CN112034281A - 一种在寝室用电环境下的非侵入式负荷辨识方法 - Google Patents
一种在寝室用电环境下的非侵入式负荷辨识方法 Download PDFInfo
- Publication number
- CN112034281A CN112034281A CN202010750379.3A CN202010750379A CN112034281A CN 112034281 A CN112034281 A CN 112034281A CN 202010750379 A CN202010750379 A CN 202010750379A CN 112034281 A CN112034281 A CN 112034281A
- Authority
- CN
- China
- Prior art keywords
- current
- steady
- matrix
- state
- bedroom
- 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
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种在寝室用电环境下的非侵入式负荷辨识方法,包括:使用电流高频采样装置采集单个用电设备的瞬时电流,并从中提取稳态电流;对稳态电流数据进行处理形成电流的特征值,计算有效值、均值和峰谷差;由有效值、均值和峰谷差形成每个设备的特征矩阵并组成系统标准矩阵;使用电流高频采样装置采集寝室进线的实际总瞬时电流;提取实际总瞬时电流的稳态电流数据,并由提取的稳态电流数据处理形成各设备电流的特征值,计算有效值、均值和峰谷差;由三个特征值形成实际运行特征矩阵,与系统标准矩阵组成矩阵方程;利用罚函数求解矩阵方程的最优解;本发明方法在用电设备较少或大多数用电设备处于稳态情况下时具有良好的辨识效果。
Description
技术领域
本发明属于非侵入式负荷辨识领域,具体地说是一种在寝室用电环境下的非侵入式负荷辨识方法。
背景技术
非侵入式负荷辨识算法是实现非侵入负荷辨识的核心技术,其算法好坏直接影响辨识的准确度、速度,以及对硬件性能的要求。现有大多数非侵入式负荷辨识算法采用滤波、时域频域转换、智能算法等方法,应用场景多停留在居民用电环境中,其时间与空间复杂度较高,且对检测硬件具有较高要求,难以直接应用到寝室用电环境中,易造成时间、资源的浪费。而本发明的方法时间与空间复杂度较低,对检测硬件要求较低,易于应用于寝室用电环境,寝室用电作为一种特殊的用电环境,具有负荷数量少、负荷种类有限、管理需求高等特点。
发明内容
本发明的目的是克服了现有技术针对寝室用电环境的不足,提供一种针对用电设备种类单一且大多用电设备已知的寝室特定环境下,运用非侵入式设备通过基于罚函数的负荷辨识方法分析用电状况,该方法能在只测量稳态电流数据的同时保证方法的速度与正确率。
为了解决上述技术问题,本发明通过以下技术方案实现:
步骤1、使用电流高频采样装置采集单个用电设备的瞬时电流,并从中提取稳态电流。
步骤2、对步骤1中提取的稳态电流数据进行处理形成电流的特征值,计算有效值、均值和峰谷差。
步骤3、由步骤2得到的有效值、均值和峰谷差形成每个设备的特征矩阵并组成系统标准矩阵。
下面对实际测量的电流数据进行处理。
步骤4、使用电流高频采样装置采集寝室进线的实际总瞬时电流。
步骤5、提取实际总瞬时电流的稳态电流数据,并由提取的稳态电流数据处理形成各设备电流的特征值,计算有效值、均值和峰谷差。
步骤6、由步骤5中得出的三个特征值形成实际运行特征矩阵,与系统标准矩阵组成矩阵方程。
步骤7、利用罚函数求解矩阵方程的最优解。解只能为0、1构成的向量,对应元素为0表示负荷关闭,对应元素为1表示负荷开启,由此确定待识别负荷。
进一步的,步骤1中测量单个用电设备的瞬时电流iz,在一定时间周期内判断下式是否成立:
(iz-iz-1)2<δ
其中iz和iz-1是相邻的瞬时电流,δ是稳态判断阈值。
记录所有满足上式条件下的稳态电流i(k),i(k)即为第k个采样点的稳态电流。1≤k≤K,其中K为满足上式条件下的稳态电流i(k)的总个数。
进一步的,步骤2中将利用公式
进一步的,步骤3中第n个设备的特征矩阵为In=(Irmsn Imeann Ippn)T,实际运行特征矩阵为A=(I1 I2 Λ In)。
其中,In表示第n个设备的特征矩阵。
其中Irmsn、Imeann、Ippn分别为第n个设备的电流的有效值、电流的均值、电流的峰谷差。
进一步的,步骤6中矩阵方程为式中X为x1 x2Λxn的列矩阵,xi(i=1,2,Λ,n)是第i个设备的工作情况,当xi=1时,则认为第i个设备处于工作状态;当xi=0时,则认为第i个设备处于非工作状态。
本发明的有益效果是:
在寝室用电环境中,用电设备种类较为单一,硬件设备搭建成本不宜过高,本发明的方法具有良好的识别正确率及稳定性,且具有较快的运算速度,对硬件要求较低。本发明方法在用电设备较少或大多数用电设备处于稳态情况下时具有良好的辨识效果。
附图说明
图1是方法流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
根据寝室内可能用到的用电设备情况,选取电灯、电热水器、空调、冰箱、吹风机5种常见用电设备作为实验样本。
使每个设备分别接入电路,测量瞬时电流iz,在一定时间周期内判断下式是否成立:
(iz-iz-1)2<δ(z=2,3,Λ,m)
其中δ是稳态判断阈值,一般取δ为0.25。
并按照下式计算各设备稳态特征量:
最终算得的特征量如以下表1所示:
表1
电灯 | 电热水器 | 空调 | 冰箱 | 吹风机 | |
I<sub>rmstotal</sub>(A) | 3.1312 | 12.3991 | 21.4684 | 16.8852 | 6.3007 |
I<sub>meantotal</sub>(A) | 3.0513 | 12.1487 | 20.0571 | 16.0960 | 5.0792 |
I<sub>pptotal</sub>(A) | 2.0979 | 7.0986 | 21.6972 | 14.6984 | 11.2963 |
按照获取的各设备稳态特征量,组建各设备稳态电流特征向量:
Itotal=(Irmstotal Imeantotal Ipptotal)T
由各设备稳态特征向量组建该6个用电设备的寝室用电系统下的特征矩阵:
在用电设备中只有电灯、冰箱、吹风机处于开启状态情况下,测量寝室内总瞬时电流,按照步骤1得到稳态瞬时电流,按照步骤1、2得到该稳态状态下特征向量Itotal=(40.2355 39.2043 36.2727)T。
取inf=10000,计算如下罚函数的最小值点:
算得x1=1,x2=0,x3=0,x4=0,x5=1,x6=1时上式取得最小值p=3.4717,即判断该稳态状态下只有电灯、冰箱、吹风机处于开启状态。
本发明中涉及的未说明部份与现有技术相同或采用现有技术加以实现。
Claims (6)
1.一种在寝室用电环境下的非侵入式负荷辨识方法,其特征是:包括如下步骤:
步骤1、使用电流高频采样装置采集单个用电设备的瞬时电流,并从中提取稳态电流;
步骤2、对步骤1中提取的稳态电流数据进行处理形成电流的特征值,计算有效值、均值和峰谷差;
步骤3、由步骤2得到的有效值、均值和峰谷差形成每个设备的特征矩阵并组成系统标准矩阵;
步骤4、使用电流高频采样装置采集寝室进线的实际总瞬时电流;
步骤5、提取实际总瞬时电流的稳态电流数据,并由提取的稳态电流数据处理形成各设备电流的特征值,计算有效值、均值和峰谷差;
步骤6、由步骤5中得出的三个特征值形成实际运行特征矩阵,与系统标准矩阵组成矩阵方程;
步骤7、利用罚函数求解矩阵方程的最优解;解只能为0、1构成的向量,对应元素为0表示负荷关闭,对应元素为1表示负荷开启,由此确定待识别负荷。
2.根据权利要求1所述的一种在寝室用电环境下的非侵入式负荷辨识方法,其特征是:步骤1中测量单个用电设备的瞬时电流iz,在一定时间周期内判断下式是否成立:
(iz-iz-1)2<δ
其中iz和iz-1是相邻的瞬时电流,δ是稳态判断阈值;
记录所有满足上式条件下的稳态电流i(k),i(k)即为第k个采样点的稳态电流,1≤k≤K,其中K为满足上式条件下的稳态电流i(k)的总个数。
4.根据权利要求1所述的一种在寝室用电环境下的非侵入式负荷辨识方法,其特征是:步骤3中第n个设备的特征矩阵为In=(Irmsn Imeann Ippn)T,系统标准矩阵为A=(I1 I2 ΛIn);
其中,In表示第n个设备的特征矩阵;
其中Irmsn、Imeann、Ippn分别为第n个设备的电流的有效值、电流的均值、电流的峰谷差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750379.3A CN112034281A (zh) | 2020-07-30 | 2020-07-30 | 一种在寝室用电环境下的非侵入式负荷辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750379.3A CN112034281A (zh) | 2020-07-30 | 2020-07-30 | 一种在寝室用电环境下的非侵入式负荷辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112034281A true CN112034281A (zh) | 2020-12-04 |
Family
ID=73583547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750379.3A Pending CN112034281A (zh) | 2020-07-30 | 2020-07-30 | 一种在寝室用电环境下的非侵入式负荷辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034281A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997025625A1 (en) * | 1996-01-05 | 1997-07-17 | Massachusetts Institute Of Technology | Transient event detector for monitoring electrical loads |
JP2001330630A (ja) * | 2000-05-18 | 2001-11-30 | Central Res Inst Of Electric Power Ind | 電気機器モニタリングシステム及びこれを利用した異常警告システム |
CN106909101A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用电器分类装置及方法 |
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 |
CN108181533A (zh) * | 2018-01-18 | 2018-06-19 | 中国海洋大学 | 一种非侵入式的电力负荷智能检测及分层分类方法 |
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 |
CN110133393A (zh) * | 2018-09-13 | 2019-08-16 | 华南理工大学 | 一种基于非侵入式监测技术的用电监测系统及方法 |
CN111351996A (zh) * | 2018-12-24 | 2020-06-30 | 国网江苏省电力有限公司无锡供电分公司 | 一种非侵入式用电负荷辨识方法及装置 |
-
2020
- 2020-07-30 CN CN202010750379.3A patent/CN112034281A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997025625A1 (en) * | 1996-01-05 | 1997-07-17 | Massachusetts Institute Of Technology | Transient event detector for monitoring electrical loads |
JP2001330630A (ja) * | 2000-05-18 | 2001-11-30 | Central Res Inst Of Electric Power Ind | 電気機器モニタリングシステム及びこれを利用した異常警告システム |
CN106909101A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用电器分类装置及方法 |
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 |
CN108181533A (zh) * | 2018-01-18 | 2018-06-19 | 中国海洋大学 | 一种非侵入式的电力负荷智能检测及分层分类方法 |
CN110133393A (zh) * | 2018-09-13 | 2019-08-16 | 华南理工大学 | 一种基于非侵入式监测技术的用电监测系统及方法 |
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 |
CN111351996A (zh) * | 2018-12-24 | 2020-06-30 | 国网江苏省电力有限公司无锡供电分公司 | 一种非侵入式用电负荷辨识方法及装置 |
Non-Patent Citations (4)
Title |
---|
WU Z S 等: "Research on load identification based on load steady and transient signal processing", 《2017 10TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING, BIOMEDICAL ENGINEERING AND INFORMATICS (CISP-BMEI)》 * |
刘卫涛: "使用功率信号特征的电力负荷分解方法的研究", 《中国优秀硕士学位论文全文数据库(工程科技II辑)》 * |
殷波 等: "家用非侵入式电力负荷监测与识别算法研究", 《中国海洋大学学报(自然科学版)》 * |
王高红等: "基于遗传算法的智能电网非侵入式电器监控策略", 《电网分析与研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956220B (zh) | 一种非侵入式家用电器负荷识别方法 | |
CN106936129B (zh) | 基于多特征融合的电力负荷辨识方法及系统 | |
CN110504679B (zh) | 一种基于km匹配算法的非侵入式负荷辨识方法 | |
CN105911342B (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
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 | |
CN111563827B (zh) | 基于电器物理特性及居民用电行为的负荷分解方法 | |
CN109613362B (zh) | 非侵入式电器数量识别方法 | |
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 | |
CN111722028A (zh) | 一种基于高频数据的负荷识别方法 | |
CN116008714B (zh) | 一种基于智能量测终端的反窃电分析方法 | |
CN110554235A (zh) | 一种基于相邻周期相位差的台区识别方法及系统 | |
CN114252682B (zh) | 基于非侵入式负荷监测的大型楼宇异常负荷控制方法 | |
CN113363974B (zh) | 基于累积电量低频采样的居民负荷构成解析方法及装置 | |
Zhu et al. | A novel approach for event detection in non-intrusive load monitoring | |
CN108614154B (zh) | 一种基于频谱分析的电力用户相位识别方法 | |
CN112034281A (zh) | 一种在寝室用电环境下的非侵入式负荷辨识方法 | |
CN112365090A (zh) | 一种基于深度学习的非入侵式用电负荷识别方法及装置 | |
CN114461662A (zh) | 居民用户需求响应高潜力用户筛选方法及系统 | |
Zhou et al. | Feature extraction for non-intrusive load monitoring system | |
CN111948446A (zh) | 一种自适应的负荷识别方法以及智能电能表 | |
Wang et al. | A novel nonintrusive transient event detection based on the current | |
CN115563511B (zh) | 一种基于机器学习的边缘侧电力指纹识别方法及装置 | |
CN111563235B (zh) | 一种智能配用电系统运行场景辨识与生成方法 | |
CN109189145A (zh) | 一种热能设备节能控制方法 | |
Tan et al. | Load Feature Image Identification Method Based on Convolutional Neural Network |
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: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |