CN110571806A - 一种用于配电网负荷类别的特征提取与辨识方法 - Google Patents
一种用于配电网负荷类别的特征提取与辨识方法 Download PDFInfo
- Publication number
- CN110571806A CN110571806A CN201910910455.XA CN201910910455A CN110571806A CN 110571806 A CN110571806 A CN 110571806A CN 201910910455 A CN201910910455 A CN 201910910455A CN 110571806 A CN110571806 A CN 110571806A
- Authority
- CN
- China
- Prior art keywords
- load
- current
- component
- characteristic
- identification
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于配电网负荷类别的特征提取与辨识方法,具体包括对配电网用电负荷的电压电流进行采样;对采样负荷电压进行锁相,通过对采样电压电流的变换得到负荷电流中的基波有功分量、基波无功分量、直流分量和h次谐波分量;计算负荷状态辨识的特征向量;计算负荷的待辨识特征值,将待辨识特征值与负荷状态基准库中的特征做匹配运算,对未知负荷类型进行辨识,并输出负荷类别。本发明赋予不同辨识特征参数不同的权重因子,提高了负荷辨识率。此外,消除负荷辨识类别的误判,同时为不同负荷用电量的分类计量提供准确的起止时刻。
Description
技术领域
本发明属于仪器仪表技术领域,涉及一种用于配电网负荷类别的特征提取与辨识方法。
背景技术
目前,用于电力用户电能计量的电能表只能记录用户峰平谷电量、最大需量等用电参数,不能深入分析电力用户具体负荷及其持续时间、用电量等信息。由于不同负荷具有不同的工作特性,其从配电网汲取的功率、电流含有自身特有的信息。非侵入式负荷监测(Non-intrusive Load Monitoring,NILM)技术通过分析电力用户负荷的电压、电流等,提取负荷的特征,NILM系统根据这些特征,对不同负荷用电信息进行解析,最终获取电力用户不同负荷的用电信息。
在智能电网时代,电力用户通过NILM技术获取负荷信息,如居民可以查询自家空调、热水器、电饭煲等电器设备的开启时段、功率大小、持续时间、用电量等详细情况,从而了解其能耗结构,促进科学合理用电,节约电能。而且,电力部门依托电力用户的海量用电数据,为电力用户提供节能诊断、用电安全隐患辨识、电器性能评价等增值服务,实现电能表非计量功能在新型营销业务领域的深化应用,助力电力负荷数据服务智慧家庭新生活,符合目前整个社会所提倡的建设节约型社会的要求。此外,NILM还有助于电力部门了解电力用户负荷的构成,加强负荷侧管理,通过引导电力用户合理消费、合理安排负荷的使用时间达到调节峰谷差和降低网损等目的,有助于改善电力负荷的预测精度,为电力系统仿真分析、系统规划提供更准确的数据。
发明内容
本发明的目的是提供一种用于配电网负荷类别的特征提取与辨识方法,该方法赋予负荷不同辨识特征参数不同的权重因子,提高了负荷辨识率。
本发明所采用的技术方案是,一种用于配电网负荷类别的特征提取与辨识方法,具体按照以下步骤实施:
步骤1、对配电网用负荷的电压电流进行采样,得到负荷的采样电压和采样电流;
步骤2、对采样的负荷电压进行锁相,通过对采样电压电流的变换得到负荷电流中的基波有功分量、基波无功分量、直流分量和h次谐波分量;
步骤3、根据采样的负荷电流中的直流分量、基波分量和谐波分量的最大幅值,计算负荷状态辨识的特征向量;
步骤4、根据负荷状态辨识的特征向量计算负荷的待辨识特征值,将待辨识特征值与负荷状态基准库中的特征做匹配运算,对未知负荷类别进行辨识,并输出负荷类别。
本发明的特点还在于,
步骤1中采样的负荷电压电流u(i)s.α为
式(1)中,us.α(t)表示用电负荷的采样电压,Us表示负荷电压最大幅值,ω1表示工频基波电压电流角频率,is.α(t)表示用电负荷的采样电流,Is.dc表示is.α(t)中的直流分量大小;Is.h表示频次为h的电流is.h(t)的最大幅值,h是不为0的自然数,当h=1时is.h(t)表示工频基波电流,当h>1时is.h(t)表示h次谐波电流,表示h次电流初始相位,t表示时间。
步骤2具体按照以下步骤实施:
步骤2.1、采用dq变换的锁相环,以q轴电压参考值uq *=0为控制目标,设PI控制器的传递函数为kp+ki,kp表示PI控制器的比例因子,ki表示PI控制器的积分因子,PI控制器对q轴电压偏差作比例积分运算,其结果加上初始工频角频率ω0,再经过一个积分环节,得到锁相同步相角为θ=ω1t,且设锁相环闭环传递函数为,
式(2)中ωn称为自然频率,ξ称为阻尼系数,用ωn和ξ表示二阶系统性能,设环路满足ξ>1/2,开环波特图的转折频率为ωn/ξ,全部相位频率特性在-π之上,因此环路是闭环稳定的;
步骤2.2、建立旋转坐标系,设锁相后得到单位旋转同步矢量Tαβ_dq为
对式(3)作αβ-dq坐标变换,将式(1)中的is.α(t)数字移相90°后作为β轴分量,可得到与式(1)正交的矢量is.β,则is.αβ(t)的表达式为
步骤2.3、由Tαβ_dqis.αβ,可得旋转坐标系下电流Is(t)为
式(5)中,Is.1表示is.α(t)中的基波分量最大幅值;
步骤2.4、将电流Is(t)中的基波有功分量Is.p(t)的平均值Is.1.p与基波无功分量Is.q(t)的平均值Is.1.q通过低通数字滤波器提取出来;
步骤2.5、对is作傅里叶变换,即
得到Is=[Is.dc,Is.1,...,Is.h],Is表示is变换至频率域后,各种频率信号对应的幅值的集合。
步骤3具体按照以下步骤实施:
步骤3.1、设配电网中需要辨识的用电负荷有m种,且每种电负荷只工作于一种状态,则m种负荷能构成的负荷状态数总共有M类,即
在式(7)所示的M类负荷状态辨识对象中,设第k类负荷状态辨识对象样本在特征库中的基准电流基波有功分量平均值基波无功分量平均值直流分量与h次谐波分量幅值分别为
式(8)中,表示第k类负荷类别基准样本具体某个特征基准特征矢量或标准值集合;
步骤3.2、配电网用电负荷产生的谐波电流来自于整流负载,整流负载分为不控、相控和PWM整流负载,对于不控与相控整流负载,其产生的负荷输出电流is(t)的表达式为,
式(9)中,I1表示负荷输出电流中的基波电流最大幅值,Id为负荷输出电流为理想方波的幅值;
对于PWM整流负载,忽略其初始相位,产生的负荷输出电流is(t)的表达式为,
is(t)=I1sinω1t+Ihsin(nωc+kωs)t (10)
式(10)中,ωc为PWM调制波信号角频率,ωs为PWM载波信号角频率,n=3,5,7,...时k=2,4,6,...,n=2,4,6,...时k=1,3,5,..,负荷中整流负载采用PWM控制时,负荷电流中不含低次谐波,只含有开关频率的高频谐波;
步骤3.3、根据式(8)、(9)、(10)定义负荷状态辨识的特征向量为,
式(11)中,Is.test表示待辨识负荷类别样本电流对应的特征值集合,具体Is.1.p.test表示待辨识负荷样本基波有功电流分量平均值,Is.1.q.test表示待辨识负荷样本基波无功电流分量平均值,Is.dc.test表示待辨识负荷样本基波直流电流分量,Is.h.test表示待辨识负荷样本基波h次谐波电流分量幅值,表示的标幺值,表示的标幺值,表示的标幺值;
以为基准,作为特征量Is.test的标幺值,并将其作为负荷类别辨识的特征量,若某类负荷基准库中的某特征值为零,则该特征不再作为这类负荷辨识特征。
步骤4具体为,
为弥补某类负荷基准库中的某些特征值为零可能引起的误判,定义波形相似度作为特征量,其表达式为,
式(12)中N表示作负荷电流一个样本的采样数据点数;
在一个辨识周期内得到的特征量参数相对值在负荷辨识中的权重得到充分利用,待测样本特征值与第k类样本基准值差值的绝对值之和的表达式为,
令电负荷类型输出结果为,
该输出结果对应的负荷类别即为所辨识的负荷类别。
连续对负荷的电压电流进行采样,重复步骤1-4对负荷进行连续辨识,将多次输出结果汇总,超过半数相同的输出结果即为负荷输出结果,该结果对应的负荷类别即为所辨识的负荷类别。
步骤2.4中低通数字滤波器的静止频率为30Hz。
步骤3.2中开关频率为1kHz以上。
本发明的有益效果是:
本发明一种用于配电网负荷类别特征的提取与辨识方法,采用锁相环技术保证了特征提取原始数据的高度一致性,将同一负荷不同工作状态视为其不同的子类,辨识算法中对作为辨识特征参数的负荷基波有功/无功电流、谐波电流、电流波形系数采用新的标幺化方法,赋予不同辨识特征参数不同的权重因子,提高了负荷辨识准确率。此外,采用的希尔伯特变换方法能够对负荷的突变情况作出正确判断,消除负荷辨识类别的误判,同时为不同负荷用电量的分类计量提供准确的起止时刻。
附图说明
图1是本发明一种用于配电网负荷类别的特征提取与辨识方法的流程图;
图2是基于dq变换的锁相环控制逻辑结构框图;
图3是ξ>1/2时理想二阶系统的波特图;
图4是dq坐标系下用电负荷的电压电流矢量图;
图5是电磁炉负荷不同功能时的电流波形图;
图6是f(t)与的时域波形图;
图7是电饭煲负荷的采样电流波形图;
图8是热水器负荷的采样电流波形图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种用于配电网负荷类别的特征提取与辨识方法,如图1所示,具体按照以下步骤实施:
步骤1、对配电网用电负荷的电压电流进行采样,得到负荷的采样电压和采样电流:
采样的负荷的电压电流u(i)s.α为
式(1)中,us.α(t)表示负荷的采样电压,Us表示负荷电压最大幅值,ω1表示工频基波电压电流角频率,is.α(t)表示负荷的采样电流,Is.dc表示is.α(t)中的直流分量大小;Is.h表示频次为h的电流is.h(t)的最大幅值,h是不为0的自然数,当h=1时is.h(t)表示工频基波电流,当h>1时is.h(t)表示h次谐波电流,表示h次电流初始相位,t表示时间。
步骤2、对采样的负荷电压进行锁相,基于dq变换的锁相环控制逻辑结构框图如图2所示,通过对采样电压电流的变换得到采样负荷电流中的基波有功分量、基波无功分量、直流分量和h次谐波分量:
步骤2.1、采用dq变换的锁相环,以q轴电压参考值uq *=0为控制目标,设PI控制器的传递函数为kp+ki,kp表示PI控制器的比例因子,ki表示PI控制器的积分因子,PI控制器对q轴电压偏差作比例积分运算,其结果加上初始工频角频率ω0,再经过一个积分环节,得到锁相同步相角为θ=ω1t,且设锁相环闭环传递函数为,
式(2)中ωn称为自然频率,ξ称为阻尼系数,用ωn和ξ表示二阶系统性能,设环路满足ξ>1/2,开环波特图的转折频率为ωn/ξ,全部相位频率特性在-π之上,因此环路是闭环稳定的,由此可得ξ>1/2时理想二阶系统的波特图如图3所示,进而确定锁相控制器参数;
步骤2.2、建立旋转坐标系,设锁相后得到单位旋转同步矢量Tαβ_dq为
对式(3)作αβ-dq坐标变换,dq坐标系下负荷的电压电流矢量图如图4所示,将式(1)中的is.α(t)数字移相90°后作为β轴分量,可得到与式(1)正交的矢量is.β,则is.αβ(t)的表达式为
步骤2.3、由Tαβ_dqis.αβ,可得旋转坐标系下电流Is(t)为
式(5)中,Is.1表示is.α(t)的基波分量最大幅值;
步骤2.4、将电流Is(t)中的基波有功分量Is.p(t)的平均值Is.1.p与基波无功分量Is.q(t)的平均值Is.1.q通过静止频率为30Hz的低通数字滤波器提取出来;
步骤2.5、对is作傅里叶变换,即
得到Is=[Is.dc,Is.1,...,Is.h],Is表示is变换至频率域后,各种频率信号对应的幅值的集合。
步骤3、根据采样负荷电流中的直流分量、基波分量和谐波分量最大幅值,计算负荷状态辨识的特征向量:
步骤3.1、设配电网中需要辨识的用电负荷有m种,且每种负荷只工作于一种状态,则m种负荷能构成的负荷状态数总共有M类,即
在式(7)所示的M类负荷状态辨识对象中,设第k类负荷状态辨识对象样本在特征库中的基准电流基波有功分量平均值基波无功分量平均值直流分量与h次谐波分量幅值分别为
式(8)中,表示第k类负荷类别基准样本具体某个特征基准特征矢量或标准值集合;
步骤3.2、配电网用电负荷产生的谐波电流来自于整流负载,整流负载分为不控、相控和PWM整流负载,对于不控与相控整流负载,其产生的负荷输出电流is(t)的表达式为,
式(9)中,I1表示负荷输出电流中的基波电流最大幅值,Id为负荷输出电流为理想方波的幅值;
对于PWM整流负载,忽略其初始相位,产生的负荷输出电流is(t)的表达式为,
is(t)=I1sinω1t+Ihsin(nωc+kωs)t (10)
式(10)中,ωc为PWM调制波信号角频率,ωs为PWM载波信号角频率,n=3,5,7,...时k=2,4,6,...,n=2,4,6,...时k=1,3,5,..,负荷中整流负载采用PWM控制时,负荷电流中不含低次谐波,只含有1kHz以上的开关频率的高频谐波;
步骤3.3、根据式(8)、(9)、(10)定义负荷状态辨识的特征向量为,
式(11)中,Is.test表示待辨识负荷类别样本电流对应的特征值集合,具体Is.1.p.test表示待辨识负荷样本基波有功电流分量平均值,Is.1.q.test表示待辨识负荷样本基波无功电流分量平均值,Is.dc.test表示待辨识负荷样本基波直流电流分量,Is.h.test表示待辨识负荷样本基波h次谐波电流分量幅值,表示的标幺值,表示的标幺值,表示的标幺值;
以为基准,作为特征量Is.test的标幺值,并将其作为负荷类别辨识的特征量,若某类负荷基准库中的某特征值为零,则该特征不再作为这类负荷辨识特征。
步骤4、根据负荷状态辨识的特征向量计算负荷的待辨识特征值,将待辨识特征值与负荷状态基准库中的特征做匹配运算,对位置负荷类型进行辨识,并输出负荷类型:
步骤4具体为,
为弥补某类负荷基准库中的某些特征值为零可能引起的误判,定义波形相似度作为特征量,其表达式为,
式(12)中N表示作负荷辨识一个样本周期内采样数据点数;
在一个辨识周期内得到的特征量参数相对值在负荷辨识中的权重得到充分利用,待测样本特征值与第k类样本基准值差值的绝对值之和的表达式为,
令负荷类型输出结果为,
该输出结果对应的负荷类别即为所辨识的负荷类别。
连续对负荷的电压电流进行采样,重复步骤1-4对负荷进行连续辨识,将多次输出结果汇总,超过半数相同的输出结果即为负荷输出结果,该结果对应的负荷类别即为所辨识的负荷类别。
以上分析的负荷辨识对象,其工作状态被认为是稳定的或变化幅度较小,即负荷电流is.α稳定。实际应用中还有一些负荷,如电磁炉、洗衣机、空调等,其工作于不同功能时负荷电流幅值变化较大,如图5所示为电磁炉同一用电负荷不同功能时电流波形,对于此类负荷,可将其不同功能工作状态,视为新的用电负荷类别。配电网中需要辨识的用电负荷m种,且个别用电负荷工作不同的种状态,假设则m种用电负荷总共有n种用电工作状态(n>m),则负荷状态数组合总共有M类,即
同理,由式(11)~(14)可待辨识的负荷类别归于所属M类负荷状态类中的某一类,然后根据所属负荷状态类确定具体的用电负荷。
以上负荷辨识所用电流数据均假设负荷工作于稳定状态,实际生产生活中,负荷总是不定时的投入或切除,当负荷电流数据含有负荷投切过程的数据时,可能会对辨识结果产生误判。为此,采用式(15)中的希尔伯特变换,对采样数据f(t)进行运算,得到f(t)的包络线图6给出了f(t)与的时域波形。
设负荷投切时间为t1,即负荷在t1时刻投入,负荷状态稳定后的时刻为t2,定义Δtdisturb=|t2-t1|,此时间段内负荷电流信号的包络线的幅值差为ΔIs,令
当|kI|>kI.threshold时,kI.threshold表示判定负荷投切的阈值,kI表示负荷投切值,即可判定负荷投入或切除,进而剔除用电负荷非稳态数据,提高负荷辨识准确率。
此外,对于负荷特性基本相同的用电负荷,如功率几近相同的纯阻性负载的电饭煲与热水壶,其采样电流分别如图7和8所示,可根据其工作时间的持续时间Δt作为识别的依据。实际中,特征提取的原始数据长度是远远小于用电负荷工作周期的,Δt用于负荷辨识的特征量实时性相对较差,只能作为一种辅助特征,用于辨识工作特性几近一致的用电负荷。设此类负荷负荷在t1时刻投入,稳定后的时刻为t2,在t3时刻退出,t4时刻稳定,则
Δt=t3-t2 (18)
相似性高度一致的这类负荷,其工作时间作为其辨识特征,适合于对辨识实时性要求不高的应用场景。
Claims (8)
1.一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,具体按照以下步骤实施:
步骤1、对配电网用电负荷的电压电流进行采样,得到负荷的采样电压和采样电流;
步骤2、对采样的负荷电压进行锁相,通过对采样电压电流的变换得到采样负荷电流中的基波有功分量、基波无功分量、直流分量和h次谐波分量;
步骤3、根据采样负荷电流中的直流分量、基波分量和谐波分量最大幅值,计算负荷状态辨识的特征向量;
步骤4、根据负荷状态辨识的特征量计算负荷的待辨识特征值,将待辨识特征值与负荷状态基准库中的特征做匹配运算,对不同状态负荷进行辨识,并输出负荷类型。
2.根据权利要求1所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤1中采样的负荷电压电流u(i)s.α为
式(1)中,us.α(t)表示负荷的采样电压,Us表示电负荷电压最大幅值,ω1表示工频基波电压电流角频率,is.α(t)表示负荷的采样电流,Is.dc表示is.α(t)中的直流分量大小;Is.h表示频次为h的电流is.h(t)的最大幅值,h是不为0的自然数,当h=1时is.h(t)表示工频基波电流,当h>1时is.h(t)表示h次谐波电流,表示h次电流初始相位,t表示时间。
3.根据权利要求2所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1、采用dq变换的锁相环,以q轴电压参考值uq *=0为控制目标,设PI控制器的传递函数为kp+ki,kp表示PI控制器的比例因子,ki表示PI控制器的积分因子,PI控制器对q轴电压偏差作比例积分运算,其结果加上初始工频角频率ω0,再经过一个积分环节,得到锁相同步相角为θ=ω1t,且设锁相环闭环传递函数为,
式(2)中ωn称为自然频率,ξ称为阻尼系数,用ωn和ξ表示二阶系统性能,设环路满足ξ>1/2,开环波特图的转折频率为ωn/ξ,全部相位频率特性在-π之上,因此环路是闭环稳定的;
步骤2.2、建立旋转坐标系,设锁相后得到单位旋转同步矢量Tαβ_dq为
对式(3)作αβ-dq坐标变换,将式(1)中的is.α(t)数字移相90°后作为β轴分量,可得到与式(1)正交的矢量is.β,则is.αβ(t)的表达式为
步骤2.3、由Tαβ_dqis.αβ,可得旋转坐标系下电流Is(t)为
式(5)中,Is.1表示is.α(t)的基波分量最大幅值;
步骤2.4、将电流Is(t)中的基波有功分量Is.p(t)的平均值Is.1.p与基波无功分量Is.q(t)的平均值Is.1.q通过低通数字滤波器提取出来;
步骤2.5、对is作傅里叶变换,即
得到Is=[Is.dc,Is.1,...,Is.h],Is表示is变换至频率域后,各种频率信号对应的幅值的集合。
4.根据权利要求3所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤3具体按照以下步骤实施:
步骤3.1、设配电网中需要辨识的用电负荷有m种,且每种负荷只工作于一种状态,则m种负荷能构成的负荷状态数总共有M类,即
在式(7)所示的M类负荷状态辨识对象中,设第k类负荷状态辨识对象样本在特征库中的基准电流基波有功分量平均值基波无功分量平均值直流分量与h次谐波分量幅值分别为
式(8)中,表示第k类负荷类别基准样本具体某个特征基准特征矢量或标准值集合;
步骤3.2、配电网用电负荷产生的谐波电流来自于整流负载,整流负载分为不控、相控和PWM整流负载,对于不控与相控整流负载,其产生的负荷输出电流is(t)的表达式为,
式(9)中,I1表示负荷输出电流中的基波电流最大幅值,Id为负荷输出电流为理想方波的幅值;
对于PWM整流负载,忽略其初始相位,产生的负荷输出电流is(t)的表达式为,
is(t)=I1sinω1t+Ihsin(nωc+kωs)t (10)
式(10)中,ωc为PWM调制波信号角频率,ωs为PWM载波信号角频率,n=3,5,7,...时k=2,4,6,...,n=2,4,6,...时k=1,3,5,..,负荷中整流负载采用PWM控制时,负荷电流中不含低次谐波,只含有开关频率的高频谐波;
步骤3.3、根据式(8)、(9)、(10)定义负荷状态辨识的特征向量为,
式(11)中,Is.test表示待辨识负荷类别样本电流对应的特征值集合,具体Is.l.p.test表示待辨识负荷样本基波有功电流分量平均值,Is.l.q.test表示待辨识负荷样本基波无功电流分量平均值,Is.dc.test表示待辨识负荷样本直流电流分量,Is.h.test表示待辨识负荷样本h次谐波电流分量幅值,表示的标幺值,表示的标幺值,表示的标幺值;
以为基准,作为特征量Is.test的标幺值,并将其作为负荷类别辨识的特征量,若某类负荷基准库中的某特征值为零,则该特征不再作为这类负荷辨识特征。
5.根据权利要求4所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤4具体为,
为弥补某类负荷基准库中的某些特征值为零可能引起的误判,定义波形相似度特征度特征量的表达式为,
式(12)中N表示作负荷辨识一个样本周期内采样数据点数;
在一个辨识周期内得到的特征量参数相对值在负荷辨识中的权重得到充分利用,待测样本特征值与第k类样本基准值差值的绝对值之和的表达式为,
令负荷类型输出结果为,
该输出结果对应的负荷类型即为所辨识的负荷类别。
6.根据权利要求1所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,连续对负荷的电压电流进行采样,重复步骤1-4对负荷进行连续辨识,将多次输出结果汇总,超过半数相同的输出结果即为负荷输出结果,该结果对应的负荷类型即为所辨识的负荷类别。
7.根据权利要求3所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤2.4中低通数字滤波器的静止频率为30Hz。
8.根据权利要求4所述的一种用于配电网负荷类别的特征提取与辨识方法,其特征在于,所述步骤3.2中开关频率为1kHz以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910455.XA CN110571806B (zh) | 2019-09-25 | 2019-09-25 | 一种用于配电网负荷类别的特征提取与辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910455.XA CN110571806B (zh) | 2019-09-25 | 2019-09-25 | 一种用于配电网负荷类别的特征提取与辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110571806A true CN110571806A (zh) | 2019-12-13 |
CN110571806B CN110571806B (zh) | 2023-05-12 |
Family
ID=68782192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910455.XA Active CN110571806B (zh) | 2019-09-25 | 2019-09-25 | 一种用于配电网负荷类别的特征提取与辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110571806B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035793A (zh) * | 2020-08-20 | 2020-12-04 | 国网湖南省电力有限公司 | 基于离散二阶导数的电机类电器非介入式辨识方法及系统 |
CN112924790A (zh) * | 2021-01-29 | 2021-06-08 | 上海逐鲨智能科技有限公司 | 一种基于傅里叶变换的非侵入式负荷识别装置及其方法 |
CN116131467A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市凌祺实业有限公司 | 一种可监可控的物联网配电箱 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177188A (zh) * | 2013-04-02 | 2013-06-26 | 东南大学 | 一种基于特征映射的电力系统负荷动特性分类方法 |
US20140067299A1 (en) * | 2012-08-29 | 2014-03-06 | Bin Lu | System and method for electric load identification and classification employing support vector machine |
CN106786534A (zh) * | 2016-12-28 | 2017-05-31 | 天津求实智源科技有限公司 | 一种非侵入式电力负荷暂态过程辨识方法及系统 |
CN107025365A (zh) * | 2017-05-16 | 2017-08-08 | 电子科技大学 | 一种用于用户侧的非侵入负荷辨识方法 |
CN108964276A (zh) * | 2018-07-16 | 2018-12-07 | 河南理工大学 | 支持自动需求响应的用电管控终端和系统及负荷辨识方法 |
CN109934303A (zh) * | 2019-03-25 | 2019-06-25 | 宁夏隆基宁光仪表股份有限公司 | 一种非入侵式家用电器负荷识别方法、装置及存储介质 |
CN110048409A (zh) * | 2019-04-19 | 2019-07-23 | 郑州电力高等专科学校 | 一种基于负荷启动暂态特性的电力负荷结构识别方法 |
-
2019
- 2019-09-25 CN CN201910910455.XA patent/CN110571806B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140067299A1 (en) * | 2012-08-29 | 2014-03-06 | Bin Lu | System and method for electric load identification and classification employing support vector machine |
CN103177188A (zh) * | 2013-04-02 | 2013-06-26 | 东南大学 | 一种基于特征映射的电力系统负荷动特性分类方法 |
CN106786534A (zh) * | 2016-12-28 | 2017-05-31 | 天津求实智源科技有限公司 | 一种非侵入式电力负荷暂态过程辨识方法及系统 |
CN107025365A (zh) * | 2017-05-16 | 2017-08-08 | 电子科技大学 | 一种用于用户侧的非侵入负荷辨识方法 |
CN108964276A (zh) * | 2018-07-16 | 2018-12-07 | 河南理工大学 | 支持自动需求响应的用电管控终端和系统及负荷辨识方法 |
CN109934303A (zh) * | 2019-03-25 | 2019-06-25 | 宁夏隆基宁光仪表股份有限公司 | 一种非入侵式家用电器负荷识别方法、装置及存储介质 |
CN110048409A (zh) * | 2019-04-19 | 2019-07-23 | 郑州电力高等专科学校 | 一种基于负荷启动暂态特性的电力负荷结构识别方法 |
Non-Patent Citations (3)
Title |
---|
张新闻等: "特征提取方法在电能质量扰动识别中的应用", 《科技资讯》 * |
祁兵等: "基于Fisher有监督判别的非侵入式居民负荷辨识方法", 《电网技术》 * |
程祥等: "非侵入式负荷监测与分解研究综述", 《电网技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035793A (zh) * | 2020-08-20 | 2020-12-04 | 国网湖南省电力有限公司 | 基于离散二阶导数的电机类电器非介入式辨识方法及系统 |
CN112035793B (zh) * | 2020-08-20 | 2023-11-10 | 国网湖南省电力有限公司 | 基于离散二阶导数的电机类电器非介入式辨识方法及系统 |
CN112924790A (zh) * | 2021-01-29 | 2021-06-08 | 上海逐鲨智能科技有限公司 | 一种基于傅里叶变换的非侵入式负荷识别装置及其方法 |
CN116131467A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市凌祺实业有限公司 | 一种可监可控的物联网配电箱 |
CN116131467B (zh) * | 2023-04-13 | 2023-07-18 | 深圳市凌祺实业有限公司 | 一种可监可控的物联网配电箱 |
Also Published As
Publication number | Publication date |
---|---|
CN110571806B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110571806B (zh) | 一种用于配电网负荷类别的特征提取与辨识方法 | |
CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
US9658261B2 (en) | Current pattern matching method for non-intrusive power load monitoring and disaggregation | |
Ghosh et al. | Artificial bee colony optimization based non-intrusive appliances load monitoring technique in a smart home | |
CN103217603A (zh) | 一种非侵入式家用电器用电状况在线监测的识别方法 | |
CN102510263A (zh) | 基于抛载试验和数值差分的同步发电机实用参数辨识方法 | |
CN107255772B (zh) | 一种半监督电压暂降事故源识别方法 | |
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 | |
CN114123344B (zh) | 基于自适应递推最小二乘的电力系统惯量评估方法及装置 | |
Suzdalenko et al. | Case study on using non-intrusive load monitoring system with renewable energy sources in intelligent grid applications | |
Zhang et al. | A non-intrusive identification method of harmonic source loads for industrial users | |
CN115065053A (zh) | 基于源荷等效导纳的台区谐波责任定性评估方法及系统 | |
de Souza et al. | An effective CPT-based nonintrusive load monitoring for cognitive meters | |
CN113466548A (zh) | 一种基于相量测量技术的智能电表台区识别方法 | |
Tao et al. | Multi-level non-intrusive load identification based on k-NN | |
CN107341736B (zh) | 一种基于电流波形特征的电力负荷分解方法和系统 | |
Bier et al. | Smart meter systems detection & classification using artificial neural networks | |
Ghosh et al. | Load monitoring of residential elecrical loads based on switching transient analysis | |
Ardeleanu et al. | Nonintrusive load detection algorithm based on variations in power consumption | |
CN115986745A (zh) | 一种智能配电网谐波电压补偿方法 | |
CN112730984B (zh) | 一种基于智能电表的低压配电网相位识别方法 | |
Maslov et al. | Power Quality Assurance with Balancing Transformers 10/0.4 kW | |
Wu et al. | A nonintrusive fast residential load identification algorithm based on frequency‐domain template filtering | |
CN109687455B (zh) | 一种基于电网周波频率的智能用电控制器 | |
Jiao et al. | A new construction method for load signature database of load identification |
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 |