CN115825602A - 一种综合多元信息相似性分析的负荷辨识方法及系统 - Google Patents
一种综合多元信息相似性分析的负荷辨识方法及系统 Download PDFInfo
- Publication number
- CN115825602A CN115825602A CN202210954478.2A CN202210954478A CN115825602A CN 115825602 A CN115825602 A CN 115825602A CN 202210954478 A CN202210954478 A CN 202210954478A CN 115825602 A CN115825602 A CN 115825602A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- current data
- multivariate
- feature information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 170
- 239000013598 vector Substances 0.000 claims abstract description 107
- 230000008859 change Effects 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010183 spectrum analysis Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种综合多元信息相似性分析的负荷辨识方法及系统，包括：基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
Description
技术领域
本发明涉及低压配用电技术领域，并且更具体地，涉及一种综合多元信息相似性分析的负荷辨识方法及系统。
背景技术
随着近年来全球能源消耗总量不断攀升，能源短缺问题日益突出。通过技术手段开展能源变革有利于能源体系向着低碳绿色发展转变。目前，配用电等客户侧资源与电力系统的联系较为薄弱，研究先进的信息数据处理技术对客户侧资源进行整合与调度，通过实现电能与信息的双向互动对提升电力系统的效率与性能有着重要意义。
研究客户侧负荷的能耗测量方法，实现客户侧用电能效的有效提升，并实施有效的客户侧负荷管理被认为是解决目前能源紧缺问题的重要途径。客户侧负荷管理可以引导电力用户提高终端用电效率，优化用电方式，对电力资源进行科学配置和调度，在不影响用户正常用电需求的情况下减少电力消耗和电能需求，通过实现减小峰谷用电差，降低配用电侧的电能传输波动，提高电网的可靠性和经济性。
目前可以实现客户侧负荷的能耗测量方法主要有两种：侵入式负荷监测和非侵入式负荷监测。侵入式负荷监测方法原理简单，但是存在经济成本高、需要入户安装传感器隐私性差等缺陷。非侵入式负荷监测方式由于用户覆盖广、数据完整性好等特点，近年来被许多学者广泛研究。非侵入式负荷监测技术重点主要为负荷辨识与负荷分解两方面，随着神经网络等算法不断发展，负荷辨识领域已有许多研究，且大多数方法取得了较高的辨识率，但对于负荷分解方面相关研究较少，在实现多负荷并行运行情况下的负荷识别不能取得很好的效果。
因此，需要研究一种综合多元信息相似性分析的负荷辨识方法。
发明内容
本发明提出一种综合多元信息相似性分析的负荷辨识方法及系统，以解决如何准确地确定负荷投入或切出类型的问题。
为了解决上述问题，根据本发明的一个方面，提供了一种综合多元信息相似性分析的负荷辨识方法，所述方法包括：
基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；
当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；
基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；
对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；
基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；
根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
优选地，其中所述基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
优选地，其中所述方法还包括：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
优选地，其中所述方法利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
优选地，其中所述基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
根据本发明的另一个方面，提供了一种综合多元信息相似性分析的负荷辨识系统，所述系统包括：
负荷变化确定单元，用于基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；
数据获取单元，用于当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；
第一负荷分解数据确定单元，用于基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；
多元信息分析单元，用于对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；
第三负荷分解数据确定单元，用于基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；
切出负荷确定单元，用于根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
优选地，其中所述负荷变化确定单元，基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
优选地，其中所述系统还包括：关联关系建立单元，用于：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
优选地，其中所述多元信息分析单元，利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
优选地，其中所述第三负荷分解数据确定单元，基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种综合多元信息相似性分析的负荷辨识方法中任一项的步骤。
基于本发明的另一方面，本发明提供一种电子设备，包括：
上述的计算机可读存储介质；以及
一个或多个处理器，用于执行所述计算机可读存储介质中的程序。
本发明提供了一种综合多元信息相似性分析的负荷辨识方法及系统，包括：基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。本发明的效果在于：(1)能够准确地实现多负荷并行运行情况下的负荷分解，为实现客户侧的非侵入式负荷监测技术应用和设备级负荷监测体系建立提供技术支撑；(2)通过分析负荷投切时刻前后两个数据窗进行负荷分解，解决了以往方法将多个负荷并行运行情况作为一种新负荷进行辨识，导致训练样本过大的情况，本方法的提出具有一定工程意义；(3)利用快速傅里叶变换对负荷数据进行分析，并利用谐波分析与重构实现负荷分解，解决了以往方法中对数据窗中的波形直接相减，但是实际应用中两数据窗中的波形相位差难以捕捉的缺点；(4)从时域、频域、时频域分别对数据窗信号进行分析，计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和与小波包能量熵，构建综合多元信息特征向量，相比以往方法仅从功率阈值单一角度进行数据分析的局限性，利于准确的研判负荷切出事件；(5)使用欧氏距离对构建的综合多元信息特征向量进行相似性分析，可以在负荷切出时准确的判断、删除对应的负荷基准数据，实现负荷基准数据集更新。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明实施方式的综合多元信息相似性分析的负荷辨识方法100的流程图；
图2为根据本发明实施方式的进行负荷辨识的流程图；
图3为根据本发明实施方式的进行负荷辨识的原理图；
图4为根据本发明实施方式的电气投切过程的示意图；
图5为根据本发明实施方式的负荷接入前后电流波形的示意图；
图6为根据本发明实施方式的综合多元信息相似性分析的负荷辨识系统600的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的综合多元信息相似性分析的负荷辨识方法100的流程图。如图1所示，本发明实施方式提供的综合多元信息相似性分析的负荷辨识方法，(1)能够准确地实现多负荷并行运行情况下的负荷分解，为实现客户侧的非侵入式负荷监测技术应用和设备级负荷监测体系建立提供技术支撑；(2)通过分析负荷投切时刻前后两个数据窗进行负荷分解，解决了以往方法将多个负荷并行运行情况作为一种新负荷进行辨识，导致训练样本过大的情况，本方法的提出具有一定工程意义；(3)利用快速傅里叶变换对负荷数据进行分析，并利用谐波分析与重构实现负荷分解，解决了以往方法中对数据窗中的波形直接相减，但是实际应用中两数据窗中的波形相位差难以捕捉的缺点；(4)从时域、频域、时频域分别对数据窗信号进行分析，计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和与小波包能量熵，构建综合多元信息特征向量，相比以往方法仅从功率阈值单一角度进行数据分析的局限性，利于准确的研判负荷切出事件；(5)使用欧氏距离对构建的综合多元信息特征向量进行相似性分析，可以在负荷切出时准确的判断、删除对应的负荷基准数据，实现负荷基准数据集更新。本发明实施方式提供的综合多元信息相似性分析的负荷辨识方法100，从步骤101处开始，在步骤101基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化。
优选地，其中所述基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
结合图2所示，在本发明中，首先依据采样频率设置数据窗长度L，并根据数据窗长度L获取一个数据窗长度的电流数据D0。在获取数据窗D0后，利用快速傅里叶变换对数据窗内数据进行频谱分析，获取数据窗D0分解后的基波幅值FFT_D0，并完成上述步骤的同时获取下一个数据窗的电流数据D1，分析获得对应数据窗频谱分析后的基波幅值FFT_D1。再比较FFT_D0和FFT_D1进行负荷投切的具体判断。
具体地，若FFT_D0和FFT_D1的差值的绝对值小于等于预设阈值ε，则判定为无负荷投入或切出，进行数据窗滑动，将数据窗D1的数据替换数据窗D0的数据，继续进行后续计算。
若FFT_D0和FFT_D1的差值的绝对值大于预设阈值ε，则确定有负荷投入或切出，存在负荷变化。在判断负荷投入或切出前进行下一个数据窗D2的电流值获取。然后对FFT_D0和FFT_D1进行阈值比较，明确负荷投切的事件判断。
其中，若FFT_D1和FFT_D0的差值大于预设阈值ε，则确定负荷变化类型为有负荷投入；若FFT_D0和FFT_D1的差值大于预设阈值ε，则确定负荷变化类型为有负荷切出。
在步骤102，当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据。
在步骤103，基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据。
结合图2所示，在本发明中，当确定存在负荷切出时，获取下一个数据窗的电流数据D2，再分析数据D0和D2数据。考虑到实际情况中电流信号的8次谐波以上幅值几乎为0，利用快速傅里叶变换对两个数据窗的电流数据进行频谱分析，获取基波到10次谐波的幅值，通过对11个量的线性计算与重构，实现数据的负荷分解，并将负荷分解得到的第一负荷分解数据保存为Q。另外，在完成负荷切出信号的负荷分解后，滑动数据窗实现数据D2到D0的赋值。
在步骤104，对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量。
优选地，其中所述方法利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
在步骤105，基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据。
优选地，其中所述基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
在步骤106，根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
在本发明中，当负荷投入时，也会进行负荷分解，以确定第二负荷分解数据Ti，并根据负荷分解数据进行负荷辨识，并建立辨识出的投入负荷和对应的第二负荷分解数据间的关联关系进行保存，以当负荷切出时，进行切出的负荷的识别。其中，当存在负荷投入时，将负荷分解得到的第二负荷分解数据保存为Ti，其中i与投切次数相关，初始值为0，负荷投入时i＝i+1。在完成负荷投入信号的负荷分解后，滑动数据窗实现数据D2到D0的赋值。
结合图2和图3所示，在本发明中，当存在负荷切出时，分别对第一负荷分解数据Q和已存储的每个第二负荷分解数据Ti进行多元信息分析，利用时域特征计算、快速傅里叶变换和小波包变换分别计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和与小波包能量熵，并构建时域、频域和时频域分析结合的第一多元特征信息向量q和第二多元特征信息向量ti。在构建综合多元特征信息向量后，计算特征向量q和特征向量ti之间的欧氏距离di，利用欧氏距离进行数据Q和数据Ti的相似性分析，欧式距离di计算公式如下：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数。
然后，根据欧式距离长短对对应的数据Ti进行排序，并选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据Tk为切出负荷对应的第三负荷分解数据。在确定了切出负荷对应的负荷分解数据后，去除欧氏距离最小的数据Tk，同时由于负荷切除实现i＝i-1，完成数据Ti的更新。最后，根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
优选地，其中所述方法还包括：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
在本发明中，当存在负荷投入时，获取下一个数据窗的电流数据D2，再分析数据D0和D2数据。考虑到实际情况中电流信号的8次及以上谐波幅值几乎为0，本专利利用快速傅里叶变换对两个数据窗进行频谱分析，获取基波到10次谐波的幅值，通过对11个量的线性计算与重构，实现数据的负荷分解，得到第二负荷分解数据，并将负荷分解得到的数据保存为Ti，其中i与投切次数相关，初始值为0，负荷投入时i＝i+1。最后，基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
另外，在完成负荷投入信号的负荷分解后，需要滑动数据窗实现数据D2到D0的赋值，以进行下一循环的判断。
本发明的方法可以应用在低压系统客户侧电力设备负荷辨识装置研发与配置上，能够为实现多负荷并行运行的复杂用电场景下的负荷识别提供技术支撑。
以下具体举例说明本发明的实施方式
在本发明的实施方式中，利用小太阳和电钻两种电器进行方法的实际验证。
在具体实例验证中，采用100kHz的采样频率对电压、电流信号进行采集，并将采集到的数据进行数据窗划分，其中数据窗长度L＝6000。为验证分解后的波形仍为电器的电流波形，且具有辨识意义，在开始前利用GRU神经网络算法对小太阳、热水壶、电钻和取暖器等四种电器的单独运行情况下采集的电流波形作为输入，进行网络模型训练，用于后续对分解波形进行负荷辨识，验证本方法的有效性。
为验证本方法可以实现负荷分解功能，设计如图4所示的电器投切过程。首先保持线路的空载，在t1时刻接入小太阳，并持续运行至t2时刻。在t2时刻后接入电钻，两种电器并行运行至t3时刻，然后切出小太阳，只保留电钻单独运行到t4时刻，最后切出电钻，线路恢复空载状态。接下来对负荷分解过程进行详细描述。
首先从实时采样数据中分别读取两个长度为L的电流数据，并将第一个数据窗读取到的数据保存为空载状态的标准数据。接着对两个数据窗的数据进行频谱分析，其中数据的基波幅值差的绝对值小于阈值ε，证明无负荷投切，然后滑动数据窗，更新两个数据窗的数据，进行下一时刻的负荷投切判断。
直到t1时刻，经过数据窗频谱分析，确定为有负荷投入事件，读取下一个数据窗数据，获取接入A负荷后的稳态运行数据。将新读取的数据窗数据与接入负荷前的数据窗数据进行分析，提取两数据窗的基波到10次谐波数据，对应频段数据线性处理后进行重构，将处理后的信息保存为A负荷的标准数据，方便后续该负荷切出时进行分析判断。在完成第一个负荷接入判断处理后，将投入负荷后的稳态数据窗数据与空载状态的标准数据和A负荷的标准数据进行谐波提取分解处理，得到该时刻的分解数据。然后将分解后的数据送入此前训练好的GRU网络进行负荷辨识，通过算法辨识确定A负荷为小太阳，并建立小太阳和对应的分解数据间的关联关系。完成上述步骤后，滑动数据窗进行下一投切事件的判断。
到t2时刻，在数据窗频谱分析后，判断有B负荷接入。如前面步骤所述进行数据处理，在完成B负荷的标准数据获取后，选取投入负荷后的稳态数据窗数据与各负荷的标准数据进行分析，完成多负荷的波形分解，其中负荷前后的波形对比如图5所示。接着将分解后的信号送入辨识程序进行辨识，确定为电钻接入。然后滑动数据窗进行后续的事件检测分析。
到t3时刻，在数据窗频谱分析后，判断有负荷切出。继续读取切出负荷后的稳态数据，并将其与切出前的数据窗数据进行谐波提取分解处理，得到切出负荷的标准数据。然后，分析该标准数据与A负荷、B负荷的标准数据，分别提取数据窗数据的有效值、谐波幅值和小波包能量熵，构建对应的多元信息特征向量。接着，计算切出负荷的多元信息特征向量与A、B负荷标准数据对应的特征向量之间的欧氏距离，将特征向量的欧氏距离最近的负荷标准数据确定为切出的负荷，去除对应的负荷标准数据，完成负荷标准数据库的更新。更新标准库后，将切出事件后的稳态数据与负荷标准数据进行谐波分析重构处理，得到目前时刻的电流分解数据，并根据负荷和分解数据间的关联关系进行切出负荷的判断。在完成上述步骤后，继续滑动数据窗进行后续分析。
到t4时刻，在数据窗频谱分析后，判断有负荷切出。如t3时刻的负荷切出判断步骤所述，完成电钻的切出事件判断。最后，通过设置两种负荷的单独运行与并行运行的方式进行了实验，完成了本发明方法的有效性验证。因此，通过本发明方法可以实现多电器并行运行情况下的负荷辨识。
图6为根据本发明实施方式的综合多元信息相似性分析的负荷辨识系统700的结构示意图。如图6所示，本发明实施方式提供的综合多元信息相似性分析的负荷辨识系统600，包括：负荷变化确定单元601、数据获取单元602、第一负荷分解数据确定单元603、多元信息分析单元604、第三负荷分解数据确定单元605和切出负荷确定单元606。
优选地，所述负荷变化确定单元601，用于基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化。
优选地，其中所述负荷变化确定单元601，基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
优选地，所述数据获取单元602，用于当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据。
优选地，所述第一负荷分解数据确定单元603，用于基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据。
优选地，所述多元信息分析单元604，用于对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量。
优选地，其中所述多元信息分析单元604，利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
优选地，其中所述系统还包括：关联关系建立单元，用于：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
优选地，所述第三负荷分解数据确定单元605，用于基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据。
优选地，所述切出负荷确定单元606，用于根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
优选地，其中所述第三负荷分解数据确定单元605，基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
本发明的实施例的综合多元信息相似性分析的负荷辨识系统600与本发明的另一个实施例的综合多元信息相似性分析的负荷辨识方法100相对应，在此不再赘述。
基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种综合多元信息相似性分析的负荷辨识方法中任一项的步骤。
基于本发明的另一方面，本发明提供一种电子设备，包括：
上述的计算机可读存储介质；以及
一个或多个处理器，用于执行所述计算机可读存储介质中的程序。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
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 (12)
1.一种综合多元信息相似性分析的负荷辨识方法，其特征在于，所述方法包括：
基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；
当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；
基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；
对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；
基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；
根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
2.根据权利要求1所述的方法，其特征在于，所述基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
4.根据权利要求1所述的方法，其特征在于，所述方法利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
6.一种综合多元信息相似性分析的负荷辨识系统，其特征在于，所述系统包括：
负荷变化确定单元，用于基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化；
数据获取单元，用于当确定存在负荷变化且变化类型为负荷切出时，获取下一个数据窗的电流数据；
第一负荷分解数据确定单元，用于基于所述上一个数据窗的电流数据和下一个数据窗的电流数据进行负荷分解，确定第一负荷分解数据；
多元信息分析单元，用于对所述第一负荷分解数据和与已投入负荷关联的第二负荷分解数据分别进行多元信息分析，确定第一负荷分解数据对应的第一多元特征信息向量和每个第二负荷分解数据对应的第二多元特征信息向量；
第三负荷分解数据确定单元，用于基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据；
切出负荷确定单元，用于根据所述第三负荷分解数据，基于已投入负荷和第二负荷分解数据间的关联关系进行负荷匹配，确定切出负荷。
7.根据权利要求6所述的系统，其特征在于，所述负荷变化确定单元，基于当前数据窗和上一个数据窗的电流数据对应的基波幅值确定是否存在负荷变化，包括：
若上一个数据窗的电流数据D0对应的基波幅值FFT_D0与当前数据窗的电流数据D1对应的基波幅值FFT_D1的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷切出；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值满足大于预设阈值，则确定存在负荷变化，且变化类型为负荷投入；
若当前数据窗的电流数据D1对应的基波幅值FFT_D1与上一个数据窗的电流数据D0对应的基波幅值FFT_D0的差值的绝对值满足小于等于预设阈值，则确定不存在负荷变化。
8.根据权利要求6所述的系统，其特征在于，所述系统还包括：关联关系建立单元，用于：
当确定存在负荷变化，且变化类型为负荷投入时，获取下一个数据窗的电流数据D2；
分别对上一个数据窗的电流数据和下一个数据窗的电流数据进行频谱分析，获取每个电流数据对应的基波到预设次数谐波的幅值；
基于每个电流数据对应的基波到预设次数谐波的幅值进行线性计算与重构，以获取第二负荷分解数据；
基于所述第二负荷分解数据进行负荷辨识，确定投入负荷的类型，并建立投入负荷的类型和所述第二负荷分解数据间的关联关系。
9.根据权利要求6所述的系统，其特征在于，所述多元信息分析单元，利用如下方式确定多元特征信息向量，包括：
对任一个负荷分解数据利用时域特征计算、快速傅里叶变换和小波包变换计算有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵，并基于所述有效值、基波、三次谐波、五次谐波、七次谐波幅值和小波包能量熵构建与所述任一个负荷分解数据对应的多元特征信息向量。
10.根据权利要求6所述的系统，其特征在于，所述第三负荷分解数据确定单元，基于所述第一多元特征信息向量和第二多元特征信息向量确定切出负荷对应的第三负荷分解数据，包括：
利用如下方式计算所述第一多元特征信息向量和每个第二多元特征信息向量的欧式距离，包括：
其中，di为第一多元特征信息向量q和第i个第二多元特征信息向量Ti间的欧式距离；xj为q中的第j个元素；yij为Ti中的第j个元素；n为特征信息向量中元素的个数；
选取与最小的欧式距离对应的第二多元特征信息向量对应的负荷分解数据为切出负荷对应的第三负荷分解数据。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
权利要求11中所述的计算机可读存储介质；以及
一个或多个处理器，用于执行所述计算机可读存储介质中的程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210954478.2A CN115825602A (zh) | 2022-08-10 | 2022-08-10 | 一种综合多元信息相似性分析的负荷辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210954478.2A CN115825602A (zh) | 2022-08-10 | 2022-08-10 | 一种综合多元信息相似性分析的负荷辨识方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115825602A true CN115825602A (zh) | 2023-03-21 |
Family
ID=85523037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210954478.2A Pending CN115825602A (zh) | 2022-08-10 | 2022-08-10 | 一种综合多元信息相似性分析的负荷辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115825602A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116859169A (zh) * | 2023-09-01 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及系统 |
-
2022
- 2022-08-10 CN CN202210954478.2A patent/CN115825602A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116859169A (zh) * | 2023-09-01 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及系统 |
| CN116859169B (zh) * | 2023-09-01 | 2023-11-17 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110956220B (zh) | 一种非侵入式家用电器负荷识别方法 | |
| CN105067966B (zh) | 基于特征模态分量能量分析的低压交流故障电弧检测方法 | |
| Sirojan et al. | Deep neural network based energy disaggregation | |
| CN106093630B (zh) | 一种非侵入式家用电器辨识方法 | |
| CN107025365A (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
| Singh et al. | Robust detection of real-time power quality disturbances under noisy condition using FTDD features | |
| CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
| CN109029960B (zh) | 一种断路器机械状态检测方法 | |
| CN110133393A (zh) | 一种基于非侵入式监测技术的用电监测系统及方法 | |
| CN106908671A (zh) | 一种非侵入式家用负荷智能检测方法及系统 | |
| CN104280612B (zh) | 一种基于单频电流传输特性的分布式谐波源辨识方法 | |
| CN106443164B (zh) | 一种电能分类计量过程中暂态与稳态事件的监测方法 | |
| CN112949563A (zh) | 基于变点检测和改进knn算法的非侵入式负荷识别方法 | |
| CN114444539A (zh) | 电力负荷识别方法、装置、设备、介质和程序产品 | |
| Bucci et al. | Load identification system for residential applications based on the NILM technique | |
| CN110726875A (zh) | 一种新能源柔性直流并网暂态谐波检测方法及系统 | |
| CN111199014A (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
| CN105974220B (zh) | 一种居民小区用电负荷识别系统 | |
| CN108614154B (zh) | 一种基于频谱分析的电力用户相位识别方法 | |
| Zhou et al. | Intever public database for arcing event detection: Feature analysis, benchmark test, and multi-scale CNN application | |
| CN116861316A (zh) | 一种电器监测方法及装置 | |
| CN115825602A (zh) | 一种综合多元信息相似性分析的负荷辨识方法及系统 | |
| CN118859038A (zh) | 一种电线缺陷检测方法 | |
| CN112560977A (zh) | 基于稀疏分类器阶层式算法的非侵入式负荷分解方法 | |
| CN117638987A (zh) | 一种基于负电阻和能量流的综合宽频振荡源定位方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xiong Suqin Inventor after: Cheng Da Inventor after: Li Yang Inventor after: Chen Siyu Inventor after: Xu Jiajia Inventor after: Zhao Yue Inventor after: Li Longtao Inventor after: Guo Jianning Inventor after: Zhao Xushan Inventor after: Chen Silei Inventor after: Qin Chenglin Inventor after: Gao Tianyu Inventor after: Wang Yatao Inventor after: Zhao Litao Inventor after: Zou Heping Inventor after: Du Xingang Inventor after: Ge Dehui Inventor after: Zhao Bing Inventor after: Lin Fantao Inventor after: Li Qiuyang Inventor after: Liu Kai Inventor before: Xiong Suqin Inventor before: Cheng Da Inventor before: Li Yang Inventor before: Chen Siyu Inventor before: Xu Jiajia Inventor before: Zhao Yue Inventor before: Li Longtao Inventor before: Guo Jianning Inventor before: Zhao Xushan Inventor before: Chen Silei Inventor before: Qin Chenglin Inventor before: Gao Tianyu Inventor before: Wang Yatao Inventor before: Zhao Litao Inventor before: Zou Heping Inventor before: Du Xingang Inventor before: Ge Dehui Inventor before: Zhao Bing Inventor before: Lin Fantao Inventor before: Li Qiuyang Inventor before: Liu Kai |