CN115776111A - 工业场景下负荷监测与在线辨识方法、装置、设备及介质 - Google Patents
工业场景下负荷监测与在线辨识方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115776111A CN115776111A CN202211429397.7A CN202211429397A CN115776111A CN 115776111 A CN115776111 A CN 115776111A CN 202211429397 A CN202211429397 A CN 202211429397A CN 115776111 A CN115776111 A CN 115776111A
- Authority
- CN
- China
- Prior art keywords
- voltage
- equipment
- production environment
- industrial production
- load
- 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
Landscapes
- General Factory Administration (AREA)
Abstract
本发明属于负荷辨识技术领域,公开一种工业场景下负荷监测与在线辨识方法、装置、设备及介质,所述方法,包括:监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;输出所述辨识结果。本发明先在待辨识用电设备上安装学习设备,采用学习设备采集数据训练非侵入式负荷辨识模型;实际使用时,拆除学习设备,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果。
Description
技术领域
本发明属于负荷辨识技术领域,特别涉及一种工业场景下负荷监测与在线辨识方法、装置、设备及介质。
背景技术
负荷辨识技术是一种用于对回路中设备种类、工作状态、电能消耗进行感知的电测量技术。主要通过对用电回路中的负荷特征值进行抓取,通过算法处理,生成特征模型,再通过特征模型的对应关系判断回路中产生负荷的用电电器类型等信息。其中具备深度学习能力的负荷辨识设备,可以通过采用负荷数据进行训练,在设备内部预建立相应的设备模形,使之具备更精准的辨识能力。
现有的负荷辨识方法主要分为侵入式和非侵入式两种。
侵入式是指需要在用户用电环境内部一对一的负荷监测设备,用电设备线路中进行负荷辨识,该方案在用电器的线路中直接抓取负荷波形,受回路中杂波影响小,且不会受到其他用电器波形的干扰,因此需要耗费的算力少,且辨识准确率高,但侵入式负荷辨识方案需要安装的设备数量多,导致安装复杂,且费用高昂,一般仅在复杂的工业环境中使用;
非侵入式指代不需要入侵用户用电环境内部,一般在用户总线上采集负荷波形,进行负荷辨识,该方案采集的是整个用电环境的负荷波形,需要对负荷波形进行对应的处理和辨识工作,因此该方案需要的算力较高,且容易受回路中杂波的干扰,负荷辨识结果相对较差,但非侵入式方案安装简便,价格也相对便宜,一般在居民用电环境中投入使用。
非侵入式负荷辨识方案可以大幅减少安装的复杂程度和预算,但现有的非侵入式负荷辨识方案并不能满足工业生产中回路噪声大、工作环境多变、设备重复率高等复杂工况下的使用要求。
发明内容
本发明的目的在于提供一种工业场景下负荷监测与在线辨识方法、装置、设备及介质,以解决非侵入式负荷辨识方法无法在工业生产中应用的技术问题。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种工业场景下负荷监测与在线辨识方法,包括:
监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;
将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;
输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
本发明进一步的改进在于:所述监测工业生产环境总线中的电压和电流数据的步骤中,采用安装于工业生产环境外部的非侵入式负荷监测设备获取。
本发明进一步的改进在于:所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
本发明进一步的改进在于:所述当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤中,具体的:
当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量。
本发明进一步的改进在于:还包括对辨识结果进行验证的步骤:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
第二方面,本发明提供一种工业场景下负荷监测与在线辨识装置,包括:
非侵入式负荷监测设备,用于监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
本发明进一步的改进在于:所述非侵入式负荷监测设备安装于工业生产环境外部,连接所述工业生产环境总线;
非侵入式负荷监测设备监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤,具体包括:当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量;
所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
本发明进一步的改进在于:还包括用采主站;所述用采主站用于对辨识结果进行验证;所述验证的步骤具体包括:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
第三方面,本发明提供一种电子设备,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现所述的工业场景下负荷监测与在线辨识方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现所述的工业场景下负荷监测与在线辨识方法。
相对于现有技术,本发明具有以下有益效果:
本发明提供一种工业场景下负荷监测与在线辨识方法、装置、设备及介质,先在待辨识用电设备上安装学习设备,采用学习设备采集数据训练非侵入式负荷辨识模型,获得预先训练的非侵入式负荷辨识模型;实际使用时,拆除学习设备,监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果。本发明在使用前有一个真实环境的学习训练过程,使得非侵入式负荷辨识模型更加准确,更有针对性,准确率更高,大大减少设备的辨识难度,克服回路噪声的同时降低算力需求,使得非侵入式负荷辨识方法能够在工业生产中得以应用。学习训练后拆除学习设备,就可以稳定的运行了。学习设备,可以拿到其他的场景去继续的应用,这样的话减少了这个设备的投入,也实现了学习设备的这种重复,重复利用。
进一步的,本发明包括对辨识结果进行验证的步骤:获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。配合分布式环境感知装置进行内部协助验证,实现工业生产环境下的设备种类、工作状态、电能消耗的精准把控。
进一步的,本发明方法打破传统负荷辨识的运行模式,对行业用户个性化特点难以辨识的问题提出了一个通用性的带有学习阶段的辨识方法:
(1)感知生产设备运行状态、运行环境参数,监测设备运行的负荷参数;
(2)将监测到的生产设备的负荷特征上传至主站,生成针对性的数据训练集;
(3)使用采集的数据训练集对非侵入式负荷辨识设备进行针对性训练,有效提高监测设备的辨识准确度;
(4)系统中采用分布式环境感知装置,通过对工业生产环境内部,温度,湿度,震动等环境因素的实时监控,实现负荷辨识结果的内部验证功能。
最终实现用采主站,学习设备、非侵入式负荷监测设备、分布式环境感知装置相结合,基于学习设备对非侵入式负荷检测设备的针对性训练及环境因素的分析验证,实现适用与工业生产场景的点对点高精度非侵入式负荷检测识别系统。
本发明能够精准监测生产环境中,用电设备的启停时间、工作状态、耗电量;分布式环境监测的辅助监测,同时达到收集生产环境中温度、湿度等相关环境参数;用采主站的数据交互功能,可以通过主站实时查看生产环境中的负荷信息,环境参数;学习设备的一对一数据采集,经由主站处理后对负荷监测设备进行针对性训练,该系统的负荷辨识准确率远高于通用的负荷监测设备;完成对负荷监测设备的训练后,学习设备可以进行拆除复用,相较于一对一的负荷监测设备,极大的降低了负荷监测成本。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种工业场景下负荷监测与在线辨识装置在训练状态的结构示意图;
图2为本发明一种工业场景下负荷监测与在线辨识装置在使用状态的结构示意图;
图3为本发明一种工业场景下负荷监测与在线辨识方法的流程示意图;
图4为本发明一种电子设备的结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
请参阅图1和图2所示,本发明提供一种工业场景下负荷监测与在线辨识装置,包括非侵入式负荷监测设备、用采主站和分布式环境感知装置;
其中,非侵入式负荷监测设备接在工业生产环境外部,与工业生产环境总线相连接,用于工业生产回路内设备种类、运行状态、耗电量的辨识,以及用于与用采主站完成数据交互;
分布式环境感知装置包含且不局限于温度、湿度、震动等传感器,安装于工业生产环境内部,用于感知工业生产环境中相应的环境参数;
本发明一种工业场景下负荷监测与在线辨识装置在训练过程中,还包括若干学习设备;工业生产环境中,每一个待辨识用电设备安装一个学习设备;学习设备包括电压、电流传感器,用以收集对应用电设备的负荷特征数据,完成打包后上传到用采主站;
用采主站用于完成数据交互和负荷辨识辅助。用采主站接收学习设备打包的用电设备负荷特征数据,进行数据转换与解析,打包生成数据训练集下发到非侵入式负荷监测设备,用于对监测设备进行辨识训练;同时用采主站完成与非侵入式负荷监测设备的数据交互,下发数据训练集,接受辨识数据;用采主站内置负荷辨识算法,接受分布式环境感知装置返回的环境参数,对非侵入式负荷监测设备的辨识结果进行验证。
环境参数辅助设备辨识或进行验证:即针对工业生产设备常出现的功率高,声音大等特性,在工业生产环境中安装行营的温度、湿度或声音传感器,例如某设备开启后会造成环境温度升高,温度传感器会收集到温度升高信号,辨识设备可以作为辅助信息,同步抓取回路中的功率变化特征,从而完成对该生产设备的准确辨识。
工作流程:
首先在需要进行负荷监测的工业生产环境中,安装分布式环境感知装置,同时环境中需要监测的用电设备,采用一一对应的方式安装学习设备,同时在工业生产环境的总线路上装载非侵入式负荷监测设备。当环境中用电设备正常投入使用,在非侵入式负荷监测设备进行辨识训练和负荷辨识的同时,学习设备通过电压、电流互感器抓取对应用电设备的负荷波形,打包后上传到用采主站,分布式环境感知装置通过温度、湿度、震动传感器记录对应用电设备开启时环境参数变化,上传用采主站。
用采主站将收到的负荷波形进行解析变换,针对环境中不同用电设备生成针对性数据训练集,再通过通讯渠道将数据训练集下发到非侵入式负荷监测设备,对用电设备进行针对性训练,提升辨识效率和准确率。
非侵入式负荷监测设备训练完成后,可以将装入工业生产环境的学习设备拆除,由针对性训练后的非侵入式负荷监测设备进行回路中的负荷辨识,将辨识结果上传至用采主站,同时用采主站收集分布式环境感知装置返回的环境参数,对照训练集中记录的环境参数相关信息,对监测设备上传的负荷辨识结果进行辅助辨识与验证,最终达到精准监测生产环境中用电设备工作状态、实时功率、耗电量等用电信息的效果。
如图1所示,工业生产环境中装入非侵入式负荷监测设备和分布式环境感知装置,且生产设备一一对应装有学习设备,设备进入工作状态,在非侵入式负荷监测设备智能学习的同时,学习设备将对应的生产设备的负荷特征打包上传到用采主站,用采主站解析数据后封装为数字训练集对非侵入式负荷监测设备进行针对性训练,辅佐以分布式环境感应装置,收集不同工况下的温度、湿度、震动等信息,对负荷辨识进行协助辨识和结果验证。训练完成后可拆下学习设备,最终形成图2所示的工业场景下负荷监测与在线辨识装置。
在一具体实施方式中,当用电设备启动至负荷稳定,学习设备采集用电设备的电压和电流数据形成训练集对非侵入式负荷监测设备进行针对性训练;同时,分布式环境感应装置采集该用电设备对应的启动前至启动后负荷稳定时的,环境参数的变化量,例如温度、湿度、震动的变化量,预存为对应用电设备的环境参数变化量。
在一具体实施方式中,当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量;将电压变化量和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果,判断是由于哪个用电设备的启动或者关停,引起的工业生产环境总线中的电压和电流数据变化。同时,获取工业生产环境总线中的电压和电流数据变化至稳定前后工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
实施例2
以应用于印染厂的环保设施监测方案为例,介绍本发明:
首先在染色设备总线安装非侵入式负荷监测设备,生产环境内部安装分布式环境感知装置,同时针对工艺环境中的漂白机、轧染机和污水处理设备分别安装学习设备。
在印染厂投入生产时,首先非侵入式负荷监测设备进行正常的负荷辨识工作和辨识训练,根据现有的波形特征进行辨识和智能学习,同时学习设备将对应的用电器负荷波形进行打包,打包后上传至用采主站,用采主站将数据进行进一步解析整理,打包成数据训练集下发到非侵入式负荷监测设备,针对漂白机、轧染机和污水处理设备的负荷特征进行针对性辨识训练,提升辨识准确度,同时分布式环境感知装置会收集不同设备开启时,生产环境中的温度、湿度、震动等环境参数,将相关数据同步到用采主站,用采主站内置的辨识算法会区分不同设备开启时,环境参数的不同变化趋势,从而达到对负荷监测设备的辨识结果进行辅助验证,同时对于未能辨识的用电器,也可以通过环境参数的变化和监测设备提供的负荷数据进行二次分辨。
对分侵入式负荷监测设备完成训练后,可以对学习设备进行拆除。当环境内设备进行工作时,电网可以通过用采主站监测生产环境内部的设备运行和耗电情况,可以有效的监测当漂白机、轧染机进入工作状态时,污水处理设备有没有正常进入工作状态,达到环保监测的效果,同时针对用户,电网可以通过监测设备的辨识效果提供一份工业生产环境内部主要用电器的用电详单,用户可以依次判断设备运行状况和是否发生异常情况。
实施例3
请参阅图1及图2所示,本发明提供一种工业场景下负荷监测与在线辨识装置,包括:
非侵入式负荷监测设备,用于监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
在一具体实施方式中,所述非侵入式负荷监测设备安装于工业生产环境外部,连接所述工业生产环境总线;
非侵入式负荷监测设备监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤,具体包括:当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量;
所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
在一具体实施方式中,还包括用采主站;所述用采主站用于对辨识结果进行验证;所述验证的步骤具体包括:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
实施例4
请参阅图3所示,本发明提供一种工业场景下负荷监测与在线辨识方法,包括:
S1、监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;
S2、将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;
S3、输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:
S0、在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
在一具体实施方式中,所述监测工业生产环境总线中的电压和电流数据的步骤中,采用安装于工业生产环境外部的非侵入式负荷监测设备获取。
在一具体实施方式中,所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
在一具体实施方式中,所述当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤中,具体的:
当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量。
在一具体实施方式中,还包括对辨识结果进行验证的步骤:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
实施例5
请参阅图3所示,本发明还提供一种实现工业场景下负荷监测与在线辨识方法的电子设备100;所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103,所述处理器102通过运行或执行存储在所述存储器101内的计算机程序,以及调用存储在存储器101内的数据,实现实施例4所述的工业场景下负荷监测与在线辨识方法的步骤。所述存储器101可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外,存储器101可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等,所述处理器102是所述电子设备100的控制中心,利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种工业场景下负荷监测与在线辨识方法,所述处理器102可执行所述多个指令从而实现:
监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;
将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;
输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
实施例6
所述电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM,Read-Only Memory)。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.工业场景下负荷监测与在线辨识方法,其特征在于,包括:
监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;
将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;
输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
2.根据权利要求1所述的工业场景下负荷监测与在线辨识方法,其特征在于,所述监测工业生产环境总线中的电压和电流数据的步骤中,采用安装于工业生产环境外部的非侵入式负荷监测设备获取。
3.根据权利要求1所述的工业场景下负荷监测与在线辨识方法,其特征在于,所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
4.根据权利要求1所述的工业场景下负荷监测与在线辨识方法,其特征在于,所述当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤中,具体的:
当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量。
5.根据权利要求1所述的工业场景下负荷监测与在线辨识方法,其特征在于,还包括对辨识结果进行验证的步骤:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
6.工业场景下负荷监测与在线辨识装置,其特征在于,包括:
非侵入式负荷监测设备,用于监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量;将所述电压和电流数据变化量,输入预先训练的非侵入式负荷辨识模型中,获得辨识结果;输出所述辨识结果;
其中,所述预先训练的非侵入式负荷辨识模型的训练方法包括:在工业生产环境中,每一个待辨识用电设备上安装一个学习设备;所述学习设备包括电压、电流传感器,用以采集对应用电设备的负荷特征数据;学习设备采集用电设备的负荷特征数据,生成数据训练集下发到非侵入式负荷监测设备,采用深度学习的方法对非侵入式负荷监测设备中的非侵入式负荷辨识模型进行训练,训练结束获得预先训练的非侵入式负荷辨识模型。
7.根据权利要求6所述的工业场景下负荷监测与在线辨识装置,其特征在于,所述非侵入式负荷监测设备安装于工业生产环境外部,连接所述工业生产环境总线;
非侵入式负荷监测设备监测工业生产环境总线中的电压和电流数据,当工业生产环境总线中的电压和电流数据变化时,获取电压和电流数据变化量的步骤,具体包括:当工业生产环境总线中的电压和电流由前一个稳定状态,变化至后一个稳定状态时,采用由后一个稳定状态的电压减去前一个稳定状态的电压获得电压数据变化量,后一个稳定状态的电流减去前一个稳定状态的电流获得电流数据变化量;
所述辨识结果包括工业生产环境中设备种类、运行状态或耗电量中的一种或者多种。
8.根据权利要求6所述的工业场景下负荷监测与在线辨识装置,其特征在于,还包括用采主站;所述用采主站用于对辨识结果进行验证;所述验证的步骤具体包括:
获取工业生产环境总线中的电压和电流数据变化时工业生产环境中的环境参数的变化量;所述环境参数包括温度、湿度、震动中的一种或者多种;将获取的环境参数的变化量,与对应辨识结果预存的环境参数变化量比较,差异小于设定阈值的,确认辨识结果正确。
9.一种电子设备,其特征在于,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至5中任意一项所述的工业场景下负荷监测与在线辨识方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至5中任意一项所述的工业场景下负荷监测与在线辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429397.7A CN115776111A (zh) | 2022-11-15 | 2022-11-15 | 工业场景下负荷监测与在线辨识方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429397.7A CN115776111A (zh) | 2022-11-15 | 2022-11-15 | 工业场景下负荷监测与在线辨识方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115776111A true CN115776111A (zh) | 2023-03-10 |
Family
ID=85389199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211429397.7A Pending CN115776111A (zh) | 2022-11-15 | 2022-11-15 | 工业场景下负荷监测与在线辨识方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115776111A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738049A (zh) * | 2023-06-13 | 2023-09-12 | 湖北华中电力科技开发有限责任公司 | 基于大数据技术的用电监测系统、方法、装置和存储介质 |
-
2022
- 2022-11-15 CN CN202211429397.7A patent/CN115776111A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738049A (zh) * | 2023-06-13 | 2023-09-12 | 湖北华中电力科技开发有限责任公司 | 基于大数据技术的用电监测系统、方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102369491B (zh) | 动作信息输出装置、动作信息输出装置的控制方法、监视装置、监视装置的控制方法以及控制程序 | |
Elafoudi et al. | Power disaggregation of domestic smart meter readings using dynamic time warping | |
US20070282548A1 (en) | Method and Apparatus for Assessing Condition of Motor-Driven Mechanical System | |
KR102049453B1 (ko) | 전력 데이터 분석을 이용한 가전기기 분류를 위한 장치 및 방법 | |
CN115776111A (zh) | 工业场景下负荷监测与在线辨识方法、装置、设备及介质 | |
CN103838181B (zh) | 机床状态判断方法以及系统 | |
CN102369489A (zh) | 消耗率计算装置、消耗率计算装置的控制方法以及控制程序 | |
CN109443769B (zh) | 电机轴承状态的检测方法、系统、装置及可读存储介质 | |
KR20180058113A (ko) | 가전기기 고유값 추출을 이용한 가전기기 분류 시스템 및 방법 | |
CN109447473B (zh) | 一种电力负荷监测方法、装置、设备及可读存储介质 | |
CN109470946A (zh) | 一种发电设备故障检测方法及系统 | |
CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
US20160109492A1 (en) | Method and system for analysing electricity consumption | |
CN112765149A (zh) | 储能系统容量的计算系统及方法 | |
Cai et al. | Multivariate detection of power system disturbances based on fourth order moment and singular value decomposition | |
WO2008127535A1 (en) | Machine condition monitoring using pattern rules | |
CN114200877A (zh) | 一种用电设备的监控方法和装置 | |
JP5579139B2 (ja) | 制御データ収集評価装置および制御データ収集評価方法 | |
CN110017894B (zh) | 变压器运行状态振声检测中随机噪声的滤除方法和装置 | |
CN110646654A (zh) | 一种防窃电检测系统 | |
CN115267286A (zh) | 一种用于负荷辨识的在线监测系统及方法 | |
CN115269241A (zh) | 一种对周期性数据进行异常检测的方法、装置及存储介质 | |
EP3376165A1 (en) | Power monitor | |
CN115149518A (zh) | 电网拓扑识别方法、断路器及电网拓扑系统 | |
US11131985B2 (en) | Noise generation cause estimation device |
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 |