本發(fā)明涉及一種基于多特征融合的非侵入式家用負荷實時識別方法及裝置,屬于家用負荷監(jiān)測與節(jié)能減排等技術(shù)領(lǐng)域。
背景技術(shù):
家用負荷識別技術(shù)可分為兩大技術(shù)路線,即侵入式與非侵入式。其中,侵入式需為每個設(shè)備安裝計量儀表,具有測量數(shù)據(jù)準確,成本高,安裝復雜,維護困難等優(yōu)缺點。非侵入式則在用戶供電入口安裝計量儀表,成本低,易于安裝,適合在線監(jiān)測,但技術(shù)難度大,難以實時捕捉負荷事件。負荷特征是負荷內(nèi)部獨特電力消耗模式的表現(xiàn),即負荷運行時的電氣行為,這是實現(xiàn)識別負荷的關(guān)鍵。負荷特征進一步又可分為暫態(tài)特征與穩(wěn)態(tài)特征兩大類。參考文獻[1]所述方法在較低采樣率下,以設(shè)備穩(wěn)態(tài)特征有功、無功二維特征平面為基礎(chǔ),對負荷進行分類識別;參考文獻[2]則從用電負荷投入切除操作暫態(tài)功率波形特征入手,搜索與當前操作事件暫態(tài)波形相似度最高的負荷樣本。此方法需要計算功率暫態(tài)波形相似度,因此要求高密度的功率值與大量匹配運算,導致“存儲空間”占用大,“計算性能”要求高。另外,此方法抗負荷波動性較差,容易產(chǎn)生誤檢。隨著負荷識別技術(shù)實用化需求日益增加,在算法設(shè)計時需同步考慮以下兩大因素:負荷識別的準確率高;算法空間、時間復雜度低,運行實時性高。
參考文獻:
[1]Hart,G W.Nonintrusi ve Appliance Load Moni toring[J].Proceedings of the IEEE,1992,80(12):1870-18910.
[2]高云,楊洪耕.基于暫態(tài)特征貼近度匹配的家用負荷識別[J].電力系統(tǒng)自動化,2013,9(37):54-59.
技術(shù)實現(xiàn)要素:
針對上述負荷識別技術(shù)實用化過程中的問題,本發(fā)明的目的是提供一種基于多特征融合的非侵入式家用負荷實時識別方法,負荷識別準確度提高,同時合理低降低時間與空間復雜度。
本發(fā)明的技術(shù)方案為:一種基于多特征融合的非侵入式家用負荷實時識別方法,包括下述的步驟:
S1實時采集所監(jiān)測環(huán)境入口處電壓和電流數(shù)據(jù);
S2根據(jù)S1所得實時信息,當有功值發(fā)生變化,且變化值大于預(yù)定閾值,則緩存有功值變化時刻之前與之后N個周期的電壓和電流采樣數(shù)據(jù);
S3根據(jù)S2所緩存電壓和電流采樣信息,計算事件特征向量,所述事件特征向量包括有功增量、無功增量、電流總諧波含量、電流偶次諧波含量和負荷啟停暫態(tài)電流變化窗口長度五個特征;
S4根據(jù)S3所得事件特征向量信息,過濾負荷特征數(shù)據(jù)庫中樣本,得到候選負荷樣本子集;所述負荷特征數(shù)據(jù)庫包括離線建立的各類家用負荷啟停特征,所述各類家用負荷啟停特征為所述事件特征向量的五個特征;
S5依次計算候選負荷樣本與當前事件特征向量間的吻合度;
S6選取吻合度最高的設(shè)備結(jié)果,并與預(yù)設(shè)定的吻合度門限值比較,若大于預(yù)設(shè)門限值,則輸出所識別的負荷種類,否則,輸出為系統(tǒng)擾動。
在一個具體實施例中,S1實時采集所監(jiān)測環(huán)境入口處電壓和電流數(shù)據(jù),并計算基本電參量,基本電參量包括有功、無功和周波長度。
在一個具體實施例中,S3和S4中有功增量和無功增量定義如下:
Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
其中,式(1)內(nèi)Pdelta為有功增量,Pcur為負荷啟停操作后有功數(shù)值,Pcur為負荷啟停操作前有功數(shù)值;式(2)內(nèi)Qdelta為無功增量,Qcur為負荷啟停操作后無功數(shù)值,Qcur為負荷啟停操作前無功數(shù)值。
在一個具體實施例中,S3和S4中電流總諧波含量和電流偶次諧波含量定義如下:
REΔi=abs(REcuri-REprei),(i=1,…,M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
其中,CHDtotal為電流總諧波含量,CHDsecond為電流偶次諧波含量;REΔi為負荷啟停操作前后電流i次諧波實部均值變化量,IMΔi為變化前后電流i次諧波虛部均值變化量;REprei為負荷啟停操作前電流i次諧波實部均,IMprei為負荷啟停操作前電流i次諧波虛部均,REcuri為負荷啟停操作后電流i次諧波實部均,IMcuri為負荷啟停操作后電流i次諧波虛部均;為第j個周波內(nèi)i次諧波實部,為第j個周波內(nèi)i次諧波虛部,N為參與電流諧波分析的周波數(shù),M為電流分析最高諧波次數(shù),abs為取絕對值操作符。
在一個具體實施例中,S3和S4中負荷啟停暫態(tài)電流變化窗口長度定義為:
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中IDXcur為負荷啟停操作后采樣點索引值,IDXpre為負荷啟停操作前采樣點索引值,MScoeff為兩個相鄰功率點之間的時間常量。
在一個具體實施例中,S4所述負荷過濾方法為:若特征庫中某設(shè)備存在一項或多項特征與S3所得特征值差值超過預(yù)設(shè)門限值,則將該設(shè)備過濾。
在一個具體實施例中,S5所述特征向量間的吻合度G定義如下式:
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N=5,為特征向量內(nèi)特征數(shù)目,i分別對應(yīng)所述事件特征向量的五個特征;Wi為第i個特征對應(yīng)的權(quán)重;CSi為當前事件特征向量內(nèi)第i個特征值,TSi為負荷特征數(shù)據(jù)庫中某一樣本第i個特征值。
本發(fā)明還提供一種基于多特征融合的非侵入式家用負荷實時識別裝置,包括:
數(shù)據(jù)采樣模塊:用于實時采集所監(jiān)測環(huán)境入口處電壓和電流數(shù)據(jù);
事件監(jiān)測模塊:用于根據(jù)數(shù)據(jù)采樣模塊所得實時信息,當有功值發(fā)生變化,且變化值大于預(yù)定閾值,則緩存有功值變化時刻之前與之后N個周期的電壓和電流采樣數(shù)據(jù);
特征提取模塊:用于根據(jù)事件監(jiān)測模塊所緩存電壓和電流采樣信息,計算事件特征向量;所述事件特征向量包括有功增量、無功增量、電流總諧波含量、電流偶次諧波含量和負荷啟停暫態(tài)電流變化窗口長度五個特征;
樣本過濾模塊:用于根據(jù)特征提取模塊所得事件特征向量信息,過濾負荷特征數(shù)據(jù)庫中樣本,得到候選負荷樣本子集;所述負荷特征數(shù)據(jù)庫包括離線建立的各類家用負荷啟停特征,所述各類家用負荷啟停特征為所述事件特征向量的五個特征;
負荷識別模塊:用于依次計算候選負荷樣本與當前事件特征向量間的吻合度,選取吻合度最高的設(shè)備結(jié)果,并與預(yù)設(shè)定的吻合度門限值比較,若大于預(yù)設(shè)門限值,則輸出所識別的負荷種類,否則,輸出為系統(tǒng)擾動。
本發(fā)明收益效果是:無需侵入用戶家庭內(nèi)部,便于安裝改造。綜合考慮負荷穩(wěn)態(tài)、暫態(tài)特征,有效提高負荷識別準確度。對暫態(tài)特征以暫態(tài)時間長度與功率躍升替功率代波形比較,無需高密度的功率值與大量匹配運算。算法空間、時間復雜度低,運行實時性高。
本發(fā)明方法在保證負荷識別準確性的前提下,充分考慮實時性與低成本,為該技術(shù)后續(xù)實用推廣打下堅實基礎(chǔ)。
附圖說明
圖1本發(fā)明基于多特征融合的非侵入式家用負荷實時識別方法模塊框圖;
圖2本發(fā)明基于多特征融合的非侵入式家用負荷實時識別方法流程圖。
具體實施方式
為更清楚地說明基于多特征融合的非侵入式家用負荷實時識別方法,下面將結(jié)合附圖展開進一步描述:
圖1為基于多特征融合的非侵入式家用負荷實時識別方法模塊框圖,包括:
數(shù)據(jù)采樣模塊:負責按設(shè)定頻率對所監(jiān)測環(huán)境電壓、電流數(shù)據(jù)采樣;
數(shù)據(jù)處理模塊:對電壓、電流采樣數(shù)據(jù)進行去噪處理,按設(shè)定周期計算基本電參量;
事件監(jiān)測模塊:實時監(jiān)測家用負荷投入切除操作事件;
特征提取模塊:提取投入切除操作事件的穩(wěn)態(tài)、暫態(tài)綜合特征向量;
樣本過濾模塊:根據(jù)所得事件特征向量信息,過濾負荷特征庫中樣本,減少后續(xù)識別模塊工作量;
負荷識別模塊:計算特征庫中待選設(shè)備與當前事件特征向量吻合度,選取最優(yōu)結(jié)果并與預(yù)設(shè)定的吻合度閾值比較;
事件記錄模塊:記錄負荷別結(jié)果,為后續(xù)分類計量提供依據(jù)。
圖2為基于多特征融合的非侵入式家用負荷實時識別方法流程圖,包括以下步驟:
第一步,離線建立各類家用負荷啟停特征數(shù)據(jù)庫,特征數(shù)據(jù)庫中包含:有功增量、無功增量、電流總諧波、電流偶次諧波,暫態(tài)間隔。
在一些實施方案中,所述有功增量、無功增量、電流總諧波、電流偶次諧波按如下公式(1)-(9)計算:Pdelta=Pcur-Ppre (1)
Qdelta=Qcur-Qpre (2)
REΔi=abs(REcuri-REprei),(i=1,…,M) (5)
IMΔi=abs(IMcuri-IMprei),(i=1,…,M) (6)
TWL=(IDXcur-IDXpre)*MScoeff (9)
其中,式(1)內(nèi)Pdelta為有功增量,Pcur為負荷啟停操作后有功數(shù)值,Pcur為負荷啟停操作前有功數(shù)值;
式(2)內(nèi)Qdelta為無功增量,Qcur為負荷啟停操作后無功數(shù)值,Qcur為負荷啟停操作前無功數(shù)值;
式(3),(4)內(nèi)CHDtotal為電流總諧波含量,CHDsecond為電流偶次諧波含量;
式(5),(6)內(nèi)REΔi為負荷啟停操作前后電流i次諧波實部均值變化量,IMΔi為變化前后電流i次諧波虛部均值變化量。REprei為負荷啟停操作前電流i次諧波實部均,IMprei為負荷啟停操作前電流i次諧波虛部均,REcuri為負荷啟停操作后電流i次諧波實部均,IMcuri為負荷啟停操作后電流i次諧波虛部均。M為電流分析最高諧波次數(shù),abs為取絕對值操作符;
式(7),(8)內(nèi)為第j個周波內(nèi)i次諧波實部,為第j個周波內(nèi)i次諧波虛部,N為參與電流諧波分析的周波數(shù);
式(9)內(nèi)TWL為負荷啟停暫態(tài)電流變化窗口長度,IDXcur為負荷啟停操作后采樣點索引值,IDXpre為負荷啟停操作前采樣點索引值,MScoeff為兩個相鄰功率點之間的時間常量。
第二步,實時采集所監(jiān)測環(huán)境入口處電壓、電流數(shù)據(jù),并計算基本電參量;在一些實施方案中,所述基本電參量包括有功、無功、周波長度,周波長度為Fs/50,其中Fs為實際采樣率。基本電參量計算頻率為N周波,其中N為非零正整數(shù);
在一些實施方案中,所述有功、無功按如下公式計算:
P=UI sin(θ) (10)
Q=UI cos(θ) (11)
其中,式(10),(11)內(nèi)P為有功,U為電壓有效值,I為電流有效值,θ為電流相對于電壓的初始相位差。
第三步,當?shù)诙剿糜泄χ蛋l(fā)生變化,且變化值Pdelta大于預(yù)定閾值Pthreshold,則緩存有功值變化時刻之前與之后各N個周期的電壓、電流采樣數(shù)據(jù),其中N為非零正整數(shù)。
第四步,根據(jù)第三步所緩存電壓、電流采樣信息,計算有功增量、無功增量、電流總諧波、電流偶次諧波;
在一些實施方案中,所述有功增量、無功增量、電流總諧波、電流偶次諧波按如公式(1)-(9)計算。
第五步,根據(jù)第四步所得事件特征向量信息,過濾負荷特征數(shù)據(jù)庫中樣本,得到候選負荷樣本子集;
在一些實施方案中,所述負荷過濾方法為:若特征庫中某設(shè)備存在一項或多項特征與第四步所得特征值差值超過預(yù)設(shè)門限值P%,則將該設(shè)備過濾。
第六步,依次計算候選負荷樣本與當前事件特征向量間的吻合度;
在一些實施方案中,第六步所述特征向量間的吻合度G定義如下式12-17所示:
Gi=1-|CS′i-TS′i| (14)
CS′i=CSi/Smax (15)
TS′i=TSi/Smax (16)
Smax=max(CSi,TSi) (17)
其中,N為特征向量內(nèi)特征數(shù)目(本實施例中N=5,i分別對應(yīng)有功增量、無功增量、電流總諧波、電流偶次諧波、暫態(tài)時間);Wi為特征向量內(nèi)第i個特征對應(yīng)的權(quán)重,實際實施中應(yīng)根據(jù)不同負荷的特征屬性賦予不同權(quán)重值;CSi為當前事件特征向量內(nèi)第i個特征值,TSi為特征庫中某一樣本第i個特征值。式15-17為對應(yīng)單特征間的歸一化操作。
第七步,選取吻合度最高的設(shè)備結(jié)果,并與預(yù)設(shè)定的吻合度門限值比較,若大于預(yù)設(shè)門限值,則輸出所識別的負荷種類,否則,輸出為系統(tǒng)擾動。
為了測試家用負荷實時識別算法的正確率,本發(fā)明利用已搭建的硬件平臺對多種家電進行了測試實驗,包括對定頻空調(diào)、電水壺、電磁爐、電視機,對應(yīng)負荷開啟特征庫如表1。
這里以電視機處于開的狀態(tài)為例進行說明,測試時實際獲取的電視機啟動特征如下:{147w,-21var,14%,4.8%,20ms},特征權(quán)重系數(shù)為:{0.5,0.2,0.1,0.1,0.1},系統(tǒng)設(shè)定的特征過濾門限值為:8%,系統(tǒng)設(shè)定的吻合度門限值為0.9。首先,根據(jù)有功值140w可將表1所示特征庫中“定頻空調(diào)”,“電水壺”,“電磁爐”全部過濾,按照式(12)-(17)計算當前設(shè)備啟動事件與電視機樣本吻合度G等于0.969,本次設(shè)備啟動操作正確識別為設(shè)備“電視機”。