CN110672934A - 一种非侵入式负荷辨识方法、终端及系统 - Google Patents

Abstract

本发明公开了一种非侵入式负荷辨识方法，所述方法包括：获取用户负荷总进线上的电流及电压；根据所述用户负荷总进线上的电流及电压，提取辨识特征数据；将所述辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；输出用户负荷类型。通过本发明的方法，能够准确识别用户负荷的类型，并且采用在负荷辨识终端完成采集与识别的方式，降低了负荷辨识终端和负荷主站之间的数据传输量，减轻了负荷主站的工作压力。

Description

一种非侵入式负荷辨识方法、终端及系统

技术领域

本发明涉及非侵入式负荷辨识技术领域，特别是指一种非侵入式负荷辨识方法、终端及系统。

背景技术

用电负荷监测识别是智能用电领域的关键技术，从目前的理论研究、检测结果和应用情况来看，非侵入负荷辨识技术主要存在以下问题：复杂工况下的算法不稳定、电器大类细分不清晰、没有实现分布式辨识算法。

各种算法在单一电器运行工况下的辨识精度都比较高，但在复杂工况下的辨识精度稳定性差异很大，其中，复杂工况指由于多个电器同时运行，造成有用功率、无功功率、谐波等特征量出现了相近和碰撞，从而很大概率会影响电器辨识的精度。

居民家中的电阻加热型设备很多，包括电热水器、电采暖、小厨宝、电水壶、烤箱、电饭煲等，由于稳态功率和单次持续时间存在相近相叠现象，暂态特性又完全一样，所以难以通过短时间尺度的电气特性对电热大类电器进行细分，必须结合长时间尺度甚至跨季节的训练才能实现细分。

负荷分解算法一般采用模式识别类算法，运行时对计算和内存资源要求较高，所以原有技术采用了“终端采集+主站识别”的技术方案，这种方案有以下几个问题：第一，终端和主站之间的巨大数据传输量，造成不得不采用用户家庭的包流量的Wifi网络；第二，当海量用户接入主站之后，主站将承担巨大的辨识算法计算负荷。

发明内容

有鉴于此，本发明的目的在于提出一种非侵入式负荷辨识方法、终端及系统，以解决用户负荷的识别，并缓解现有技术中由负荷主站进行数据处理的压力。

基于上述目的，本发明提供了一种非侵入式负荷辨识方法，包括：

获取用户负荷总进线上的电流及电压；

根据用户负荷总进线上的电流及电压，提取辨识特征数据；

将所述辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

输出用户负荷类型。

可选地，还可以输出：

负荷启停时间、负荷运行时间、负荷总电量以及单个负荷的电量。

具体的，提取辨识特征数据包括提取负荷的稳态特征、暂态特征和时间特征。

其中，稳态特征包括负荷的电流、电压和功率；暂态特征包括通过扫描0.1s粒度的功率曲线来获取的功率抬升、功率跌落以及功率冲击的瞬态特征；时间特征包括负荷的启动时间、停止时间和运行时长。

其中，负荷的功率包括有功功率和无功功率，其中，有功功率通过P＝ui计算获得，u和i分别为电压和电流的瞬时值；无功功率通过快速傅氏变换算法计算获得。

具体地，如果提取的辨识特征数据出现功率冲击，且同时满足功率抬升Ps大于300W，Kp大于2且持续时间为0.3s～0.5s，功率跌落Pe＝KePs；

其中Kp为功率抬升的系数，Ke为功率抬升与功率跌落之间的比例系数；

则输出负荷类型为空调。

具体地，如果提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Td大于15分钟，或者Ps＝PW_H且Td小于10分钟；

其中，Kp为功率抬升的系数，P是稳态功率，W_H是稳态功率与瞬时功率之间的系数，Td为功率抬升与功率跌落之间的时间间隔；

则输出负荷类型为电热水器。

具体地，如果提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Ps≠PW_H且Td小于10分钟；

其中，Kp为功率抬升的系数，P是稳态功率，W_H是稳态功率与瞬时功率之间的系数，Td为功率抬升与功率跌落之间的时间间隔；

则输出负荷类型为电热水壶。

本发明还提供了一种非侵入式负荷辨识终端，包括：

数据获取模块，用于获取用户负荷总进线上的电流及电压；

特征提取模块，用于根据获取的所述用户负荷总进线上的电流及电压，提取辨识特征数据；

特征匹配模块，用于将所述辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

负荷类型输出模块，用于输出所述用户负荷类型。

本发明还提供了一种非侵入式负荷辨识系统，包括用户负荷、负荷主站、信息接收终端以及如本发明所述的非侵入式负荷辨识终端；负荷主站，被配置为接收用户负荷类型并发送至信息接收终端。

从上面所述可以看出，本发明提供的非侵入式负荷辨识方法、终端及系统，能够准确识别电器的类型，并且采用在负荷识别终端完成采集与识别的方式，降低了负荷识别终端和负荷主站之间的数据传输量，减轻了负荷主站的工作压力。

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为本发明提供的非侵入式负荷辨识方法的流程示意图；

图2为本发明提供的用户负荷特征比对流程示意图；

图3为本发明提供的检测到功率抬升时的算法流程示意图；

图4为本发明提供的检测到功率跌落时的算法流程示意图；

图5为本发明提供的非侵入式负荷辨识终端的结构示意图；

图6为本发明提供的负荷辨识系统的一具体实施例示意图；

图7为本发明提供的负荷辨识系统的另一具体实施例示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

如图1所示，本发明提供的一种非侵入式负荷辨识方法，包括以下步骤：

S101、获取用户负荷总进线上的电流及电压；

S102、根据用户负荷总进线上的电流及电压，提取辨识特征数据；

S103、将辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

S104、输出用户负荷类型。

此外，还可以输出负荷启停时间、负荷运行时间、负荷总电量以及单个负荷的电量。

由于具体用途、工作原理和控制原理的不同，各类电器在启停和运行时会引起总进线上电压、电流、功率、谐波等电气特征量的显著变化，同时在工作时间、持续时间、控制特性等非电气特征量上又有明显区别。因此本发明提供的非侵入式负荷辨识方法，首先需要建立各类电器的负荷模型特征库，再采用辨识特征数据提取和模式识别区分各类电器，最后根据功率持续时间计算分项电量。

步骤S102提取的辨识特征数据包括负荷的稳态特征数据、暂态特征数据和时间特征数据，其中，稳态特征数据包括负荷的电流、电压和功率；暂态特征数据包括通过扫描0.1s粒度的功率曲线来获取的功率抬升、功率跌落以及功率冲击的瞬态特征；时间特征数据包括负荷的启动时间、停止时间和运行时长。

由于功率的抬升或跌落对负荷的辨识起到关键性的作用，因此在提取辨识特征数据时，主要检测是否出现功率抬升和功率跌落，如果没有出现，则电器的运行状态没有发生变化，辨识过程返回到读取电气特征信号阶段；如果出现功率的抬升或跌落，则根据本发明提供的负荷辨识算法进行计算，将辨识特征数据与已建立的模型特征库中的已知负荷特征进行比对，判定用户负荷的类型。

其中，提取的辨识特征数据中稳态特征中的功率包括有功功率和无功功率，有功功率通过P＝ui计算获得，u和i分别为电压和电流的瞬时值；无功功率通过快速傅氏变换算法FFT计算获得，进而获得用户总进线上的有功功率和无功功率。

根据提取的辨识特征是否包括功率抬升和功率跌落作为负荷辨识的基础依据。其中功率抬升是指电器从开启至到达稳态的过程或者电器从开启至功率达到最大值的过程；功率跌落是指电器从稳态至关停的过程或者电器从功率最大值至功率为0的过程。

由于功率抬升或功率跌落时，形成功率与时间的曲线，因此功率抬升与功率跌落均具有斜率，其中功率抬升时的斜率即为功率抬升时的系数。

如图2所示，根据提取的辨识特征数据，本发明可以提供如下用户负荷的辨识：

第一种：

如果出现步骤S201，即提取的辨识特征数据出现功率冲击，且同时满足功率抬升Ps大于300W，Kp大于2且持续时间为0.3s～0.5s，功率跌落Pe＝KePs，则执行步骤S211，输出用户负荷类型为空调；

其中Kp为功率抬升的系数，Ke为功率抬升与功率跌落之间的比例系数，功率冲击是指在电器启动时出现的瞬间的功率较大变化。

电热设备是电阻类型的电器，因电阻不具备储能功能，电热设备启动的时候直接达到设定的阈值；而空调设备是电容类型的电器，因电容具备储能功能，所以具备功率冲击。

第二种：

如果出现步骤S202，提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Td大于15分钟，或者Ps＝PW_H且Td小于10分钟，则执行步骤S212，输出用户负荷类型为电热水器；

其中，Kp为功率抬升的系数，P是稳态功率，W_H是稳态功率与瞬时功率之间的系数，Td为功率抬升与功率跌落之间的时间间隔。

第三种：

如果出现步骤S203，提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Ps≠PW_H且Td小于10分钟，则执行步骤S213，输出用户负荷类型为电热水壶。

因此，本发明提供的非侵入式负荷辨识方法，可以通过所提取出的负荷辨识数据中是否检测到功率抬升和/或功率跌落为基础进行负荷类型的识别。其中，提取的功率抬升或功率跌落可以是单个电器的特征波形图，也可以是多个电器的特征波形图。

更进一步的，本发明还可以辨识出用户负荷的工况。

如图3所示，执行步骤S300，检测到功率抬升时，根据是否出现功率冲击分两种情况进行判定。步骤S310为出现功率冲击，即为冲击类负荷类型，步骤S320为未出现功率冲击，即非冲击类负荷类型，进而执行步骤S311或步骤S321。其中步骤S311是在前提为冲击类负荷时，如果满足功率抬升Ps大于300W，Kp大于2且持续时间为0.3s～0.5s时，则执行步骤S312，判定为空调启动；步骤S321是在检测到功率抬升且没有出现功率冲击时，同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var时，则执行步骤S322，判定为电热设备启动，其中Kp为功率抬升的系数。在形成的功率波形图中，功率抬升的时间段内，形成波形的斜率，即为功率抬升的系数。

如图4所示，当步骤S400检测到功率跌落时，首先执行步骤S401，计算功率抬升与功率跌落之间的时间间隔Td，进而根据步骤S402中的参数计算与判定标准，执行步骤S403判定用户负荷的工况。

在步骤S402中，如果功率跌落Pe＝KePs，则判定是定频空调工况；

如果Td大于15分钟，则判定为电热水器的长时加热工况；

如果Ps＝PWH且Td小于10分钟，则判定为电热水器的保温加热工况；

如果Ps≠PWH且Td小于10分钟，则判定为电热水壶加热工况；

其中Ke是为功率抬升与功率跌落之间的比例系数；Ps是功率抬升；P是稳态功率，W_H是稳态功率与瞬时功率之间的系数。

因此，本发明是将功率抬升和功率跌落结合起来进行双重综合判定，使得通过发明的负荷辨识方法对电器的种类判定更为准确。

在辨识出完成后，执行对辨识结果的处理，输出用户负荷类型，同时还可以输出负荷的工况、负荷的持续时间、负荷电量以及单个负荷的电量等信息，其中负荷电量通过W＝PeTd进行计算。

更进一步的，通过采用本发明的非侵入式负荷辨识方法，可以对多种家用电器进行辨识，包括而不限于本发明所示例中的空调和电热设备。

本发明提供的非侵入式负荷辨识终端，包括具有边缘计算能力的核心芯片，该负荷辨识终端新增细粒度用电行为采集、短路事故感知、电弧事故感知、电能质量感知、漏电流采集、用电特征量冻结、原因分析等功能，在结构设计上与居民电表结合使用，将原有的断路器或漏电开关进行升级，安装核心芯片，使得该终端不仅具有保护功能，还具有原因分析等通信功能，实现电流保护功能，智能调节漏电保护阈值，保障用电平稳安全。

具体的，如图5所示，本发明提供的非侵入式负荷辨识终端包括：

数据获取模块501，用于获取用户负荷总进线上的电流及电压；

特征提取模块502，用于根据获取的用户负荷总进线上的电流及电压，提取辨识特征数据；

特征匹配模块503，用于将辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

负荷类型输出模块504，用于输出用户负荷类型。

与现有智能电能表相比，本发明提供的负荷辨识终端可以实现分钟级数据采集，提高数据采集颗粒度，支撑负荷分解和精准预测，面向需求响应调控需求，提供采集频率调节功能，提高调控精准度。

通过本发明提供的负荷辨识终端，能够准确且详细辨识出电器的类型、使用时间、电量，得出用户的使用习惯信息。这些信息发送到电力公司终端后，电力公司基于统计分析的结果，分辨出不同用户对电能的需求响应，为电网调度、聚合需求响应等业务提供数据基础。例如对于一些可移动负荷容量大的用户推送邀约，实现电力的合理配置。

本发明还提供了一种非侵入式负荷辨识系统，如图6所示，在其中一个具体实施例中，本发明提供的非侵入式负荷辨识系统，包括用户负荷601、负荷主站603、信息接收终端604以及本发明所述的非侵入式负荷辨识终端602，其中，信息接收终端604包括电力公司605和用户端606。

用电负荷通过蓝牙、RS485、Wifi、Zigbee的通信协议与负荷辨识终端602进行信息交互，负荷辨识终端602将辨识结果发送到负荷主站603，负荷主站603与信息接收终端604进行信息交互，将负荷信息发送到用户端606和电力公司605，实现电网与用户之间双向、快速、全面的信息交互渠道。其中负荷主站603可以通过“移动话单式”电费清单的形式发送到用户端606，使得用户能够对分项用电精准感知，对用电规律和能耗重点一目了然，电能消费更加透明。

用户端606可采用手机APP等微服务应用或短信的方式接收电能信息使用详情，并能够通过负荷识别终端602，基于非侵入式负荷辨识方法，检测负荷电流、电压的异常，从而能够立即获知用户内部电器负载发生的短路或漏电事故现象，进而预防电气火灾、人员触电等严重事故，提升用户的安全用电水平，实现停电责任的有效界定。

如图6所示，在其中一个实施例中，根据本发明提供的非侵入式负荷辨识系统，负荷辨识终端602将识别出的用电负荷601的负荷类型、负荷电量、用电时间等信息，通过负荷主站603传输到电力公司605，电力公司605综合分析不同用户对电器的使用情况，定制化的推送一些业务到用户端606。例如，针对用电量较大、用时较长的用户，采取一些激励措施，挖掘家庭节能和需求响应潜力，引导用户科学有序用电；分析用户电器的使用情况，推送能效排行信息，告知用户智能用电策略、电器换新建议以及个性化社区服务；通过与国网商城合作，推送电器购买链接，探索综合能源服务运营新模式。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种非侵入式负荷辨识方法，其特征在于，所述方法包括：

获取用户负荷总进线上的电流及电压；

根据所述用户负荷总进线上的电流及电压，提取辨识特征数据；

将所述辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

输出用户负荷类型。

2.根据权利要求1所述的方法，其特征在于，还可以输出：

负荷启停时间、负荷运行时间、负荷总电量以及单个负荷的电量。

3.根据权利要求1所述的方法，其特征在于，所述提取辨识特征数据包括提取负荷的稳态特征、暂态特征和时间特征。

4.根据权利要求3所述的方法，其特征在于，所述稳态特征包括负荷的电流、电压和功率；所述暂态特征包括通过扫描0.1s粒度的功率曲线来获取的功率抬升、功率跌落以及功率冲击的瞬态特征；所述时间特征包括负荷的启动时间、停止时间和运行时长。

5.根据权利要求4所述的方法，其特征在于，负荷的功率包括有功功率和无功功率，其中，所述有功功率通过P＝ui计算获得，u和i分别为电压和电流的瞬时值；所述无功功率通过快速傅氏变换算法计算获得。

6.根据权利要求5所述的方法，其特征在于，如果提取的辨识特征数据出现功率冲击，且同时满足功率抬升Ps大于300W，Kp大于2且持续时间为0.3s～0.5s，功率跌落Pe＝KePs；

其中Kp为功率抬升的系数，Ke为功率抬升与功率跌落之间的比例系数；

则输出用户负荷类型为空调。

7.根据权利要求5所述的方法，其特征在于，如果提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Td大于15分钟，或者Ps＝PW_H且Td小于10分钟；

其中，Kp为功率抬升的系数，P是稳态功率，W_H是稳态功率与瞬时功率之间的系数，Td为功率抬升与功率跌落之间的时间间隔；

则输出用户负荷类型为电热水器。

8.根据权利要求5所述的方法，其特征在于，如果提取的辨识特征数据未出现功率冲击，且同时满足功率抬升Ps大于1000W，Kp小于1.05，无功功率Qs小于50Var，若Ps≠PW_H且Td小于10分钟；

其中，Kp为功率抬升的系数，P是稳态功率，W_H是稳态功率与瞬时功率之间的系数，Td为功率抬升与功率跌落之间的时间间隔；

则输出用户负荷类型为电热水壶。

9.一种非侵入式负荷辨识终端，其特征在于，包括：

数据获取模块，用于获取用户负荷总进线上的电流及电压；

特征提取模块，用于根据获取的所述用户负荷总进线上的电流及电压，提取辨识特征数据；

特征匹配模块，用于将所述辨识特征数据与已建立的模型特征库中的已知负荷特征进行特征比对，并辨识用户负荷类型；

负荷类型输出模块，用于输出所述用户负荷类型。

10.一种非侵入式负荷辨识系统，其特征在于，包括用户负荷、负荷主站、信息接收终端以及如权利要求9所述的非侵入式负荷辨识终端；所述负荷主站，被配置为接收所述用户负荷类型并发送至所述信息接收终端。

Images