CN116559575B - 负荷事件检测方法和装置 - Google Patents
负荷事件检测方法和装置 Download PDFInfo
- Publication number
- CN116559575B CN116559575B CN202310825691.8A CN202310825691A CN116559575B CN 116559575 B CN116559575 B CN 116559575B CN 202310825691 A CN202310825691 A CN 202310825691A CN 116559575 B CN116559575 B CN 116559575B
- Authority
- CN
- China
- Prior art keywords
- event
- load event
- reactive
- signal
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 85
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 59
- 238000001914 filtration Methods 0.000 claims description 21
- 230000006978 adaptation Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 230000001174 ascending effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 8
- 230000036039 immunity Effects 0.000 abstract 1
- 230000000630 rising effect Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002706 hydrostatic effect Effects 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 101150049349 setA gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
- G01R21/003—Measuring reactive component
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种负荷事件检测方法和装置,其中,所述方法包括以下步骤:采集电源进线的无功信号和五次谐波信号;对所述无功信号和五次谐波信号进行预处理;使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出所述负荷事件。本发明能够全面地检测工地场景中大、小功率设备的负荷事件,同时具备良好的抗噪能力。
Description
技术领域
本发明涉及负荷辨识技术领域,具体涉及一种负荷事件的检测方法和一种负荷事件的检测装置。
背景技术
随着智能电网的持续快速发展,优化电能管理、提高能源利用效率的需求越来越突出,由于工业负荷能耗巨大,实现对工商业负荷的用电监测与管理也变得尤为重要。当前对于非介入式负荷辨识的研究与应用,主要集中在居民用户场景,对工业的研究还很少。
通常,建筑工地场景同时具备大功率建筑用设备与小功率治污设备,这两类设备的能耗级别差别巨大,建筑类大功率设备负荷分段式启停、缓变启停是一个比较普遍的现象,运行过程常伴随持续频繁震荡,这些都会对事件检测造成较大干扰。而当前对于工业事件检测的研究,大都基于工业负荷单体功率大、运行状态较稳定投切不频繁的先决条件之上,通过设定合适的有功周期增量差阈值与观测周期数,来实现事件检测,这种方式无法兼顾不同能量级别的设备,通常需要丢弃小功率设备,设备启停过程复杂且运行状态伴随频繁震荡的场景也不适用此方式。
发明内容
本发明为解决上述技术问题,提供了一种负荷事件检测方法和装置,能够全面地检测工地场景中大、小功率设备的负荷事件,同时具备良好的抗噪能力。
本发明采用的技术方案如下:
一种负荷事件检测方法,包括以下步骤:采集电源进线的无功信号和五次谐波信号;对所述无功信号和五次谐波信号进行预处理;使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出所述负荷事件。
对所述无功信号和五次谐波信号进行预处理,具体包括:对所述无功、五次谐波信号进行中值降采样滤波;对中值降采样滤波后的无功信号进行标幺化处理。
使用多阶段辨识检测算法对预处理后的信号进行检测,具体包括:设置检测滑窗,滑窗遍历经过标幺化处理后的无功信号进行微小负荷事件的检测;判断当前检测窗口检测出的所述微小负荷事件与当前检测窗口之前发生的最后一个负荷事件能否合并,若能够合并,则进行合并并记录合并次数;判断进行中的所述负荷事件是否已结束;如果所述进行中的负荷事件已结束,则提取已结束的负荷事件的合并次数,其中,如果所述合并次数大于0,则进入长时事件过程辨识流程,否则进入短时事件过程辨识流程。
所述合并条件包括:设置所述负荷事件时间最小限值,所述负荷事件同为上升事件或下降事件且所述负荷事件的时间差不大于所述最小限值;或设置判定阈值,判断当前检测窗口检测的所述下降事件的开始过程与某一上升事件的结束过程存在时间交集,且所述下降事件结束后与所述某一上升事件开始前的信号幅值差大于所述判定阈值;设置所述负荷事件时间最大限值,进行合并后的负荷事件持续时间长度不得超过所述最大限值。
所述长时事件过程辨识流程,包括以下步骤:设置判定阈值;如果所述已结束的负荷事件发生前后幅值的变化量绝对值大于所述判定阈值/>,则判定当前负荷事件为有效负荷事件并输出。
在所述短时事件辨识流程中,如果所述已完成的负荷事件发生前后信号幅值的变化量绝对值大于所述判定阈值,则判定当前负荷事件为有效负荷事件并输出,否则,进入小功率负荷事件辨识流程。
使用所述无功、五次谐波信号对所述小功率负荷事件进行检测。
一种负荷事件检测装置,包括:采集模块,所述采集模块用于采集电源进线的无功、五次谐波信号;预处理模块,所述预处理模块用于对所述无功、五次谐波信号进行预处理;检测模块,所述检测模块用于使用多阶段辨识检测算法对预处理后的无功、五次谐波信号进行检测,以输出所述负荷事件。
本发明的有益效果:
本发明通过采集电源进线的无功信号和五次谐波信号,并对无功信号和五次谐波信号进行预处理,最后使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出负荷事件,由此,能够全面地检测工地场景中大、小功率设备的负荷事件,同时具备良好的抗噪能力。
附图说明
图1为本发明实施例的负荷事件检测方法的流程图;
图2为本发明一个具体实施例的静压机叠加洗轮机的负荷事件的检测结果图;
图3为本发明一个具体实施例的静压机开启事件的检测结果图;
图4为本发明一个具体实施例的负荷事件检测方法的流程图;
图5为本发明实施例的负荷事件检测装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例的负荷事件检测方法的流程图。
如图1所示,本发明实施例的负荷事件检测方法,包括以下步骤:
S1,采集电源进线的无功信号和五次谐波信号。
在本发明的一个实施例中,可使用非侵入式智能终端高频采集电源进线的无功信号和五次谐波信号。
S2,对无功信号和五次谐波信号进行预处理。
在本发明的一个实施例中,对无功信号进行预处理,具体可包括:对无功信号和五次谐波信号进行中值降采样滤波;对中值降采样滤波后的无功信号进行标幺化处理。
具体地,首先,可对电源进线采集的无功信号和五次谐波信号进行中值降采样滤波处理,滤波间隔可设定合适的范围,在本发明的一个具体实施例中,可设施滤波间隔为0.5秒,从而达到较理想的滤波效果,同时也能保留重要的特征信息。其次,对滤波完成后的无功信号进行标幺化处理,可将无功信号的幅值限制在0到1之间,从而达到信号幅值自适应调节的效果,由此,同一套幅值阈值便能够适配不同能耗级别的设备,从而实现对不同能量级别设备的兼容性。
S3,使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出负荷事件。
在本发明的一个实施例中,在时间维度上,使用多阶段辨识检测算法可使发生过程耗时长短不同的负荷事件进入不同的检测流程,同时,在幅值维度上,使用多阶段辨识检测算法可使幅值大小不同的负荷事件进入不同的检测流程。
在本发明的一个实施例中,使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,具体可包括:设置检测滑窗,滑窗遍历经过标幺化处理后的无功信号进行微小负荷事件的检测;判断当前检测滑窗检测出的微小负荷事件与当前检测滑窗之前发生的最后一个负荷事件能否合并,若能够合并,则进行合并并记录合并次数;判断进行中的负荷事件是否已完成;如果进行中的负荷事件已完成,则提取已完成的负荷事件的合并次数,其中,如果合并次数大于0,则进入长时事件过程辨识流程,否则进入短时事件过程辨识流程。
具体地,在本发明的一个具体实施例中,可设置窗长W为5秒的检测滑窗对经过标幺化处理后的无功信号进行检测,可使用检测滑窗在时间维度上遍历经过标幺化处理后的无功信号,其中,每滑动一个窗口,则执行一次高灵敏度的微小负荷事件的检测。具体而言,首先,可设置较低的幅值阈值作为高灵敏度判定阈值,用以检测出尽可能多的微小负荷事件。其次,当检测滑窗遍历至第i个滑窗时,计算第i个滑窗的中值/>,使用第i个滑窗的中值/>减去第i-1个滑窗的中值/>,可得到无功信号的变化值/>,最后,判断无功信号的变化值/>的绝对值是否大于高灵敏度判定阈值/>,如果无功信号的变化值/>的绝对值大于高灵敏度判定阈值/>,则发生了一次微小负荷事件。其中,如果无功信号的变化值/>为正数,则为开启事件,如果无功信号的变化值/>为负数,则为关断事件。
进一步地,可提取在当前检测滑窗之前发生的最后一个负荷事件,并判断与当前检测滑窗检测出的微小负荷事件是否能够合并,具体地,可设为微小负荷事件发生后的滑窗的中值,如果满足合并条件的负荷事件为/>,当前检测滑窗检测到的微小负荷事件为/>,则将当前检测滑窗检测到的微小负荷事件/>合并入满足合并条件的负荷事件/>,即使用/>的结束时间、微小负荷事件发生后的滑窗中值/>替换的对应值。
在本发明的一个实施例中,合并条件可包括:
(一),设置负荷事件时间最小限值,负荷事件同为上升事件或下降事件且负荷事件的时间差不大于最小限值;或设置判定阈值,判断当前检测窗口检测的下降事件的开始过程与某一上升事件的结束过程存在时间交集,且下降事件结束后与某一上升事件开始前的信号幅值差大于判定阈值。具体地,可设置微小负荷事件时间最小限值,同时设置较高的幅值阈值/>作为高准确度判定阈值,两个检测滑窗检测出的微小负荷事件需要同为上升事件或者同为下降事件且两个检测滑窗检测出的微小负荷事件的时间差不大于最小限值/>;或者当前滑窗检测出的下降事件的开始过程与某上升事件的结束过程存在时间交集且当前滑窗检测出的下降事件结束后与某上升事件开始前的无功信号幅值差值大于高准确度判定阈值/>。其中,/>,T_now_begin为当前微小负荷事件的开始时间,T_last_end为与当前微小负荷事件最邻近的负荷事件的过程结束时间。
(二),设置负荷事件时间最大限值,进行合并后的负荷事件持续时间长度不得超过最大限值。具体地,可设置微小负荷事件时间最大限值,合并后的负荷事件持续时间长度/>不得超过时间最大限值/>,其中,可假设合并后的负荷事件序号为k,则/>,/>为第k个负荷事件的结束时间,/>为第k个负荷事件的开始时间。
更进一步地,计算进行中的负荷事件的结束时间与当前检测滑窗起点时刻的时间的差值,如果差值大于最小限值,可认为进行中的负荷事件已经完成,否则则继续滑动检测滑窗检测微小负荷事件。
最后,对于已经完成的负荷事件,可提取已完成的负荷事件的合并次数,如果合并次数大于0,则认为该微小负荷事件发生的过程耗时较长,那么进入长时事件过程辨识流程,否则进入短时事件过程辨识流程。
具体地,在长时事件过程辨识流程中,可设置较高的幅值阈值作为高准确度判定阈值,对于合并后的负荷事件,如果事件发生前后无功信号的幅值变化量绝对值大于高准确度判定阈值/>,可判定合并后的负荷事件为有效负荷事件,并输出有效负荷事件。在短时事件过程辨识流程中,如果已完成的负荷事件发生前后无功信号的幅值变化量绝对值大于高准确度判定阈值/>,可判断已完成的负荷事件为有效负荷事件,并输出有效负荷事件,否则,则进入小功率负荷事件辨识流程。
在本发明的一个实施例中,可使用无功信号、五次谐波信号对小功率负荷事件进行检测,具体地,在小功率负荷事件辨识流程中,首先,可截取已完成的微小负荷事件发生前n个点至已完成的微小负荷事件发生后的n个点的无功信号和五次谐波信号,n可取5,并将无功信号进行标幺化还原,即使用标幺化之后的信号幅值乘以标幺化基准值,得到和。
进一步地,计算已完成的微小负荷事件发生前后的无功信号幅值变化量的绝对值和五次谐波信号幅值变化量的绝对值/>,即利用已完成的微小负荷事件发生后的n个点的无功/五次谐波信号的均值减去已完成的微小负荷事件发生前的n个点的均值后取绝对值。
更进一步地,由于在建筑工地场景,小功率治污设备在开启与关断时,无功信号和五次谐波信号变化趋势相似度较高,因此,可设无功信号变化量的范围为,,/>,五次谐波信号变化量的范围为/>,/>,/>,基于治污设备的特性,可计算无功适配比/>、五次谐波适配比/>、无功和五次谐波相似度和综合评分/>,如果/>大于阈值/>,则判定小功率负荷事件为有效事件,从而输出小功率负荷事件。
具体地,首先,计算无功适配比,如果/>,则令;如果/>,则令/>;如果/>,则,否则,/>。其次,计算五次谐波适配比/>,其中,五次谐波适配比的计算方法可参照无功适配比的计算方法,在此不再赘述。然后,可使用/>和计算无功和五次谐波相似度/>,无功和五次谐波相似度计算方法如下:,其中,N是数据序列x与y的长度。最后,计算综合评分/>,其中,综合评分/>,可令/>,/>,,/>。
在本发明的一个具体实施例中,图2所示为在工地场景下静压机叠加洗轮机时的开启、关断事件的检测结果图,曲线代表输入无功信号的幅值,星状点覆盖的无功信号曲线段代表多阶段辨识检测算法检测到的整个负荷事件过程。静压机属于无功功率较大的设备,与无功较小的治污设备无功级别差别巨大,无功功率明显较小的洗轮机叠加在静压机上,洗轮机共运行3次,共有3次开启事件和3次关断事件。其中,可取0.05,可取0.2,/>可取15秒,/>可取2分钟。图3为静压机开启过程的检测结果图,当静压机开启时,无功功率趋势分段缓变且伴随着剧烈震荡,耗时相对较长,趋势复杂,使用多阶段辨识检测算法依然可以完整地检测启动的整个过程。
如图4所示,在本发明的一个具体实施例中,负荷事件的检测方法可包括以下步骤:
S201,对无功信号和五次谐波信号进行中值降采样滤波。
S202,对滤波后的无功信号进行标幺化处理,得到输入信号。
S203,设置检测滑窗,并使用检测滑窗遍历输入信号进行负荷事件检测。
S204,判断输入信号是否遍历结束。如果是,则执行步骤S205;如果否,则执行步骤206。
S205,检测结束。
S206,进入下一个检测滑窗进行微小负荷事件检测,并进行微小负荷事件的合并。
S207,判断已完成的负荷事件的合并次数是否大于0。如果是,则执行步骤S208;否则,则执行步骤S210。
S208,进入长时事件过程辨识流程。
S209,输出有效负荷事件。
S210,进入短时事件过程辨识流程。
S211,输出有效负荷事件。
综上所述,根据本发明实施例的负荷事件检测方法,通过采集电源进线的无功信号和五次谐波信号,并对无功信号和五次谐波信号进行预处理,最后使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出负荷事件,由此,能够全面地检测工地场景中大、小功率设备的负荷事件,同时具备良好的抗噪能力。
为实现上述实施例的负荷事件检测方法,本发明还提出一种负荷事件检测装置。
图5为本发明实施例的负荷事件检测装置的方框示意图。
如图5所示,本发明实施例的负荷事件检测装置,包括采集模块10、预处理模块20和检测模块30。其中,采集模块10用于采集电源进线的无功信号和五次谐波信号;预处理模块20用于对无功信号和五次谐波信号进行预处理;检测模块30用于使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出负荷事件。
在本发明的一个实施例中,采集模块10可使用非侵入式智能终端高频采集电源进线的无功信号和五次谐波信号。
在本发明的一个实施例中,预处理模块20对无功信号和五次谐波信号进行预处理,具体可包括:对无功信号和五次谐波信号进行中值降采样滤波;对中值降采样滤波后的无功信号进行标幺化处理。
具体地,首先,可对电源进线采集的无功信号和五次谐波信号进行中值降采样滤波处理,滤波间隔可设定合适的范围,在本发明的一个具体实施例中,可设施滤波间隔为0.5秒,从而达到较理想的滤波效果,同时也能保留重要的特征信息。其次,对滤波完成后的无功信号进行标幺化处理,可将无功信号的幅值限制在0到1之间,从而达到信号幅值自适应调节的效果,由此,同一套幅值阈值便能够适配不同能耗级别的设备,从而实现对不同能量级别设备的兼容性。
在本发明的一个实施例中,在时间维度上,检测模块30使用多阶段辨识检测算法可使发生过程耗时长短不同的负荷事件进入不同的检测流程,同时,在幅值维度上,检测模块30使用多阶段辨识检测算法可使幅值大小不同的负荷事件进入不同的检测流程。
在本发明的一个实施例中,检测模块30使用多阶段辨识检测算法对预处理后的负荷事件的信号进行检测,具体可包括:设置检测滑窗,滑窗遍历经过标幺化处理后的无功信号进行微小负荷事件的检测;判断当前检测滑窗检测出的微小负荷事件与当前检测滑窗之前发生的最后一个负荷事件能否合并,若能够合并,则进行合并并记录合并次数;判断进行中的负荷事件是否已完成;如果进行中的负荷事件已完成,则提取已完成的负荷事件的合并次数,其中,如果合并次数大于0,则进入长时事件过程辨识流程,否则进入短时事件过程辨识流程。
具体地,在本发明的一个具体实施例中,可设置窗长W为5秒的检测滑窗对经过标幺化处理后的无功信号进行检测,可使用检测滑窗在时间维度上遍历经过标幺化处理后的无功信号,其中,每滑动一个窗口,则执行一次高灵敏度的微小负荷事件的检测。具体而言,首先,可设置较低的幅值阈值作为高灵敏度判定阈值,用以检测出尽可能多的微小负荷事件。其次,当检测滑窗遍历至第i个滑窗时,计算第i个滑窗的中值/>,使用第i个滑窗的中值/>减去第i-1个滑窗的中值/>,可得到无功信号的变化值/>,最后,判断无功信号的变化值/>的绝对值是否大于高灵敏度判定阈值/>,如果无功信号的变化值/>的绝对值大于高灵敏度判定阈值/>,则发生了一次微小负荷事件。其中,如果无功信号的变化值/>为正数,则为开启事件,如果无功信号的变化值/>为负数,则为关断事件。
进一步地,可提取在当前检测滑窗之前发生的最后一个负荷事件,并判断与当前检测滑窗检测出的微小负荷事件是否能够合并,具体地,可设为微小负荷事件发生后的滑窗的中值,如果满足合并条件的负荷事件为/>,当前检测滑窗检测到的微小负荷事件为/>,则将当前检测滑窗检测到的微小负荷事件/>合并入满足合并条件的负荷事件/>,即使用/>的结束时间、微小负荷事件发生后的滑窗中值/>替换的对应值。其中,合并条件可包括:
(一),设置微小负荷事件时间最小限值,同时设置较高的幅值阈值作为高准确度判定阈值,两个检测滑窗检测出的微小负荷事件需要同为上升事件或者同为下降事件且两个检测滑窗检测出的微小负荷事件的时间差/>不大于最小限值;或者当前滑窗检测出的下降事件的开始过程与某上升事件的结束过程存在时间交集且当前滑窗检测出的下降事件结束后与某上升事件开始前的无功信号幅值差值大于高准确度判定阈值/>。其中,/>,T_now_begin为当前微小负荷事件的开始时间,T_last_end为与当前微小负荷事件最邻近的负荷事件的过程结束时间。
(二),设置负荷事件时间最大限值,合并后的负荷事件持续时间长度不得超过时间最大限值/>,其中,可假设合并后的负荷事件序号为k,则,/>为第k个负荷事件的结束时间,/>为第k个负荷事件的开始时间。
更进一步地,计算进行中的负荷事件的结束时间与当前检测滑窗起点时刻的时间的差值,如果差值大于最小限值,可认为进行中的负荷事件已经完成,否则则继续滑动检测滑窗检测微小负荷事件。
最后,对于已经完成的负荷事件,可提取已完成的负荷事件的合并次数,如果合并次数大于0,则认为该负荷事件发生的过程耗时较长,那么进入长时事件过程辨识流程,否则进入短时事件过程辨识流程。
具体地,在长时事件过程辨识流程中,可设置较高的幅值阈值作为高准确度判定阈值,对于合并后的负荷事件,如果在合并后事件发生前后无功信号的幅值变化量绝对值大于高准确度判定阈值/>,可判定合并后的负荷事件为有效负荷事件,并输出有效负荷事件。在短时事件过程辨识流程中,如果已完成的负荷事件发生前后无功信号的幅值变化量绝对值大于高准确度判定阈值/>,可判断已完成的负荷事件为有效负荷事件,并输出有效负荷事件,否则,则进入小功率负荷事件辨识流程。
具体地,在小功率负荷事件辨识流程中,首先,可截取已完成的微小负荷事件发生前n个点至已完成的微小负荷事件发生后的n个点的无功信号和五次谐波信号,n可取5,并将无功信号进行标幺化还原,即使用标幺化之后的信号幅值乘以标幺化基准值,得到和。
进一步地,计算已完成的微小负荷事件发生前后的无功信号幅值变化量的绝对值和五次谐波信号幅值变化量的绝对值/>,即利用已完成的微小负荷事件发生后的n个点的无功/五次谐波信号的均值减去已完成的微小负荷事件发生前的n个点的均值后取绝对值。
更进一步地,由于在建筑工地场景,小功率治污设备在开启与关断时,无功信号和五次谐波信号变化趋势相似度较高,因此,可设无功信号变化量的范围为,,/>,五次谐波信号变化量的范围为/>,/>,/>,基于治污设备的特性,可计算无功适配比/>、五次谐波适配比/>、无功和五次谐波相似度和综合评分/>,如果/>大于阈值/>,则判定小功率负荷事件为有效事件,从而输出小功率负荷事件。
具体地,首先,计算无功适配比,如果/>,则令;如果/>,则令/>;如果/>,则,否则,/>。其次,计算五次谐波适配比/>,其中,五次谐波适配比的计算方法可参照无功适配比的计算方法,在此不再赘述。然后,可使用/>和计算无功和五次谐波相似度/>,无功和五次谐波相似度计算方法如下:,其中,N是数据序列x与y的长度。最后,计算综合评分/>,其中,综合评分/>,可令/>,/>,,/>。
根据本发明实施例的负荷事件检测装置,通过采集模块采集电源进线的无功、五次谐波信号,并通过预处理模块对无功、五次谐波信号进行预处理,最后通过检测模块使用多阶段辨识检测算法对预处理后的无功、五次谐波信号进行检测,以输出负荷事件,由此,能够全面地检测工地场景中大、小功率设备的负荷事件,同时具备良好的抗噪能力。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,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。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种负荷事件检测方法,其特征在于,包括以下步骤:
采集电源进线的无功信号和五次谐波信号;
对所述无功信号和五次谐波信号进行预处理;
使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出所述负荷事件,
其中,对所述无功信号和五次谐波信号进行预处理,具体包括:对所述无功信号和五次谐波信号进行中值降采样滤波;对中值降采样滤波后的无功信号进行标幺化处理,
使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,具体包括:设置检测滑窗,滑动遍历经过标幺化处理后的无功信号以进行微小负荷事件检测;判断当前检测窗口检测出的所述微小负荷事件与当前检测窗口之前发生的最后一个负荷事件是否满足合并条件,若满足,则进行合并并记录合并次数;判断进行中的负荷事件是否已结束;如果进行中的负荷事件已结束,则提取已结束的负荷事件的合并次数,其中,如果所述合并次数大于0,则进入长时事件过程辨识流程,否则进入短时事件过程辨识流程,
所述长时事件过程辨识流程,包括以下步骤:设置判定阈值;如果所述已结束的负荷事件发生前后信号的幅值的变化量绝对值大于所述判定阈值,则判定当前负荷事件为有效负荷事件并输出所述有效负荷事件,
在所述短时事件过程辨识流程中,如果所述已结束的负荷事件发生前后信号的幅值的变化量绝对值大于所述判定阈值,则判定当前负荷事件为有效负荷事件并输出所述有效负荷事件,否则,进入小功率负荷事件辨识流程,
其中,使用所述无功信号、五次谐波信号对所述小功率负荷事件进行检测,
具体地,在小功率负荷事件辨识流程中,首先,截取已完成的微小负荷事件发生前n个点至已完成的微小负荷事件发生后的n个点的无功信号和五次谐波信号,n取5,并将无功信号进行标幺化还原,得到和/>,进一步地,计算已完成的微小负荷事件发生前后的无功信号幅值变化量的绝对值/>和五次谐波信号幅值变化量的绝对值/>,最后,计算无功适配比、五次谐波适配比/>、无功和五次谐波相似度/>和综合评分/>,如果综合评分/>大于阈值/>,则判定小功率负荷事件为有效事件,从而输出小功率负荷事件,
其中,设无功信号变化量的范围为,如果/>,则令/>;如果/>,则令/>;如果/>,则/>,否则,,五次谐波适配比/>的计算方法参照无功适配比/>的计算方法,
使用和/>按照下式计算无功和五次谐波相似度/>:
,
其中,N是数据序列x与y的长度,
综合评分,其中,/>,/>,/>,。
2.根据权利要求1所述的负荷事件检测方法,其特征在于,所述合并条件包括:
设置所述负荷事件时间最小限值,所述负荷事件同为上升事件或下降事件且所述负荷事件的时间差不大于所述最小限值;或设置判定阈值,判断当前检测窗口检测的所述下降事件的开始过程与某一上升事件的结束过程存在时间交集,且所述下降事件结束后与所述某一上升事件开始前的信号幅值差大于所述判定阈值;
设置所述负荷事件时间最大限值,进行合并后的负荷事件持续时间长度不得超过所述最大限值。
3.一种负荷事件检测装置,其特征在于,包括:
采集模块,所述采集模块用于采集电源进线的无功信号和五次谐波信号;
预处理模块,所述预处理模块用于对所述无功信号和五次谐波信号进行预处理;
检测模块,所述检测模块用于使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,以输出所述负荷事件,
其中,所述预处理模块对所述无功信号和五次谐波信号进行预处理,具体包括:对所述无功信号和五次谐波信号进行中值降采样滤波;对中值降采样滤波后的无功信号进行标幺化处理,
所述检测模块使用多阶段辨识检测算法对预处理后的无功信号和五次谐波信号进行检测,具体包括:设置检测滑窗,滑动遍历经过标幺化处理后的无功信号以进行微小负荷事件检测;判断当前检测窗口检测出的所述微小负荷事件与当前检测窗口之前发生的最后一个负荷事件是否满足合并条件,若满足,则进行合并并记录合并次数;判断进行中的负荷事件是否已结束;如果进行中的负荷事件已结束,则提取已结束的负荷事件的合并次数,其中,如果所述合并次数大于0,则进入长时事件过程辨识流程,否则进入短时事件过程辨识流程,
所述长时事件过程辨识流程,包括:设置判定阈值;如果所述已结束的负荷事件发生前后信号的幅值的变化量绝对值大于所述判定阈值,则判定当前负荷事件为有效负荷事件并输出所述有效负荷事件,
在所述短时事件过程辨识流程中,如果所述已结束的负荷事件发生前后信号的幅值的变化量绝对值大于所述判定阈值,则判定当前负荷事件为有效负荷事件并输出所述有效负荷事件,否则,进入小功率负荷事件辨识流程,
其中,使用所述无功信号、五次谐波信号对所述小功率负荷事件进行检测,
具体地,在小功率负荷事件辨识流程中,首先,截取已完成的微小负荷事件发生前n个点至已完成的微小负荷事件发生后的n个点的无功信号和五次谐波信号,n取5,并将无功信号进行标幺化还原,得到和/>,进一步地,计算已完成的微小负荷事件发生前后的无功信号幅值变化量的绝对值/>和五次谐波信号幅值变化量的绝对值/>,最后,计算无功适配比/>、五次谐波适配比/>,无功和五次谐波相似度/>和综合评分/>,如果综合评分大于阈值/>,则判定小功率负荷事件为有效事件,从而输出小功率负荷事件,
其中,设无功信号变化量的范围为,如果/>,则令/>;如果/>,则令/>;如果/>,则/>,否则,,五次谐波适配比/>的计算方法参照无功适配比/>,
使用和/>按照下式计算无功和五次谐波相似度/>:
,
其中,N是数据序列x与y的长度,
综合评分,其中,/>,/>,/>,。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310825691.8A CN116559575B (zh) | 2023-07-07 | 2023-07-07 | 负荷事件检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310825691.8A CN116559575B (zh) | 2023-07-07 | 2023-07-07 | 负荷事件检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116559575A CN116559575A (zh) | 2023-08-08 |
CN116559575B true CN116559575B (zh) | 2023-11-24 |
Family
ID=87495060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310825691.8A Active CN116559575B (zh) | 2023-07-07 | 2023-07-07 | 负荷事件检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559575B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600074A (zh) * | 2016-12-28 | 2017-04-26 | 天津求实智源科技有限公司 | 基于dfhsmm的非侵入式电力负荷监测方法及系统 |
CN111027408A (zh) * | 2019-11-19 | 2020-04-17 | 广西电网有限责任公司电力科学研究院 | 一种基于支持向量机和v-i曲线特征的负荷识别方法 |
CN113505465A (zh) * | 2021-05-21 | 2021-10-15 | 天津大学 | 完全无监督的非侵入式电器状态模型自适应构建方法 |
CN114236234A (zh) * | 2021-11-17 | 2022-03-25 | 国网天津市电力公司 | 一种基于基波和谐波混合判据的电器特征辨识方法 |
CN114298088A (zh) * | 2021-12-08 | 2022-04-08 | 清科优能(深圳)技术有限公司 | 一种负载识别方法、装置、计算机设备及存储介质 |
CN115687999A (zh) * | 2022-10-27 | 2023-02-03 | 浙江大学 | 融合多时间尺度电器特征的非侵入式负荷感知方法 |
CN115769238A (zh) * | 2022-06-10 | 2023-03-07 | 深圳市正浩创新科技股份有限公司 | 负荷辨识方法、计算机可读存储介质及设备 |
CN115935267A (zh) * | 2022-11-02 | 2023-04-07 | 国网北京市电力公司 | 负荷数据的辨识方法、装置以及存储介质 |
CN116166992A (zh) * | 2023-03-07 | 2023-05-26 | 河北工业大学 | 基于多特征事件分类的非侵入式负荷分解方法及系统 |
CN116204811A (zh) * | 2022-12-27 | 2023-06-02 | 江苏智臻能源科技有限公司 | 信号归一化联合两级判定的自适应负荷事件检测方法 |
CN116340753A (zh) * | 2023-02-28 | 2023-06-27 | 浙江大学 | 一种考虑非电气特征量的分布式能源区域的能源监测方法 |
CN116361709A (zh) * | 2023-03-31 | 2023-06-30 | 山东省计算中心(国家超级计算济南中心) | 一种自适应电力负荷识别方法与设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090182524A1 (en) * | 2008-01-11 | 2009-07-16 | Cory James Stephanson | System and method of event detection |
-
2023
- 2023-07-07 CN CN202310825691.8A patent/CN116559575B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600074A (zh) * | 2016-12-28 | 2017-04-26 | 天津求实智源科技有限公司 | 基于dfhsmm的非侵入式电力负荷监测方法及系统 |
CN111027408A (zh) * | 2019-11-19 | 2020-04-17 | 广西电网有限责任公司电力科学研究院 | 一种基于支持向量机和v-i曲线特征的负荷识别方法 |
CN113505465A (zh) * | 2021-05-21 | 2021-10-15 | 天津大学 | 完全无监督的非侵入式电器状态模型自适应构建方法 |
CN114236234A (zh) * | 2021-11-17 | 2022-03-25 | 国网天津市电力公司 | 一种基于基波和谐波混合判据的电器特征辨识方法 |
CN114298088A (zh) * | 2021-12-08 | 2022-04-08 | 清科优能(深圳)技术有限公司 | 一种负载识别方法、装置、计算机设备及存储介质 |
CN115769238A (zh) * | 2022-06-10 | 2023-03-07 | 深圳市正浩创新科技股份有限公司 | 负荷辨识方法、计算机可读存储介质及设备 |
CN115687999A (zh) * | 2022-10-27 | 2023-02-03 | 浙江大学 | 融合多时间尺度电器特征的非侵入式负荷感知方法 |
CN115935267A (zh) * | 2022-11-02 | 2023-04-07 | 国网北京市电力公司 | 负荷数据的辨识方法、装置以及存储介质 |
CN116204811A (zh) * | 2022-12-27 | 2023-06-02 | 江苏智臻能源科技有限公司 | 信号归一化联合两级判定的自适应负荷事件检测方法 |
CN116340753A (zh) * | 2023-02-28 | 2023-06-27 | 浙江大学 | 一种考虑非电气特征量的分布式能源区域的能源监测方法 |
CN116166992A (zh) * | 2023-03-07 | 2023-05-26 | 河北工业大学 | 基于多特征事件分类的非侵入式负荷分解方法及系统 |
CN116361709A (zh) * | 2023-03-31 | 2023-06-30 | 山东省计算中心(国家超级计算济南中心) | 一种自适应电力负荷识别方法与设备 |
Non-Patent Citations (2)
Title |
---|
基于Bi-LSTM算法的非侵入式负荷监测模型;何恒靖;王灏;肖勇;张恒;赵云;周东国;;南方电网技术(第02期);全文 * |
配电网边缘计算轻量化负荷分解;蔡田田 等;电力系统及其自动化学报;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116559575A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116434372B (zh) | 用于变工况设备的智能化数据采集系统、工况识别系统 | |
CN109307798B (zh) | 一种用于开关事件检测的功率信号滤波方法 | |
CN111769819A (zh) | 一种采样频率自适应可调的数据采集方法及系统 | |
CN113687164B (zh) | 一种非侵入式负荷事件两阶段自适应检测方法 | |
CN116559575B (zh) | 负荷事件检测方法和装置 | |
CN111161097B (zh) | 基于假设检验的事件检测算法检测开关事件的方法和装置 | |
CN112540220A (zh) | 电压暂降检测电路和装置 | |
CN106682791B (zh) | 一种节能高效的垃圾处理系统 | |
CN117590174A (zh) | 一种局部放电检测去噪方法、装置及可读存储介质 | |
CN115684711A (zh) | 一种电能计量方法、装置、计算机设备及存储介质 | |
CN116204811A (zh) | 信号归一化联合两级判定的自适应负荷事件检测方法 | |
CN113899388B (zh) | 一种振弦传感器自适应数据采集方法 | |
CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
CN114465215A (zh) | 一种海上风电直流送出线路纵联保护方法及系统 | |
CN109241874A (zh) | 能量分解中功率信号滤波方法 | |
CN108918929A (zh) | 一种负荷分解中功率信号自适应滤波方法 | |
CN110196354B (zh) | 一种负载的开关事件的检测方法和装置 | |
CN114924110A (zh) | 一种基于自适应阈值的触电检测系统及方法 | |
CN112701683A (zh) | 非侵入式负荷检测与分解方法、系统以及存储介质 | |
CN106059684B (zh) | 一种基于相关辨识的噪声处理系统及其方法 | |
Ramos et al. | DSP based power quality analyzer using new signal processing algorithms for detection and classification of disturbances in a single-phase power system | |
CN206498409U (zh) | 一种基于相关辨识的噪声处理系统 | |
CN111914721B (zh) | 一种基于线性回归及高斯阈值的加工状态识别方法 | |
CN110705426B (zh) | 一种利用去模糊算子的功率信号滤波方法和系统 | |
CN117517760B (zh) | 一种储能逆变器的离网非线性负载检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |