稳态判断,进而进行负荷的事件检测,最终事件负荷识别和分类计量。本方法的优点在于实现简单,电能计量算法源自智能电能表平台,从而具有移植到智能电能表平台的优势,能够在存储容量小、运行速率较低的MCU平台上实时运行,能够普及到单相智能表平台,实现普通家庭居民用户的负荷识别功能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的整体流程示意图;
图2稳态与事件检测;
图3负荷识别事件序列;
图4非侵入式负荷识别MATLAB仿真平台;
图5是本发明实施例2的整体流程示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1:
一种非侵入式负荷识别的方法,如图1所示,包括以下步骤:
S100、获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
S200、根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
S300、当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果。
在步骤S200中,在负荷事件检测过程中,以W个周波的电参量设定窗口为准进行处理,并且窗口每次以X个周波滑动更新,其中X<W。
在步骤S200中,根据当前窗口周波的有功功率判断窗口的状态是否为稳态,具体步骤为::
将当前窗口W个有功功率分成三段,得到三段平均有功功率,分别为:假设功率阈值为Pthreshold,则0<K<1,K表示个数;
基于三段平均有功功率,得到相应的差值,差值表示为:和
将两个差值和所述功率阈值进行比较,当diff1≤Pthreshold且diff2≤Pthreshold时,则将此时窗口的状态判定为稳态,否则,为非稳态。
更进一步地,所述在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,具体为:
在窗口为稳态条件下,得到当前窗口W个有功功率的平均值,平均值表示为:Pk表示功率,将当前的有功稳态等效为平均值,表示为:将当前窗口的首尾有功功率的时标记作:FrontCur、TailCur,则TransLen=FrontCur-TailPre表示为过渡带长度,在此,时标是以周波个数表示,并将特征向量标记为βcur;将有功前稳态等效为当前的有功稳态,表示为:PsteadyPre=PsteadyCur,有功前稳态时标FrontPre=FrontCur,TailPre=TailCur,βpre=βcur,PsteadyCur表示为有功功率前稳态,PsteadyPre表示为有功功率后稳态。
基于以上条件,在步骤S200中,所述基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生,具体步骤为:
基于有功功率前稳态、有功功率后稳态,得到有功功率的变化量,所述变化量表示为:deltaP=PsteadyCur-PsteadyPre;
基于变化量以及过渡带长度,判断是否检测到有负荷开关事件产生,即当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生;其中,PGate为最小负荷功率阈值。
基于以上具体步骤,在所述当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生,可以理解为以下情况:
当deltaP<0时,则当前事件为负荷开启事件;
当deltaP>0时,则当前事件为负荷关闭事件。
在步骤S300中,所述当前负荷的特征向量与本地特征库满足如下要求:
将当前负荷的特征向量记作β,将本地特征库记作Α,所述当前负荷的特征向量β和本地特征库A都由基本特征元素集合而成,基本特征元素集合的形式表示为[a1,a2,a3,a4,a5],其中,a1有功功率;a2过渡带长度;a3电流总谐波畸变THD,a4电流第二次谐波畸变;a5有功功率SD值;其中W表示周波的数量,表示当前窗口W个有功功率的平均值,Pk表示功率;
a2=Front or Tail;等于稳态窗口的首部时标或尾部时标,用于计算过渡带长度TransLen;
其中,THDk为每周波总谐波畸变且其中,I表示电流有效值;
其中,THD2k为每周波2次谐波含有量;THD2=I2/I1,其中,In为谐波电流有效值,n=1时,I1为基波电流;
a5=sd,sd为窗口内有功功率标准方差,Pk表示功率。
如图2所示,图中为变频空调从开启到关闭过程中有功功率的波形图,从图中方框部分检测到负荷开启事件和关闭事件;图中箭头指向有功功率前稳态、有功功率后稳态,过渡带长度,通过对这几个量的判断,从而实现事件检测。
所述特征库Α,包含各类负荷特征向量,由开启特征库和关闭特征库组成,特征库在离线条件下建立,在本文中属于先验知识;具体实施例中,如下表即为实验室条件下,电视机、电吹风、电水壶、电磁炉、定频空调、变频空调的特征库:
表1负荷开启特征库
表2负荷关闭特征库
综上,由特征向量β比对本地特征库Α,找出负荷类别,并完成负荷识别功能。
基于以上当前负荷的特征向量与本地特征库满足的条件,所述通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果,具体步骤如下:
将特征库A表示为:Α={α1;……;αK};其中,αK为特征向量,αK表征一类负荷;K表示特征库包含有K类负荷特征;
当检测到有负荷开关事件产生时,根据当前事件特征向量得到有功功率前稳态和有功功率后稳态特征向量的差值Δβ,Δβ=βcur-βpre,其中,βcur有功功率前稳态的特征向量,βpre有功功率后稳态特征向量;
基于有功功率前稳态和有功功率后稳态特征向量的差值得到范数|Δβ|2,将范数|Δβ|2与特征库Α中的特征向量进行比对,判断当前负荷是否为相应的负荷,即当|β|2≤k·|αk|2时,则判断当前负荷为相应负荷并输出结果devicek,并记录此时的Δβ,否则,继续将范数|Δβ|2与特征库Α中特征向量进行比对,直到找到Δβ为止。
基于本发明的方法,将本发明的方法移植到关口表平台,该平台AD采样率为6400Hz,用于测试实验室条件下家用电器负荷识别情况。在试验过程中,设备动作序列如图3所示,图中为设备有功功率运行情况,图中序号1~10动作序列依次为:电视机开启、电磁炉开启、电水壶开启、电磁炉关闭、电视机关闭、电磁炉开启、电视机开始、电水壶关闭、电磁炉关闭、电视机关闭。如表3所示为负荷识别结果,从结果中可以发现,识别率为100%。如表4所示为个负荷分类计量的结果。
表3负荷识别结果
表4分类计量
设备名称 | 运行时间(s) | 消耗电量(Ws) |
电视机 | 375.6 | 42830.2 |
电磁炉 | 291.9 | 469634 |
电水壶 | 252.4 | 268203 |
在非侵入式负荷识别方法的设计中需要有大量的数据样本,因此,在MATLAB平台进行了验证,借助MATLAB强大的数据处理能力和数据显示能力:
以实施例1中的具体情况,数据采样率为6400Hz,若采集电压、电流两个通道,则采集一个小时的数据量为:
6400243600 175M bytes;
显示情况下,在做非侵入式负荷实验时,需要准备几十个G的样本数据,所以直接采用MATLAB进行分析。如图4所示为本文所提方法在MATLAB平台的分析结果,GUI界面方便进行分机交互,从而提高预研进度。
实施例2:
基于实施例1得到的识别结果,可以实现一种基于识别结果实现的分类计量方法,包括以上所述的非侵入式负荷识别的方法的步骤,还包括基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果。
具体为:
一种基于识别结果实现的分类计量方法,如图5所示,包括以下步骤:
S100、获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
S200、根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
S300、当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果;
S400、基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果。
更加具体地,所述基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果,具体步骤为:
检测到负荷开启事件则启动电能计量,并用i周波进行计数,设第i周波所有负荷的总有功功率为P总i,相应的时间段为Ti,相应负荷开启时i=0;
当devicek为非变频设备的输出结果时,从特征向量Δβ提取有功特征元素a1,此即为该负荷的运行功率Pk;相应的非变频设备的电能Eki=Pk·Ti;
当devicek为变频类设备的输出结果时,变频类设变有功功率每周波计算P变i=P总i-P;其中P为其它普通负荷有功总和,则变频类负荷电能Eki=P变i·Ti;
当检测到相应负荷关闭事件时,停止i计数,则负荷的总电能
基于实施例1和实施例2,本发明首先采用电能计量算法得到单周波电参量,再由以单周波有功功率为窗口进行稳态判断,进而进行负荷的事件检测,最终事件负荷识别和分类计量。本方法的优点在于实现简单,电能计量算法源自智能电能表平台,从而具有移植到智能电能表平台的优势,能够在存储容量小、运行速率较低的MCU平台上实时运行,能够普及到单相智能表平台,实现普通家庭居民用户的负荷识别功能。
实施例3:
一种非侵入式负荷识别的系统,包括数据获取模块、判断模块和识别模块;
所述数据获取模块,包括获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
所述判断模块,用于根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
所述识别模块,用于当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果。
实施例4:
一种基于识别结果实现的分类计量系统,包括数据获取模块、判断模块、识别模块和分类计量模块;
所述数据获取模块,用于获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
所述判断模块,用于根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
所述识别模块,用于当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果;
所述分类计量模块,用于基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种非侵入式负荷识别的方法,其特征在于,包括以下步骤:
获取负荷总关口处的电压数据和电流数据,基于获取到的电压数据和电流数得到单周波电参量,所述电参量至少包括电压有效值、电流有效值、有功功率、无功功率和视在功率;
根据当前窗口周波的有功功率判断窗口的状态是否为稳态,在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生;
当有负荷开关事件产生,则记录当前负荷的特征向量,通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果。
2.根据权利要求1所述的非侵入式负荷识别的方法,其特征在于,在负荷事件检测过程中,以W个周波的电参量设定窗口为准进行处理,并且窗口每次以X个周波滑动更新,其中X<W。
3.根据权利要求2所述的非侵入式负荷识别的方法,其特征在于,根据当前窗口周波的有功功率判断窗口的状态是否为稳态,具体步骤为:
将当前窗口W个有功功率分成三段,得到三段平均有功功率,分别为:假设功率阈值为Pthreshold,则0<K<1,K表示个数;
基于三段平均有功功率,得到相应的差值,差值表示为:和
将两个差值和所述功率阈值进行比较,当diff1≤Pthreshold且diff2≤Pthreshold时,则将此时窗口的状态判定为稳态,否则,为非稳态。
4.根据权利要求3所述的非侵入式负荷识别的方法,其特征在于,所述在稳态状态下获得相应的有功功率前稳态、有功功率后稳态以及过渡带长度,具体为:
在窗口为稳态条件下,得到当前窗口W个有功功率的平均值,平均值表示为:将当前的有功稳态等效为平均值,Pk表示功率,表示为:将当前窗口的首尾有功功率的时标记作:FrontCur、TailCur,则TransLen=FrontCur-TailPre表示为过渡带长度,在此,时标是以周波个数表示,并将特征向量标记为βcur;将有功前稳态等效为当前的有功稳态,表示为:PsteadyPre=PsteadyCur,有功前稳态时标FrontPre=FrontCur,TailPre=TailCur,βpre=βcur,PsteadyCur表示为有功功率前稳态,PsteadyPre表示为有功功率后稳态。
5.根据权利要求1所述的非侵入式负荷识别的方法,其特征在于,所述基于有功功率前稳态、有功功率后稳态以及过渡带长度进行负荷开关事件检测,判断是否检测到有负荷开关事件产生,具体步骤为:
基于有功功率前稳态、有功功率后稳态,得到有功功率的变化量,所述变化量表示为:deltaP=PsteadyCur-PsteadyPre;
基于变化量以及过渡带长度,判断是否检测到有负荷开关事件产生,即当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生;其中,PGate为最小负荷功率阈值。
6.根据权利要求5所述的非侵入式负荷识别的方法,其特征在于,所述当|deltaP|>PGate且TransLen>0时,则检测到有负荷开关事件产生,否则没有负荷开关事件产生,具体为:
当deltaP<0时,则当前事件为负荷开启事件;
当deltaP>0时,则当前事件为负荷关闭事件。
7.根据权利要求1所述的非侵入式负荷识别的方法,其特征在于,所述当前负荷的特征向量与本地特征库满足如下要求:
将当前负荷的特征向量记作β,将本地特征库记作Α,所述当前负荷的特征向量β和本地特征库A都由基本特征元素集合而成,基本特征元素集合的形式表示为[a1,a2,a3,a4,a5],其中,a1有功功率;a2过渡带长度;a3电流总谐波畸变THD,a4电流第二次谐波畸变;a5有功功率SD值;其中,W表示周波的数量,表示当前窗口W个有功功率的平均值,Pk表示功率;
a2=Front or Tail;等于稳态窗口的首部时标或尾部时标,用于计算过渡带长度TransLen;
其中,THDk为每周波总谐波畸变且其中,I表示电流有效值;
其中,THD2k为每周波2次谐波含有量;THD2=I2/I1,其中,In为谐波电流有效值,n=1时,I1为基波电流;
a5=sd,sd为窗口内有功功率标准方差,Pk表示功率。
8.根据权利要求7所述的非侵入式负荷识别的方法,其特征在于,所述通过所述特征向量和本地特征库进行比对,找出负荷类别,基于负荷类别得到负荷识别结果,具体步骤如下:
将特征库A表示为:Α={α1;……;αK};其中,αK为特征向量,αK表征一类负荷;K表示特征库包含有K类负荷特征;
当检测到有负荷开关事件产生时,根据当前事件特征向量得到有功功率前稳态和有功功率后稳态特征向量的差值Δβ,Δβ=βcur-βpre,其中,βcur有功功率前稳态的特征向量,βpre有功功率后稳态特征向量;
基于有功功率前稳态和有功功率后稳态特征向量的差值得到范数|Δβ|2,将范数|Δβ|2与特征库Α中的特征向量进行比对,判断当前负荷是否为相应的负荷,即当|β|2≤k·|αk|2时,则判断当前负荷为相应负荷并输出结果devicek,并记录此时的Δβ,否则,继续将范数|Δβ|2与特征库Α中特征向量进行比对,直到找到Δβ为止。
9.一种基于识别结果实现的分类计量方法,其特征在于,包括权利要求1-8任一项权利要求所述的非侵入式负荷识别的方法的步骤,还包括基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果。
10.根据权利要求9所述的基于识别结果实现的分类计量方法,其特征在于,所述基于负荷识别结果以及事件开关检测序列,对相应的负荷进行分类计量,得到分类计量结果,具体步骤为:
检测到负荷开启事件则启动电能计量,并用i周波进行计数,设第i周波所有负荷的总有功功率为P总i,相应的时间段为Ti,相应负荷开启时i=0;
当devicek为非变频设备的输出结果时,从特征向量Δβ提取有功特征元素a1,此即为该负荷的运行功率Pk;相应的非变频设备的电能Eki=Pk·Ti;
当devicek为变频类设备的输出结果时,变频类设变有功功率每周波计算P变i=P总i-P;其中P为其它普通负荷有功总和,则变频类负荷电能Eki=P变i·Ti;
当检测到相应负荷关闭事件时,停止i计数,则负荷的总电能
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910435358.XA CN110488112A (zh) | 2019-05-23 | 2019-05-23 | 非侵入式负荷识别及其基于识别结果实现的分类计量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910435358.XA CN110488112A (zh) | 2019-05-23 | 2019-05-23 | 非侵入式负荷识别及其基于识别结果实现的分类计量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110488112A true CN110488112A (zh) | 2019-11-22 |
Family
ID=68546220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910435358.XA Pending CN110488112A (zh) | 2019-05-23 | 2019-05-23 | 非侵入式负荷识别及其基于识别结果实现的分类计量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488112A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103490A (zh) * | 2019-12-26 | 2020-05-05 | 广东电网有限责任公司电力科学研究院 | 一种负荷辨识事件检测方法、装置及设备 |
CN111160798A (zh) * | 2019-12-31 | 2020-05-15 | 华南理工大学 | 一种基于蜂群算法的非侵入式家电负荷识别方法 |
CN111175599A (zh) * | 2019-12-31 | 2020-05-19 | 广西电网有限责任公司电力科学研究院 | 一种非介入式空调的辨识方法 |
CN111177212A (zh) * | 2019-12-13 | 2020-05-19 | 国网北京市电力公司 | 空气源热泵工作状态的确定方法及装置、电子设备 |
CN111208375A (zh) * | 2020-03-04 | 2020-05-29 | 威胜集团有限公司 | 定频电器启动的实时监测方法、装置和存储介质 |
CN111665390A (zh) * | 2020-06-15 | 2020-09-15 | 威胜集团有限公司 | 非侵入式负荷检测方法、终端设备及可读存储介质 |
CN111830347A (zh) * | 2020-07-17 | 2020-10-27 | 四川大学 | 一种基于事件的两阶段非侵入式负荷监测方法 |
CN112286074A (zh) * | 2020-10-14 | 2021-01-29 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷电能仿真模拟方法 |
CN113420436A (zh) * | 2021-06-21 | 2021-09-21 | 湘潭大学 | 一种基于gru和arima-t检验的非侵入式负荷开关事件检测方法 |
CN113687140A (zh) * | 2021-08-26 | 2021-11-23 | 天津大学 | 一种基于电流空间轨迹的无监督非侵入式电视机辨识方法 |
CN116610922A (zh) * | 2023-07-13 | 2023-08-18 | 浙江大学滨江研究院 | 基于多策略学习的非侵入式负荷识别方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105556A (zh) * | 2013-01-30 | 2013-05-15 | 西安交通大学 | 基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法 |
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 |
CN105823948A (zh) * | 2016-05-18 | 2016-08-03 | 国网上海市电力公司 | 一种非干预式居民负荷识别方法 |
CN106443174A (zh) * | 2016-10-21 | 2017-02-22 | 威胜集团有限公司 | 一种非侵入式家用负荷特征自动提取方法与装置 |
CN106680637A (zh) * | 2017-01-12 | 2017-05-17 | 威胜集团有限公司 | 非侵入式家用负荷投切事件实时监测方法 |
CN107561354A (zh) * | 2017-08-17 | 2018-01-09 | 江苏智臻能源科技有限公司 | 基于功率持续时间特性的多电器非侵入辨识方法 |
CN109145949A (zh) * | 2018-07-19 | 2019-01-04 | 山东师范大学 | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 |
-
2019
- 2019-05-23 CN CN201910435358.XA patent/CN110488112A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105556A (zh) * | 2013-01-30 | 2013-05-15 | 西安交通大学 | 基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法 |
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 |
CN105823948A (zh) * | 2016-05-18 | 2016-08-03 | 国网上海市电力公司 | 一种非干预式居民负荷识别方法 |
CN106443174A (zh) * | 2016-10-21 | 2017-02-22 | 威胜集团有限公司 | 一种非侵入式家用负荷特征自动提取方法与装置 |
CN106680637A (zh) * | 2017-01-12 | 2017-05-17 | 威胜集团有限公司 | 非侵入式家用负荷投切事件实时监测方法 |
CN107561354A (zh) * | 2017-08-17 | 2018-01-09 | 江苏智臻能源科技有限公司 | 基于功率持续时间特性的多电器非侵入辨识方法 |
CN109145949A (zh) * | 2018-07-19 | 2019-01-04 | 山东师范大学 | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 |
Non-Patent Citations (2)
Title |
---|
丁世敬: "基于事件检测的住宅用电负荷非侵入式识别研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
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 (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177212A (zh) * | 2019-12-13 | 2020-05-19 | 国网北京市电力公司 | 空气源热泵工作状态的确定方法及装置、电子设备 |
CN111177212B (zh) * | 2019-12-13 | 2022-09-27 | 国网北京市电力公司 | 空气源热泵工作状态的确定方法及装置、电子设备 |
CN111103490A (zh) * | 2019-12-26 | 2020-05-05 | 广东电网有限责任公司电力科学研究院 | 一种负荷辨识事件检测方法、装置及设备 |
CN111175599B (zh) * | 2019-12-31 | 2022-04-19 | 广西电网有限责任公司电力科学研究院 | 一种非介入式空调的辨识方法 |
CN111160798A (zh) * | 2019-12-31 | 2020-05-15 | 华南理工大学 | 一种基于蜂群算法的非侵入式家电负荷识别方法 |
CN111175599A (zh) * | 2019-12-31 | 2020-05-19 | 广西电网有限责任公司电力科学研究院 | 一种非介入式空调的辨识方法 |
CN111160798B (zh) * | 2019-12-31 | 2023-11-21 | 华南理工大学 | 一种基于蜂群算法的非侵入式家电负荷识别方法 |
CN111208375A (zh) * | 2020-03-04 | 2020-05-29 | 威胜集团有限公司 | 定频电器启动的实时监测方法、装置和存储介质 |
CN111208375B (zh) * | 2020-03-04 | 2022-03-18 | 威胜集团有限公司 | 定频电器启动的实时监测方法、装置和存储介质 |
CN111665390A (zh) * | 2020-06-15 | 2020-09-15 | 威胜集团有限公司 | 非侵入式负荷检测方法、终端设备及可读存储介质 |
CN111830347A (zh) * | 2020-07-17 | 2020-10-27 | 四川大学 | 一种基于事件的两阶段非侵入式负荷监测方法 |
CN112286074A (zh) * | 2020-10-14 | 2021-01-29 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷电能仿真模拟方法 |
CN112286074B (zh) * | 2020-10-14 | 2022-11-29 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷电能仿真模拟方法 |
CN113420436A (zh) * | 2021-06-21 | 2021-09-21 | 湘潭大学 | 一种基于gru和arima-t检验的非侵入式负荷开关事件检测方法 |
CN113687140A (zh) * | 2021-08-26 | 2021-11-23 | 天津大学 | 一种基于电流空间轨迹的无监督非侵入式电视机辨识方法 |
CN113687140B (zh) * | 2021-08-26 | 2023-11-17 | 天津大学 | 一种基于电流空间轨迹的无监督非侵入式电视机辨识方法 |
CN116610922A (zh) * | 2023-07-13 | 2023-08-18 | 浙江大学滨江研究院 | 基于多策略学习的非侵入式负荷识别方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488112A (zh) | 非侵入式负荷识别及其基于识别结果实现的分类计量方法 | |
Zhang et al. | A real-time classification method of power quality disturbances | |
CN108021736B (zh) | 一种基于滑动窗残差模型的负荷投切动作监测方法 | |
CN111244954B (zh) | 一种非入侵式负荷辨识方法及装置 | |
CN106483370B (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 | |
CN110514889A (zh) | 一种非侵入式家庭用电负载识别的方法及系统 | |
Chang et al. | Load identification in neural networks for a non-intrusive monitoring of industrial electrical loads | |
CN110504679B (zh) | 一种基于km匹配算法的非侵入式负荷辨识方法 | |
CN106872824A (zh) | 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 | |
CN106443244B (zh) | 用电设备类型辨识方法和系统 | |
CN106093565A (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 | |
TWI393894B (zh) | 識別迴路上電器用電行為的方法、系統與電腦程式產品 | |
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 | |
CN111242391A (zh) | 用于电力负荷识别的机器学习模型训练方法及系统 | |
CN110048409B (zh) | 一种基于负荷启动暂态特性的电力负荷结构识别方法 | |
CN112396007B (zh) | 一种非侵入式居民负荷突变事件三阈值检测方法和系统 | |
Girmay et al. | Simple event detection and disaggregation approach for residential energy estimation | |
CN105652118A (zh) | 一种基于负荷瞬时能量特征的电网电能负荷监测方法 | |
CN109613362B (zh) | 非侵入式电器数量识别方法 | |
KR20180058113A (ko) | 가전기기 고유값 추출을 이용한 가전기기 분류 시스템 및 방법 | |
CN109447473B (zh) | 一种电力负荷监测方法、装置、设备及可读存储介质 | |
Yin et al. | New methods exploration for harmonic source identification technologies | |
CN113156336A (zh) | 双级辨识Vienna整流器单管开路故障的方法、装置及存储介质 | |
Welikala et al. | Robust non-intrusive load monitoring (nilm) with unknown loads | |
CN109633517A (zh) | 分相分时查找窃电的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |
|
RJ01 | Rejection of invention patent application after publication |