CN114778992A - 一种电器安全检测方法及智能电表 - Google Patents

一种电器安全检测方法及智能电表 Download PDF

Info

Publication number
CN114778992A
CN114778992A CN202210557741.4A CN202210557741A CN114778992A CN 114778992 A CN114778992 A CN 114778992A CN 202210557741 A CN202210557741 A CN 202210557741A CN 114778992 A CN114778992 A CN 114778992A
Authority
CN
China
Prior art keywords
load
power
weight
fault
current
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
Application number
CN202210557741.4A
Other languages
English (en)
Inventor
林其友
葛愿
徐通
舒晓欣
尹成
陈繁
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.)
State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Anhui Polytechnic University
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Anhui Polytechnic University
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
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 State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co, Anhui Polytechnic University, Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Priority to CN202210557741.4A priority Critical patent/CN114778992A/zh
Publication of CN114778992A publication Critical patent/CN114778992A/zh
Pending legal-status Critical Current

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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
    • G01R11/02—Constructional details
    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开的一种电器安全检测方法，包括如下步骤：S1、实时采集家庭的家用电器用电数据，包括：用电总功率；S2、实时采集家庭的用电数据来识别当前正在运行负荷；S3、监测正在运行负荷的电流波形，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将认定该运行负荷故障；S4、基于故障负荷发出报警并进行断电操作，并保存操作数据。本发明优化了电表功能，可以实时监控家用电器安全状态，对故障电弧用电安全隐患进行持续跟踪，从而解决不容易被常规电路保护装置发现的潜在危险。

Description

一种电器安全检测方法及智能电表
技术领域
本发明属于电力技术领域，更具体地，本发明涉及一种电器安全检测方法及智能电表。
背景技术
智能电表是智能电网(特别是智能配电网)数据采集的基本设备之一，承担着原始电能数据采集、计量和传输的任务，是实现信息集成、分析优化和信息展现的基础。智能电表的功能大多用于采集用电量的计量，存在智能电表功能单一，用电安全防护措施效率低的问题。
发明内容
本发明提供一种电器安全检测方法，旨在改善上述问题。
本发明是在这样实现的，一种电器安全检测方法，所述方法包括如下步骤：
S1、实时采集家庭的家用电器用电数据，包括：用电总功率；
S2、实时采集家庭的用电数据来识别当前正在运行负荷；
S3、监测正在运行负荷的电流波形，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将认定该运行负荷故障；
S4、基于故障负荷发出报警并进行断电操作，并保存操作数据。
进一步的，当前正在运行负荷的识别方法具体如下：
S21、通过K-Means聚类算法获取各类负荷在各状态下的特征功率Pj，其中，j为状态标识，取值为1至3，分别表示关闭状态、待机状态及运行状态三种状态；
S22、通过随机梯度下降算法获取权重w和偏置b；
S23、选取权重w大于权重阈值的负荷，选取的所有负荷的状态进行枚举，将各个负荷状态进行组合，形成负荷状态组合集；
S24、计算每种负荷状态组合下的负荷功率，与读取的用电总功率做残差计算，将残差最小的负荷状态组合即为当前正在运行负荷的状态；
负荷状态组合下的负荷功率计算公式具体如下：
P＝∑mw×Pj+b
其中，m表示负荷状态组合下的负荷数量，Pj表示当前负荷在第j种状态下的特征功率，w、b分别表示权重和偏置值。
进一步的，权重w和偏置b确定具体如下；
(1)对家庭存在的所有类负荷状态进行枚举，将枚举的各个负荷状态进行组合，形成负荷状态组合集；
(2)计算所有负荷状态组合下的总特征功率，同时计算总特征功率与电表读取到的用电总功率的残差，选取残差最小的N种负荷状态组合；
(3)计算上述选取的所有负荷状态组合在当前权重wk和偏置bk下的损失值L(wk,bk)，损失函数具体如下：
Figure BDA0003652925930000021
其中，yi表示第i个负荷状态组合下电表读取到的用电总功率，f(wkPj+bk)表示第i个负荷状态组合下的总功率计算值，其计算公式具体如下：∑mwi×Pj+bi，m表示负荷状态组合中的负荷数量；
(4)利用随机梯度下降算法更新各个负荷状态组合对应的权重和偏置，利用随机梯度下降算法更新权重和偏置，
Figure BDA0003652925930000022
Figure BDA0003652925930000031
其中，wk+1,bk+1分别是更新后的权重和偏置，wk,bk分别是当前循环中的权重和偏置，α是学习率，循环执行步骤(3)；
(5)当L≤Lmin时，停止循环，选取损失值最小的权重和偏置作为权重w和偏置b。
本发明是这样实现的，一种智能电表，智能用电表与家用电器电连接，所述智能电表上集成有电器安全检测装置，电器安全检测装置包括：
数据采集模块，用于实时采集家庭的家用电器用电数据，包括：用电总功率及用电电流；
非侵入式负荷识别模块，基于实时采集家庭的用电数据来识别当前正在运行负荷；
负荷监测模块，监测正在运行负荷的电流波形；
故障负荷判定模块，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将故障电荷信息发送至电表控制模块；
电表控制模块，基于故障电荷信息发出报警及进行断电操作，并保存操作数据。
本发明优化了电表功能，可以实时监控家用电器安全状态，对故障电弧用电安全隐患进行持续跟踪，从而解决不容易被常规电路保护装置发现的潜在危险。
附图说明
图1为本发明实施例提供的电器安全检测方法流程图；
图2为本发明实施例提供的电器安全检测装置的结构示意图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的电器安全检测方法流程图，该方法具体包括如下步骤：
S1、实时采集家庭的家用电器用电数据，包括：用电总功率；
S2、基于实时采集家庭的用电数据来识别当前正在运行负荷；
S3、监测正在运行负荷的电流波形，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将认定该运行负荷故障；
S4、基于故障负荷发出报警并进行断电操作，并保存操作数据。
在本发明实施例中，当前正在运行负荷的识别方法具体如下：
S21、通过K-Means聚类算法获取各类负荷在各状态下的特征功率Pj，其中，j为状态标识，取值为1至3，分别表示关闭状态、待机状态及运行状态三种状态；
对当前用家庭在的所有负荷类型分别采用K-Means聚类算法，假定当前家庭存在6类负荷，则针对这6类负荷分别执行用K-Means聚类算法来获取对应负荷在关闭状态、待机状态及运行状态的特征功率，K-Means聚类算法具体如下：
(211)机选取三个聚类中心{P1 (0),P2 (0),P3 (0)}，分别表示当前负荷在三种状态下的初始特征功率；
(212)计算各个功率与聚类中心的损失函数，定义损失函数(各个功率距离所属聚类中心的误差平方和)：
Figure BDA0003652925930000041
其中，Pi表示采集到的负荷用电总功率，Pj表示第j种状态下的特征功率(聚类中心)；
(213)循环迭代(212)来将每个采集到的负荷用电总功率Pi分配到距离最近的聚类中心：
Figure BDA0003652925930000051
更新聚类中心，更新为该簇内所有对象(负荷用电总功率Pi)的均值，直到损失函数J收敛；损失函数J收敛后的聚类中心即对应负荷在三种状态下的特征功率。
S22、通过随机梯度下降算法获取权重w和偏置b；
(221)对家庭存在的所有类负荷状态进行枚举，将枚举的各个负荷状态进行组合，形成一系列的负荷状态组合，假定存在3种负荷，每个负荷有3钟状态，那么存在
Figure BDA0003652925930000052
种负荷状态组合；
(222)计算所有负荷状态组合下的总特征功率，同时计算总特征功率与电表读取到的用电总功率的差值，选取差值最小的N种负荷状态组合；
(223)计算上述选取的所有负荷状态组合在当前权重wk和偏置bk下的损失值L(wk,bk)，损失函数具体如下：
Figure BDA0003652925930000053
其中，yi表示第i个负荷状态组合下电表读取到的电总功率，f(wkPj+bk)表示第i个负荷状态组合下的总功率计算值，其计算公式具体如下：∑mwi×Pj+bi，m表示负荷状态组合中的负荷数量；
(224)利用随机梯度下降算法更新权重和偏置，
Figure BDA0003652925930000054
Figure BDA0003652925930000055
其中，wk+1,bk+1分别是更新后的权重和偏置，wk,bk分别是当前循环中的权重和偏置，α是学习率，为设定值，循环执行步骤(233)；
(225)当L≤Lmin时，Lmin为设定最低损失阈值，停止循环，选取损失值(L)最小的权重w和偏置b。
S23、选取权重w大于权重阈值的负荷，选取的所有负荷状态进行枚举，将枚举的各个负荷状态进行组合，形成负荷状态组合集，组合方法与上述步骤(221)相同；
S24、通过公式P＝∑mw×Pj+b计算每种负荷状态组合下的负荷功率，与读取的用电总功率做残差计算，将残差最小的负荷状态组合即为当前正在运行负荷的状态。
本发明还提供一种智能电表，该家用智能表与家庭中的电器电连接，家用智能表上集成有电器安全检测装置，电器安全检测装置的结构示意图如图2所示，该装置包括：
数据采集模块，用于实时采集家庭的家用电器用电数据，包括：用电总功率及用电电流；
非侵入式负荷识别模块，基于实时采集家庭的用电数据来识别当前正在运行负荷，当前正在运行负荷的识别方法同上所述；
负荷监测模块，监测正在运行负荷的电流波形；
故障负荷判定模块，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将故障电荷信息发送至电表控制模块；
电表控制模块，基于故障电荷信息发出报警及进行断电操作，并保存操作数据。
本发明优化了电表功能，可以实时监控家用电器安全状态，对故障电弧用电安全隐患进行持续跟踪，从而解决不容易被常规电路保护装置发现的潜在危险；此外，为电网公司更加方便详细地了解居民用户的用电情况，了解电力用户负荷的构成，加强负荷侧管理，通过引导用户合理消费、合理安排负荷的使用时间达到调节峰谷差和降低网损等目的，有助于改善电力负荷的预测精度，为电力系统仿真分析、系统规划提供更准确的数据。
本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (4)

1.一种电器安全检测方法，其特征在于，所述方法包括如下步骤：
S1、实时采集家庭的家用电器用电数据，包括：用电总功率；
S2、实时采集家庭的用电数据来识别当前正在运行负荷；
S3、监测正在运行负荷的电流波形，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将认定该运行负荷故障；
S4、基于故障负荷发出报警并进行断电操作，并保存操作数据。
2.如权利要求1所述电器安全检测方法，其特征在于，当前正在运行负荷的识别方法具体如下：
S21、通过K-Means聚类算法获取各类负荷在各状态下的特征功率Pj，其中，j为状态标识，取值为1至3，分别表示关闭状态、待机状态及运行状态三种状态；
S22、通过随机梯度下降算法获取权重w和偏置b；
S23、选取权重w大于权重阈值的负荷，选取的所有负荷的状态进行枚举，将各个负荷状态进行组合，形成负荷状态组合集；
S24、计算每种负荷状态组合下的负荷功率，与读取的用电总功率做残差计算，将残差最小的负荷状态组合即为当前正在运行负荷的状态；
负荷状态组合下的负荷功率计算公式具体如下：
P＝∑mw×Pj+b
其中，m表示负荷状态组合下的负荷数量，Pj表示当前负荷在第j种状态下的特征功率，w、b分别表示权重和偏置值。
3.如权利要求2所述电器安全检测方法，其特征在于，权重w和偏置b确定具体如下；
(1)对家庭存在的所有类负荷状态进行枚举，将枚举的各个负荷状态进行组合，形成负荷状态组合集；
(2)计算所有负荷状态组合下的总特征功率，同时计算总特征功率与电表读取到的用电总功率的残差，选取残差最小的N种负荷状态组合；
(3)计算上述选取的所有负荷状态组合在当前权重wk和偏置bk下的损失值L(wk,bk)，损失函数具体如下：
Figure FDA0003652925920000021
其中，yi表示第i个负荷状态组合下电表读取到的用电总功率，f(wkPj+bk)表示第i个负荷状态组合下的总功率计算值，其计算公式具体如下：∑mwi×Pj+bi，m表示负荷状态组合中的负荷数量；
(4)利用随机梯度下降算法更新各个负荷状态组合对应的权重和偏置，利用随机梯度下降算法更新权重和偏置，
Figure FDA0003652925920000022
Figure FDA0003652925920000023
其中，wk+1,bk+1分别是更新后的权重和偏置，wk,bk分别是当前循环中的权重和偏置，α是学习率，循环执行步骤(3)；
(5)当L≤Lmin时，停止循环，选取损失值最小的权重和偏置作为权重w和偏置b。
4.一种智能电表，智能用电表与家用电器电连接，其特征在于，所述智能电表上集成有电器安全检测装置，电器安全检测装置包括：
数据采集模块，用于实时采集家庭的家用电器用电数据，包括：用电总功率及用电电流；
非侵入式负荷识别模块，基于实时采集家庭的用电数据来识别当前正在运行负荷；
负荷监测模块，监测正在运行负荷的电流波形；
故障负荷判定模块，将正在运行负荷的电流波形特征与对应负荷类别的电流波形特征进行匹配，若出现故障电弧，则将故障电荷信息发送至电表控制模块；
电表控制模块，基于故障电荷信息发出报警及进行断电操作，并保存操作数据。
CN202210557741.4A 2022-05-19 2022-05-19 一种电器安全检测方法及智能电表 Pending CN114778992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210557741.4A CN114778992A (zh) 2022-05-19 2022-05-19 一种电器安全检测方法及智能电表

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210557741.4A CN114778992A (zh) 2022-05-19 2022-05-19 一种电器安全检测方法及智能电表

Publications (1)

Publication Number Publication Date
CN114778992A true CN114778992A (zh) 2022-07-22

Family

ID=82409194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210557741.4A Pending CN114778992A (zh) 2022-05-19 2022-05-19 一种电器安全检测方法及智能电表

Country Status (1)

Country Link
CN (1) CN114778992A (zh)

Similar Documents

Publication Publication Date Title
CN106093652B (zh) 一种具备自学习功能的非侵入式电力负荷监测系统与方法
CN103197138B (zh) 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法
CN103135009B (zh) 基于使用者回馈信息的电器侦测方法与系统
CN109492667A (zh) 一种用于非侵入式电力负荷监测的特征选择辨识方法
CN109670675B (zh) 充电桩运行状态评价方法及装置
CN107453483A (zh) 一种电网调度控制系统
CN101763598A (zh) 电能管理系统
CN103001230A (zh) 非侵入式电力负荷监测与分解的电流模式匹配方法
CN109470957B (zh) 一种基于弗雷歇距离的非侵入式电器识别方法
CN105807107A (zh) 一种基于物联网的电气设备用电量估算系统及方法
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及系统
CN109038678A (zh) 基于大数据的园区分布式能源智能管控系统
CN104538957A (zh) 用于统计低频低压切负荷容量的电网模型自适应处理方法
CN115173550A (zh) 一种分布式光伏发电实时监控方法和系统
CN102930408B (zh) 一种基于信息融合的750kV电网二次设备状态评估方法
CN114528951A (zh) 一种配网线路单线图异常诊断分析方法、系统及装置
CN115684809A (zh) 一种基于虚拟电厂的用户端用电测试系统
CN114742488A (zh) 一种主变压器运行风险评估方法和系统
Chen et al. Big data analysis based identification method of low-voltage substation area
CN109886539A (zh) 基于不确定多属性的智能配电网自愈性评价方法和系统
CN107732902B (zh) 配电网经济运行监控及评价方法
CN113206547A (zh) 基于非侵入式电力负荷监测的变电站电力分配系统
CN112905670A (zh) 用于户内停电故障研判的电能表系统、户内停电故障研判方法
CN114778992A (zh) 一种电器安全检测方法及智能电表
CN113269478B (zh) 一种基于多模型的集中器异常数据提醒方法及系统

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