CN113238092B - 一种基于机器学习的非侵入式检测方法 - Google Patents

一种基于机器学习的非侵入式检测方法 Download PDF

Info

Publication number
CN113238092B
CN113238092B CN202110572335.0A CN202110572335A CN113238092B CN 113238092 B CN113238092 B CN 113238092B CN 202110572335 A CN202110572335 A CN 202110572335A CN 113238092 B CN113238092 B CN 113238092B
Authority
CN
China
Prior art keywords
power
current
electric appliance
voltage
time
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
Application number
CN202110572335.0A
Other languages
English (en)
Other versions
CN113238092A (zh
Inventor
杨寒
邢海云
夏泽楷
袁辉
陈凯
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.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN202110572335.0A priority Critical patent/CN113238092B/zh
Publication of CN113238092A publication Critical patent/CN113238092A/zh
Application granted granted Critical
Publication of CN113238092B publication Critical patent/CN113238092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
    • G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于机器学习的非侵入式检测方法，包括：通过移动终端设置对应的用电器的最大工作功率Pmax；采集用电器的电压电流数据，生成时间‑功率连续数据；用离散采样系统处理采集数据，得到时间‑功率的离散数据；计算时刻t的离散数据的功率变化量ΔP，若ΔP=0为稳态过程；若ΔP>0为暂态过程；以t为起点，t+N为终点在MCU中记录该时间段功率曲线；采集用电器的电流电压值，识别用电器状态；如果处于暂态过程，与上一个功率时间曲线比对；如果在此后的N个时间点内，发现P>Pmax或者出现暂态过程的时间点间隔小于预设的N，则发出警报信息。本方法其能准确测量家用用电器的各项参数.通过组网来实现特定区域内的各个用电器的参数的检测。

Description

一种基于机器学习的非侵入式检测方法
技术领域
本发明涉及电网数据的采集技术领域，具体涉及一种基于机器学习的非侵入式检测方法。
背景技术
随着全球资源环境压力的不断增大，建设更加安全、可靠、环保、经济的智能电网成为全球电力行业的共同目标。目前在发电、输电、配电、用电这一链条中，电网和终端用户的互动相对薄弱，影响了电力系统的整体性能和效率。要想真正地实现智能电网与用户的互动，使用户真正地参与到电力市场中，为系统的运行和资产管理带来巨大的效益，应该为智能电网提供详细的用电设备用电参数，使用户感觉从智能电表中获益。
而传统的负荷监测多以侵入式为主，所谓侵入式就是为了实现监测目的在每个被监测设备的电流输出端加设硬件装置进行数据采集，再由相关分析软件进行处理以获取故障或其他运行信息，这种方式可能会对原设备的正常工作造成影响且所需的检测硬件装置数量大，增加了其安装、使用、维护的成本。
为了解决侵入式负荷监测的问题，因此非侵入式负荷监测的研究就显得尤为重要。近年来，很多研究者们对NILM进行了研究。负荷辨识算法是非侵入式负荷监测系统的核心内容，研究人员也因此提出了很多不同的理论和算法。比较典型的相关研究有： Hart以Hz采样频率测得负荷的有功无功的阶跃变化，然后将变化量对应到被测系统中的设备，不足之处在于单靠功率变化量识别设备类型对于功率差异较小的电气设备辨识准确度不高，且需预先获取各家电负荷的运行功率值；Srinivasan等开发了一种基于神经网络的利用不同负荷产生谐波特性进行辨识的方法。香港大学提出一种基于多特征参数的家用电器用电状况在线监测算法。该方法对家用电器的特征参数进行宏观与微观层面的分析研究，提取出电流波形、有功、无功、谐波含量、瞬时导纳等家用电器的多特征参数。并提取出家用电器启停状态事件检测和负荷分解辨识算法。但论文中缺少对家电暂态特征参数的研究提取。
上述研究中大多数研究集中在居民用户，其数据可通过实验或调研的方式相对容易地获得，但针对工商业用户的研究偏少，因此在研究对象和实际应用方案方面均可拓展。
国内外的研究差距也比较大，国外已发布了可用于负荷分解研究的数据集，如REDD、BLUED、AMPds、UK-DALE等，但国内尚无可用的公开数据，从而制约了针对国内用户的NILM系统发。非侵入式负荷监测系统由于所需硬件安装少，以及较好的经济性，变得越来越受到人们的关注，并成为了未来负荷监测的发展趋势之一。
综上所述，目前关于NILM研究所采用的辨识算法理论均较为复杂，运算量大；在信号采集方面，将稳态参数和暂态参数协同提取研究的较少。而高效的负荷分解方法和复杂场景下的强适应NILMD实用化的基本需要。为此，一方面可借鉴数学优化、模式识别等领域的研究成果，在关键技术上进行创新，克服各类方法的缺陷；另一方面还需完善NILMD的框架，如：对不同场景可采用不同的技术，以提高方案对场景的适应性。
发明内容
1.所要解决的技术问题：
针对上述技术问题，本发明提供一种基于机器学习的非侵入式检测方法，其能准确测量家用用电器的各项参数.通过组网来实现特定区域内的各个用电器的参数的检测。
2.技术方案：
一种基于机器学习的非侵入式检测方法，其特征在于：
在用电器接入电路前在其与电源连接的电路中接入电压电流采集分析装置；所述电压电流采集分析装置中集成MCU单片机、交流电压电流检测模块、无线通信模块、指示灯；交流电压电流检测模块与用电器的电路相连，并采集此时的电压电流值并将电压电流值传输至MCU单片机；MCU单片机接收到电压电流值并根据预设的检测方法识别该用电器的用电及其状态；所述用电及其状态包括：用电器的实时功率、工作时间、工作状态是正常还是不正常；所述MCU单片机将该用电器的用电及其状态通过无线通信模块传输至移动终端。
所述预设的检测方法具体包括以下步骤：
步骤一：通过移动终端设置对应的用电器的电压电流的信息，进行处理得到该用电器工作的最大工作功率Pmax，并储存在移动终端App创建的储存空间中；所述最大工作功率Pmax为通过输入用电器的额定电压、额定电流获取；并将额定电压、额定电流以及最大工作功率存储至移动终端App创建的数据库中。
步骤二：采集用电器的电压电流数据，生成时间-功率连续数据；用离散采样系统处理采集数据，得到时间-功率的离散数据。
步骤三：计算时间点t之前相连的时间点的离散数据的功率变化量ΔP，即ΔP=|Pt-Pt-1|；若ΔP=0则判断时间点t处用电器处于稳态过程；若ΔP>0则判断时间点t处该用电器处于暂态过程，随即以t为起点，t+N为终点在MCU单片机中记录该时间段的功率曲线，其中N为预设的整数。
步骤四：采集该用电器的电流电压值，并用步骤三的方法识别该用电器是否处于暂态过程；如果处于暂态过程，记录功率-时间曲线，并与上一个暂态过程的功率-时间曲线进行比对分析；如果在此后的N个时间点内，发现P>Pmax或者出现暂态过程的时间点间隔小于预设的N，则发出警报信息，该警报信息在移动终端界面显示。
步骤五；发出警报后，在移动终端上发出一个指令，通知该用电器异常。
进一步地，所述暂态过程包括用电器的启动、关闭、人为调节、执行特定的预设程序状态。
进一步地，步骤二中离散采样系统处理采集数据是按照周期为0.01s至0.02s进行采样。
3.有益效果：
本发明中采用非侵入方式对用电器的用电数据进行连续监测，并将监测的结果进行离散化得出离散的用电数据，然后对离散化的用电数据进行辨析是否处于暂态，本方法能够精确采集出处于暂态状态用电器的安全性，有效的监控了用电器，其过程具有精度高、集成化、灵活方便、直观可靠的特点。
附图说明
图1为采用本发明进行非侵入式检测的系统示意图；
图2位本发明的非侵入式检测方法的流程图。
具体实施方式
下面结合附图对本发明进行具体的说明。
如附图1至附图2所示，一种基于机器学习的非侵入式检测方法，其特征在于：在用电器接入电路前在其与电源连接的电路中接入电压电流采集分析装置；所述电压电流采集分析装置中集成MCU单片机、交流电压电流检测模块、无线通信模块、指示灯；交流电压电流检测模块与用电器的电路相连，并采集此时的电压电流值并将电压电流值传输至MCU单片机；MCU单片机接收到电压电流值并根据预设的检测方法识别该用电器的用电及其状态；所述用电及其状态包括：用电器的实时功率、工作时间、工作状态是正常还是不正常；所述MCU单片机将该用电器的用电及其状态通过无线通信模块传输至移动终端。
所述预设的检测方法具体包括以下步骤：
步骤一：通过移动终端设置对应的用电器的电压电流的信息，进行处理得到该用电器工作的最大工作功率Pmax，并储存在移动终端App创建的储存空间中；所述最大工作功率Pmax为通过输入用电器的额定电压、额定电流获取；并将额定电压、额定电流以及最大工作功率存储至移动终端App创建的数据库中。
步骤二：采集用电器的电压电流数据，生成时间-功率连续数据；用离散采样系统处理采集数据，得到时间-功率的离散数据。
步骤三：计算时间点t之前相连的时间点的离散数据的功率变化量ΔP，即ΔP=|Pt-Pt-1|；若ΔP=0则判断时间点t处用电器处于稳态过程；若ΔP>0则判断时间点t处该用电器处于暂态过程，随即以t为起点，t+N为终点在MCU单片机中记录该时间段的功率曲线，其中N为预设的整数。
步骤四：采集该用电器的电流电压值，并用步骤三的方法识别该用电器是否处于暂态过程；如果处于暂态过程，记录功率-时间曲线，并与上一个暂态过程的功率-时间曲线进行比对分析；如果在此后的N个时间点内，发现P>Pmax或者出现暂态过程的时间点间隔小于预设的N，则发出警报信息，该警报信息在移动终端界面显示。
步骤五；发出警报后，在移动终端上发出一个指令，通知该用电器异常。
进一步地，所述暂态过程包括用电器的启动、关闭、人为调节、执行特定的预设程序状态。
进一步地，步骤二中离散采样系统处理采集数据是按照周期为0.01s至0.02s进行采样。
具体实施例：
如附图1所示，为采用本发明进行非侵入检测的系统图，本系统中能够通过一个终端实现多个用电器的检测。每个用电器用电器接入电路前在其与电源连接的电路中接入电压电流采集分析装置从而实现对数据的采集。该电压电流采集分析装置可以是插座形式，将用电器连接人电路中。
电压电流采集分析：将用电器220V市电经过互感器后产生微弱交流电，经过整流滤波后变为直流，然后通过单片机AD转换，然后换算出实际值。电压电流采集分别使用电压互感器TV1005M和电流互感器TA1005M。电压电流经过MCU进行数据处理。电压电流采集分析装置通过对电压电流采集电路实现对数据的采集，通过单片机将数据传输至移动终端。
图中的无线信号收发装置通常选择ESP8266，其是一款超低功耗的UART-WiFi 透传模块，拥有业内极富竞争力的封装尺寸和超低能耗技术，专为移动设备和物联网应用设计，可将用户的物理设备连接到Wi-Fi 无线网络上，进行互联网或局域网通信，实现联网功能。
虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。

Claims (3)

1.一种基于机器学习的非侵入式检测方法，其特征在于：
在用电器接入电路前在其与电源连接的电路中接入电压电流采集分析装置；所述电压电流采集分析装置中集成MCU单片机、交流电压电流检测模块、无线通信模块、指示灯；交流电压电流检测模块与用电器的电路相连，并采集此时的电压电流值并将电压电流值传输至MCU单片机；MCU单片机接收到电压电流值并根据预设的检测方法识别该用电器的用电及其状态；所述用电及其状态包括：用电器的实时功率、工作时间、工作状态是正常还是不正常；所述MCU单片机将该用电器的用电及其状态通过无线通信模块传输至移动终端；
所述预设的检测方法具体包括以下步骤：
步骤一：通过移动终端设置对应的用电器的电压电流的信息，进行处理得到该用电器工作的最大工作功率Pmax，并储存在移动终端App创建的储存空间中；所述最大工作功率Pmax为通过输入用电器的额定电压、额定电流获取；并将额定电压、额定电流以及最大工作功率存储至移动终端App创建的数据库中；
步骤二：采集用电器的电压电流数据，生成时间-功率连续数据；用离散采样系统处理采集数据，得到时间-功率的离散数据；
步骤三：计算时间点t之前相连的时间点的离散数据的功率变化量ΔP，即ΔP=|Pt-Pt-1|；若ΔP=0则判断时间点t处用电器处于稳态过程；若ΔP>0则判断时间点t处该用电器处于暂态过程，随即以t为起点，t+N为终点在MCU单片机中记录该时间段的功率曲线，其中N为预设的整数；
步骤四：采集该用电器的电流电压值，并用步骤三的方法识别该用电器是否处于暂态过程；如果处于暂态过程，记录功率-时间曲线，并与上一个暂态过程的功率-时间曲线进行比对分析；如果在此后的N个时间点内，发现P>Pmax或者出现暂态过程的时间点间隔小于预设的N，则发出警报信息，该警报信息在移动终端界面显示；
步骤五；发出警报后，在移动终端上发出一个指令，通知该用电器异常。
2.根据权利要求1所述的一种基于机器学习的非侵入式检测方法，其特征在于：所述暂态过程包括用电器的启动、关闭、人为调节、执行特定的预设程序状态。
3.根据权利要求1所述的一种基于机器学习的非侵入式检测方法，其特征在于：步骤二中离散采样系统处理采集数据是按照周期为0.01s至0.02s进行采样。
CN202110572335.0A 2021-05-25 2021-05-25 一种基于机器学习的非侵入式检测方法 Active CN113238092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110572335.0A CN113238092B (zh) 2021-05-25 2021-05-25 一种基于机器学习的非侵入式检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110572335.0A CN113238092B (zh) 2021-05-25 2021-05-25 一种基于机器学习的非侵入式检测方法

Publications (2)

Publication Number Publication Date
CN113238092A CN113238092A (zh) 2021-08-10
CN113238092B true CN113238092B (zh) 2022-07-01

Family

ID=77138711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110572335.0A Active CN113238092B (zh) 2021-05-25 2021-05-25 一种基于机器学习的非侵入式检测方法

Country Status (1)

Country Link
CN (1) CN113238092B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012106709A2 (en) * 2011-02-04 2012-08-09 Myenersave, Inc. Systems and methods for improving the accuracy of appliance level disaggregation in non-intrusive appliance load monitoring techniques
WO2015059272A1 (en) * 2013-10-24 2015-04-30 Universite Libre De Bruxelles Improved non-intrusive appliance load monitoring method and device
CN106443164A (zh) * 2016-08-25 2017-02-22 中国电力科学研究院 一种电能分类计量过程中暂态与稳态事件的监测方法
CN106680637A (zh) * 2017-01-12 2017-05-17 威胜集团有限公司 非侵入式家用负荷投切事件实时监测方法
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN107247201A (zh) * 2017-06-09 2017-10-13 东南大学 基于功率及时间特性的电烤箱非侵入辨识方法
CN109813978A (zh) * 2018-12-25 2019-05-28 武汉中原电子信息有限公司 一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
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
CN111665388A (zh) * 2020-05-18 2020-09-15 深圳供电局有限公司 一种非侵入式的家用空调辨识方法
CN112039059A (zh) * 2020-08-20 2020-12-04 国网湖南省电力有限公司 基于功率阶跃连续性判别的长暂态负荷事件检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207398A1 (en) * 2013-01-23 2014-07-24 Samsung Electronics Co., Ltd Transient Normalization for Appliance Classification, Disaggregation, and Power Estimation in Non-Intrusive Load Monitoring

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012106709A2 (en) * 2011-02-04 2012-08-09 Myenersave, Inc. Systems and methods for improving the accuracy of appliance level disaggregation in non-intrusive appliance load monitoring techniques
WO2015059272A1 (en) * 2013-10-24 2015-04-30 Universite Libre De Bruxelles Improved non-intrusive appliance load monitoring method and device
CN106443164A (zh) * 2016-08-25 2017-02-22 中国电力科学研究院 一种电能分类计量过程中暂态与稳态事件的监测方法
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN106680637A (zh) * 2017-01-12 2017-05-17 威胜集团有限公司 非侵入式家用负荷投切事件实时监测方法
CN107247201A (zh) * 2017-06-09 2017-10-13 东南大学 基于功率及时间特性的电烤箱非侵入辨识方法
CN109813978A (zh) * 2018-12-25 2019-05-28 武汉中原电子信息有限公司 一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
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
CN111665388A (zh) * 2020-05-18 2020-09-15 深圳供电局有限公司 一种非侵入式的家用空调辨识方法
CN112039059A (zh) * 2020-08-20 2020-12-04 国网湖南省电力有限公司 基于功率阶跃连续性判别的长暂态负荷事件检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Bo liu等.Dynamic time warping based non-intrusive load transient identification.《Applied Energy》.2017, *
张林林等.电力系统内部电器的智能识别与负荷分解.《数字技术与应用》.2019,第37卷(第9期), *
李云峰等.基于改进最近邻算法的非侵入式电器负荷识别.《工业自动化技术》.2019,第38卷(第7期), *

Also Published As

Publication number Publication date
CN113238092A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN106936129B (zh) 基于多特征融合的电力负荷辨识方法及系统
Ghosh et al. Artificial bee colony optimization based non-intrusive appliances load monitoring technique in a smart home
CN112700032A (zh) 一种用于低压直流配用电系统的故障预测系统及方法
CN103513128A (zh) 电器负载检测方法与系统
CN105372541A (zh) 一种基于模式识别的家用电器智能集总检测系统及其工作方法
CN109470957B (zh) 一种基于弗雷歇距离的非侵入式电器识别方法
CN106093565A (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
CN114860704A (zh) 一种面向数据中心的能耗监测和碳排放核算的方法和装置
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及系统
CN113848420A (zh) 低压台区能源网络状态感知方法、装置及设备
CN103674291A (zh) 全绝缘母线的温度监测系统
CN115563873A (zh) 一种电力网络的数字孪生仿真系统及方法
CN112615428A (zh) 一种线损分析治理系统及方法
Gurbuz et al. Comprehensive non-intrusive load monitoring process: Device event detection, device feature extraction and device identification using KNN, random forest and decision tree
CN109495355A (zh) 智慧家庭能源路由器
CN111665388A (zh) 一种非侵入式的家用空调辨识方法
CN113238092B (zh) 一种基于机器学习的非侵入式检测方法
CN113972646A (zh) 一种基于经济运行诊断分析的智能优化节能系统
CN106405224B (zh) 一种基于海量电能量数据的节能诊断方法及系统
CN111199014B (zh) 一种基于时间序列的seq2point的NILM方法及装置
Bucci et al. A non-intrusive load identification system based on frequency response analysis
CN112904749A (zh) 基于泛在物联网的综合能源信息采集与监控系统及方法
CN113422432B (zh) 一种基于非入侵式负荷监测的电气火灾防控系统
CN109061470A (zh) 终端电动机的数据采集分析方法以及实时分析系统
CN205377455U (zh) 风电场电能质量在线监控系统

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