CN112039059B - 基于功率阶跃连续性判别的长暂态负荷事件检测方法 - Google Patents
基于功率阶跃连续性判别的长暂态负荷事件检测方法 Download PDFInfo
- Publication number
- CN112039059B CN112039059B CN202010842641.7A CN202010842641A CN112039059B CN 112039059 B CN112039059 B CN 112039059B CN 202010842641 A CN202010842641 A CN 202010842641A CN 112039059 B CN112039059 B CN 112039059B
- Authority
- CN
- China
- Prior art keywords
- power
- sequence
- detection window
- mean
- window
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 230000001052 transient effect Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000005096 rolling process Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，本发明包括对总进线的电压和电流进行采样，基于滚动时间窗生成功率序列P、功率差分序列ΔP，构造长度为N的滑动检测窗Wn；滑动检测窗Wn内的功率差分均大于零或均小于零是否成立时，调节滑动检测窗Wn的大小使得标准差DEVΔP大于等于α*|MEANΔP|，然后取出滑动检测窗Wn中的功率极大值和极小值，记n1、n2分别为极大值、极小值的功率序列索引，根据极大值、极小值之差和n1、n2的大小比较结果判定负荷事件。本发明利用负荷事件过程中有功功率差分序列的连续特性，实现了负荷事件暂态过程的自适应准确检测，大幅提高了长暂态负荷事件检测的可靠性。
Description
技术领域
本发明属于智能用电技术领域，具体涉及一种基于功率阶跃连续性判别的长暂态负荷事件自适应检测方法。
背景技术
随着国民经济的高速发展和电能需求的日益增长，能源消耗与电力供应之间矛盾逐渐增大，大力推进智能电网技术已经成为电网建设的发展方向，而用户用电行为科学分析是实现智能用电、绿色用电的必要条件。电力用户作为智能电网中的主要参与者，在智能电网需求响应中起着至关重要的作用。对用户用电数据进行挖掘并准确的了解用户用电行为规律,可以帮助电网了解用户的个性化需求，提供用户分类及个性化服务、电力生产调度服务、电价制定、用电服务指导及相关增值服务，帮助提升企业运营和管理的精细化和需求侧管理水平的力量，从而使电网行业进一步拓展服务的广度和深度，同时也可为政府市政规划、基建投资、政策制定等提供数据支撑。
居民用电负荷的在线监测是实现用电行为感知的基础，它有助于了解家庭内不同时段电器设备的具体能耗情况。传统的负荷监测采用侵入式设计，在用户内部各电器接口安装配备通信模块的传感器或智能插座以收集和传输用电信息。该方案虽对电器负荷状况监测准确可靠，但其存在成本较高、可拓展性差、用户隐私干涉等问题，难以推广应用。非介入式负荷监测通过在用户入口处安装传感器，采集总电流和端电压，利用负荷分解算法对总负荷波形进行分解，从而获得每个或每类电器的用电功耗和工作状态。
非介入式负荷辨识通常包括数据采集、数据处理、事件检测、特征提取和负荷识别等步骤。其中，事件检测是实现电器负荷状态切换感知的重要环节之一，包括负荷开启、关闭、调档及变频类电器的连续状态变化。其目的是确定电力负荷序列中电器启停和状态变化的时间点，从而根据启停时刻的暂态特征以及启停前后的稳态负荷指纹进一步对负荷序列进行分解和识别。常规的事件检测方法仅通过负荷启停的有功功率P增量作为判断依据，对于功率波动的抗干扰能力较差，容易受到序列中脉冲尖峰值的影响而发生误判，且无法准确检测功率缓慢上升或下降的长暂态负荷事件。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于功率阶跃连续性判别的长暂态负荷事件自适应检测方法，本发明利用负荷事件过程中有功功率差分序列的连续特性，实现了负荷事件暂态过程的自适应准确检测，大幅提高了长暂态负荷事件检测的可靠性。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，包括：
1)对总进线的电压和电流进行采样，获取电压序列Uk与电流序列Ik；
2)以指定长度的滚动时间窗，从电压序列Uk与电流序列Ik计算滚动时间窗内的平均有功功率形成功率序列P，计算功率序列P的一阶前向差分形成功率差分序列ΔP；
3)针对功率差分序列ΔP构造长度为N的滑动检测窗Wn；
4)判断滑动检测窗Wn内的功率差分均大于零或均小于零是否成立，若成立则跳转执行下一步；否则平移滑动检测窗Wn跳转执行步骤3)；
5)计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP小于α*|MEANΔP|是否成立，其中α为预设的波动系数，若成立则跳转执行下一步；否则平移滑动检测窗Wn，跳转执行步骤3)；
6)在功率差分序列ΔP中延长滑动检测窗Wn中的长度并计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP大于等于α*|MEANΔP|是否成立，若不成立则跳转执行步骤6)；否则跳转执行步骤7)；
7)取出滑动检测窗Wn中的功率极大值PMAXn1和极小值PMINn2，记n1、n2分别为极大值PMAXn1、极小值PMINn2的功率序列索引，计算功率极大值PMAXn1和极小值PMINn2之间的差值得到功率极差MAXΔP；若功率极差MAXΔP大于功率阈值Ph且n1-n2>0时，判定为负荷启动事件发生；若功率极差MAXΔP大于功率阈值Ph且n2-n1>0时，判定为负荷关闭事件发生；否则判定无负荷事件发生；跳转执行步骤3)。
可选地，步骤1)中对总进线的电压和电流进行采样时的采样频率fs为3-12.8kHz。
可选地，步骤2)中计算滚动时间窗内平均有功功率的函数表达式如下式所示：
上式中，Pn为第n个滚动时间窗内的平均有功功率，m为滚动时间窗内所包含的工频周期数，K为一个工频周期内包含的采样点数，k1为所述时间窗内首个采样点的序列索引，Uk为第k个电压信号，Ik为第k个电流信号。
可选地，步骤2)中计算功率序列P的一阶前向差分的函数表达式如下式所示：
ΔPn＝Pn-Pn-1
上式中，ΔPn为第n个滚动时间窗内的平均有功功率Pn、第n-1个滚动时间窗内的平均有功功率Pn-1之间的功率差分。
可选地，步骤5)中标准差DEVΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分，MEANΔP为滑动检测窗Wn内的均值，N为滑动检测窗Wn的长度。
可选地，滑动检测窗Wn内的均值MEANΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分，N为滑动检测窗Wn的长度。
可选地，预设的波动系数α取值范围为1～2。
可选地，步骤7)中功率阈值Ph满足Ph＝5Savg，其中Savg为指定的分析时间段内用户每天功率序列标准差的平均值。
此外，本发明还提供一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，包括计算机设备，该计算机设备至少包括微处理器和存储器，该计算机设备的微处理器被编程或配置以执行所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的步骤，或者该计算机设备的存储器中存储有被编程或配置以执行所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
此外，本发明还提供一种计算机可读存储介质，该计算机可读存储介质中存储有被编程或配置以执行所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
和现有技术相比，本发明具有下述优点：
1、本发明引入了功率差分序列的标准差和均值用于判定功率阶跃过程的连续性，本发明利用负荷事件过程中有功功率差分序列的连续特性，实现了负荷事件暂态过程的自适应准确检测，能够自适应地检测负荷事件暂态过程的起点和终点，同时避免负荷状态切换可能导致的事件误判，大幅提高了长暂态负荷事件检测的准确率、可靠性，可适用于非介入式负荷辨识终端装置。
2、本发明适用于空调辅热、全直流变频空调、电磁炉等电器负荷启动事件检测。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述。
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例中空调辅热功率序列图。
图3为本发明实施例中空调辅热启动事件判定示意图。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细说明。
如图1所示，本实施例基于功率阶跃连续性判别的长暂态负荷事件检测方法包括：
1)对总进线的电压和电流进行采样，获取电压序列Uk与电流序列Ik；
2)以指定长度的滚动时间窗，从电压序列Uk与电流序列Ik计算滚动时间窗内的平均有功功率形成功率序列P，计算功率序列P的一阶前向差分形成功率差分序列ΔP；
3)针对功率差分序列ΔP构造长度为N的滑动检测窗Wn；
4)判断滑动检测窗Wn内的功率差分均大于零或均小于零是否成立，若成立则跳转执行下一步；否则平移滑动检测窗Wn跳转执行步骤3)；
5)计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP小于α*|MEANΔP|是否成立，其中α为预设的波动系数，若成立则跳转执行下一步；否则平移滑动检测窗Wn，跳转执行步骤3)；
6)在功率差分序列ΔP中延长滑动检测窗Wn中的长度并计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP大于等于α*|MEANΔP|是否成立，若不成立则跳转执行步骤6)；否则跳转执行步骤7)；
7)取出滑动检测窗Wn中的功率极大值PMAXn1和极小值PMINn2，记n1、n2分别为极大值PMAXn1、极小值PMINn2的功率序列索引，计算功率极大值PMAXn1和极小值PMINn2之间的差值得到功率极差MAXΔP；若功率极差MAXΔP大于功率阈值Ph且n1-n2>0时，判定为负荷启动事件发生；若功率极差MAXΔP大于功率阈值Ph且n2-n1>0时，判定为负荷关闭事件发生；否则判定无负荷事件发生；跳转执行步骤3)。
本实施例中，步骤1)在用户供电入口处在一定的采样频率fs下对总进线的电压和电流进行采样，获取电压序列Uk与电流序列Ik；作为一种可选的实施方式，步骤1)中对总进线的电压和电流进行采样时的采样频率fs为3-12.8kHz，上述采样频率fs能够实现长暂态负荷事件的准确检测。本实施例中在用户供电入口处，利用基于嵌入式平台的硬件终端ADC数据采集模块，采样频率fs为5000Hz。
本实施例中，步骤2)中滚动时间窗为5个工频周期长度(即0.1秒时长)，从步骤1)中获取的所述电压序列Uk与电流序列Ik中取出电压、电流数据，计算滚动时间窗内平均有功功率，形成功率序列P，如图2所示。计算功率序列P的一阶前向差分，即可形成功率差分序列ΔP。本实施例中，步骤2)中计算滚动时间窗内平均有功功率的函数表达式如下式所示：
上式中，Pn为第n个滚动时间窗内的平均有功功率，m为滚动时间窗内所包含的工频周期数，K为一个工频周期内包含的采样点数，k1为所述时间窗内首个采样点的序列索引，Uk为第k个电压信号，Ik为第k个电流信号。
本实施例中，步骤2)中计算功率序列P的一阶前向差分的函数表达式如下式所示：
ΔPn＝Pn-Pn-1
上式中，ΔPn为第n个滚动时间窗内的平均有功功率Pn、第n-1个滚动时间窗内的平均有功功率Pn-1之间的功率差分。
步骤3)用于构造长度为N的滑动检测窗Wn扫描步骤2)所述功率序列P和功率差分序列ΔP，记n为检测窗起始点对应的功率差分序列索引，则检测窗可表示为ΔP∈[ΔPn，ΔPn+N-1]。本实施例中，构造长度为10的滑动检测窗Wn扫描步骤2)功率序列P和功率差分序列ΔP，当检测窗起始点对应的功率差分序列索引n＝1399时，检测窗内功率序列为[927.99，933.76，940.93，954.32，968.02，986.53，1003.64，1013.69，1017.66，1023.89，1030.57]，功率一阶前向差分可计算为[10.24，5.76，7.17，13.39，13.70，18.51，17.11，10.05，3.97，6.23]。
本实施例中，步骤4)用于判断检测窗内功率差分是否均大于零或均小于零。若对于任意ΔP∈[ΔPn，ΔPn+N-1]均满足ΔP＞0，或对于任意ΔP∈[ΔPn，ΔPn+N-1]均满足ΔP＜0，则将检测窗Wn标记为功率阶跃区间，进入步骤5)进一步判别。若不满足，则返回步骤3)平移滑动检测窗Wn至Wn+1继续检测。本实施例中，判定对于任意ΔP∈[ΔP1399，ΔP1408]均满足ΔP＞0，因此进入步骤5)进一步判别。
本实施例中，步骤5)用于计算检测窗Wn内功率差分序列的标准差DEVΔP和均值的绝对值|MEANΔP|。当功率差分序列的标准差和均值满足条件DEVΔP＜α*|MEANΔP|时，进入步骤6)进一步检测暂态区间长度。若不满足，则返回步骤3)平移滑动检测窗Wn至Wn+1继续检测；式中α为波动系数；作为一种可选的实施方式，预设的波动系数α取值范围为1～2。
本实施例中，步骤5)中标准差DEVΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分，MEANΔP为滑动检测窗Wn内的均值，N为滑动检测窗Wn的长度。
本实施例中，滑动检测窗Wn内的均值MEANΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分，N为滑动检测窗Wn的长度。
本实施例中步骤5)计算检测窗内功率差分序列的标准差DEVΔP和均值的绝对值|MEANΔP|，得到DEVΔP＝4.70，|MEANΔP|＝10.61。取波动系数α＝1，则功率差分序列的标准差和均值满足条件DEVΔP＜α*|MEANΔP|，进入步骤6)进一步检测暂态区间长度；
本实施例中，步骤6)用于令N＝N+1不断延长检测窗Wn的长度，重复计算检测窗内功率差分序列的标准差DEVΔP和均值的绝对值|MEANΔP|，直至DEVΔP≥α*|MEANΔP|，记此时检测窗终止点对应的功率差分序列索引为m，此时检测窗Wn可表示为ΔP∈[ΔPn，ΔPm]；因电器开启的暂态过程中功率上升的速率逐渐减慢，差分序列的均值呈下降趋势。而另一方面功率的波动程度基本维持不变，因此差分序列的标准差逐渐增大。当检测窗延长至m＝1533时，此时有功功率Pm＝1935.872W，空调辅热的启动暂态过程接近尾声，计算此时的功率差分序列标准差DEVΔP和均值的绝对值|MEANΔP|得到：DEVΔP＝7.55，|MEANΔP|＝7.54，满足DEVΔP≥α*|MEANΔP|。
本实施例中，步骤7)用于取出检测窗Wn内功率极大值PMAXn1和极小值PMINn2，记n1、n2分别为极大值、极小值点的功率序列索引，计算检测窗内的功率极差MAXΔP＝PMAXn1-PMINn2。当且仅当检测窗内功率极差大于功率阈值，且极大值索引大于极小值索引，即MAXΔP＞Ph且n1-n2>0时，判定为负荷启动事件发生；当且仅当检测窗内功率极差大于功率阈值，且极小值索引大于极大值索引，即MAXΔP＞Ph且n2-n1>0时，判定为负荷关闭事件发生。负荷事件暂态过程长度计算为L＝m-n。若不满足以上两项判定，则返回步骤3)平移检测窗至Wn+1继续检测。本实施例中，步骤7)中功率阈值Ph满足Ph＝5Savg，其中Savg为指定的分析时间段内用户每天功率序列标准差的平均值。一般地，分析时间段可取为5-10天。此外，功率阈值Ph取值范围为50-200W。本实施例中，如图3所示，取出此时检测窗Wn内功率极大值和极小值分别为PMAXn1＝1964.23，PMINn2＝927.99，极大值、极小值点的功率序列索引分别为n1＝1518，n2＝1399，计算检测窗内的功率极差MAXΔP＝PMAXn1-PMINn2＝1036.24。取功率阈值Ph＝200W，则检测窗内功率极差大于功率阈值，且极大值索引大于极小值索引，即MAXΔP＞Ph且n1-n2>0，因此判定为负荷启动事件发生。
综上所述，本实施例基于功率阶跃连续性判别的长暂态负荷事件自适应检测方法通过引入功率差分序列的标准差和均值等特征量，利用负荷事件过程中有功功率差分序列的连续特性，能够自适应地检测负荷事件暂态过程的起点和终点，尤其适用于空调辅热、全直流变频空调、电磁炉等电器负荷启动事件检测，大幅提高了长暂态负荷事件检测的准确率、可靠性，可适用于非介入式负荷辨识终端装置。
此外，本实施例还提供一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，包括计算机设备，该计算机设备至少包括微处理器和存储器，该计算机设备的微处理器被编程或配置以执行前述基于功率阶跃连续性判别的长暂态负荷事件检测方法的步骤，或者该计算机设备的存储器中存储有被编程或配置以执行前述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
此外，本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有被编程或配置以执行前述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，包括：
1)对总进线的电压和电流进行采样，获取电压序列Uk与电流序列Ik；
2)以指定长度的滚动时间窗，从电压序列Uk与电流序列Ik计算滚动时间窗内的平均有功功率形成功率序列P，计算功率序列P的一阶前向差分形成功率差分序列ΔP；
3)针对功率差分序列ΔP构造长度为N的滑动检测窗Wn；
4)判断滑动检测窗Wn内的功率差分均大于零或均小于零是否成立，若成立则跳转执行下一步；否则平移滑动检测窗Wn跳转执行步骤3)；
5)计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP小于α*|MEANΔP|是否成立，其中α为预设的波动系数，若成立则跳转执行下一步；否则平移滑动检测窗Wn，跳转执行步骤3)；
6)在功率差分序列ΔP中延长滑动检测窗Wn中的长度并计算滑动检测窗Wn内的标准差DEVΔP和均值的绝对值|MEANΔP|，判断标准差DEVΔP大于等于α*|MEANΔP|是否成立，若不成立则跳转执行步骤6)；否则跳转执行步骤7)；
7)取出滑动检测窗Wn中的功率极大值PMAXn1和极小值PMINn2，记n1、n2分别为极大值PMAXn1、极小值PMINn2的功率序列索引，计算功率极大值PMAXn1和极小值PMINn2之间的差值得到功率极差MAXΔP；若功率极差MAXΔP大于功率阈值Ph且n1-n2>0时，判定为负荷启动事件发生；若功率极差MAXΔP大于功率阈值Ph且n2-n1>0时，判定为负荷关闭事件发生；否则判定无负荷事件发生；跳转执行步骤3)。
2.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，步骤1)中对总进线的电压和电流进行采样时的采样频率fs为3-12.8kHz。
3.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，步骤2)中计算滚动时间窗内平均有功功率的函数表达式如下式所示：
上式中，Pn为第n个滚动时间窗内的平均有功功率，m为滚动时间窗内所包含的工频周期数，K为一个工频周期内包含的采样点数，k1为所述时间窗内首个采样点的序列索引，Uk为第k个电压信号，Ik为第k个电流信号。
4.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，步骤2)中计算功率序列P的一阶前向差分的函数表达式如下式所示：
ΔPn＝Pn-Pn-1
上式中，ΔPn为第n个滚动时间窗内的平均有功功率Pn、第n-1个滚动时间窗内的平均有功功率Pn-1之间的功率差分。
5.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，步骤5)中标准差DEVΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分序列，MEANΔP为滑动检测窗Wn内的均值，N为滑动检测窗Wn的长度。
6.根据权利要求5所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，滑动检测窗Wn内的均值MEANΔP的函数表达式如下式所示：
上式中，ΔP为第n个功率差分序列，N为滑动检测窗Wn的长度。
7.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，预设的波动系数α取值范围为1～2。
8.根据权利要求1所述的基于功率阶跃连续性判别的长暂态负荷事件检测方法，其特征在于，步骤7)中功率阈值Ph满足Ph＝5Savg，其中Savg为指定的分析时间段内用户每天功率序列标准差的平均值。
9.一种基于功率阶跃连续性判别的长暂态负荷事件检测方法，包括计算机设备，该计算机设备至少包括微处理器和存储器，其特征在于，该计算机设备的微处理器被编程或配置以执行权利要求1～8中任意一项所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的步骤，或者该计算机设备的存储器中存储有被编程或配置以执行权利要求1～8中任意一项所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有被编程或配置以执行权利要求1～8中任意一项所述基于功率阶跃连续性判别的长暂态负荷事件检测方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010842641.7A CN112039059B (zh) | 2020-08-20 | 2020-08-20 | 基于功率阶跃连续性判别的长暂态负荷事件检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010842641.7A CN112039059B (zh) | 2020-08-20 | 2020-08-20 | 基于功率阶跃连续性判别的长暂态负荷事件检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112039059A CN112039059A (zh) | 2020-12-04 |
| CN112039059B true CN112039059B (zh) | 2022-02-18 |
Family
ID=73578492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010842641.7A Active CN112039059B (zh) | 2020-08-20 | 2020-08-20 | 基于功率阶跃连续性判别的长暂态负荷事件检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112039059B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112881793B (zh) * | 2021-01-13 | 2022-02-01 | 吉林大学 | 一种结合时间阈值的非侵入式负荷事件检测方法 |
| CN113238092B (zh) * | 2021-05-25 | 2022-07-01 | 南京工程学院 | 一种基于机器学习的非侵入式检测方法 |
| CN113687164B (zh) * | 2021-08-25 | 2022-11-08 | 天津大学 | 一种非侵入式负荷事件两阶段自适应检测方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3616506C2 (de) * | 1986-05-16 | 1995-11-30 | Hella Kg Hueck & Co | Verfahren und Vorrichtung zur Überwachung elektrischer Verbraucher |
| CN104483575B (zh) * | 2014-12-22 | 2017-05-03 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
| US10802057B2 (en) * | 2015-12-11 | 2020-10-13 | Schneider Electric USA, Inc. | Systems and methods for monitoring a power system |
| CN107390043B (zh) * | 2017-06-09 | 2019-07-30 | 东南大学 | 基于有功功率波动性和周期性的洗衣机非侵入辨识方法 |
| CN108021736B (zh) * | 2017-11-08 | 2020-06-16 | 天津大学 | 一种基于滑动窗残差模型的负荷投切动作监测方法 |
| CN110516788B (zh) * | 2019-08-07 | 2023-05-02 | 深圳供电局有限公司 | 一种基于Bi-LSTM算法的非侵入式负荷检测方法及系统 |
| CN111060965B (zh) * | 2019-12-05 | 2022-04-01 | 禁核试北京国家数据中心 | 一种基于卷积神经网络的地震震相拾取及事件检测方法 |
| CN111428755B (zh) * | 2020-02-29 | 2023-09-08 | 国网(苏州)城市能源研究院有限责任公司 | 非侵入式负荷监测方法 |
-
2020
- 2020-08-20 CN CN202010842641.7A patent/CN112039059B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112039059A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112039059B (zh) | 基于功率阶跃连续性判别的长暂态负荷事件检测方法 | |
| CN105911342B (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
| CN108152630B (zh) | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 | |
| CN112180193B (zh) | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 | |
| CN110412347B (zh) | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 | |
| CN107247201A (zh) | 基于功率及时间特性的电烤箱非侵入辨识方法 | |
| CN110672934A (zh) | 一种非侵入式负荷辨识方法、终端及系统 | |
| CN106093565B (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
| CN116307944B (zh) | 基于人工智能与物联网的配电箱远程监测系统 | |
| CN112633924B (zh) | 一种基于负荷分解的小区电能替代需求分析方法 | |
| CN111917114B (zh) | 一种适用于嵌入式平台的电力负荷事件检测方法 | |
| CN109782086B (zh) | 一种基于多维度信号分析的非侵入负荷识别方法 | |
| CN113887912B (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 | |
| CN111025013A (zh) | 一种基于功率谐波特征的ptc型电采暖非侵入辨识方法 | |
| CN112909923A (zh) | 一种基于dtw算法的非侵入式家居负荷行为识别的装置 | |
| CN108572292A (zh) | 一种微波炉非侵入负荷辨识方法 | |
| CN108595376A (zh) | 一种区分定频空调与冲击钻的非侵入负荷辨识方法 | |
| Yi et al. | A new event-detection method based on composite windows in nilm for industrial settings | |
| CN113420728A (zh) | 融合多时间尺度信息的非侵入式空调负荷辨识方法及系统 | |
| CN116400239B (zh) | 一种铁铬液流电池的储能智能监测方法 | |
| CN112862163A (zh) | 一种基于dtw算法的短期电力负荷预测系统 | |
| CN112345824B (zh) | 一种基于分段线性近似算法的变频空调非侵入式辨识方法 | |
| CN108335042B (zh) | 动态光伏电板清洗指数的计算方法 | |
| CN114285091B (zh) | 一种包含多个光伏发电的区域电网数据采集异常检测方法 | |
| CN113655337B (zh) | 一种非侵入式用电设备运行序列识别方法及识别系统 |
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 |