WO2014075581A1 - 非侵入式电力负荷监测与分解的电流模式匹配方法 - Google Patents

非侵入式电力负荷监测与分解的电流模式匹配方法 Download PDF

Info

Publication number
WO2014075581A1
WO2014075581A1 PCT/CN2013/086725 CN2013086725W WO2014075581A1 WO 2014075581 A1 WO2014075581 A1 WO 2014075581A1 CN 2013086725 W CN2013086725 W CN 2013086725W WO 2014075581 A1 WO2014075581 A1 WO 2014075581A1
Authority
WO
WIPO (PCT)
Prior art keywords
state
load
power
fundamental
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.)
Ceased
Application number
PCT/CN2013/086725
Other languages
English (en)
French (fr)
Inventor
余贻鑫
刘博�
王兵
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to US14/442,725 priority Critical patent/US9658261B2/en
Publication of WO2014075581A1 publication Critical patent/WO2014075581A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/001—Arrangements for handling faults or abnormalities, e.g. emergencies or contingencies
    • H02J3/0014—Arrangements for handling faults or abnormalities, e.g. emergencies or contingencies for preventing or reducing power oscillations in networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • 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

Definitions

  • the invention relates to an advanced measurement system for a smart grid, and in particular to a method for monitoring residential electricity usage in a power system. Background technique
  • Grid load monitoring and analysis is one of the most important parts of the advanced measurement system. Among them, the significance of residential electricity monitoring is: On the one hand, to let users understand the details of power consumption, and help to optimize their electricity habits. In the end, due to the strong controllability of civilian loads, such as "electric energy water heaters, air conditioners and other "storage type” loads and “delayed” loads such as washing machines and electric kettles have the potential to cooperate with the grid. With electricity monitoring, users can respond to grid demand in a timely manner, helping to achieve demand side management functions such as “shaving peaks and filling valleys” to benefit the grid.
  • the traditional residential electricity monitoring is to equip each appliance with a sensor to track its power status (electric power) and working status (such as the air conditioner has two working powers of cooling and heating), which is "invasive". monitor.
  • the installation, commissioning and maintenance of a large number of sensors with digital communication are expensive, and too many sensors can reduce the reliability of the monitoring system and the electrical appliances.
  • George Hart officially proposed the non-intrusive load monitoring system (GW) in GW Hart.Nonintrusive appliance loadmonitoring [J]. Proceedings of IEEE, 1992, 80(12): 1870-1891, basic The principle can be summarized as shown in Figure 1.
  • the dashed box in the figure is the main function module of the system.
  • the data acquisition module is responsible for collecting the voltage and total current at the inlet of the power supply.
  • the data pre-processing module is responsible for voltage and current waveform filtering, denoising and for the extraction of electrical characteristics of the load.
  • Other operations such as voltage, current harmonic analysis, current phase correction, etc.
  • load event detection and feature extraction module is responsible for extracting the load characteristics required by the monitoring method from the measured load terminal voltage and total current based on the load event detection, such as Steady-state active and reactive power, transient current peak, transient current RMS, etc., which is the key to affect monitoring performance.
  • the effective monitoring method is used to complete the total load composition analysis and electrical power status identification, and complete the monitoring system.
  • Related functions such as maintenance and management; in addition, the figure also lists the extended functions that the system can have, such as interactive operations, control command input and output, and system reports.
  • the non-intrusive power load monitoring program determines the power usage status of each appliance in the home by analyzing the voltage and total current at the user's power inlet. This not only reduces monitoring costs and simplifies operation, but also improves the reliability of the monitoring system. It not only simplifies the collection of power consumption details data by the power company, but also guides users to optimize power usage simply and conveniently.
  • Some existing technologies collectively refer to changes in load working conditions such as start-up and shutdown as load events, and use their associated steady-state characteristics (such as steady-state power steps, see: (1) GW Hart. Nonintrusive appliance loadmonitoring [J] Proceedings of IEEE, 1992, 80(12): 1870-1891; (2) H. Pihala. Non-intrusive appliance load monitoring system based on a modern kWh-meter[R]. Technical Research Center of Finland, ESPOO, 1998 (3) Christopher E. Reeg, Thomas J. Overbye. Algorithm development for Non-Intrusive Load Monitoring for Verification and Diagnostics [C]. North American Power Symposium (NAPS), 2010, :1-5; (4) Berges, et al.
  • the concept of throwing off load events, based on any steady-state load total current can be The fact that the current main series of main electrical equipment is linearly superimposed and estimated, and the optimal total load current mode (current harmonic characteristics) is optimally matched by the optimization method to obtain the current weight coefficient of various types of electrical equipment.
  • the power online decomposition effectively solves the above problems common to load-based methods. However, if the current waveforms monitored by different electrical appliances are similar, the total power decomposition accuracy will decrease.
  • Literature (1) Yi-Sheng Lai, Yung-Chi Chen, Shiao-Li Tsao, Tzung-Cheng Tsai. A novel search scheme for nonintrusive load monitoring systems[C].2012 IEEE International Conference on Industrial Technology (ICIT), 2012, : 102-107 and literature (2) Jian Liang, Ng, S., Kendall, G, Cheng, J. Load Signature Study Part II_ Disaggregation Framework, Simulation, and Applications [J]. IEEE Transactions on Power Delivery, 2010, 25(2): 561-569 is a comprehensive non-intrusive monitoring method that integrates transient processes and multiple load characteristics in 1 ⁇ 2 state operation.
  • the present invention provides a current mode matching method for non-intrusive power load monitoring based on harmonic characteristics, and establishes an economical and practical electrical state (electrical power) and working condition monitoring of electrical appliances.
  • the look-up table method because the method only relies on the steady-state current mode statistical characteristics and steady-state active power and reactive power inherent in the normal operation of the electrical load, and thus has strong versatility; and proposes a "load state word vector"
  • the new concept makes this method easy to implement.
  • the invention realizes the total power decomposition based on the optimal matching of the load total current mode (current harmonic characteristics), and solves the problem that the current waveforms monitored by different electrical appliances are similar in the prior art, and the total power decomposition accuracy is
  • the technical problem that will be reduced is that when the current waveforms monitored by different electrical appliances are similar, the total power decomposition accuracy will not decrease, the decomposition accuracy is improved, and the different working states of the electrical appliances can be accurately identified;
  • the table method rather than the optimization algorithm, completes the monitoring, which reduces the computational performance requirements of the microprocessor in the monitoring system and can effectively reduce the cost.
  • the technical solution of the current mode matching method based on the non-intrusive power load monitoring and decomposition of the harmonic characteristics of the present invention is:
  • a load characteristic database is established, and the following load characteristic information is stored in the database:
  • equation (15): the current value, the amplitude of the first harmonic of ( ⁇ ) is the value of the base value of the current fundamental amplitude, so ⁇ 1; represents the current harmonic A Initial phase relative to the phase angle of the load voltage fundamental wave Position angle.
  • the invention is also based on the total load current mode (current harmonic characteristics) Excellent matching to achieve total load power decomposition, but the present invention does not adopt an optimization algorithm, but establishes a novel look-up table method, and the current pattern matching method proposed by the present invention not only solves the problem existing in the prior art.
  • the current waveforms monitored by different electrical appliances are similar to each other, and the total power decomposition accuracy is degraded. Therefore, it is necessary to properly classify the electrical appliances in advance, and fail to satisfactorily solve the problem of identifying the working state of the electrical appliances. Even when the current waveforms monitored by different electrical appliances are similar, the total power decomposition accuracy will not decrease, the decomposition accuracy will be improved, and the different working states of the electrical appliances can be accurately identified. And also has the following characteristics:
  • the microprocessor in the monitoring system is mainly responsible for:
  • the time-consuming metric for finding the ordered linear table can be logarithmic order o (log 2 «), and the performance is superior;
  • the method of the present invention has low requirements on the computing performance of the microprocessor, and can be easily applied to a smart meter.
  • the performance of the microprocessor (CPU) chip in the existing smart meter can meet the needs, and the smart meter can be equipped with "non-intrusive" load monitoring based on the expansion of the necessary external storage space for the ordered linear table [state].
  • the function of decomposition which shows the engineering benefits of the present invention.
  • Figure 1 is a basic schematic diagram of a non-intrusive power load monitoring and decomposition system
  • FIG. 3 is a schematic diagram of an embodiment of a non-intrusive power load monitoring and decomposing system according to the present invention
  • FIG. 4 is a measured waveform of air conditioning heating
  • Figure 5 is the measured waveform of the microwave oven heating
  • Figure 6 is a measured waveform of the washing machine washing
  • Figure 7 is the measured waveform of the induction cooker. detailed description
  • the invention takes the household appliance as the monitoring object, and takes the electric power state (electric power) of each electric appliance in the total load and the working state (such as the working state in which the electric air conditioner has two different electric powers of cooling and heating) as the monitoring target.
  • the electric power state electric power
  • the working state such as the working state in which the electric air conditioner has two different electric powers of cooling and heating
  • the present invention that is, a current pattern matching method for non-intrusive power load monitoring and decomposition based on harmonic characteristics, on the basis of the establishment of the above two assumptions, a load characteristic database including the following two contents is required:
  • the different electrical appliances are measured to determine all the different electrical powers during the steady-state operation of the electrical system.
  • Different electrical powers are defined as different power states, and the reference power is recorded as / ⁇ .
  • the power state corresponds to different working states. If the electrical power in different physical states is the same, the different physical states are uniformly defined as a working state; the microwave oven in the following Table 1 is high-fire, medium-fire, Different states such as low fire are only different duty cycles of power on and off, and the on-state power is the same, so only the high-fire heating state is used as a representative.
  • the steady-state current harmonic parameters are obtained by harmonic analysis of different measured electrical terminal voltages and steady-state currents, as shown in formula (4), which is the current harmonic parameter matrix H i of the electrical appliance ⁇ .
  • FIG. 2 is a functional flow chart of the non-intrusive power load monitoring and decomposition system according to the present invention: , the appliance registration and load status word space initialization steps:
  • Stop state 0 0 0 0 0 0 Power state 1 260/Wash 510/Refrigeration 1374/High fire 1023/Boiled rice power status 2 200/Dehydration 820/Heating Null 1479/ ⁇ Hot pot power status 3 Null Null Null 1880/ Boiling water active power repair
  • the present invention uses the power vector composed of the fundamental power consumed by the N appliances to indicate the power state of the total load, as shown by equations (1) and (2), which are the active vector ⁇ ⁇ ⁇ ⁇ and the reactive vector 2», respectively. ?" (R stands for real space), whose components are the fundamental active power or reactive power of the N appliances at their respective power states at the time ⁇ . At a given total load (that is, the established N electrical states) Under the combination), ⁇ ' (0 and one-to-one correspondence, Therefore, it is possible to use only the active power vector P' (0 indicates the power state of the total load.
  • N represents the total number of electrical appliances, indicating electrical appliances ⁇ , z'e ⁇ 1, 2,
  • a P' (0 (or o)) uniquely corresponds to a total load operating state S o) and vice versa.
  • the present invention expresses all possible working states of the total load by a state word vector, and all state words in ascending order of the load fundamental active total power reference value corresponding to each state word vector.
  • the vector is stored in the [state] table, forming a state space space referred to as a state space, where Z represents an integer space.
  • equation (15): the current value, the amplitude of the first harmonic of ( ⁇ ) is the standard value when the amplitude of the current fundamental is the base value, so ⁇ resort 1; represents the third of the current f ⁇ ) The initial phase of the subharmonic phase with respect to the phase angle of the fundamental voltage of the load terminal Position angle.
  • the actual working voltage of the load may not be re/ .
  • the actual active power estimate of each electrical appliance needs to be calculated according to the active power reference value of the fundamental load voltage correction (stored in the database). , as in formula (8).
  • the first/one state word vector S in [state] is taken, and /t represents the sequence number of the state word vector in the [state] table (the same below).
  • the state of the electric appliance is 0, and the current harmonic reference which can be obtained uniquely is obtained.
  • Equation (9) taken from the parameter matrix H. G); 3 ⁇ 4) and 23 ⁇ 4) are the first elements of ⁇ G ⁇ A) and 05, respectively, which represent the fundamental active power and reactive power estimates of the fundamentals at the fundamental voltage.
  • the present invention searches the ordered linear table [state] by using the idea of a binary search algorithm, and finally obtains a feasible state word space ⁇ , ⁇ 1 ⁇ »
  • the matching method is used to find and measure the total current mode (current harmonic characteristics).
  • the closest estimated total current mode corresponds to the state word s m «, which is taken as the optimal estimate of the current working state of the load, and 1 n ( ⁇ ) corresponding to s ln «-ground is used as the fundamental active.
  • the present invention proposes a current mode matching method:
  • the first state word of the [state] table corresponds to the fundamental active power estimate vector ⁇ 05 ⁇ , ) the fundamental active power ratio of the appliance; /t represents the sequence number of the state word vector in the [state] table.
  • SW k (1,1,0,2) ⁇ , p ⁇ iSW ⁇ U ⁇ (0 ⁇ ,0.23,0,0.66) ⁇ 221.5V) .
  • the subscript / 1 indicates the sequence number of the state word vector in the [state] table; the subscript indicates the appliance ⁇ , and according to the formula (3), the subscript indicates the state of the appliance ⁇ in the state word vector.
  • (,.) is H.
  • the estimated unit total current harmonic parameter vector, ⁇ , ) can be calculated by using equation (14), which is referred to as the estimated total current mode in the present invention.
  • ⁇ ⁇ » look for such a formula (16) has a minimum value as an optimum state word vector load current operating conditions is estimated to achieve electrical work status recognition, and S mi and ⁇ 1 corresponds to the ⁇ (as the optimal estimation of the current power state of the load, thus achieving the total power decomposition of the load fundamental wave, combined with the formula (9), can calculate the fundamental reactive power of the internal load of the load
  • the valuation in turn, achieves the load fundamental reactive power decomposition.
  • the present invention Based on the existing achievements in this field at home and abroad, the present invention provides an economical and practical method for monitoring residential electricity (details) based on solving some existing technical problems.
  • an embodiment system as shown in FIG. 3 is established.
  • the actual household electric distribution line is simulated by a row socket, and the electrical equipment is plugged into the row socket, for convenience.
  • the total load current is collected by connecting a current clamp in series on the power line of the row socket;
  • the signal conditioning box has a built-in voltage sensor for collecting the load terminal voltage, and includes an isolation protection circuit; the collected voltage and total current are collected by the data acquisition card.
  • the data acquisition card is transmitted to a computer for processing, and the data acquisition card is connected with a DAQCard-6024E data acquisition card of NI Company; the data acquisition card is connected to a computer storing a monitoring system program and a load characteristic database via a PCI bus, and the computer adopts a main computer.
  • the partial load characteristic information of the electric appliance used in the embodiment is as shown in Table 1.
  • the measured voltage-current waveform of the electric appliance is as shown in Fig. 4-7.
  • the sum and % are taken as 10% and 15%, respectively, and only the first 11 harmonic characteristics of the electrical current are taken.
  • the specific implementation of the new method established by the present invention mainly includes the following five parts: electrical appliance registration and status word space initialization, data acquisition and data preprocessing, and feasible state word space search and current mode based on table lookup. (current harmonic characteristics) optimal matching and display output of monitoring and decomposition results.
  • electrical appliance registration and status word space initialization data acquisition and data preprocessing
  • feasible state word space search and current mode current mode based on table lookup. (current harmonic characteristics) optimal matching and display output of monitoring and decomposition results.
  • offline statistics and analysis of the measured load data can be used to supplement and update the contents of the load characteristics database.
  • the appliance registration and load status word space initialization as described above, for the implementation of the non-intrusive power load monitoring method established by the present invention, on the basis of establishing the load characteristic database, the load registration is required, that is, the household use is determined.
  • the electrical components are composed and the load characteristics information required for the monitoring method is obtained.
  • the user's participation in this part and the complexity of some necessary operations should be reduced as much as possible.
  • an ordered linear table [state] is obtained, which is solidified in the storage module of the monitoring system.
  • Data acquisition and data preprocessing, the collection and data preprocessing of the residential load voltage and total current is the basis for successful completion of non-intrusive power load monitoring, which is directly related to the effectiveness of the monitoring method.
  • data preprocessing mainly includes signal denoising and harmonic analysis of voltage and total current. This part provides the measured total active power P/(0, total reactive power (see equations (6) and (7) above) and the total current mode of the measured unit (current harmonic characteristics) for the monitoring method established by the invention. /, ⁇ (0, ⁇ (0) (see equation (15)).
  • the present invention Based on the look-up of the feasible state word space search, the present invention completes the load working state primary selection by searching for the ordered linear table [state], and finally A feasible state word space ⁇ ⁇ / ⁇ , ⁇ ») which satisfies the total power constraint of the fundamental wave is obtained.
  • the current mode optimal matching is obtained in the feasible state word space Dw ⁇ / ew) which satisfies the measured total active power and reactive power of the fundamental wave in the feasible state space space search based on the look-up table, and finds and measures through the matching method.
  • the total current mode (current harmonic characteristic) is the closest estimated state word S m w corresponding to the total current mode, which is taken as the optimal estimation of the current working state of the load, and will be made corresponding to S mm W - one ground Work for the fundamentals
  • the power optimal estimation vector thus achieving the total active power decomposition of the load fundamental wave, combined with the formula (9), calculates the fundamental reactive power estimation of the internal load of the load, and then realizes the reactive power decomposition of the load fundamental.
  • the output shows the monitoring and decomposition results, as shown in Table 2.
  • the embodiment verifies the effectiveness of the method of the present invention.
  • the method of the present invention has an accuracy of 100% for the working state of the electrical appliance and a total power decomposition error of 5% or less to meet the engineering needs.
  • the waveforms of the air conditioner and the induction cooker are similar.
  • the second group of examples shows that the monitoring results are not disturbed, indicating that the method of the present invention is applied to the appliance.
  • the current waveforms are not sensitive to each other.
  • the power difference between the microwave oven and the induction cooker is 8.84%.
  • the fourth group of examples shows that the monitoring results are still highly accurate. It is shown that the decomposition error of the method of the invention is not affected by the similar power level of the electric appliance, and is not sensitive to reasonable load power fluctuation, and can accurately distinguish the load working state with the power level close.
  • the present invention has been described in connection with the embodiments of the present invention, the present invention is not limited to the specific embodiments described above, and the specific embodiments described above are merely illustrative and not restrictive. Under the apocalypse, many variations can be made without departing from the spirit of the invention, and the embedded system development based on the method of the invention can be performed, for example, the method is embedded in a user's local smart meter, and the locally collected electric power can also be collected. Signal far-reaching, development in remote data analysis servers is based on the monitoring functions of the method of the present invention, which are all within the protection of the present invention.

Landscapes

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

Abstract

一种非侵入式电力负荷监测与分解的电流模式匹配方法，在建立负荷特征数据库的基础上，包括用电器登记和负荷状态字的空间初始化，数据采集与预处理，基于查表的可行状态字的空间搜索，电流模式最优匹配和监测结果输出。该方法提高了分解精度，可以准确辨识电器的不同工作状态，同时，可降低成本。

Description

非侵入式电力负荷监测与分解的电流模式匹配方法 技术领域
本发明涉及智能电网的高级量测体系，具体讲，涉及一种电力系统中居民用电监测 方法。 背景技术
目前， 随着经济社会的快速发展， 由于电力系统在供电可靠性、 电能质量、低碳节 能等方面都面临着前所未有的严格约束，传统电网正向智能电网转型，参见：余贻鑫， 栾 文鹏， 面向 21世纪的智能电网. [EB/OL].http://news.sciencenet.cn.2010-09-05.; 其中， 高 级量测体系是实践电网智能化的至关重要的第一步，它承担着整个电网多方面电气信息 的量测、 收集、 储存和分析的底层任务， 是智能电网中其他（上层）功能得以实现的基 础， 如电网故障定位与自愈恢复、 需求侧管理和负载实时均衡、 电压稳定性控制、准确 的负荷预测与建模， 实时电力系统仿真分析等。 电网负荷用电监测与分析是高级量测体 系中最重要的部分之一， 其中， 居民用电监测的意义在于： 一方面， 使用户了解电能消 耗细节， 有助于促使其优化用电习惯， 最终削减电费支出； 另一方面， 由于民用负荷的 可控性较强， 如电热水器、 空调等 "储能型"负荷和洗衣机、 电热水壶等 "延迟性"负 荷都具有与电网友好合作的潜力， 凭借用电监测， 用户可以有依据地响应电网需求， 帮 助实现 "削峰填谷"等需求侧管理功能， 使电网受益。
传统的居民用电监测是为每个电器配备一个传感器来跟踪其用电状态 （用电功率） 和工作状态 （如空调有制冷和制热两种用电功率不同的工作状态）， 属于 "侵入式"监 测。然而大量带有数字通讯的传感器的安装、调试及维护开销较大， 而且传感器过多会 降低监测系统和用电器的可靠性。 George Hart在 G. W. Hart.Nonintrusive appliance loadmonitoring [J]. Proceedings of IEEE, 1992, 80(12): 1870-1891中最早正式提出了非侵 入式的电力负荷监测系统 （Non-Intrusive Load Monitoring System), 基本原理可总结如 图 1。 图中虚线框内为系统的主要功能模块， 数据采集模块负责采集供电电源入口处的 电压和总电流， 数据预处理模块负责电压、 电流波形滤波， 去噪及为实现负荷电气特征 提取所做的其他操作， 如电压、 电流谐波分析， 电流相位校正等， 负荷事件检测与特征 提取模块负责在负荷事件检测的基础上从实测负荷端电压和总电流中提取监测方法所 需的负荷特征， 如稳态有功和无功功率、 暂态电流峰值、 暂态电流有效值等， 这是影响 监测性能的关键， 最后利用有效的监测方法完成总负荷组成分析和电器用电状态辨识， 并完成监测系统的维护和管理等相关功能；此外， 图中还列举了系统可以具有的拓展功 能， 如交互操作、 控制命令输入与输出及系统报告等。
非侵入式电力负荷监测方案通过分析用户电源入口处的电压和总电流来确定户内 每个电器的用电状态。这样既可降低监测成本和简化操作，又可提高监测系统的可靠性， 不仅简化了电力公司对负荷用电细节数据的收集工作，而且可以简单便捷地指导用户优 化用电。
现有的一些技术中把启动、停机等负荷工作状态的变动统称为负荷事件，利用与其 相关的稳态特征 （如稳态功率阶跃， 参见： （1 ) G. W. Hart.Nonintrusive appliance loadmonitoring [J]. Proceedings of IEEE, 1992, 80(12): 1870-1891 ； ( 2 ) H. Pihala.Non- intrusive appliance load monitoring system based on a modern kWh-meter[R]. Technical Research Center of Finland, ESPOO, 1998； (3 ) Christopher E. Reeg, Thomas J. Overbye. Algorithm development for Non-Intrusive Load Monitoring for Verification and Diagnostics [C]. North American Power Symposium (NAPS), 2010, :1-5； (4) Berges, et al. Enhancing electricity audits in residential buildings with nonintrusive load monitoring [J]. Journal of Industrial Ecology, 2010, 14(5): 844-858; (5 ) Ming Dong, et al. An Event Window Based Load Monitoring Technique for Smart Meters [J]. IEEE Transactions on Smart Grid, 2012,3(2):787-796)或暂态特征（如暂态功率波谱模式，参见：（ 1 )Steven B. Leeb, James丄. Kirtley.A Multiscale Transient Event Detector for Nonintrusive Load Monitoring[J]. International Conference on Industrial Electronics, Control, and Instrumentation, 1993, 1:354-359； (2) Steven B. Leeb, Steven R. Shaw, James L. Kirtley. Transient event detection in spectral envelope estimates for nonintrusive load monitoring [J]. IEEE Transactions on Power Delivery, 1995, 10 (3):1200-1210.； ( 3 ) S. R. Shaw, et al. Nonintrusive Load Monitoring and Diagnostics in Power Systems [J] .IEEE Transactions on Instrumentation and Measurement, 2008, 57(7): 1445-1454) 来判断检测到的负荷事件是源自总负荷内部的哪 个电器， 据此实现非侵入式负荷监测。 其中， Christopher E. Reeg, Thomas J. Overbye. Algorithm development for Non-Intrusive Load Monitoring for Verification and Diagnostics [C]. North American Power Symposium (NAPS), 2010, :1—5在 G. W. Hart.Nonintrusive appliance loadmonitoring [J] .Proceedings of IEEE, 1992, 80(12): 1870-1891的基础上通过 考虑电器的典型工作时段这一时间特征改善了监测性能。 Ming Dong, et al. An Event Window Based Load Monitoring Technique for Smart Meters[J]. IEEE Transactions on Smart Grid, 2012,3(2):787-796提出了负荷事件窗的概念， 在负荷特征参数化的基础上， 以参数方程式给出了一个线性的负荷辨识分类器，监测准确率较高；但是分类器方程中 的常值系数需要在大量实测的基础上通过统计分析得到，若数值不适当，对辨识准确率 影卩向较大。 S. R. Shaw, et al. Nonintrusive Load Monitoring and Diagnostics in Power Systems [J] .IEEE Transactions on Instrumentation and Measurement, 2008, 57(7): 1445-1454 实现了暂态功率波谱模式的参数化，可用于辨识那些同属于一类、但暂态波形参数不同 的不同负荷个体。总体上， 对于这类基于负荷事件的监测方法， 由于不同电器的工作状 态变换过程之间通常不是分立的， 时常会同时或顺序地发生不同的负荷事件，致使电器 的唯一性特征被掩藏或消失， 从而造成辨识错误； 对于短工作周期的负荷， 也可能因两 个连续的量测点间的负荷事件丢失产生辨识错误。此外，这类方法不能辨识恒功率电器， 对多状态的和功率连续可变的电器的监测准确率低。 文献： 黎鹏,余贻鑫.非侵入式电力 负荷在线分解 [J]天津大学学报 ,2009,42(4):303-308.中抛开负荷事件的概念， 基于任一稳 态负荷总电流可由其内部各类主要用电设备电流的线性叠加近似估计的事实，通过最优 化方法实现负荷总电流模式（电流谐波特征）最优匹配， 来求得各类用电设备的电流权 重系数， 实现总功率在线分解，有效地解决了以负荷事件为基础的方法共同存在的上述 问题。但如果不同电器监测的电流波形相似程度较大， 总功率分解精度就会下降， 因而 需要事先对电器做恰当的分类， 未能完满地解决电器工作状态辨识的问题。 文献 （1 ) Yi-Sheng Lai, Yung-Chi Chen, Shiao-Li Tsao, Tzung-Cheng Tsai. A novel search scheme for nonintrusive load monitoring systems[C].2012 IEEE International Conference on Industrial Technology (ICIT), 2012,： 102-107和文献 (2) Jian Liang, Ng, S.， Kendall, G, Cheng, J. Load Signature Study一 Part II_ Disaggregation Framework, Simulation, and Applications [J]. IEEE Transactions on Power Delivery, 2010,25(2): 561-569是集成暂态过程和 ½态运行 中多种负荷特征的综合型非侵入式监测方法，这类方法的辨识与监测准确率较高，但是， 若监测方法对数据采集模块的采样频率 （比如涉及暂态特征） 和微处理器性能要求高， 则会提高整体成本， 降低监测方法的实用性。 发明内容
针对上述现有技术，本发明提供一种基于谐波特性的非侵入式电力负荷监测的电流 模式匹配法， 建立了一种经济实用的、 新颖的电器用电状态（用电功率）与工作状态监 测的查表法，由于本方法仅依靠电器负荷正常工作时固有的稳态电流模式统计特性和稳 态有功功率、 无功功率， 从而具有很强的通用性； 并提出了 "负荷状态字向量"的新概 念， 使本方法易于实现。本发明是基于负荷总电流模式（电流谐波特征）最优匹配来实 现负荷总功率分解的，解决了现有技术中存在的如果不同电器监测的电流波形相似程度 较大， 总功率分解精度就会下降的技术问题，在不同电器监测的电流波形相似程度较大 时， 总功率分解精度也不会下降， 提高了分解精度， 而且可以准确辨识电器的不同工作 状态； 而且， 由于本方法利用查表法而不是优化算法完成监测， 降低了对监测系统中微 处理器计算性能的要求， 可有效降低成本。
为了解决上述技术问题，本发明基于谐波特性的非侵入式电力负荷监测与分解的电 流模式匹配方法予以实现的技术方案是：
建立一负荷特征数据库， 该数据库中存储有以下负荷特征信息：
( 1 ) 在基波参考电压 ^下不同电器的用电状态和工作状态；
(2) 不同电器的每种工作状态的稳态电流谐波参数。
并包括下述步骤：
用电器登记与负荷状态字空间初始化步骤：
1 ) 确定总负荷内的所含电器设备， 并从负荷特征数据库中获取负荷内每个电器的 负荷特征信息， 从而完成用电器登记；
2) 统计负荷所有可能的工作状态， 并存储在一有序线性表 [state ]中， 从而完成状 态字空间 的初始化。
数据采集与预处理步骤：
包括采集负荷端电压和稳态用电总电流，以及对采集到的电压和总电流信号进行信 号去噪和谐波分析， 从而得出：
实测基波有功总功率 Ρ/ (0 :
Figure imgf000005_0001
实测基波无功总功率
Q1 l (t) = UlIl ήη( θη ) ( 7) 实测单元总电流模式
Figure imgf000005_0002
. (Pi (0, Q] (0) = (1·^π , -,alh -Zeih, -, alH -ZeiH)T ( 15 ) 公式 （6) 和公式 （7) 中： 表示实测负荷端电压 M(0的基波有效值， 表示实 测负荷总电流 ζ·,(0的基波有效值； 表示 ζ·,(0的基波相对于负荷端电压基波相位角的 初相位角；
公式 （15 ) 中： 表示电流, (ί)的第 Α次谐波幅值以该电流基波幅值为基值时的 标幺值， 故^ = 1； 表示电流 )的第 A次谐波相对于负荷端电压基波相位角的初相 位角。
基于査表的可行状态字空间搜索步骤：
对有序线性表 [state ]进行搜索， 在状态字空间 Ω 中， 根据实测负荷基波有功总 功率 P (0和实测负荷基波无功总功率 2 (0， 对负荷工作状态完成初选， 最终得到满 足基波总功率约束的可行状态字空间
Figure imgf000006_0001
其中， Ζ表示整型数空间。
电流模式最优匹配步骤：
电流模式匹配的目标函数如下：
Figure imgf000006_0002
公式 （16) 中： |·|表示 £2范数。
在上述可行状态字空间 Ω (Ρ/(0,β (0)内， 寻找一个使电流模式最优匹配的目标 函数有最小值的状态字向量 s m(0作为对负荷当前工作状态的最优估值，实现电器工 作状态辨识， 并将与 —一地对应着的 1η «做为负荷当前用电状态的最优估值 向量， 至此实现了负荷基波总功率分解。
监测与分解结果的显示输出：
最后， 显示输出负荷内部每个电器的用电状态 （即用电功率） 和所处工作状态。 与现有技术相比， 本发明的有益效果是：
与文献： 黎鹏，余贻鑫.非侵入式电力负荷在线分解 [J]天津大学学 报, 2009,42(4):303-308.相同， 本发明也是基于负荷总电流模式 （电流谐波特征） 最优匹 配来实现负荷总功率分解的，但本发明并未采用优化算法，而是建立了一种新颖的查表 法，本发明所提出的电流模式匹配方法不但解决了现有技术中存在的如果不同电器监测 的电流波形相似程度较大， 总功率分解精度就会下降， 因而需要事先对电器做恰当的分 类，未能完满地解决电器工作状态辨识的问题。即使在不同电器监测的电流波形相似程 度较大时， 总功率分解精度也不会下降， 提高了分解精度， 而且可以准确辨识电器的不 同工作状态。 并且还具有以下特点：
( 1 ) 以电器个体为监测对象， 不需要电器归类；
(2)仅依靠电器负荷正常工作时所固有的稳态电流模式统计特性和稳态有功功率、 无功功率， 从而具有很强的通用性；
(3 ) 对合理的负荷功率波动不敏感， 能够区分功率水平接近的负荷工作状态；
(4) 能够准确辨识单一状态或 "多状态" 电器的工作状态；
(5 ) 总功率分解精度高， 相对误差在 5%以内。
此外， 本发明中， 监测系统中的微处理器主要负责：
( 1 )负荷端电压和总电流的谐波分析，仅需每周波 32点的傅里叶变换，计算量小;
(2)遍历有序线性表 [state ]，查找有序线性表的耗时量度可以是对数阶 o(log2 «)， 性能优越；
( 3 ) 在线计算估计总电流模式， 由于集合0^ |^ ^^^»的元素数量仅为可行状 态字空间 的 5~10%， 因而需要的浮点数乘除运算量小 综合上述三点，本发明方法对微处理器运算性能的要求低， 能容易地应用于智能电 表。现有智能电表中微处理器（CPU)芯片的性能即可满足需要，在为有序线性表 [state ] 拓展必要的外部存储空间的基础上， 可使智能电表具备 "非侵入式"负荷监测与分解的 功能， 足见本发明的工程效益。 附图说明
图 1是非侵入式电力负荷监测与分解系统基本原理图；
图 2是本发明所述的非侵入式电力负荷监测与分解系统的功能流程图；
图 3是本发明所述的非侵入式电力负荷监测与分解系统的实施例的示意图； 图 4是空调制热的实测波形；
图 5是微波炉高火加热的实测波形；
图 6是洗衣机洗涤的实测波形；
图 7是电磁炉煮饭的实测波形。 具体实施方式
下面结合具体实施方式对本发明作做进一步详细地描述。
本发明以家用电器为监测对象， 把总负荷内部每个电器的用电状态（用电功率）及 工作状态（如空调有制冷和制热两种用电功率不同的工作状态）作为监测目标。 同时做 出如下两点基本假设：
假设 1 : 正常情况下， 负荷电器在既定的工作状态下所消耗的基波有功功率 （和与 之对应的基波无功功率） 与其端电压有确定性关系， 且可仅用有功功率来表征 （参见： H. Pihala.Non- intrusive appliance load monitoring system based on a modern kWh-meter[R]. Technical Research Center of Finland, ESPOO, 1998.)；
假设 2:在既定电压下， 电器的工作状态与稳态电流谐波特征间有一一对应的关系， (参见： 黎鹏,余贻鑫.非侵入式电力负荷在线分解 [J]天津大学学
报, 2009,42(4):303-308. )。
本发明， 即基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法，在 上述两点假设成立的基础上， 需建立包括下述两项内容的负荷特征数据库：
在基波参考电压 下不同电器的用电状态和工作状态：
在基波参考电压 下， 对不同电器进行实测， 确定电器稳态运行过程中用电功 率不同的所有情况，不同的用电功率即被定义为不同的用电状态，参考功率被记为/^ ， 不同的用电状态对应不同的工作状态，若电器不同物理状态下的用电功率相同，则将这 些不同的物理状态统一定义为一种工作状态；如下表 1中的微波炉，微波炉高火、中火、 低火等不同状态只是功率通断的占空比不同，通态功率是相同的，故只以高火加热这一 种工作状态作为代表。
不同电器的每种工作状态的稳态电流谐波参数：
通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波 参数， 如公式 （4) 所示， 为电器 α 的电流谐波参数矩阵 H i。
Figure imgf000008_0001
公式（4) 中： 假定电器^除停机之外， 共有 Λ·种工作状态， 则矩阵 Hfli共有 &' e Z 列， 这里有 ^) ε {1，2，···，>¾} ; H表示 Hfli计及的最大谐波次数， ？表示谐波次数， h e {1,2,· · ·, H}； 表示 α在状态 下稳态电流的第 h次谐波幅值以该电流基波幅 值为基值时的标幺值， 故有 ^ = 1； ^)表示 在状态 下稳态电流的第 ?次谐波 相对于电器设备端电压基波相位角的初相位角。
本发明， 即基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法，包 括以下步骤， 图 2为本发明所述的非侵入式电力负荷监测与分解系统的功能流程图： 一、 用电器登记与负荷状态字空间初始化步骤：
1 ) 确定总负荷内所含的电器设备， 并从负荷特征数据库中获取总负荷内每个电器 的负荷特征信息， 包括： （1 ) 在基波参考电压 下每个电器的用电状态和工作状态， (2)总负荷内部每个电器的每种工作状态的稳态电流谐波参数，从而完成用电器登记； 若负荷内部包含洗衣机、空调、微波炉和电磁炉四种用电器， 则基于负荷特征数据 库完成用电器登记后，可以得到每种电器用电状态和工作状态信息，表 1是用电器的负 荷特征信息统计表。
表 1 负荷特征信息统计表 （ Uref = 220V )
电器功率 w/
洗衣机 /X 空调 /K 微波炉 /w 电磁炉 /D
用电状态
停机状态 0 0 0 0 0 用电状态 1 260/洗涤 510/制冷 1374/高火 1023/煮米饭 用电状态 2 200/脱水 820/制热 Null 1479/涮火锅 用电状态 3 Null Null Null 1880/烧开水 有功功率修
1.2 1.2 1.5 2.0
正指数
注： 微波炉高火、 中火、 低火等不同状态只是功率通断的占空比不同， 通态功率是 相同的， 故表中只给出了微波炉的高火加热状态。
2)统计负荷所有可能的工作状态（亦即负荷内部所有电器工作状态的组合）， 存储 在一有序线性表 [state ]中， 从而完成状态字空间 的初始化；
本发明用由 N个电器所消耗的基波功率组成的功率向量表示总负荷的用电状态，如 式 （1 ) 和 （2) 所示， 分别为有功向量 Ρθ ^Τ和无功向量 2» ?" ( R表示实数空 间）， 其分量分别是 N个电器在时刻 ί处于各自用电状态的基波有功功率或无功功率。 在既定的总负荷（亦即既定的 N个电器用电状态组合）下， Ρ'(0和 是一一对应的， 所以可以仅用有功功率向量 P'(0表示总负荷的用电状态。
Pl{t) = {P^-P^,-,PN l)T (1)
Figure imgf000009_0001
公式（1)和（2)中： 上标" 1"表示基波， 余同。 N表示电器总数， 表示电器 α， z'e {1,2,
进而， 若以 (Z表示整型数空间） 表示电器 的第 种状态， 由于每个 电器在某时刻 只能处于一种工作状态， 因此可用一个 N维状态字向量 s (0ezw来反 映总负荷在时刻 的工作状态， 其分量分别表示 N个电器的工作状态， 如公式 （3)。
SW(t) = (s(l),- · -,s(i),- · -,s(N))T ( 3 ) 公式 （3) 中： 若电器 处于停机状态， 则令 ) = ()。
如上所述，一个 P'(0 (或 o))唯一地对应一种总负荷工作状态 S o)， 反之亦然。 如果已经提供了下表 1所示的负荷特征信息， 则可以写出 ^(0 = (260,0,1374,1479 ， 对 应就有 S （0 = (1,0,1,2)^， 这表示（ί时刻） "洗衣机洗涤、 空调停机、 微波炉高火加 热、 电磁炉涮火锅"； 若先写出 S （0 = (0,1,0,3) ， 且 t/re = 220 V ， 对应就有 = (0,510 ,0,1880 Y， 对 P'(0中各元素求和可得到负荷基波有功总功率参考值 为 2390W。 既然 S （t)可唯一地定义总负荷用电状态^1^)， 所以为了节约存储空间， 本发明将总负荷所有可能的工作状态由状态字向量一一表示，并按与每个状态字向量对 应的负荷基波有功总功率参考值的升序将所有状态字向量存储在 [state]表中， 形成状 态字空间 简称状态空间， 其中， Z表示整型数空间。
二、 数据采集与数据预处理步骤：
包括采集负荷端电压和稳态用电总电流，以及对采集到的电压和总电流进行信号去 噪和谐波分析， 从而得出：
实测基波有功总功率 p/(o:
Pl l(t) = UlIl cos( θ ) (6) 实测基波无功总功率 :
Q1 l(t) = UlIl ήη( θη) (7) 实测单元总电流模式 /, θ,β,Ο) .
Figure imgf000009_0002
(15) 公式 （6) 和公式 （7) 中： 表示实测负荷端电压 Μ(0的基波有效值， 表示实 测负荷总电流 的基波有效值； 表示 的基波相对于负荷端电压基波相位角的 初相位角。
公式 （15) 中： 表示电流, (ί)的第 Α次谐波幅值以该电流基波幅值为基值时的 标幺值， 故 α„ =1; 表示电流 f^)的第 Α次谐波相对于负荷端电压基波相位角的初相 位角。
三、 基于査表的可行状态字空间搜索步骤：
对有序线性表 [state]进行搜索， 在状态字空间 Ω 中， 根据实测负荷基波有功总 功率 P (0和实测负荷基波无功总功率 ， 对负荷工作状态完成初选， 最终得到满 足基波总功率约束的可行状态字空间
Figure imgf000010_0001
其中， Ζ表示整型数空间。
1)实测基波端电压 ^下， 负荷工作状态初选所需的描述各电器基波有功功率和无 功功率估值的向量的计算方法：
由于电网电压波动， 负荷实际工作电压可能不是 re/， 基于前述假设 1， 首先需要 根据实际负荷端基波电压 修正 下 （数据库中已存储） 的有功功率参考值计算得 到各个电器实际有功功率估值， 如公式 （8)。
Figure imgf000010_0002
公式（8) 中： 表示电器的基波有功功率修正指数， 可经实测统计得到； !\ )表 示实测基波端电压 下的电器实际有功功率估值。
在实测基波端电压 下，由状态字 S^可计算得到对应的基波有功功率估值向量， 记为 ^O^^t/ e 。根据上表 1和式（7)， 若假设 Sf^ = (1,1,0,2) ， ^ =221.5^ , 则有
Figure imgf000010_0003
(262.1,514.2,0,1499 )τ (各电器 P的取值见上表 1) 。
进而， 任取 [state]中第/ 1个状态字向量 S ， /t表示状态字向量在 [state]表中的 序号 （下同）。 据公式（3)， 中电器 的状态为 0， 由 可得到与之唯一对应的 电流谐波参
公式（5)中： 共有 N列； 若 中电器 的状态 )≠0， 则以参数矩阵 Hfli 的第 )列作为矩阵 AG^D的第 列； 若 ^) = 0， 则矩阵 Hfl(S )的第 列为零向量。
利用 ^GS )中各电器的基波相位角参数， 根据公式（9)计算得到与/ ^OW^^e^ 一一对应着的基波无功功率估值向量 (^^， ^/？
Q = - tan θΛί) (9) 公式 （9) 中： 取自参数矩阵 H。G ) ; ¾)和2¾)分别是 ^G^^A)和 05 ， 的第 个元素， 即表示实测基波端电压 下， 电器 处于状态 时的基波 有功功率和无功功率估值。
2) 建立负荷工作状态初选的约束条件： 分别对 ^, )和 Q^SW 中元素求和可得到负荷基波有功总功率和基波无功 总功率估值， 并相应地记为 if^ )和 β^Οϊί^, )。 进而可建立负荷工作状态初选 的约束条件， 如公式 （10) 和 （11) 所示。
Figure imgf000011_0001
公式 （10) 和 （11) 中： 和％分别为有功功率和无功功率域值系数， 和％分 别为 10%和 15%。
基于上述约束条件， 为提高查表效率，本发明利用二分查找算法的思想对有序线性 表 [state]进行搜索， 最终得到可行状态字空间 Ω^Ο^Ο,β1^»
四、 基于査表的电流模式最优匹配步骤：
在上述步骤三中搜索得到的满足实测基波有功总功率和无功总功率约束的可行状 态字空间 Ω ΟΡ/^,β^)内， 通过匹配法寻找与实测总电流模式 （电流谐波特征） 最接 近的估计总电流模式所对应的状态字 s m«， 将其作为负荷当前工作状态的最优估计， 并将与 s ln«—一地对应着的 1η(ί)做为基波有功功率最优估值向量， 反应负荷内电器 的用电状态， 至此实现了负荷基波总功率分解。
为此本发明建议了一种电流模式匹配法：
1)实测基波端电压 下， 描述各电器基波有功功率估值在负荷总基波有功功率估 值中所占比例的向量- 由 Ω ορ/(ο,β (0)中状态字向量 可以得到对应的有功功率估值向量
Figure imgf000011_0002
由下式可得描述各个电器的基波有功功率估值在总负荷总基波有功功率估 值中所占的比例的向量-
P SH .., . U RN (12) 公式 （12) 中： /¾ = ¾/∑ /¾ = /¾//^^,^表示实测基波端电压 下，
[state]表的第 个状态字 对应的基波有功功率估值向量^05^, ）中电器 的基 波有功功率比例； /t表示状态字向量在 [state]表中的序号。 例如， 对于
SWk = (1,1,0,2)Γ , p^iSW^U^^ (0ΛΙ,0.23,0,0.66)Τ 221.5V) 。
2) 描述基波端电压 下各电器电流在负荷总电流中所占比例的估值向量： 据公式（13)， 利用电流谐波参数矩阵 H。G )中的基波相角参数和基波有功功率比 例向量 A )计算得每个电器的电流权重系数 ¾:
Figure imgf000012_0001
公式 （13) 中， 下标/ 1表示状态字向量在 [state]表中的序号； 下标 表示电器 α ， 据公式 （3)， 下标 表示状态字向量 中电器 α 的状态。 (,.)是 H。G )的第一行 第 列元素的相位角。 并把 ^ ， )=0¾，…， ，...，^tf 称为电流权重系数估值向
3) 估计电流模式和电流模式匹配的目标函数：
利用 N个主要电器设备稳态电流的线性叠加近似估计负荷总电流的基本原理 （文 献： 黎鹏,余贻鑫.非侵入式电力负荷在线分解 [J]天津大学学报 ,2009,42(4):303-308.)， 可 采用公式（14)计算得到估计单元总电流谐波参数向量 ,^^ , ), 本发明中称之为估 计总电流模式。
i, (SWk,Ul) = (Ha (SWk )) · (fi(SWk ,UX)) (14) 如果， 在 t 时刻， 实测负荷基波总功率对应的实测单元总电流模式被记为 0Ρ(αβ ))，如公式（15)所示。则本发明建议的电流模式匹配的目标函数如公式（16): J, (
Figure imgf000012_0002
(,)) = (1-Ζθη ,-,αΛ-ΖΘΛ,-, am -ΖΘΙΗ)Τ (15) 公式 （15) 中： 表示电流, (ί)的第 Α次谐波幅值以该电流基波幅值为基值时的标 幺值，故 =1。 表示电流, (ί)的第 Α次谐波相对于负荷端电压基波相位角的初相位角。
^(P itlQ t^-i.iSw^u 2 (16)
Figure imgf000012_0003
公式 （16) 中： |·|表示 £2范数。
4) 依据匹配结果完成基波负荷分解：
在可行状态子空间 Ω /ω,β^»中， 寻找一个使得公式 （16) 有最小值的状态字向量 作为对负荷当前工作状态的最优估计， 实现电器工作状态辨识， 并将与 S mi ^一 一地对应着的 ιη( 做为负荷当前用电状态的最优估计， 至此实现了负荷基波有功总功 率分解， 结合公式（9)， 可计算得到负荷内部电器的基波无功功率估值， 进而实现了负 荷基波无功总功率分解。
五、 监测与分解结果的显示输出：
最后， 显示输出负荷内部每个电器的用电状态 （即用电功率） 和所处工作状态。 实施例：
基于国内外在该领域的现有成果，本发明在解决一些现存技术问题的基础上，给出 了一套经济实用的居民用电 （细节） 监测方法。
根据图 1和图 2， 建立了如图 3所示的实施例系统， 在实施例中以排式插座模拟实 际居民户内配电线路， 电器设备插接在排式插座上， 为实现方便， 通过在排式插座的电 源线上串联一电流钳来采集负荷总电流;信号调理箱内置有用于采集负荷端电压的电压 传感器，并含有隔离保护电路；采集所得的电压和总电流经数据采集卡传送至电脑进行 处理， 所述数据采集卡采用 NI公司的 DAQCard-6024E数据采集卡； 数据采集卡均经 PCI总线与一台存储有监测系统程序和负荷特征数据库的电脑连接，所述电脑采用主频 为 1.60GHz的笔记本机。
实施例中用电器的部分负荷特征信息统计如表 1， 用电器的实测电压 -电流波形举 例如图 4-图 7。 测试时， 和％分别取为 10%和 15%， 仅取电器电流的前 11次谐波特 征。
参见图 2， 本发明所建立的新方法的具体执行主要包括以下五部分： 分别是用电器 登记与状态字空间 初始化， 数据采集与数据预处理， 基于查表的可行状态字空间搜 索和电流模式 （电流谐波特征）最优匹配和监测与分解结果的显示输出。 其中， 如图 2 示意， 对实测所得负荷数据的离线统计与分析可用于补充和更新负荷特征数据库的内 容。
用电器登记与负荷状态字空间初始化， 如前所述， 为实施本发明所建立的非侵入 电力负荷监测方法， 在建立了负荷特征数据库的基础上， 需要进行负荷登记， 即确定居 民户内用电器组成， 并获得监测方法所需的负荷特征信息，。 但是为了最大程度地便利 用户以保证监测方案的实用性，应尽可能地降低这一部分中用户的参与度和一些必要操 作 （如负荷登记） 的复杂度。 在用电器登记的基础上， 完成状态子空间 初始化后便 得到一有序线性表 [state ]， 将其固化在监测系统的存储模块内。
数据采集与数据预处理，居民负荷端电压和用电总电流的采集与数据预处理是成功 完成非侵入电力负荷监测的基础， 直接关系到监测方法执行效果的好坏。其中， 数据预 处理主要包括信号去噪和电压和总电流的谐波分析。这部分为本发明所建立的监测方法 提供实测基波有功总功率 P/ (0、 无功总功率 (见前面公式 （6)和公式 （7))和 实测单元总电流模式 （电流谐波特征） /,ΟΡ (0,β (0) (见公式 （15 ))。 基于査表的可行状态字空间搜索， 本发明是通过对有序线性表 [state ]的搜索完成 负荷工作状态初选， 最终得到满足基波总功率约束的可行状态字空间 Ω ΟΡ/^,β»)。
电流模式最优匹配，在上述基于查表的可行状态字空间搜索中得到满足实测基波有 功总功率和无功总功率约束的可行状态字空间 Dw^/ e w)内， 通过匹配法寻找与实 测总电流模式（电流谐波特征）最接近的估计总电流模式所对应的状态字 S mw， 将其 作为负荷当前工作状态的最优估计， 并将与 S mmW—一地对应着的 做为基波有功 功率最优估值向量， 至此实现了负荷基波有功总功率分解， 结合公式（9)， 计算得到负 荷内部电器的基波无功功率估值， 进而实现负荷基波无功总功率分解。
输出显示监测与分解结果， 如表 2所示。
表 2 实施 1测试结果
实际状态 /
电器 （符号） 实际功率 监测结果 绝对误差 相对误差 监测状态
洗衣机 /X 0/0 0 0 0 NaN
1346W 1292W -54W -4.01% 微波炉 /W 1/1
180var 175var -5var -2.78% 1 -
489W 469W -20W -4.09% 组 空 调 /K 1/1
189var 182var -7var -3.70% 电磁炉 /D 0/0 0 0 0 NaN
244W 238 W -6W -2.46% 洗衣机 /X 1/1
57var 55var -2var -3.51% 第 微波炉 /W 0/0 0 0 0 NaN
2 799W 781W -18W -2.25%
空 调 /K 2/2
组 207var 200var -7var -3.38%
901W 880W -21W -2.33% 电磁炉 /D 1/1
-76var -77var -lvar 1.32%
231W 222W -9W -3.90% 洗衣机 /X 1/1
50var 51var lvar 2.00%
1171W 1120W -51W -4.35% 微波炉 /W 1/1
158var 152var -6var -3.80%
3 -
489W 468W -21W -4.29% 组 空 调 /K 1/1
190var 182var -8var -4.21%
1695W 1632W -63W -3.72% 电磁炉 /D 3/3
-241var -234var 7var -2.90% 洗衣机 /X 0/0 0 0 0 NaN
1206W 1200W -6W -0.50% 第 微波炉 /W 1/1
167var 163var -4var -2.40% 4 -
825W 821W -4W -0.48% 组 空 调 /K 2/2
214var 210var -4var -1.87%
1323W 1317W -6W -0.45% 电磁炉 /D 2/2
-190var -188var 2var -1.05% 说明： 表中的空调的状态字 " 1 " 即对应表 1中空调的制冷状态， 其余情况同理。 实施例测试结果分析如下：
1.实施例验证了本发明方法的有效性， 实施例中， 本发明方法对电器工作状态的辨 识准确率为 100%， 总功率分解误差在 5%以下， 满足工程需要。
2.经实测， 空调制热和电磁炉的波形相近， 如附图 4和图 7所示， 两种电器同时运 行时，第 2组算例表明监测结果并不受干扰，说明本发明方法对电器之间电流波形相近 不敏感， 在不同电器监测的电流波形相似程度较大时， 总功率分解精度也不会下降。微 波炉加热和电磁炉涮火锅的功率相差 8.84%， 第 4组算例表明监测结果仍具有高精度， 说明本发明方法的分解误差不受电器功率水平相近的影响，对合理的负荷功率波动不敏 感， 能够准确区分功率水平接近的负荷工作状态。
尽管上面结合示图对本发明进行了描述，但是本发明并不局限于上述的具体实施方 式， 上述的具体实施方式仅仅是示意性的， 而不是限制性的， 本领域的普通技术人员在 本发明的启示下， 在不脱离本发明宗旨的情况下， 还可以作出很多变形， 可以进行基于 本发明方法的嵌入式系统开发，例如将该方法嵌入用户本地智能电表中，也可以将本地 采集的电气信号远传，在远程数据分析服务器中的开发基于本发明方法的监测功能，这 些均属于本发明的保护之内。

Claims

权 利 要 求
1.一种基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在 建立一负荷特征数据库， 该数据库中存储有以下负荷特征信息：
(1) 在基波参考电压 ^ 下不同电器的用电状态和工作状态，
(2) 不同电器的每种工作状态的稳态电流谐波参数；
并包括下述步骤：
用电器登记与负荷状态字空间初始化步骤：
1) 确定总负荷内的所含电器设备， 并从负荷特征数据库中获取负荷内每个电器的负 荷特征信息， 从而完成用电器登记；
2)统计负荷所有可能的工作状态， 并存储在一有序线性表 [state]中， 从而完成状态 字空间 的初始化；
数据采集与数据预处理步骤：
包括采集负荷端电压和稳态用电总电流，以及对采集到的电压和总电流进行信号去噪 和谐波分析， 从而得出：
实测基波有功总功率 Ρ/(0:
Pl l(t) = UlIl cos( θ ) (6) 实测基波无功总功率
Ql l(t) = U l ήη( θη) (7) 实测单元总电流模式 ( (ί)，ρ (ί))：
//(p( ,a1( )=(i-^1,-,¾-^,-,«/ff- ^)7' (15) 公式 （6)和公式 （7) 中： 表示实测负荷端电压 Μ(0的基波有效值， /表示实测 负荷总电流 的基波有效值， 表示 的基波相对于负荷端电压基波相位角的初相 位角，
公式 （15) 中： 表示电流, (ί)的第 Α次谐波幅值以该电流基波幅值为基值时的标 幺值，故《„ =1， 表示电流 的第 A次谐波相对于负荷端电压基波相位角的初相位角； 基于査表的可行状态字空间搜索步骤：
对有序线性表 [state]进行搜索， 在状态字空间 Ω 中， 根据实测负荷基波有功总功 率 P(0和实测负荷基波无功总功率 ， 对负荷工作状态完成初选， 最终得到满足基 波总功率约束的可行状态字空间
Figure imgf000016_0001
其中， z表示整型数空间；
电流模式最优匹配步骤：
确定电流模式最优匹配的目标函数如下：
(16)
1 公式 （16) 中： |·|表示 £2范数；
在上述可行状态字空间0 ( (0，2 (0)内，寻找一个使电流模式最优匹配的目标函数 有最小值的状态字向量 s in«作为对负荷当前工作状态的最优估值，实现电器工作状态辨 识， 并将与 —一地对应着的 ^in W作为负荷当前用电状态的最优估值向量， 至此实 现了负荷基波总功率分解；
监测与分解结果的显示输出步骤：
最后， 显示输出负荷内部每个电器的用电功率和所处工作状态；
2.根据权利要求 1所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配 方法， 其特征在于- 负荷特征数据库中， 确定基波参考电压 下不同电器的用电状态和工作状态的方 法是- 在基波参考电压 下， 对不同电器进行实测， 确定电器稳态运行时用电功率不同 的所有情况， 不同的用电功率即被定义为不同的用电状态， 参考功率被记为 ， 不同的 用电状态对应不同的工作状态，若电器不同物理状态下的用电功率相同，则将这些不同的 物理状态统一定义为一种工作状态；
3.根据权利要求 1所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配 方法， 其特征在于- 负荷特征数据库中， 确定不同电器的每种工作状态的稳态电流谐波参数的方法是： 通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波参 数， 并定义电器 α 的电流
Figure imgf000017_0001
公式 （4) 中： 设电器 除停机之外， 共有 种工作状态， 则矩阵 Hfli共有 e Z列， 这里有 ) e {l，2， ·.·，&·}， H表示 Hfli计及的最大谐波次数， ？表示谐波次数， /^ {1,2,—,H}， 表示 在状态 s(0下稳态电流的第 h次谐波幅值以该电流基波幅值为基值时的标幺 值， 故有 ^) =1， Mi)表示 在状态 下稳态电流的第 ?次谐波相对于电器设备端电压 基波相位角的初相位角；
4.根据权利要求 1或 2所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式 匹配方法， 其特征在于：
负荷状态字空间 及对应的有序线性表 [state ]的获取方法是：
首先， 用由 N个电器所消耗的基波功率组成的功率向量表示总负荷的用电状态， 如 下述公式 （1 )和公式 （2)， 分别为有功向量 ΡΟ^Τ和无功向量 ^(0 ? R表示实数 空间， 其分量分别是 N个电器在时刻 ί处于各自用电状态的基波有功功率或无功功率； 在 既定的 N个电器的用电状态组合下， Ρ'(Ο和 是一一对应的， 所以仅用有功功率向量 表示总负荷的用电状态，
Figure imgf000018_0001
^(0= Κ ，···，β (2) 公式 （1) 和公式 （2) 中： 各项上标 1表示基波， N表示总负荷内部的电器总数， i 表示电器"， z'e {1,2,
进而， 若以^)e Z， 表示电器 的第 )种状态， 其中， Z表示整型数空间， 由于 每个电器在某时刻 处于一种工作状态， 因此， 用一个 N维状态字向量 ^^ oezw来反映 总负荷在时刻 的工作状态， 其分量分别表示 N个电器的工作状态， 如公式 （3)，
SW(t) = (s(l),- · -,s(i),- · -,s(N))T ( 3 ) 公式 （3) 中： 若电器 处于停机状态， 则令 ) = 0，
如上所述， 一个 P'(0或 0)唯一地对应一种总负荷工作状态 S (0， 反之亦然， 基于以上， 根据负荷特征数据库， 在完成用电器登记的基础上， 将负荷所有可能的工 作状态（亦即负荷内部所有电器工作状态的组合）由状态字向量一一表示， 并按与每个状 态字向量对应的负荷基波有功总功率参考值的升序将所有状态字向量存储在一有序线性 表 [state]中， 从而形成负荷的状态字空间 Ω^;
5.根据权利要求 1所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配 方法， 其特征在于- 完成负荷工作状态初选过程中， 实测基波端电压 ^下， 计算各电器基波有功功率和 无功功率估值向量的方法是：
由于电网电压波动， 负荷实际工作电压可能不是 t re/， 根据实测基波端电压 修正 负荷特征数据库中存储的基波参考电压 t re/下的有功功率参考值， 计算得到各个电器实 际有功功率估值， 如公式 （8)，
Figure imgf000018_0002
公式（8) 中： 表示电器的基波有功功率修正指数， 可经实测统计得到， 表示 实测基波端电压 下的电器实际基波有功功率估值，
在实测基波端电压 下， 任取有序线性表 [state]中第 1个状态字向量 S^， k表示 状态字向量在 [state]表中的序号， 根据公式 （1) 和公式 （8)， 由状态字^^ 计算得到对 应的基波有功功率估值向量， 记为 ^^, ^Λ^
据公式 （3)， 中电器 α的状态为 0， 由 可得到与之唯一对应的电流谐波参 数矩阵 H。G^g， 如公式 （5)，
3
Figure imgf000019_0001
公式（5)中： H S )共有 N列， 若 中电器 的状态 )≠0， 则以参数矩阵 Hfli的 第 列作为矩阵 AG^D的第 列， 若^) = 0， 则矩阵 H SWO的第 列为零向量，
利用电流谐波参数矩阵 ^ GS^)中各电器的基波相位角参数， 根据下述公式 （9) 计 算得到与 ^^^ ^一一对应着的基波无功功率估值向量
Figure imgf000019_0002
Q = - tan θΛί) (9) 公式（9)中： 取自电流谐波参数矩阵 0 ^¾， /)和2¾分别是 ^Ο^ , )和 05 ， 的第 ζ·个元素， 即表示实测基波端电压 下， 电器 处于状态 时的基波有 功功率和无功功率估值； 6.根据权利要求 1或 5所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式 匹配方法， 其特征在于：
负荷工作状态初选的约束条件是：
分别对 Ο^^, )和 ^ ^, )中元素求和得到负荷基波有功总功率和基波无功总功 率估值， 并相应地记为 os A)和 ）， 进而建立负荷工作状态初选的约束条 件， 如公式 （10) 和公式 （11):
Figure imgf000019_0003
公式 （10) 和公式 （11) 中： 和％分别为有功功率和无功功率域值系数。
7.根据权利要求 1所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配 方法， 其特征在于：
电流模式最优匹配的目标函数中所需的两个估值向量的确定方法是：
实测基波端电压 下， 确定各电器基波有功功率估值在负荷总基波有功功率估值中 所占比例的向量的方法是- 由 Ω (Pi (t), Q\ (0)中状态字向量 SWk得到对应的有功功率估值向量 ^, )，由下 下述公式（12)确定各个电器的基波有功功率估值在负荷基波有功总功率估值中所占的比 例的向量：
fin l {SWk,U) = { ^l ,---, ^l ,---, N)k)T ^RN (12) 公式 （12) 中： /^^^/H^^i^/ d^ 表示实测基波端电压 下，
[state]表的第 个状态字 对应的基波有功功率估值向量^10?^,^/1)中电器 的基波
4 有功功率比例， k表示状态字向量在 [state]表中的序号，
实测基波端电压 下， 确定各电器电流在负荷总电流中所占比例的估值向量的方法 是- 根据下述公式（13)，利用电流谐波参数矩阵 0 )中的基波相角参数和基波有功功 率比例向量 , )计算得出每个电器的电流权重系数 ¾：
¾ (13) i
Figure imgf000020_0001
公式 （13) 中， 下标/ 1表示状态字向量在 [state]表中的序号， 下标 表示电器 α， 根 据公式 （3)， 下标 0表示状态字向量^ ^中电器 的状态， ^)是电流谐波参数矩阵 a(SWk)的第一行第 i列元素的相位角， 并把 P(SWk,U = (·β '、β ,-;βΝ" ) 称为电流 权重系数估值向:
8.根据权利要求 1所述基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配 方法， 其特征在于- 电流模式匹配的目标函数中， 确定估计单元总电流谐波参数向量 os^, ）， 也即估 计总电流模式的方法是- 采用下述公式 （14) 计算得到估计单元总电流谐波参数向量 ）， ，
Ϊ, (SWk,Ux) = (Ha (SWk )) · {fi{SWk ,UX)) (14) 在 t时亥 ij，若实测负荷基波总功率对应的实测单元总电流模式被记为 /,ΟΡ(0,β»)， 如公式 （15) ， 则电流模式匹配的目标函数如公式 （16);
PCT/CN2013/086725 2012-11-16 2013-11-08 非侵入式电力负荷监测与分解的电流模式匹配方法 Ceased WO2014075581A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/442,725 US9658261B2 (en) 2012-11-16 2013-11-08 Current pattern matching method for non-intrusive power load monitoring and disaggregation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201210466810.7 2012-11-16
CN201210466810.7A CN103001230B (zh) 2012-11-16 2012-11-16 非侵入式电力负荷监测与分解的电流模式匹配方法

Publications (1)

Publication Number Publication Date
WO2014075581A1 true WO2014075581A1 (zh) 2014-05-22

Family

ID=47929500

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/086725 Ceased WO2014075581A1 (zh) 2012-11-16 2013-11-08 非侵入式电力负荷监测与分解的电流模式匹配方法

Country Status (3)

Country Link
US (1) US9658261B2 (zh)
CN (1) CN103001230B (zh)
WO (1) WO2014075581A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655160A (zh) * 2016-10-27 2017-05-10 国家电网公司 一种非侵入式电力负荷分解的辨识决策方法及系统
CN107732911A (zh) * 2017-11-22 2018-02-23 姜齐 一种智能电网的供电选择装置
CN108152630A (zh) * 2017-12-26 2018-06-12 江苏智臻能源科技有限公司 一种基于混合判据的非侵入式ih电饭煲运行辨识方法
CN109815994A (zh) * 2019-01-04 2019-05-28 国网山西省电力公司长治供电公司 一种用户用电负荷特征分析方法
CN110018369A (zh) * 2019-03-05 2019-07-16 天津工业大学 一种基于非侵入式负荷分解的家电智能识别与监测方法
CN111158417A (zh) * 2019-12-23 2020-05-15 江苏如高第三代半导体产业研究院有限公司 一种监视电源线上的电压与电流
CN111751613A (zh) * 2020-06-18 2020-10-09 深圳供电局有限公司 一种冰箱窃电检测方法
CN111985563A (zh) * 2020-08-20 2020-11-24 国网上海市电力公司 一种基于谐波发射水平的工业用户电力设备分类方法
CN113219268A (zh) * 2021-03-26 2021-08-06 国电南瑞科技股份有限公司 一种多态电器的非侵入辨识方法及装置
CN113890024A (zh) * 2021-09-30 2022-01-04 清华大学 一种非侵入式负荷智能分解和优化控制方法
CN113985266A (zh) * 2021-10-28 2022-01-28 中国计量大学现代科技学院 多智能电表集中化负荷识别方法
CN114252682A (zh) * 2021-12-21 2022-03-29 上海中和软件有限公司 基于非侵入式负荷监测的大型楼宇异常负荷控制方法
CN114325081A (zh) * 2021-12-29 2022-04-12 润建股份有限公司 一种基于多模态特征的非侵入式负荷识别方法
CN114530847A (zh) * 2022-02-23 2022-05-24 安徽理工大学 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法
CN114707542A (zh) * 2022-03-17 2022-07-05 上海梦象智能科技有限公司 一种基于瞬时负荷特征的非侵入式电气数据识别方法
CN114759558A (zh) * 2022-05-18 2022-07-15 天津大学 非侵入式电动自行车充电负荷在线快速检测方法
CN116388190A (zh) * 2023-06-06 2023-07-04 山东大学 分布式光伏谐波定量评估方法、系统、终端设备及介质
CN118898021A (zh) * 2024-10-09 2024-11-05 浙江大华技术股份有限公司 一种负荷识别方法、负荷识别装置以及计算机存储介质
US12220709B2 (en) 2018-07-23 2025-02-11 Lg Electronics Inc. Electrification apparatus for electric dust collection and control method therefor

Families Citing this family (114)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103001230B (zh) * 2012-11-16 2014-10-15 天津大学 非侵入式电力负荷监测与分解的电流模式匹配方法
US9563530B2 (en) * 2013-12-03 2017-02-07 Kabushiki Kaisha Toshiba Device state estimation apparatus, device power consumption estimation apparatus, and program
KR101557116B1 (ko) * 2013-11-13 2015-10-02 주식회사 케이티 개별 부하의 운영상태를 추정하는 장치 및 방법
US10114051B2 (en) * 2014-03-31 2018-10-30 Nec Corporation Monitoring device, monitoring system, monitoring method, and non-transitory storage medium
US10670293B2 (en) * 2014-06-12 2020-06-02 Emerson Electric Co. HVAC system mode detection based on control line current
CN104459413A (zh) * 2014-12-17 2015-03-25 朱明� 一种实现家居用电智能化管理的多回路电力监测装置
CN104483575B (zh) * 2014-12-22 2017-05-03 天津求实智源科技有限公司 用于非侵入式电力监测的自适应负荷事件检测方法
CN105186693A (zh) * 2015-09-28 2015-12-23 南方电网科学研究院有限责任公司 一种非侵入式用电负荷辨识系统及方法
CN105446213A (zh) * 2015-11-27 2016-03-30 成都聚汇才科技有限公司 一种谐振式信号识别电路的智能数字应变电表控制系统
CN105550798A (zh) * 2015-12-07 2016-05-04 河南许继仪表有限公司 一种非侵入式负荷分解与监测系统
CN105514984B (zh) * 2015-12-07 2018-12-28 河南许继仪表有限公司 一种即插即用的非侵入式负荷分解装置
CN105529700B (zh) * 2015-12-07 2019-02-12 河南许继仪表有限公司 一种非侵入式在线负荷分解装置
CN105406596A (zh) * 2015-12-11 2016-03-16 国家电网公司 基于混合电流判据的非侵入式非变频空调启动辨识方法
CN105372541A (zh) * 2015-12-24 2016-03-02 山东大学 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
CN105652118B (zh) * 2015-12-29 2019-02-26 国家电网公司 一种基于负荷瞬时能量特征的电网电能负荷监测方法
CN105759113B (zh) * 2016-02-29 2018-08-21 北京工业大学 一种电动汽车充电的非侵入式负荷监测与分解方法
AU2017225914A1 (en) * 2016-03-03 2018-10-04 Ecocentric Group Limited System and method for assessing electrical energy or power characteristics or features of electrical devices
CN105974220B (zh) * 2016-04-25 2018-11-20 江苏德克玛电气有限公司 一种居民小区用电负荷识别系统
CN106093630B (zh) * 2016-06-02 2019-01-15 华北电力大学 一种非侵入式家用电器辨识方法
CN106154082A (zh) * 2016-06-20 2016-11-23 北京智芯微电子科技有限公司 一种负荷特性在线分析的智能测量采集装置
US10282795B2 (en) 2016-06-22 2019-05-07 International Business Machines Corporation Real-time forecasting of electricity demand in a streams-based architecture with applications
CN106124850A (zh) * 2016-07-20 2016-11-16 国网江西省电力公司南昌供电分公司 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法
CN106324342B (zh) * 2016-08-22 2023-06-02 江苏南自通华智慧能源股份有限公司 一种基于查表的谐波检测方法
CN106443233A (zh) * 2016-08-26 2017-02-22 北京电力经济技术研究院 一种非侵入式的稳态负荷监测方法
CN106340874A (zh) * 2016-10-17 2017-01-18 南方电网科学研究院有限责任公司 电力负荷分解的辨识决策方法和系统
CN107341736B (zh) * 2016-11-07 2021-08-24 天津求实智源科技有限公司 一种基于电流波形特征的电力负荷分解方法和系统
US20200057098A1 (en) * 2016-11-15 2020-02-20 Electrolux Appliances Aktiebolag Monitoring arrangement for domestic or commercial electrical appliances
CN106815677A (zh) * 2016-12-09 2017-06-09 国网北京市电力公司 非侵入式负荷识别方法和装置
CN108233529A (zh) * 2016-12-21 2018-06-29 上海佳岚智能科技有限公司 智能远程用电监控模数化装置及系统
CN106651658B (zh) * 2016-12-30 2020-07-10 合肥工业大学 一种基于有限状态机的非侵入式住宅用电负荷分解方法
CN106872824A (zh) * 2017-02-15 2017-06-20 宁波华创锐科智能科技有限公司 一种电网负载电器类型识别和不同电器电量统计的方法及其装置
CN108733661A (zh) * 2017-04-13 2018-11-02 深圳点亮新能源技术有限公司 一种面向非侵入式监测的在线负荷特征库维护方法
CN107423748B (zh) * 2017-04-17 2020-08-25 云南电网有限责任公司电力科学研究院 一种降低电网谐波对非侵入式负荷识别影响的方法
CN107025365B (zh) * 2017-05-16 2019-09-24 电子科技大学 一种用于用户侧的非侵入负荷辨识方法
CN107561354B (zh) * 2017-08-17 2019-09-10 江苏智臻能源科技有限公司 基于功率持续时间特性的多电器非侵入辨识方法
CN107578288B (zh) * 2017-09-08 2020-09-18 东南大学 一种考虑用户用电模式差异的非侵入式负荷分解方法
CN107796972B (zh) * 2017-09-25 2020-03-17 广东中粤电力科技有限公司 一种基于非侵入式负荷分解技术的粮仓能耗监测方法
CN107907759A (zh) * 2017-10-26 2018-04-13 国网黑龙江省电力有限公司信息通信公司 电力设备的电量监控系统及方法
CN108306284B (zh) * 2018-01-05 2021-04-27 东南大学溧阳研究院 一种基于局部智能量测的在线负荷建模方法
CN108767847B (zh) * 2018-02-02 2020-09-01 华北电力大学扬中智能电气研究中心 一种非侵入式用电负荷分解方法及装置
CN108537385A (zh) * 2018-04-12 2018-09-14 广东电网有限责任公司 一种非侵入式居民用电负荷识别方法
CN108573288B (zh) * 2018-05-29 2021-11-23 福建新开普信息科技有限公司 一种基于电能表的阻性负载识别与学习方法
CN108599218B (zh) * 2018-05-31 2024-03-26 北京艾科迈新能源科技有限公司 用于孤岛型微电网的储能变流系统及其控制方法、介质
CN108879702B (zh) * 2018-06-21 2020-10-27 浙江大学 一种基于家居负荷分解的用电控制系统
CN109270368B (zh) * 2018-09-03 2020-09-25 四川长虹电器股份有限公司 一种基于稳态电流的非侵入式电力负载识别方法
CN110133393B (zh) * 2018-09-13 2021-07-20 华南理工大学 一种基于非侵入式监测技术的用电监测系统及方法
CN109299134B (zh) * 2018-09-18 2021-06-22 四川长虹电器股份有限公司 一种非侵入式监测系统下电器的识别方法
CN109374962A (zh) * 2018-10-12 2019-02-22 四川长虹电器股份有限公司 一种基于电器功率的负荷功耗分解的方法
CN109613360B (zh) * 2018-12-13 2020-12-15 四川长虹电器股份有限公司 一种基于非侵入式监测系统的负荷识别方法
CN109613362B (zh) * 2018-12-14 2021-02-26 四川长虹电器股份有限公司 非侵入式电器数量识别方法
CN111722028A (zh) * 2019-03-19 2020-09-29 华北电力大学 一种基于高频数据的负荷识别方法
CN110009143A (zh) * 2019-03-28 2019-07-12 北京快电科技有限公司 一种楼宇内能源调度方法
CN110488085A (zh) * 2019-04-30 2019-11-22 广东石油化工学院 一种基于模式分解的负载开关事件的检测方法和装置
CN110416995B (zh) * 2019-05-10 2023-05-05 南昌航空大学 一种非侵入式负荷分解方法和装置
CN110333404B (zh) * 2019-06-24 2022-02-01 江门云天电力设计咨询有限公司 一种非侵入式的负荷监测方法、装置、设备及存储介质
CN110516788B (zh) * 2019-08-07 2023-05-02 深圳供电局有限公司 一种基于Bi-LSTM算法的非侵入式负荷检测方法及系统
CN110426554B (zh) * 2019-08-09 2022-03-18 威胜集团有限公司 家用负荷电气特征提取方法、装置及计算机可读存储介质
CN112394244B (zh) * 2019-08-19 2021-09-14 广东美的白色家电技术创新中心有限公司 一种检测电路、电器及控制方法
CN110516743A (zh) * 2019-08-28 2019-11-29 珠海格力智能装备有限公司 用电设备的识别方法、装置、存储介质和处理器
CN110542855B (zh) * 2019-09-08 2021-09-21 广东石油化工学院 基于离散余弦变换的负荷开关事件检测方法和系统
CN110674451B (zh) * 2019-09-12 2022-04-12 广东电网有限责任公司佛山供电局 事件过程多设备同时投切决策的混合整数规划计算方法
CN110571802B (zh) * 2019-09-12 2023-03-28 国网山东省电力公司寿光市供电公司 基于粗糙集动态规划模型的配电网自愈控制方法及装置
WO2021056281A1 (zh) * 2019-09-25 2021-04-01 西门子股份公司 负荷监测设备、负荷监测的方法、程序产品和介质
CN110596494A (zh) * 2019-09-25 2019-12-20 中国标准化研究院 电器安全自动检测装置及检测方法
CN111092486A (zh) * 2019-11-20 2020-05-01 内蒙古电力(集团)有限责任公司包头供电局 一种非侵入式负荷采集系统及方法、存储介质
CN110907884A (zh) * 2019-12-06 2020-03-24 国网天津市电力公司电力科学研究院 一种基于非侵入式量测电能表误差诊断分析方法
CN111080478A (zh) * 2019-12-11 2020-04-28 吉林同益光电科技有限公司 一种基于供电企业营销服务的客户侧增强系统
CN111177212B (zh) * 2019-12-13 2022-09-27 国网北京市电力公司 空气源热泵工作状态的确定方法及装置、电子设备
CN111191908B (zh) * 2019-12-25 2021-09-21 国网江苏省电力有限公司电力科学研究院 一种负荷事件检测方法、系统及存储介质
CN111239484A (zh) * 2019-12-27 2020-06-05 国网山西省电力公司大同供电公司 一种非居民用户非侵入式负荷用电信息采集方法
CN111007347A (zh) * 2019-12-27 2020-04-14 广东电网有限责任公司电力科学研究院 一种非侵入式负荷识别、装置和相关设备
CN111025011B (zh) * 2019-12-27 2025-10-17 国网内蒙古东部电力有限公司呼伦贝尔供电公司 一种基于谐波相似度算法的非侵入式电器识别方法
CN111190067B (zh) * 2020-01-21 2021-03-19 山东建筑大学 基于物联网的餐饮消毒设备使用监控方法、服务器及系统
CN111308185A (zh) * 2020-02-28 2020-06-19 宁波三星医疗电气股份有限公司 一种非侵入式负荷识别方法
CN111665387B (zh) * 2020-05-08 2021-06-04 深圳供电局有限公司 一种非侵入式的家用电饭煲辨识方法
CN111597998B (zh) * 2020-05-18 2021-08-31 江苏电力信息技术有限公司 一种电流信号的分类方法
CN112101110B (zh) * 2020-08-13 2024-02-23 河北经纬九方科技有限公司 一种电力系统用户侧非侵入式负荷识别的方法
CN112015116B (zh) * 2020-08-20 2024-03-29 国网天津市电力公司 一种可在多环境下搜集电器指纹的负荷感知方法及装置
CN112184020B (zh) * 2020-09-28 2021-08-24 国网江苏省电力有限公司营销服务中心 一种非侵入式负荷辨识融合决策方法及系统
CN112180193B (zh) * 2020-09-28 2021-11-02 华中科技大学 一种基于轨迹图像识别的非侵入式负荷识别系统及方法
CN112396299B (zh) * 2020-11-03 2022-11-08 浙江大学 交直流混合配电系统全寿命周期综合能效评估和诊断方法
CN112394220B (zh) * 2020-11-13 2021-08-24 四川大学 一种非侵入式电动汽车充电负荷模式提取方法
CN112485516B (zh) * 2020-11-27 2024-04-05 杭州万高科技股份有限公司 一种电能表及一种非介入负荷识别的芯片架构
CN112701683A (zh) * 2020-12-23 2021-04-23 国网黑龙江省电力有限公司双鸭山供电公司 非侵入式负荷检测与分解方法、系统以及存储介质
CN112821380B (zh) * 2020-12-31 2022-10-04 广东电网有限责任公司 一种基于多通道填充矩阵的非侵入式负荷识别方法和系统
CN113326296B (zh) * 2021-02-25 2024-06-07 中国电力科学研究院有限公司 一种适用于工商业用户的负荷分解的方法及系统
CN113010985A (zh) * 2021-03-05 2021-06-22 重庆邮电大学 一种基于并行aann的非侵入式负荷识别方法
CN113269227A (zh) * 2021-04-15 2021-08-17 国网浙江省电力有限公司电力科学研究院 小微型负荷时空用电行为非侵入式深度分解方法及系统
CN113281625B (zh) * 2021-05-25 2023-01-13 天津大学 一种低压用户非侵入式电弧故障精准检测方法及系统
CN113434493A (zh) * 2021-06-28 2021-09-24 湘潭大学 一种基于Transformer的非侵入式负荷分解方法
CN113361831B (zh) * 2021-08-10 2021-11-09 国网江苏省电力有限公司营销服务中心 基于优先级分配的非侵入式负荷辨识电量分解方法及系统
CN113887629B (zh) * 2021-10-01 2024-11-22 上海梦象智能科技有限公司 一种合成电器指纹聚合数据的方法
CN114397519B (zh) * 2021-12-09 2024-08-27 江苏业力科技有限公司 一种基于改进topsis算法的稳态负载识别方法
CN113947886A (zh) * 2021-12-20 2022-01-18 北京易联通达科技有限公司 一种基于非入侵式电表的用电行为监测装置
CN114441850B (zh) * 2021-12-31 2025-02-25 天津大学 免训练的非侵入式变频空调负荷监测方法
CN115410142B (zh) * 2022-04-29 2025-08-15 合肥工业大学 基于低频负荷特征编码的非侵入式负荷监测方法与系统
CN114996182B (zh) * 2022-05-23 2024-04-26 中国计量大学 一种用于负荷识别模型训练的稳态数据流输出装置
CN114966188B (zh) * 2022-05-24 2024-11-15 昆高新芯微电子(江苏)有限公司 基于功率连续变化的负载启停识别方法和系统
CN114970723B (zh) * 2022-05-29 2024-12-13 华中科技大学 一种基于UNet结构的多任务非侵入式负荷分解方法
CN115470811B (zh) * 2022-07-25 2025-12-19 温州大学 一种用电系统的非侵入式负荷异常识别方法及系统
CN115391997A (zh) * 2022-08-04 2022-11-25 广西大学 一种非侵入式负荷监测数学规划模型的构建方法和装置
CN115878979A (zh) * 2022-12-01 2023-03-31 中国电力科学研究院有限公司 一种基于随机森林的公变负荷类型分解方法
CN116070107A (zh) * 2023-01-09 2023-05-05 国网山西省电力公司太原供电公司 基于二元游程序列的负荷电流波形和激励特性分析方法
CN116028853B (zh) * 2023-02-14 2023-09-12 华北电力大学 一种基于知识图谱的家庭电器识别方法与系统
CN116341951A (zh) * 2023-02-22 2023-06-27 上海玫克生储能科技有限公司 用能设备能效的监测方法、系统、设备及存储介质
CN116466162A (zh) * 2023-04-14 2023-07-21 株洲嘉成科技发展股份有限公司 一种电器设备电力负荷特征模拟方法
CN116628452A (zh) * 2023-06-05 2023-08-22 山东大卫国际建筑设计有限公司 一种家庭用电设备管理方法、设备及介质
CN116595488B (zh) * 2023-07-19 2023-11-14 青岛鼎信通讯股份有限公司 一种基于智能电表的非侵入式负荷识别方法
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
CN117074778B (zh) * 2023-10-16 2024-01-19 南方电网科学研究院有限责任公司 基于负载场景的谐波提取方法、装置和计算机设备
CN117333724B (zh) * 2023-11-28 2024-02-27 天津滨电电力工程有限公司 一种基于多特征融合图像的非侵入式负荷辨识方法
CN120446575B (zh) * 2025-04-29 2025-11-11 东莞市豪顺精密科技有限公司 一种用于电能储能箱的电压在线监测方法及系统
CN120123795B (zh) * 2025-05-13 2025-07-22 南京信息工程大学 一种适用于非侵入式负荷监测的自适应启发式网格聚类方法
CN120511659B (zh) * 2025-05-20 2025-12-05 内蒙古康宁爆破有限责任公司 矿山用供电系统及供电方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101282040A (zh) * 2008-05-09 2008-10-08 天津大学 非侵入式电力负荷实时分解方法
CN101567559A (zh) * 2009-06-04 2009-10-28 天津天大求实电力新技术股份有限公司 非侵入式电力负荷分解的表格方法
US20110213739A1 (en) * 2009-12-16 2011-09-01 Robert Bosch Gmbh Non-intrusive load monitoring system and method
CN103001230A (zh) * 2012-11-16 2013-03-27 天津大学 非侵入式电力负荷监测与分解的电流模式匹配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130138669A1 (en) * 2011-11-28 2013-05-30 Bin Lu System and method employing a hierarchical load feature database to identify electric load types of different electric loads
AU2012344680B2 (en) * 2011-11-29 2017-10-12 Generac Power Systems, Inc. Method and system for forecasting power requirements using granular metrics
US9563215B2 (en) * 2012-07-14 2017-02-07 Causam Energy, Inc. Method and apparatus for actively managing electric power supply for an electric power grid

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101282040A (zh) * 2008-05-09 2008-10-08 天津大学 非侵入式电力负荷实时分解方法
CN101567559A (zh) * 2009-06-04 2009-10-28 天津天大求实电力新技术股份有限公司 非侵入式电力负荷分解的表格方法
US20110213739A1 (en) * 2009-12-16 2011-09-01 Robert Bosch Gmbh Non-intrusive load monitoring system and method
CN103001230A (zh) * 2012-11-16 2013-03-27 天津大学 非侵入式电力负荷监测与分解的电流模式匹配方法

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655160A (zh) * 2016-10-27 2017-05-10 国家电网公司 一种非侵入式电力负荷分解的辨识决策方法及系统
CN107732911A (zh) * 2017-11-22 2018-02-23 姜齐 一种智能电网的供电选择装置
CN107732911B (zh) * 2017-11-22 2019-09-17 姜齐 一种智能电网的供电选择装置
CN108152630B (zh) * 2017-12-26 2023-11-14 江苏智臻能源科技有限公司 一种基于混合判据的非侵入式ih电饭煲运行辨识方法
CN108152630A (zh) * 2017-12-26 2018-06-12 江苏智臻能源科技有限公司 一种基于混合判据的非侵入式ih电饭煲运行辨识方法
US12220709B2 (en) 2018-07-23 2025-02-11 Lg Electronics Inc. Electrification apparatus for electric dust collection and control method therefor
CN109815994A (zh) * 2019-01-04 2019-05-28 国网山西省电力公司长治供电公司 一种用户用电负荷特征分析方法
CN110018369B (zh) * 2019-03-05 2021-01-26 天津工业大学 一种基于非侵入式负荷分解的家电智能识别与监测方法
CN110018369A (zh) * 2019-03-05 2019-07-16 天津工业大学 一种基于非侵入式负荷分解的家电智能识别与监测方法
CN111158417A (zh) * 2019-12-23 2020-05-15 江苏如高第三代半导体产业研究院有限公司 一种监视电源线上的电压与电流
CN111751613A (zh) * 2020-06-18 2020-10-09 深圳供电局有限公司 一种冰箱窃电检测方法
CN111985563A (zh) * 2020-08-20 2020-11-24 国网上海市电力公司 一种基于谐波发射水平的工业用户电力设备分类方法
CN111985563B (zh) * 2020-08-20 2024-03-01 国网上海市电力公司 一种基于谐波发射水平的工业用户电力设备分类方法
CN113219268A (zh) * 2021-03-26 2021-08-06 国电南瑞科技股份有限公司 一种多态电器的非侵入辨识方法及装置
CN113890024A (zh) * 2021-09-30 2022-01-04 清华大学 一种非侵入式负荷智能分解和优化控制方法
CN113985266A (zh) * 2021-10-28 2022-01-28 中国计量大学现代科技学院 多智能电表集中化负荷识别方法
CN113985266B (zh) * 2021-10-28 2024-02-09 中国计量大学现代科技学院 多智能电表集中化负荷识别方法
CN114252682B (zh) * 2021-12-21 2024-04-05 上海中和软件有限公司 基于非侵入式负荷监测的大型楼宇异常负荷控制方法
CN114252682A (zh) * 2021-12-21 2022-03-29 上海中和软件有限公司 基于非侵入式负荷监测的大型楼宇异常负荷控制方法
CN114325081A (zh) * 2021-12-29 2022-04-12 润建股份有限公司 一种基于多模态特征的非侵入式负荷识别方法
CN114530847A (zh) * 2022-02-23 2022-05-24 安徽理工大学 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法
CN114530847B (zh) * 2022-02-23 2024-08-09 安徽理工大学 非活性电流谐波结合XGBoost的非侵入式负荷辨识方法
CN114707542A (zh) * 2022-03-17 2022-07-05 上海梦象智能科技有限公司 一种基于瞬时负荷特征的非侵入式电气数据识别方法
CN114759558A (zh) * 2022-05-18 2022-07-15 天津大学 非侵入式电动自行车充电负荷在线快速检测方法
CN116388190A (zh) * 2023-06-06 2023-07-04 山东大学 分布式光伏谐波定量评估方法、系统、终端设备及介质
CN116388190B (zh) * 2023-06-06 2023-08-18 山东大学 分布式光伏谐波定量评估方法、系统、终端设备及介质
CN118898021A (zh) * 2024-10-09 2024-11-05 浙江大华技术股份有限公司 一种负荷识别方法、负荷识别装置以及计算机存储介质

Also Published As

Publication number Publication date
CN103001230B (zh) 2014-10-15
US20150309092A1 (en) 2015-10-29
CN103001230A (zh) 2013-03-27
US9658261B2 (en) 2017-05-23

Similar Documents

Publication Publication Date Title
WO2014075581A1 (zh) 非侵入式电力负荷监测与分解的电流模式匹配方法
CN107025365B (zh) 一种用于用户侧的非侵入负荷辨识方法
Ghosh et al. Artificial bee colony optimization based non-intrusive appliances load monitoring technique in a smart home
TWI423549B (zh) 辨識電器狀態的電力監測裝置及其電力監測方法
CN106786534B (zh) 一种非侵入式电力负荷暂态过程辨识方法及系统
Ahmadi et al. Load decomposition at smart meters level using eigenloads approach
CN104518567B (zh) 一种用电设备状态在线跟踪方法
CN106093652A (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
CN106815677A (zh) 非侵入式负荷识别方法和装置
US9733286B2 (en) Method for identifying electric appliance and apparatus and system thereof
CN109713671B (zh) 配电台区运维方法、系统、存储介质及电子设备
CN105652118A (zh) 一种基于负荷瞬时能量特征的电网电能负荷监测方法
CN109470957B (zh) 一种基于弗雷歇距离的非侵入式电器识别方法
US20230394496A1 (en) Energy and carbon accounting in electronic devices
TWI633313B (zh) 電力測量方法及電力測量系統
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及系统
Zhou et al. Neural network pattern recognition based non-intrusive load monitoring for a residential energy management system
Adabi et al. Cost-effective instrumentation via NILM to support a residential energy management system
Zhang et al. An improved non-intrusive load monitoring method for recognition of electric vehicle battery charging load
Gowrienanthan et al. Low-cost ensembling for deep neural network based non-intrusive load monitoring
Buchhop et al. Residential load identification based on load profile using artificial neural network (ANN)
CN111934318A (zh) 非侵入式电力负荷分解方法、装置、设备及存储介质
Wu et al. A nonintrusive fast residential load identification algorithm based on frequency‐domain template filtering
Sun et al. Power load disaggregation of households with solar panels based on an improved long short-term memory network
CN113422432B (zh) 一种基于非入侵式负荷监测的电气火灾防控系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13854525

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14442725

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13854525

Country of ref document: EP

Kind code of ref document: A1