CN112152313A

CN112152313A - 一种采集系统进行电力设备识别的方法

Info

Publication number: CN112152313A
Application number: CN202010651597.1A
Authority: CN
Inventors: 蔡军; 邹连明; 冯丹荣
Original assignee: Ningbo Sanxing Electric Co Ltd
Current assignee: Ningbo Sanxing Electric Co Ltd
Priority date: 2020-07-08
Filing date: 2020-07-08
Publication date: 2020-12-29
Anticipated expiration: 2040-07-08
Also published as: CN112152313B

Abstract

本发明公开了一种采集系统进行电力设备识别的方法，包括如下步骤：1)对电力设备归类，分为变压器和负荷；2)专变采集终端采集电力设备的数据，并进行一次识别：2.1)对变压器进行一次识别：对变压器的一次侧与二次侧的数据进行采集，进行变压器电压等级识别；2.2)对负荷进行一次识别：2.2.1)采集同一台区下负荷的实时电压、电流、功率和功率因数；2.2.2)根据采集到的负荷的功率因数判断负荷的属性，如果功率因数大于0.9，则负荷设备属性判断为阻性，否则为容性；2.2.3)对负荷名称进行识别；2.4)监测负荷的启动时间，判断负荷处于启动还是停机状态；3)主站进行二次识别，判断专变采集终端的识别是否正确。

Description

一种采集系统进行电力设备识别的方法

技术领域

本发明涉及电力终端领域，尤其是一种采集系统进行电力设备识别的方法。

背景技术

目前针对用电设备的识别，一般有两种方式，增加传感设备或者人工识别，识别后的结果设置在相应终端设备内。

然而，对于人工识别方式，需增加大量人力进行识别并将专变采集终端的状态记录到终端内。这种方式需长时间值守，对现场用电设备的识别耗时较多，容易出错，且很多设备关键启停时间点为随机的，安装的地点也多数都不适合人进入或者长时间跟踪。此外，人工识别时，需要打开终端表箱，将识别的用电设备所处状态设定到对应的采集终端下，由此主站才能远程抄读到采集终端下设定的用电设备状态值，在此过程中，会接触到强电设备，人的安全性得不到保证。因此，在现有环境下，人工识别不能大规模推广和普及。

对于增加传感器识别方式，如申请号为201710363293.3的中国专利公开的一种智能楼宇微网用电行为的识别方法，通过智能楼宇微网用电数据采集终端和环境各传感器监测获得用电大数据；然后对获得数据进行预处理(数据整合、数据填充、特征规范化)；利用核主元分析法对预处理后的数据样本提取各用电设备的负荷特征参数；利用多变量多尺度样本熵权方法确定用户各用电行为特征的环境因素和不同用电设备的贡献率(即为模糊C-均值聚类的各影响因素的特征权重)；最后通过模糊C均值聚类法对获得的特征数据组进行聚类分析，提高了用户用电行为识别的准确性和快速性。这种方式会增加成本，且很多传感设备需专门设计，不仅需设计费用而且传感器需要额外安装空间，现场安装也存在安全性隐患，从经济角度上不合适；另外，将采集到数据需再传输到终端设备，终端需进行存储，从实际应用角度出发也不合适。

发明内容

本发明所要解决的技术问题是针对上述现有技术存在的不足，提供一种采集系统进行电力设备识别的方法，能够提高识别效率，提高安全性。

本发明解决上述技术问题所采用的技术方案为：一种采集系统进行电力设备识别的方法，其特征在于：包括如下步骤：

1)开始，对电力设备归类，分为变压器和负荷；

2)专变采集终端采集电力设备的数据，并进行一次识别：

2.1)对变压器进行一次识别：对变压器的一次侧与二次侧的数据进行采集，进行变压器电压等级识别；

2.2)对负荷进行一次识别：

2.2.1)采集同一台区下负荷的实时电压、电流、功率和功率因数；

2.2.2)根据采集到的负荷的功率因数判断负荷的属性，如果功率因数大于0.9，则负荷设备属性判断为阻性，否则为容性；

2.2.3)对负荷名称进行识别：

2.2.3.1)采集样本数据：对负荷启动波形进行采样，建立模型；

2.2.3.2)样本数据的预处理，将所测得的模型进行归一化处理；

2.2.3.3)利用神经网络进行识别，将步骤2)归一化后的结果作为输入，对输入数据进行分类识别，并对各负荷设备的名称进行识别；

2.4)监测负荷的启动时间，判断负荷处于启动还是停机状态；

3)专变采集终端将采集到的数据上传主站，主站通过将专变采集终端上传的电压、电流和功率变化曲线与电能表本身的事件结合，进行二次识别，判断专变采集终端的识别是否正确。

进一步地，在步骤2.1)中，通过对采集到的实时电压、电流和功率的值进行分析，根据采集到的一定时间内的均值与预先设定的阈值比较，进行变压器电压等级识别。

进一步地，在步骤2.2.1)中，同时还采集电流的谐波含有率和电能量，并将采集数据存储到专变采集终端的存储器中。

优选的，所述存储器为flash。

优选的，在步骤2.2.3)中，负荷的名称包括电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷。

进一步地，在步骤2.2.3.1)中，建立的模型为：s_c＝{s[0],s[1],s[2]…,s[N]}，其中S[i]表示采样值瞬时有功功率，N表示采样个数，c表示上述负荷的名称；在步骤2.2.3.2)中，归一化公式为：

进一步地，在步骤2.4)中，假设某一时刻监测到的功率为p[t]，其中t为监测时间，当p[t+T]-p[t]≥P₀时，则该负荷为启动，其中p为瞬时功率，T表示每秒的时间变化，P₀为设定的功率阈值；同理，在关机时对负荷的功率变化进行检测，来判断负荷停机。

进一步地，在步骤2.4)之后还包括步骤2.5)专变采集终端通过自动识别结果通知系统管理设备，进行现场设备故障的实时处理。

优选的，所述专变采集终端的采样频率为秒级、一个采样周期为15分钟，所述专变采集终端每采集一个周期上报主站。

优选的，所述主站在每日给定的时间、根据与上一次二次识别间隔内的专变采集终端上报的数据进行二次识别。

与现有技术相比，本发明的优点在于：通过专变采集终端进行电力设备的一次识别，实现非侵入式负荷识别，比人工效率高，而且更加安全，为负荷的节能、故障分析、异常用电等进行深入分析提供了更加有效的支撑；主站将专变采集终端上传的数据与电能表事件结合，进行二级识别，提高识别准确率。

附图说明

图1为本发明实施例的采集系统进行电力设备识别的方法流程图；

图2为本发明实施例的专变采集终端负荷识别方法流程图。

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。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，由于本发明所公开的实施例可以按照不同的方向设置，所以这些表示方向的术语只是作为说明而不应视作为限制，比如“上”、“下”并不一定被限定为与重力方向相反或一致的方向。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。

参见图1，一种采集系统进行电力设备识别的方法，该采集系统包括专变采集终端和主站。本发明中，专变采集终端具有自动识别所采集的用电台区下电力设备的功能，在本发明中，电力设备包括变压器和主要用电设备(负荷)。专变采集终端首先根据电力设备的负荷特性和耗电特性，将变压器和主要用电设备归类并存储参数阈值；然后专变采集终端进行用电信息采集，并对采集回的数据进行一次识别，将分析结果与阈值比较，自动识别变压器和主要用电设备，最后将识别结果上报给主站，同时专变采集终端将变压器和主要用电设备的特征曲线值也传送给主站；主站通过特征曲线值进行二次分析，实现电力设备的二次识别，提高识别的准确率。

在本实施例中，主要用电设备按照电力负荷等级分类，为一二级电力负荷，有电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷八种设备。

根据用电特性，首先利用专变采集终端对电力设备进行识别，需识别的特性包括：负荷的属性、负荷的名称，同时也需识别负荷的关键状态：负荷的启动、设备的停机；专变采集终端是对专变用户用电信息进行采集的设备，可以实现电能表数据的采集、电能计量设备工况和供电电能质量监测，以及客户用电负荷和电能量的监控，并对采集数据进行管理和双向传输；电力设备包括变压器和负荷，负荷是指主要用电设备，包括电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷；

采集系统对电力设备进行识别时，对电力设备需要进行以下四种归类：

1)将电力设备大类归类为：变压器和负荷，其中对归类为变压器的，对变压器的电压等级进行划分，电压等级分为：6KV、10KV、20KV、35KV、66KV、110KV、220KV、330KV、500KV、750KV、1000KV等；对归类为负荷的，电压等级分为：低压，即1000KV以下：包括380KV，550KV，750KV，800KV，高压：包括1650KV、3300KV、6000KV、10000KV；

2)负荷的属性归类为：阻性与容性两种属性；

3)负荷的名称归类为：电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷；

4)负荷的关键状态归类为：启动与停机两种状态。

具体的，包括如下步骤：

1)开始，对电力设备归类，在本步骤中，进行大类归类，分为变压器和负荷；

2)专变采集终端采集电力设备的数据，并进行一次识别：

2.1)对变压器进行一次识别：对变压器的一次侧与二次侧的数据进行采集，通过对采集到的实时电压、电流和功率的值进行分析，根据采集到的变压器一定时间，如15分钟电压曲线，取通电后一定时间后，如2小时后的均值，通过将均值与预先设定的阈值比较，根据上线浮动区间，进行变压器电压等级识别；

2.2)对负荷进行一次识别：

2.2.1)采集同一台区下负荷的实时电压、电流、功率、功率因数、电流的谐波含有率和电能量，采样频率为秒，并将采集数据存储到专变采集终端的存储器中，在本实施例中，为flash存储器，数据更新周期优选的为600s；

2.2.3)对负荷名称进行识别，参见图2：

2.2.3.1)采集样本数据：负荷具有不同的电路结构和功能，特征分为稳态特征和暂态特征，稳态特征的分析主要为有功功率和无功功率；暂态特征的分析主要为开关暂态波形；负荷特征量主要包括有功功率、瞬时电流、电压和谐波电流的含有率，对稳态时有功功率的变化量进行负荷分解，确定负荷的组成，同时，瞬态时每种负荷特征在投切都会有不同的特征值属性。因此，可以通过采样两种运行状态时的特征值数据，有助于后续采用智能算法来进行识别；负荷启动运行时，功率会增高，通过负荷启动的瞬间功率变化，设定功率阈值P₀，当p[t+T]-p[t]≥P₀时，p为瞬时功率，T表示每秒的时间变化，因为功率的阶跃变化需要一段时间达到阈值，设定该时间长度优选的为1s；

具体的，对电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷八种不同负荷启动波形(电压、电流和功率波形)进行采样，建立模型如下：

s_c＝{s[0],s[1],s[2]…,s[N]}

其中S[i]表示采样值瞬时有功功率，N表示采样个数，c表示上述负荷的名称；

2.2.3.2)样本数据的预处理，为了避免因不同负荷消耗功率相差大，对判断产生干扰，将所测得的模型归一化，即转化成[0,1]之间的值，归一化公式如下：

2.2.3.3)建立神经网络，将sa_c作为神经网络的样本训练集，利用BP神经网络的学习功能对建立的神经网络进行训练，将BP神经网络算法通过C语言实现，植入专变采集终端，上述训练的步骤可在实际使用之前完成；在进行识别时，通过利用步骤2)归一化后的结果作为输入，对输入数据进行分类识别，并对各负荷设备的名称进行识别；

2.4)监测负荷的启动时间：假设某一时刻监测的功率为p[t]，其中t为监测时间，比较时间轴上的瞬时功率差值，如果差值大于阀值P₀，则该负荷为启动，同理，在关机时对负荷的功率变化进行检测，来判断负荷停机；

2.5)专变采集终端通过自动识别结果通知系统管理设备，进行现场设备故障的实时处理；

3)专变采集终端将采集到的数据上传主站，因专变采集终端交流采样可以实现频率到秒级的采集，但主站由于通信网络延时原因，且专变采集终端仅能采集15分钟为周期的曲线数据，并上报主站，如可以每日在给定的时间进行二次识别，通过电压、电流、功率曲线的变化(为与上一次进行二次识别的时间间隔内收到的数据)，将自身二次识别结果与专变采集终端的一次识别结果比较，判断电压、电流、功率的变化曲线与专变采集终端一次识别出的负荷的电能表事件(如常规用电方式)是否一致，如果是，则判断专变采集终端识别结果正确，如果否，则判断专变采集终端识别错误，需要再次识别；并将比较结果记录，如果判断负荷启动与停机一致，则将上述负荷启动与停机记录。

采用本发明的方法，通过专变采集终端进行电力设备的一次识别，实现非侵入式负荷识别，比人工效率高，而且更加安全，为负荷的节能、故障分析、异常用电等进行深入分析提供了更加有效的支撑，是大数据分析与选择的有效依据，是人工智能发展的关键环节；主站将专变采集终端上传的数据与电能表事件结合，进行二级识别，提高识别准确率，二次识别后准确度高达98％，减少人工监控的不足。

Claims

1.一种采集系统进行电力设备识别的方法，其特征在于：包括如下步骤：

1)开始，对电力设备归类，分为变压器和负荷；

2)专变采集终端采集电力设备的数据，并进行一次识别：

2.2)对负荷进行一次识别：

2.2.3)对负荷名称进行识别：

2.4)监测负荷的启动时间，判断负荷处于启动还是停机状态；

2.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.1)中，通过对采集到的实时电压、电流和功率的值进行分析，根据采集到的一定时间内的均值与预先设定的阈值比较，进行变压器电压等级识别。

3.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.2.1)中，同时还采集电流的谐波含有率和电能量，并将采集数据存储到专变采集终端的存储器中。

4.根据权利要求3所述的采集系统进行电力设备识别的方法，其特征在于：所述存储器为flash。

5.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.2.3)中，负荷的名称包括电动机、风机、泵机、中央空调、电梯、应急照明、公共照明和消防负荷。

6.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.2.3.1)中，建立的模型为：s_c＝{s[0],s[1],s[2]…,s[N]}，其中S[i]表示采样值瞬时有功功率，N表示采样个数，c表示上述负荷的名称；在步骤2.2.3.2)中，归一化公式为：

7.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.4)中，假设某一时刻监测到的功率为p[t]，其中t为监测时间，当p[t+T]-p[t]≥P₀时，则该负荷为启动，其中p为瞬时功率，T表示每秒的时间变化，P₀为设定的功率阈值；同理，在关机时对负荷的功率变化进行检测，来判断负荷停机。

8.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：在步骤2.4)之后还包括步骤2.5)专变采集终端通过自动识别结果通知系统管理设备，进行现场设备故障的实时处理。

9.根据权利要求1所述的采集系统进行电力设备识别的方法，其特征在于：所述专变采集终端的采样频率为秒级、一个采样周期为15分钟，所述专变采集终端每采集一个周期上报主站。

10.根据权利要求9所述的采集系统进行电力设备识别的方法，其特征在于：所述主站在每日给定的时间、根据与上一次二次识别间隔内的专变采集终端上报的数据进行二次识别。