CN111007347A - 一种非侵入式负荷识别、装置和相关设备 - Google Patents

一种非侵入式负荷识别、装置和相关设备 Download PDF

Info

Publication number
CN111007347A
CN111007347A CN201911382762.1A CN201911382762A CN111007347A CN 111007347 A CN111007347 A CN 111007347A CN 201911382762 A CN201911382762 A CN 201911382762A CN 111007347 A CN111007347 A CN 111007347A
Authority
CN
China
Prior art keywords
steady
target
state
load
characteristic quantity
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
Application number
CN201911382762.1A
Other languages
English (en)
Inventor
顾博川
侯艾君
李晓枫
孙毅
胡春潮
尤毅
高雅
郑晓光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201911382762.1A priority Critical patent/CN111007347A/zh
Publication of CN111007347A publication Critical patent/CN111007347A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/001—Measuring real or reactive component; Measuring apparent energy
    • G01R21/002—Measuring real component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/001—Measuring real or reactive component; Measuring apparent energy
    • G01R21/003—Measuring reactive component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Abstract

本申请实施例公开了一种非侵入式负荷识别方法、装置和相关设备，方法包括：获取目标负荷的辨识特征量，辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；根据辨识特征量生成电器样本库；根据电器样本库生成目标参数；获取目标负荷的稳态功率特征量在电器样本库中的目标参数的第一目标数量；判断第一目标数量是否大于或等于阈值；若是，则识别目标负荷为第一电器类型；若否，则获取目标负荷的稳态电流谐波特征量在电器样本库中的目标参数的第二目标数量；判断第二目标数量是否大于或等于阈值；若是，则识别目标负荷为第一电器类型；若否，则识别目标负荷为第三目标数量对应的电器类型，其中第三目标数量为第一目标数量以及第二目标数量之和。

Description

一种非侵入式负荷识别、装置和相关设备
技术领域
本申请涉及非侵入式负荷识别技术领域，尤其涉及一种非侵入式负荷识别、装置和相关设备。
背景技术
随着电力行业市场化改革的深入进行，与此同时在智能电网逐渐发展的环境下，智能量测设备能够得到用户负荷准确的、海量的数据，因此智能量测设备会逐步得到广泛应用。居民用电负荷设备识别现在大都采用侵入式监测方法，侵入式监测方法需要在用电设备和插座之间安装中间监测装置来记录设备操情况，通常依靠中间装置监测负荷设备操作记录、设备能耗数据等，由于存在中间装置，因此为安装和维护等带来不便。
而非侵入式负荷识别(non-intrusive load monitoring,NILM)则可以解决传统侵入式负荷监测所带来的问题，NILM即为负荷分解，NILM通常先采集负荷特性数据，然后基于负荷特性数据中的电流谐波数据采用不同的方式实现对负荷的识别。与传统侵入式负荷监测相比，NILM能够更简单地实现居民用电细节的监测，便于电力公司优化电网的规划、运行和管理，与此同时用户节省耗电量和电费。
但现有的NILM技术中，仅以负荷特性数据中的电流谐波数据进行对负荷的识别，在负荷特性相似的设备中难以仅用电流谐波数据这一数据对负荷进行准确的识别，从而造成负荷识别效率低，识别结果不准确。
发明内容
本申请实施例提供了一种非侵入式负荷识别、装置和相关设备，解决在负荷特性相似的设备中难以仅用电流谐波数据这一数据对负荷进行准确的识别，从而造成负荷识别效率低，识别结果不准确的问题。
有鉴于此，本申请第一方面提供了一种非侵入式负荷识别方法，包括：
获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
根据所述辨识特征量生成电器样本库；
根据所述电器样本库生成目标参数；
根据所述电器样本库以及所述目标参数识别所述目标负荷。
优选的，所述获取负荷辨识特征量的方法包括：
获取所述稳态功率特征量；
获取所述稳态功率特征量包括：
获取稳态无功功率特征量以及稳态有功功率特征量；
获取所述稳态电流谐波特征量；
获取所述稳态电流谐波特征量包括：
获取稳态电流第一谐波特征量以及稳态电流第二谐波特征量。
优选的，所述获取稳态无功功率特征量以及稳态有功功率特征量包括：
对所述目标负荷的电压有效值U、所述目标渡河的电流有效值I以及所述目标负荷的功电压与电流的相位差
Figure BDA0002342689690000021
进行计算，根据第一公式获取所述稳态无功功率特征量以及根据第二公式获取所述稳态有功功率特征量。
第一公式为：
Figure BDA0002342689690000022
第二公式为：
Figure BDA0002342689690000023
优选的，所述获取稳态电流第一谐波特征量以及稳态电流第二谐波特征量包括：
对所述目标负荷的样本数量Ns、采样频率fs、维度为所述样本数量Ns的电流采样序列以及维度为所述样本数量Ns的傅里叶变换结果序列进行计算根据第三公式获取所述稳态电流第一谐波特征量以及根据第四公式获取所述稳态电流第二谐波特征量。
第三公式为：
FFT[i(3*50*Ns/fs+1)]
第四公式为：
FFT[i(5*50*Ns/fs+1)]
优选的，所述采样频率fs为10Hz。
优选的，所述根据所述辨识特征量生成电器样本库包括：
获取稳态功率特征增量以及稳态电流谐波特征增量；
所述获取稳态功率特征增量以及稳态电流谐波特征增量包括：
获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量；
根据所述稳态功率特征增量以及所述稳态电流谐波特征增量生成电器样本库。
优选的，所述获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量包括：
对所述目标负荷的功率序列编号的离散稳态无功功率Pi以及所述目标负荷的功率预设编号的离散稳态无功功率Pi+j进行计算，根据第五公式获取所述稳态无功功率特征增量。
第五公式为：
Pi+j-Pi
对所述目标负荷的功率序列编号的离散稳态有功功率Qi以及所述目标负荷的功率预设编号的离散稳态有功功率Qi+j进行计算，根据第六公式获取所述稳态有功功率特征增量。
第六公式为：
Qi+j-Qi
对所述目标负荷的功率序列编号的稳态电流谐波Iq(i)以及所述目标负荷的功率预设编号的稳态电流谐波Iq(i+j)进行计算，根据第七公式获取所述稳态电流谐波特征增量。
第七公式为：
Iq(i+j)-Iq(i)
本申请第二方面提供一种非侵入式负荷识别装置，包括：
第一获取单元，用于获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
第一生成单元，用于根据所述辨识特征量生成电器样本库；
第二生成单元，用于根据所述电器样本库生成目标参数；
第二获取单元，用于获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；
第一判断单元，用于判断所述第一目标数量是否大于或等于阈值；
第一识别单元，用于若所述第一目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三获取单元，用于若所述第一目标数量不大于或等于阈值时，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；
第二判断单元，用于判断所述第二目标数量是否大于或等于阈值；
第二识别单元，用于若所述第二目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三识别单元，用于若所述第二目标数量不大于或等于阈值时，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
本申请第三方面提供一种非侵入式负荷识别的设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的非侵入式负荷识别的步骤。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的非侵入式负荷识别方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，提供了一种非侵入式负荷识别方法，包括：获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；根据所述辨识特征量生成电器样本库；根据所述电器样本库生成目标参数；获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；判断所述第一目标数量是否大于或等于阈值；若是，则识别所述目标负荷为第一电器类型；若否，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；判断所述第二目标数量是否大于或等于阈值；若是，则识别所述目标负荷为第一电器类型；若否，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
上述方法通过根据稳态功率特征量以及稳态电流谐波特征量生成电器样本库，然后根据所述电器样本库生成目标参数，最后根据电器样本库以及目标参数识别所述目标负荷并判断划分电器类型。本发明在负荷特性相似的设备由于采用多层次的负荷特征生成样本以及参数，再以该样本以及参数识别负荷，减少单一负荷特性的相似性带来的误差，以及需要大量参数进行运算的问题，提高负荷识别的准确性。解决了现有技术中在负荷特性相似的设备中难以仅用电流谐波数据这一数据对负荷进行准确的识别，从而造成负荷识别效率低，识别结果不准确的问题。
附图说明
图1为本申请实施例中非侵入式负荷识别方法的方法流程图；
图2为本发明实施例中非侵入式负荷识别装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请设计了一种非侵入式负荷识别方法、装置和相关设备。随着电力行业市场化改革的深入进行，与此同时在智能电网逐渐发展的环境下，非侵入式负荷识别(non-intrusive load monitoring,NILM)则可以解决传统侵入式负荷监测所带来的问题，NILM基于负荷特性数据中的电流谐波数据采用不同的方式实现对负荷的识别，但仅以负荷特性数据中的电流谐波数据进行对负荷的识别，在负荷特性相似的设备中难以仅用电流谐波数据这一数据对负荷进行准确的识别，从而造成负荷识别效率低，识别结果不准确。
本申请第一方面提供了一种非侵入式负荷识别方法。
请参阅图1，图1为本申请实施例中一种非侵入式负荷识别方法的方法流程图，包括：
步骤101，获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
首先需要获取目标负荷的辨识特征量，而辨识特征量包括稳态功率特征量以及稳态电流谐波特征量。具体地，稳态功率特征量又包括稳态无功功率特征量以及稳态有功功率特征量，而稳态电流谐波特征量则包括稳态电流第一谐波特征量以及稳态电流第二谐波特征量。本实施例中获取稳态无功功率特征量、稳态有功功率特征量、稳态电流第一谐波特征量以及稳态电流第二谐波特征量具体如下：
本实施例所提供的方法，计算出稳态无功功率特征量以及稳态有功功率特征量的数值，具体对目标负荷的电压有效值U、目标渡河的电流有效值I以及目标负荷的功电压与电流的相位差
Figure BDA0002342689690000063
进行计算，稳态无功功率特征量的计算依据如第一公式，根据计算依据即可计算得出数值，该数据即为稳态无功功率特征量，而稳态有功功率特征量的计算依据如第二公式，根据计算依据即可计算得出数值，该数据即为稳态有功功率特征量。
第一公式为：
Figure BDA0002342689690000061
第二公式为：
Figure BDA0002342689690000062
本实施例中第一公式以及第二公式用于对瞬时负荷进行计算，可以理解的是，在实际应用中，无功功率特征量以及稳态有功功率特征量还可以根据工作频率周期数目m、功率序列的索引n、一个工作频率周期内的采样数目N、离散的电压采样序列uk以及离散的电流采样序列ik进行计算，其中N为采样频率除以50，k为离散电压以及电流采样序列的编号。稳态无功功率特征量的计算依据如第八公式，根据计算依据即可计算得出数值，该数据即为实际运行下的稳态无功功率特征量，而稳态有功功率特征量的计算依据如第九公式，根据计算依据即可计算得出数值，该数据即为实际运行下的稳态有功功率特征量。
第八公式为：
Figure BDA0002342689690000071
第九公式为：
Figure BDA0002342689690000072
本实施例所提供的方法，计算出稳态电流第一谐波特征量以及稳态电流第二谐波特征量的数值，具体对对目标负荷的样本数量Ns、采样频率fs、维度为样本数量Ns的电流采样序列以及维度为样本数量Ns的傅里叶变换结果序列进行计算。稳态电流第一谐波特征量计算依据如第三公式，根据计算依据即可计算得出数值，该数据即为稳态电流第一谐波特征量，而稳态电流第二谐波特征量计算依据如第四公式，根据计算依据即可计算得出数值，该数据即为稳态电流第而谐波特征量。可以理解的是，在实际应用中，采样频率fs为10Hz。
第三公式为：
FFT[i(3*50*Ns/fs+1)]
第四公式为：
FFT[i(5*50*Ns/fs+1)]
本申请实施例中，对稳态无功功率特征量、稳态有功功率特征量、稳态电流第一谐波特征量以及稳态电流第二谐波特征量进行获取，获取多个方面的负荷特性从而解决单一负荷特性的相似性带来的问题，降低单一性负荷特性带来的不稳定性，从而提升了负荷识别的准确度。
步骤102，根据所述辨识特征量生成电器样本库；
在实际应用中，开启某一电器测量用户关口出的电压以及电流值，并且根据步骤101获取的多个方面的负荷特性，考虑到用户所使用的电器内始终会有负荷运行，电器设备运行期间稳态功率的获取，通过获取稳态功率特征增量以及稳态电流谐波特征增量从而获取表征，具体的需要获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量。本实施例中获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量具体如下：
本实施例所提供的方法，计算出稳态无功功率特征增量的数值，具体对目标负荷的功率序列编号的离散稳态无功功率Pi以及目标负荷的功率预设编号的离散稳态无功功率Pi+j进行计算，稳态无功功率特征增量计算依据如第五公式，根据计算依据即可计算得出数值，该数据即为稳态无功功率特征增量。
第五公式为：
Pi+j-Pi
本实施例所提供的方法，计算出稳态有功功率特征增量的数值，具体对对目标负荷的功率序列编号的离散稳态有功功率Qi以及目标负荷的功率预设编号的离散稳态有功功率Qi+j进行计算，稳态有功功率特征增量计算依据如第六公式，根据计算依据即可计算得出数值，该数据即为稳态有功功率特征增量。
第六公式为：
Qi+j-Qi
本实施例所提供的方法，计算出稳态有功功率特征增量的数值，具体对对目标负荷的功率序列编号的稳态电流谐波Iq(i)以及目标负荷的功率预设编号的稳态电流谐波Iq(i+j)进行计算，稳态电流谐波特征增量计算依据如第七公式，根据计算依据即可计算得出数值，该数据即为稳态电流谐波特征增量。
第七公式为：
Iq(i+j)-Iq(i)
多次地根据第五至第七公式计算所得的稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量，生成电器样本库。
本申请实施例中，对稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量进行获取，多次获取多个方面的负荷特性得到电器样本库，从而提升了本发明的可实用性。
步骤103，根据所述电器样本库生成目标参数；
根据步骤102中所生成的电器样本库，基于目标参数最邻近算法流程，应用穷举测试方法，从目标参数为1,2,3…，依次增加目标参数的值，分别计算电器样本库中各类电器的识别准确率及样本库的总体识别准确率。根据总体准确率与目标参数的关系图，确定目标参数的选择数值，并且选择目标参数对应的准确率的数据值为阈值。
步骤104，获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；
根据步骤103中所获取的目标参数，且根据获取到的待辨识负荷的四个稳态特征量。设置有功功率的阈值为50W，无功功率不设置阀值。若连续5s的功率增量小于50W，认为电器处于稳态运行的工况。若功率增量大于50W，则认为电器开启，同时记录此时的时间。电器关闭时同理。
在前述基础上获取电器类型的第一层对稳态无功功率特征量以及稳态有功功率特征量进行识别，首先要获取目标负荷的稳态无功功率特征量以及稳态有功功率特征量在电器样本库中的目标参数的第一目标数量。
步骤105，判断所述第一目标数量是否大于或等于阈值；
根据步骤104所获取的第一目标数量，将第一目标数量与步骤103中确选择确定的阈值进行对比，判断第一目标数量是否大于或等于阈值，若是，则往步骤106，若否，则往步骤107。
步骤106，识别所述目标负荷为第一电器类型；
若第一目标数量大于或等于阈值时，所述目标负荷为第一电器类型。并且第二目标数量大于或等于阈值时，所述目标负荷也为第一电器类型。具体地，第二目标数量如何确定请看后续步骤。
步骤107，获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；
若105判断第一目标数量不大于或等于阈值也就是小于阈值时，在步骤104中判断电器开启以及电器关闭的基础上，获取目标负荷的稳态电流谐波特征量在电器样本库中的目标参数的第二目标数量。
步骤108，判断所述第二目标数量是否大于或等于阈值；
根据步骤107所获取的第二目标数量，将第二目标数量与步骤103中确选择确定的阈值进行对比，判断第二目标数量是否大于或等于阈值。若是，则往步骤106，若否，则往步骤109。
步骤109，识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
若108判断第二目标数量不大于或等于阈值也就是小于阈值时，在步骤104中判断电器开启以及电器关闭的基础上，识别目标负荷为第三目标数量对应的电器类型，而第三目标数量为第一目标数量以及第二目标数量之和。
本申请实施例提供了一种非侵入式负荷识别方法，包括：获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；根据所述辨识特征量生成电器样本库；根据所述电器样本库生成目标参数；获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；判断所述第一目标数量是否大于或等于阈值；若是，则识别所述目标负荷为第一电器类型；若否，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；判断所述第二目标数量是否大于或等于阈值；若是，则识别所述目标负荷为第一电器类型；若否，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
本申请实施例中，采用了两层负荷识别的算法，通过两层不同的负荷特征把一个较复杂问题转换成两个简单的问题，提高了负荷识别的准确性。并且对于负荷特征相似的电器，若采用很精确的算法识别，不仅需要训练大量参数，计算量巨大，而且也很难准确识别。而本发明针对负荷特征相似的电器，将在第二层以电流谐波作为负荷特征量继续识别，这样即使采用常见的算法，也能准确识别电器。解决了现有技术中在负荷特性相似的设备中难以仅用电流谐波数据这一数据对负荷进行准确的识别，从而造成负荷识别效率低，识别结果不准确的问题。利用本申请所提供的方法，可以减少单一负荷特性的相似性带来的误差，以及需要大量参数进行运算的问题，提高负荷识别的准确性。
请参阅图2，本申请第二方面提供了一种非侵入式负荷识别装置。
本申请实施例所提供的一种非侵入式负荷识别装置包括：
第一获取单元201，用于获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
第一生成单元202，用于根据所述辨识特征量生成电器样本库；
第二生成单元203，用于根据所述电器样本库生成目标参数；
第二获取单元204，用于获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；
第一判断单元205，用于判断所述第一目标数量是否大于或等于阈值；
第一识别单元206，用于若所述第一目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三获取单元207，用于若所述第一目标数量不大于或等于阈值时，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；
第二判断单元208，用于判断所述第二目标数量是否大于或等于阈值；
第二识别单元209，用于若所述第二目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三识别单元210，用于若所述第二目标数量不大于或等于阈值时，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
本申请第三方面提供了一种非侵入式负荷识别的设备，设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的非侵入式负荷识别方法的步骤。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的非侵入式负荷识别方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，A，B或C中的至少一项(个)，可以表示：A，B，C，“A和B”，“A和C”，“B和C”，或“A和B和C”，其中A，B，C可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：READ-ONLYMEMORY，英文缩写：ROM)、随机存取存储器(英文全称：RANDOM ACCESS MEMORY，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种非侵入式负荷识别方法，其特征在于，包括：
获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
根据所述辨识特征量生成电器样本库；
根据所述电器样本库生成目标参数；
获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；
判断所述第一目标数量是否大于或等于阈值；
若是，则识别所述目标负荷为第一电器类型；
若否，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；
判断所述第二目标数量是否大于或等于阈值；
若是，则识别所述目标负荷为第一电器类型；
若否，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
2.根据权利要求1所述的方法，其特征在于，所述获取负荷辨识特征量的方法包括：
获取所述稳态功率特征量；
获取所述稳态功率特征量包括：
获取稳态无功功率特征量以及稳态有功功率特征量；
获取所述稳态电流谐波特征量；
获取所述稳态电流谐波特征量包括：
获取稳态电流第一谐波特征量以及稳态电流第二谐波特征量。
3.根据权利要求2所述的方法，其特征在于，所述获取稳态无功功率特征量以及稳态有功功率特征量包括：
对所述目标负荷的电压有效值U、所述目标渡河的电流有效值I以及所述目标负荷的功电压与电流的相位差
Figure FDA0002342689680000011
进行计算，根据第一公式获取所述稳态无功功率特征量以及根据第二公式获取所述稳态有功功率特征量；
第一公式为：
Figure FDA0002342689680000012
第二公式为：
Figure FDA0002342689680000021
4.根据权利要求2所述的方法，其特征在于，所述获取稳态电流第一谐波特征量以及稳态电流第二谐波特征量包括：
对所述目标负荷的样本数量Ns、采样频率fs、维度为所述样本数量Ns的电流采样序列以及维度为所述样本数量Ns的傅里叶变换结果序列进行计算根据第三公式获取所述稳态电流第一谐波特征量以及根据第四公式获取所述稳态电流第二谐波特征量。
第三公式为：
FFT[i(3*50*Ns/fs+1)]；
第四公式为：
FFT[i(5*50*Ns/fs+1)]。
5.根据权利要求4所述的方法，其特征在于，所述采样频率fs为10Hz。
6.根据权利要求1所述的方法，其特征在于，所述根据所述辨识特征量生成电器样本库包括：
获取稳态功率特征增量以及稳态电流谐波特征增量；
所述获取稳态功率特征增量以及稳态电流谐波特征增量包括：
获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量；
根据所述稳态功率特征增量以及所述稳态电流谐波特征增量生成电器样本库。
7.根据权利要求6所述的方法，其特征在于，所述获取稳态无功功率特征增量、稳态有功功率特征增量以及稳态电流谐波特征增量包括：
对所述目标负荷的功率序列编号的离散稳态无功功率Pi以及所述目标负荷的功率预设编号的离散稳态无功功率Pi+j进行计算，根据第五公式获取所述稳态无功功率特征增量；
第五公式为：
Pi+j-Pi；
对所述目标负荷的功率序列编号的离散稳态有功功率Qi以及所述目标负荷的功率预设编号的离散稳态有功功率Qi+j进行计算，根据第六公式获取所述稳态有功功率特征增量；
第六公式为：
Qi+j-Qi；
对所述目标负荷的功率序列编号的稳态电流谐波Iq(i)以及所述目标负荷的功率预设编号的稳态电流谐波Iq(i+j)进行计算，根据第七公式获取所述稳态电流谐波特征增量；
第七公式为：
Iq(i+j)-Iq(i)。
8.一种非侵入式负荷识别装置，其特征在于，包括：
第一获取单元，用于获取目标负荷的辨识特征量，所述辨识特征量包括稳态功率特征量以及稳态电流谐波特征量；
第一生成单元，用于根据所述辨识特征量生成电器样本库；
第二生成单元，用于根据所述电器样本库生成目标参数；
第二获取单元，用于获取所述目标负荷的所述稳态功率特征量在所述电器样本库中的所述目标参数的第一目标数量；
第一判断单元，用于判断所述第一目标数量是否大于或等于阈值；
第一识别单元，用于若所述第一目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三获取单元，用于若所述第一目标数量不大于或等于阈值时，则获取所述目标负荷的所述稳态电流谐波特征量在所述电器样本库中的所述目标参数的第二目标数量；
第二判断单元，用于判断所述第二目标数量是否大于或等于阈值；
第二识别单元，用于若所述第二目标数量大于或等于阈值时，则识别所述目标负荷为第一电器类型；
第三识别单元，用于若所述第二目标数量不大于或等于阈值时，则识别所述目标负荷为第三目标数量对应的电器类型，其中所述第三目标数量为所述第一目标数量以及所述第二目标数量之和。
9.一种非侵入式负荷识别设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的非侵入式负荷识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的非侵入式负荷识别方法。
CN201911382762.1A 2019-12-27 2019-12-27 一种非侵入式负荷识别、装置和相关设备 Pending CN111007347A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911382762.1A CN111007347A (zh) 2019-12-27 2019-12-27 一种非侵入式负荷识别、装置和相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911382762.1A CN111007347A (zh) 2019-12-27 2019-12-27 一种非侵入式负荷识别、装置和相关设备

Publications (1)

Publication Number Publication Date
CN111007347A true CN111007347A (zh) 2020-04-14

Family

ID=70119322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911382762.1A Pending CN111007347A (zh) 2019-12-27 2019-12-27 一种非侵入式负荷识别、装置和相关设备

Country Status (1)

Country Link
CN (1) CN111007347A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560977A (zh) * 2020-12-23 2021-03-26 华北电力大学（保定） 基于稀疏分类器阶层式算法的非侵入式负荷分解方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107525964A (zh) * 2017-10-23 2017-12-29 云南电网有限责任公司电力科学研究院 一种基于融合决策的非侵入式负荷识别方法及装置
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
CN110569877A (zh) * 2019-08-07 2019-12-13 武汉中原电子信息有限公司 非侵入式负荷识别方法、装置及计算设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN107525964A (zh) * 2017-10-23 2017-12-29 云南电网有限责任公司电力科学研究院 一种基于融合决策的非侵入式负荷识别方法及装置
CN110569877A (zh) * 2019-08-07 2019-12-13 武汉中原电子信息有限公司 非侵入式负荷识别方法、装置及计算设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吕志宁等: "非侵入负荷辨识的谐波特征量提取改进方法研究", 《电子测量技术》 *
孙毅 等: "基于差量特征提取与模糊聚类的非侵入式负荷监测方法", 《电力系统自动化》 *
谢宏伟等: "基于多源特征量的非侵入式厨房家电辨识研究", 《国外电子测量技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560977A (zh) * 2020-12-23 2021-03-26 华北电力大学（保定） 基于稀疏分类器阶层式算法的非侵入式负荷分解方法
CN112560977B (zh) * 2020-12-23 2022-09-27 华北电力大学（保定） 基于稀疏分类器阶层式算法的非侵入式负荷分解方法

Similar Documents

Publication Publication Date Title
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
CN103135009B (zh) 基于使用者回馈信息的电器侦测方法与系统
CN110231528B (zh) 基于负荷特征模型库的变压器户变异常识别方法及装置
Chicco et al. Emergent electricity customer classification
Yu et al. Nonintrusive appliance load monitoring for smart homes: Recent advances and future issues
Ghosh et al. Artificial bee colony optimization based non-intrusive appliances load monitoring technique in a smart home
CN111985824A (zh) 一种智能电表箱的非侵入式负荷监测方法及其监测设备
Lee Electric load information system based on non-intrusive power monitoring
WO2014075581A1 (zh) 非侵入式电力负荷监测与分解的电流模式匹配方法
CN109840691B (zh) 基于深度神经网络的非侵入式分项电量估计方法
CN109447473B (zh) 一种电力负荷监测方法、装置、设备及可读存储介质
CN112101110B (zh) 一种电力系统用户侧非侵入式负荷识别的方法
CN111103459A (zh) 电网用户相位识别方法及装置、电子设备
JP5727949B2 (ja) 電流波形識別装置
US10942205B2 (en) Method and system for analyzing electricity consumption
CN111178393A (zh) 一种基于智能电表的用电器用电量分类计量方法及装置
US20160109492A1 (en) Method and system for analysing electricity consumption
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及系统
Ghosh et al. Non-intrusive identification of harmonic polluting loads in a smart residential system
CN111007347A (zh) 一种非侵入式负荷识别、装置和相关设备
Tari et al. elami—an innovative simulated dataset of electrical loads for advanced smart energy applications
Schirmer et al. Improving energy disaggregation performance using appliance-driven sampling rates
Akarslan et al. A novel approach for residential load appliance identification
Bouhouras et al. Load signatures development via harmonic current vectors

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: 20200414

RJ01 Rejection of invention patent application after publication