CN111308185A - 一种非侵入式负荷识别方法 - Google Patents
一种非侵入式负荷识别方法 Download PDFInfo
- Publication number
- CN111308185A CN111308185A CN202010127855.6A CN202010127855A CN111308185A CN 111308185 A CN111308185 A CN 111308185A CN 202010127855 A CN202010127855 A CN 202010127855A CN 111308185 A CN111308185 A CN 111308185A
- Authority
- CN
- China
- Prior art keywords
- data
- electric appliance
- current data
- factors
- factor
- 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
Images
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
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种非侵入式负荷识别方法,所述方法包括S1、采集电力入口处总电压、电流并对采集的数据进行预处理;S2、对经预处理后的数据采用事件探测算法以判断是否有电器接入或退出电路;S3、当检测到有电器接入或退出电网时,缓冲暂态功率数据、暂态电流数据以及稳态电流数据,以进行特征提取;S4、将提取的特征与负荷识别模板库进行比较,识别电器种类。该方法提高了电器种类识别精度。
Description
技术领域
本发明涉及电能计量技术领域,尤其涉及一种非侵入式负荷识别方法。
背景技术
非侵入式负荷识别方法种类繁多,目前主要借助模式匹配、深度学习及神经网络的思想进行负荷识别。现有的方法针对单个设备进行识别时,识别精度较高,但当多个用电设备叠加运行时,当前算法识别效果差;同时目前模式匹配类型的非侵入式负荷识别方法空间复杂度高,对存储空间要求较高,而深度学习、神经网络类型的非侵入式负荷识别方法则需要前期大量数据进行训练,对硬件要求较高。
发明内容
鉴于上述问题,本发明的目的在于提供有利于提高负荷识别精度和效率的非侵入式负荷识别方法。
为了实现上述目的,本发明的技术方案为:一种非侵入式负荷识别方法,其特征在于:所述方法包括,
S1、采集电力入口处总电压、电流并对采集的数据进行预处理;
S2、对经预处理后的数据采用事件探测算法以判断是否有电器接入或退出电路;
S3、当检测到有电器接入或退出电网时,缓冲暂态功率数据、暂态电流数据以及稳态电流数据,以进行特征提取;
S4、将提取的特征与负荷识别模板库进行比较,识别电器种类。
进一步的,所述S3中的特征提取,具体为,
提取暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据,以形成待识别电器的特征向量。
进一步的,所述方法在进行S1之前还包括建立负荷识别模板库。
进一步的,所述建立负荷识别模板库,具体包括,
S01、采集单个电器运行时的电流、电压、功率;
S02、在MATLAB中使用事件探测算法截取暂态功率数据、暂态电流数据以及稳态电流数据;
S03、提取单个电器的暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对提取的单个电器的稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据;
S04、对提取的单个电器的上述数据进行筛选,筛选出具有区别性的数据构成特征向量,并将每个电器的所述特征向量组成负荷识别模板库。
进一步的,所述峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子计算方式如下公式:
其中,xpeak代表暂态电流数据的峰值,xrms代表暂态电流数据的有效值,xr代表暂态电流数据的方根幅值,xarv代表暂态电流数据的平均值,x代表暂态电流数据的平均值,n代表暂态电流数据个数,xp代表第p个暂态电流数据采样值。
进一步的,所述S2中的事件探测算法采用改进型滑动双边CUSUM事件探测算法。
进一步的,所述改进型滑动双边CUSUM事件探测算法,具体为,
其中,M窗口的平均值Ma和D窗口的平均值Da分别为
其中,m’代表M窗口的长度,n’代表D窗口的长度,
其中,b代表通过调试获取的功率波动水平经验值;
进一步的,所述S4中识别电器种类时采用了DTW动态时间域模式匹配算法。
进一步的,所述DTW动态时间域模式匹配具体为,
a)令S3中提取的特征为集合长度为m的集合X,令S4中负荷识别模板库为长度为n的集合Y,以构造一个m*n阶的代价矩阵D,其中矩阵的第(i,j)元素代表,xi与yi的欧式距离;
进一步的,所述方法还包括,在通过DTW动态时间域模式匹配完成匹配后,将匹配出的最小距离r(i,j)与事件探测算法获取的特征数据进行皮尔森相关性计算,并当皮尔森相关性低于阈值h时,认为待识别电器种类判断错误,而在皮尔森相关性超过阈值h时,认为待识别电器种类判断正确。
与现有技术相比,本发明的优点在于:
在负荷识别中,利用事件探测算法、特征提取以及特征提取与负荷识别模板库进行比较,有效提高了对单个电器乃至多设备叠加运行时的设备识别效果,提高了算法的识别精度和算法的运行效率。
附图说明
图1为本申请的整体流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示为本申请的流程图,由该流程图可知,本申请的一种非侵入式负荷识别方法包括事件探测、特征提取、识别设备等步骤。
该方法在进行负荷识别时,将用户所有电器的用电情况视为一个整体系统,先采集用户电表端的总电流、电压等数据。在采集了总电流、电压数据后,会计算当前系统的功率,通过功率突变情况来判断电器加入或退出电网,也即通过事件探测算法进行判断,在本申请中当功率突然减少时,认为电器退出电网,停止工作,反之,则认为电器加入电网中。经过事件探测算法的初步分析判断后,该方法会缓冲暂态电流、功率数据、稳态电流数据,以便特征提取;完成特征提取后,则与负荷模板库进行模式匹配来判断电器的种类。
也即,该非侵入式负荷识别方法包括,
S1、采集电力入口处总电压、电流并对采集的数据进行预处理;该预处理的主要目的是降低采样噪声对识别精度的影响。
S2、对经预处理后的数据采用事件探测算法以判断是否有电器接入或退出电路;
S3、当检测到有电器接入或退出电网时,缓冲暂态功率数据、暂态电流数据以及稳态电流数据,以进行特征提取;
S4、将提取的特征与负荷识别模板库进行比较,识别电器种类。
为了实现特征提取,在S3中该特征提取具体包括,
提取暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据,以形成待识别电器的特征向量。
在特征提取后,需要将形成的特征向量与负荷识别模板库进行比较,因而,该方法在进行S1之前还包括建立负荷识别模板库,具体为,
S01、采集单个电器运行时的电流、电压、功率;
S02、在MATLAB中使用事件探测算法截取暂态功率数据、暂态电流数据以及稳态电流数据;
S03、提取单个电器的暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对提取的单个电器的稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据;
S04、对提取的单个电器的上述数据进行筛选,筛选出具有区别性的数据构成特征向量,并将每个电器的所述特征向量组成负荷识别模板库。
该峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子计算方式如下公式:
其中,xpeak代表暂态电流数据的峰值,xrms代表暂态电流数据的有效值,xr代表暂态电流数据的方根幅值,xarv代表暂态电流数据的平均值,代表暂态电流数据的平均值,n代表暂态电流数据个数,xp代表第p个暂态电流数据采样值。
本方法中的事件探测算法采用改进型滑动双边CUSUM事件探测算法,具体为,
其中,M窗口的平均值Ma和D窗口的平均值Da分别为
其中,m’代表M窗口的长度,n’代表D窗口的长度,这里取m’为3个数据点作为M窗口的长度,n’取2个数据点作为D窗口的长度,
其中,b代表通过调试获取的功率波动水平经验值;
本方法的S4中,识别电器种类时采用了DTW动态时间域模式匹配算法,具体为,
a)令S3中提取的特征为集合长度为m的集合X,令S4中负荷识别模板库为长度为n的集合Y,以构造一个m*n阶的代价矩阵D,其中矩阵的第(i,j)元素代表,xi与yi的欧式距离;
为了确保判断的正确性,本方法还在通过DTW动态时间域模式匹配完成匹配后,将匹配出的最小距离r(i,j)与事件探测算法获取的特征数据进行皮尔森相关性计算,并当皮尔森相关性低于阈值h时,认为待识别电器种类判断错误,而在皮尔森相关性超过阈值h时,认为待识别电器种类判断正确。
本发明所采用的方法有效提高了对单个电器乃至多设备叠加运行时的设备识别效果,提高了算法的识别精度和算法的运行效率。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种非侵入式负荷识别方法,其特征在于:所述方法包括,
S1、采集电力入口处总电压、电流并对采集的数据进行预处理;
S2、对经预处理后的数据采用事件探测算法以判断是否有电器接入或退出电路;
S3、当检测到有电器接入或退出电网时,缓冲暂态功率数据、暂态电流数据以及稳态电流数据,以进行特征提取;
S4、将提取的特征与负荷识别模板库进行比较,识别电器种类。
2.根据权利要求1所述的方法,其特征在于:所述S3中的特征提取具体为,
提取暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据,以形成待识别电器的特征向量。
3.根据权利要求1所述的方法,其特征在于:
所述方法在进行S1之前还包括建立负荷识别模板库。
4.根据权利要求3所述的方法,其特征在于:所述建立负荷识别模板库具体包括,
S01、采集单个电器运行时的电流、电压、功率;
S02、在MATLAB中使用事件探测算法截取暂态功率数据、暂态电流数据以及稳态电流数据;
S03、提取单个电器的暂态功率数据以及暂态电流数据的峰值因子、峭度因子、偏度因子、脉冲因子、裕度因子、波形因子,对提取的单个电器的稳态电流数据进行谐波分析,提取1次、3次、5次谐波幅值数据;
S04、对提取的单个电器的上述数据进行筛选,筛选出具有区别性的数据构成特征向量,并将每个电器的所述特征向量组成负荷识别模板库。
6.根据权利要求1所述的方法,其特征在于:
所述S2中的事件探测算法采用改进型滑动双边CUSUM事件探测算法。
8.根据权利要求1所述的方法,其特征在于:
所述S4中识别电器种类时采用了DTW动态时间域模式匹配算法。
10.根据权利要求9所述的方法,其特征在于:
所述方法在通过DTW动态时间域模式匹配完成匹配后,还将匹配出的最小距离r(i,j)与事件探测算法获取的特征数据进行皮尔森相关性计算,并当皮尔森相关性低于阈值h时,认为待识别电器种类判断错误,而在皮尔森相关性超过阈值h时,认为待识别电器种类判断正确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127855.6A CN111308185A (zh) | 2020-02-28 | 2020-02-28 | 一种非侵入式负荷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127855.6A CN111308185A (zh) | 2020-02-28 | 2020-02-28 | 一种非侵入式负荷识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111308185A true CN111308185A (zh) | 2020-06-19 |
Family
ID=71145329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010127855.6A Pending CN111308185A (zh) | 2020-02-28 | 2020-02-28 | 一种非侵入式负荷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308185A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076354A (zh) * | 2021-03-31 | 2021-07-06 | 国网江苏省电力有限公司营销服务中心 | 一种基于非侵入式负荷监测的用户用电数据分析方法和装置 |
CN113285442A (zh) * | 2021-04-21 | 2021-08-20 | 广东工业大学 | 基于非侵入式负荷特征的单一用电设备识别方法及装置 |
CN113553545A (zh) * | 2021-07-14 | 2021-10-26 | 北京市腾河智慧能源科技有限公司 | 小电流电器的事件检测方法及系统、设备、存储介质 |
CN113567794A (zh) * | 2021-09-24 | 2021-10-29 | 国网江苏省电力有限公司营销服务中心 | 基于动态时间规整的电动自行车户内充电辨识方法及系统 |
CN116861318A (zh) * | 2023-09-05 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种用户用电负荷分类方法、装置、设备及存储介质 |
Citations (14)
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 |
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 |
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 |
CN106483370A (zh) * | 2016-10-21 | 2017-03-08 | 威胜集团有限公司 | 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 |
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 |
CN107832705A (zh) * | 2017-11-08 | 2018-03-23 | 天津大学 | 一种基于典型相关分析的非侵入式负荷识别方法 |
CN108132379A (zh) * | 2017-12-11 | 2018-06-08 | 武汉大学 | 基于云平台的非侵入式负荷监测系统及识别方法 |
CN108429254A (zh) * | 2018-03-07 | 2018-08-21 | 国网四川省电力公司电力科学研究院 | 一种非侵入式用电负荷识别方法 |
CN109387712A (zh) * | 2018-10-09 | 2019-02-26 | 厦门理工学院 | 基于状态矩阵决策树的非侵入式负荷检测与分解方法 |
CN109767054A (zh) * | 2018-11-22 | 2019-05-17 | 福建网能科技开发有限责任公司 | 基于深度神经网络算法的能效云评估方法及边缘能效网关 |
CN110503004A (zh) * | 2019-07-29 | 2019-11-26 | 七彩安科智慧科技有限公司 | 一种开关电源运行状态的在线判别方法 |
CN110514889A (zh) * | 2019-07-19 | 2019-11-29 | 浙江万胜智能科技股份有限公司 | 一种非侵入式家庭用电负载识别的方法及系统 |
CN110569876A (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 |
-
2020
- 2020-02-28 CN CN202010127855.6A patent/CN111308185A/zh active Pending
Patent Citations (14)
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 |
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 |
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 |
CN106483370A (zh) * | 2016-10-21 | 2017-03-08 | 威胜集团有限公司 | 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 |
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 |
CN107832705A (zh) * | 2017-11-08 | 2018-03-23 | 天津大学 | 一种基于典型相关分析的非侵入式负荷识别方法 |
CN108132379A (zh) * | 2017-12-11 | 2018-06-08 | 武汉大学 | 基于云平台的非侵入式负荷监测系统及识别方法 |
CN108429254A (zh) * | 2018-03-07 | 2018-08-21 | 国网四川省电力公司电力科学研究院 | 一种非侵入式用电负荷识别方法 |
CN109387712A (zh) * | 2018-10-09 | 2019-02-26 | 厦门理工学院 | 基于状态矩阵决策树的非侵入式负荷检测与分解方法 |
CN109767054A (zh) * | 2018-11-22 | 2019-05-17 | 福建网能科技开发有限责任公司 | 基于深度神经网络算法的能效云评估方法及边缘能效网关 |
CN110514889A (zh) * | 2019-07-19 | 2019-11-29 | 浙江万胜智能科技股份有限公司 | 一种非侵入式家庭用电负载识别的方法及系统 |
CN110503004A (zh) * | 2019-07-29 | 2019-11-26 | 七彩安科智慧科技有限公司 | 一种开关电源运行状态的在线判别方法 |
CN110569876A (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 (2)
Title |
---|
华亮亮 等: "《基于DTW算法的非侵入式家居负荷行为识别方法》", 《电测与仪表》 * |
郝少鹏 等: "《基于电流信号的转子试验台故障诊断研究》", 《科技与创新》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076354A (zh) * | 2021-03-31 | 2021-07-06 | 国网江苏省电力有限公司营销服务中心 | 一种基于非侵入式负荷监测的用户用电数据分析方法和装置 |
CN113285442A (zh) * | 2021-04-21 | 2021-08-20 | 广东工业大学 | 基于非侵入式负荷特征的单一用电设备识别方法及装置 |
CN113553545A (zh) * | 2021-07-14 | 2021-10-26 | 北京市腾河智慧能源科技有限公司 | 小电流电器的事件检测方法及系统、设备、存储介质 |
CN113553545B (zh) * | 2021-07-14 | 2023-09-01 | 北京市腾河智慧能源科技有限公司 | 小电流电器的事件检测方法及系统、设备、存储介质 |
CN113567794A (zh) * | 2021-09-24 | 2021-10-29 | 国网江苏省电力有限公司营销服务中心 | 基于动态时间规整的电动自行车户内充电辨识方法及系统 |
CN116861318A (zh) * | 2023-09-05 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种用户用电负荷分类方法、装置、设备及存储介质 |
CN116861318B (zh) * | 2023-09-05 | 2023-11-21 | 国网浙江省电力有限公司余姚市供电公司 | 一种用户用电负荷分类方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111308185A (zh) | 一种非侵入式负荷识别方法 | |
US20230384355A1 (en) | Non-intrusive load monitoring method | |
CN109116203A (zh) | 基于卷积神经网络的电力设备局部放电故障诊断方法 | |
WO2014101579A1 (zh) | 基于奇异值分解算法的变压器局部放电模式识别方法 | |
CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
CN103675610B (zh) | 局部放电在线检测中的特征因子提取方法 | |
CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
CN104849633A (zh) | 一种开关柜局部放电模式识别方法 | |
CN111428755A (zh) | 非侵入式负荷监测方法 | |
CN105938177A (zh) | 基于局部放电统计量的特征提取及识别方法 | |
CN110261746B (zh) | 基于振荡波电压周期衰减特性的电缆缺陷检测方法 | |
CN105372528B (zh) | 一种电力变压器内部故障的状态检修方法 | |
CN105354636A (zh) | 一种基于非参数核密度估计的风功率波动性概率密度建模方法 | |
CN106344004A (zh) | 心电信号特征点检测方法及装置 | |
CN104714075A (zh) | 一种电网电压闪变包络参数提取方法 | |
CN114325256A (zh) | 一种电力设备局部放电识别方法、系统、设备及存储介质 | |
CN106250904A (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
CN113887912A (zh) | 一种深度学习下面向嵌入式设备的非侵入式负荷识别方法 | |
CN114859169A (zh) | 一种配变出线负荷智能识别方法及系统、存储介质 | |
CN111639583A (zh) | 一种电网电能质量扰动的识别方法及系统 | |
CN116089857A (zh) | 一种基于ceemdan-dbn的变压器故障识别方法 | |
CN113076354A (zh) | 一种基于非侵入式负荷监测的用户用电数据分析方法和装置 | |
CN112083275A (zh) | 一种配网故障类型识别方法及系统 | |
CN116975389A (zh) | 一种变电站故障分析方法及装置 | |
CN115902557A (zh) | 开关柜故障诊断处理方法、装置及非易失性存储介质 |
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 |