家庭用戶端負(fù)載的非侵入式電能監(jiān)測系統(tǒng)研究

張榮寶，張 建

(1.淮安金湖供電公司，江蘇金湖 211600 2.淮安金湖供電公司，江蘇金湖 211600)

家庭用戶端負(fù)載的非侵入式電能監(jiān)測系統(tǒng)研究

張榮寶1，張 建2

(1.淮安金湖供電公司，江蘇金湖 211600 2.淮安金湖供電公司，江蘇金湖 211600)

家庭用電智能化是智能電網(wǎng)建設(shè)的一個(gè)重要組成部分。本文采用非侵入式監(jiān)測，先分析家庭中各種用電器的電氣特性，然后分別采用不同的分析方法進(jìn)行仿真實(shí)驗(yàn)。傳統(tǒng)最簡單的識別方法是根據(jù)功率識別，但相同功率家用電器的識別會受到限制。本文根據(jù)用電器啟動功率波形不同，提出了運(yùn)用神經(jīng)網(wǎng)絡(luò)識別計(jì)算，將用電器分類的方法，以提高識別的準(zhǔn)確性。根據(jù)用電器穩(wěn)態(tài)運(yùn)行時(shí)電流波形的不同，本文采用遺傳算法的識別方法進(jìn)行計(jì)算，該方法也具有一定的識別效果。最后將三種方法整合互補(bǔ)，以提高識別的精確度，為今后的推廣使用做好鋪墊。

非侵入式;用電監(jiān)測;識別算法

1 引言

目前，隨著人們生活水平的提高電腦、電冰箱、電視機(jī)的家庭已經(jīng)非常普遍，如果加上電燈、電磁爐、熱水器等家用電器，家庭用戶對于電能的消耗是越來越大，家庭入戶用電量普遍都在8kW到10kW之間。由此可見，家庭用電對于需求側(cè)的影響是很大的，用電的高峰和低谷的差值也相應(yīng)地拉大，那么，對于家用電器的管理便變得及其重要。家庭用電監(jiān)測系統(tǒng)不僅可以很好地解決用戶對自己用電情況不了解、浪費(fèi)等問題，同時(shí)也可以防止竊電，由于它是對進(jìn)戶端總的用電量進(jìn)行在線監(jiān)測，不僅可以查出是哪一個(gè)用電器在運(yùn)行，而且還可以根據(jù)用電量的計(jì)算和波形分析，一旦出現(xiàn)漏電、短路等異常情況，很快就可以檢測出來，以便得到及時(shí)處理［1］。

現(xiàn)有家用電器的用電監(jiān)測有兩種方法［2］，一種是侵入式監(jiān)測，該技術(shù)需要無線傳輸器件，價(jià)格昂貴，無法大范圍推廣;另一種是非侵入式監(jiān)測，只需在進(jìn)線端安裝傳感器即可，然后分析計(jì)算。本文從第二種方式進(jìn)行仿真分析，并驗(yàn)證其實(shí)用性。

2 電能參數(shù)測量

2.1 電能參數(shù)的采樣與預(yù)處理

電力系統(tǒng)在運(yùn)行過程中要監(jiān)測很多的參數(shù)，以此來判斷家用電器的種類及其用電量。其電力參數(shù)主要有電壓、電流的瞬時(shí)值、頻率、有功功率、無功功率、功率因數(shù)等［3］。電壓、電流瞬時(shí)值的精確測量和有功功率、無功功率的準(zhǔn)確性計(jì)算直接影響到家用電器種類的分析和判斷。因此，電能參數(shù)的測量是計(jì)算家用電器用電量的基礎(chǔ)。如果其中某一項(xiàng)電能參數(shù)誤差過大，就會導(dǎo)致電器種類判斷的錯(cuò)誤。由此可見，對于電能參數(shù)的測量不僅需要有抗干擾措施，還有良好的準(zhǔn)確的計(jì)算方法。如果用這種采集數(shù)據(jù)對家用電器的類型進(jìn)行判斷和用電量的計(jì)算，極有可能出現(xiàn)嚴(yán)重的錯(cuò)誤。為了避免這種情況的發(fā)生本文采用中值濾波法、將采樣數(shù)據(jù)行處理。

2.2 電能的計(jì)算

對于單項(xiàng)交流電來說，用電器的功率分為有功功率和無功功率。其中，有功功率是供電公司評價(jià)用戶用電量的一個(gè)重要指標(biāo)。根據(jù)帕塞瓦爾定理［4］，一個(gè)信號所含有的能量(功率)恒等于此信號在完備正交函數(shù)集中各分量能量(功率)之和。說明一個(gè)信號在時(shí)域上計(jì)算的總能量等于該信號在頻域上計(jì)算的總能量。也就是說，信號經(jīng)過傅里葉變換以后保持其總能量不變，符合能量守恒定律。

然而，現(xiàn)在家用電器中存在大量諧波。為此，本文分別利用了傳統(tǒng)計(jì)算方法、積分計(jì)算方法和FFT計(jì)算方法對所假設(shè)的諧波運(yùn)用MATLAB進(jìn)行有功功率計(jì)算，所得到的計(jì)算結(jié)果與標(biāo)準(zhǔn)值的分析如表1所示。

表1 三種功率計(jì)算方法分析比較

由表1我們可以非常明顯地看出，當(dāng)電流已經(jīng)不是標(biāo)準(zhǔn)的正弦曲線，而是帶有一些不規(guī)則諧波的時(shí)候，若是采用傳統(tǒng)的計(jì)算方法誤差將會非常大，嚴(yán)重影響著用戶與供電部門的公平交易。而運(yùn)用積分的方法計(jì)算雖然比傳統(tǒng)計(jì)算方法復(fù)雜一些，但計(jì)算出來的結(jié)果有著明顯的優(yōu)勢。表中，F(xiàn)FT計(jì)算方法最為復(fù)雜，但是誤差最小。隨著硬件設(shè)備的不斷進(jìn)步，高性能的CPU已經(jīng)不屬于高消費(fèi)，因此相對復(fù)雜的算法運(yùn)用在電表中是一件非?？尚械氖虑?。

3 非侵入式負(fù)荷識別算法

3.1 基于功率變化的識別算法［5］

基于功率變化的識別技術(shù)是通過從整個(gè)用電量的消耗數(shù)據(jù)的變化來判斷一個(gè)用電器的開/關(guān)狀態(tài)。

功率算法通過設(shè)備的負(fù)荷曲線，來探測一個(gè)設(shè)備打開和關(guān)閉。有時(shí)候，不同電器會產(chǎn)生相同的結(jié)果(例如一個(gè)2kW的熱水器和一個(gè)2kW的電茶壺)，它們只是在時(shí)間上有區(qū)別。詳細(xì)算法解釋如圖1。

圖1 傳統(tǒng)功率變化算法流程圖

3.2 基于家用電器啟動的負(fù)荷識別算法

根據(jù)家用電器的電氣波形，將電器進(jìn)行分類，以便于尋求不同用電器在電氣特性上的差別，為電器識別提供條件。文獻(xiàn)［6］根據(jù)穩(wěn)態(tài)時(shí)的v－i曲線分類，能夠識別用電器的類型，但很難進(jìn)行數(shù)字化分析計(jì)算。本文依據(jù)辦公室和家庭電子設(shè)備和電器輸入電流測量的數(shù)據(jù)進(jìn)行分析［7］，提出了一種電力負(fù)荷分類框架，這樣便可以區(qū)分不同的電力負(fù)荷，將為判斷提供便利，負(fù)載分類情況如表2所示。

BP神經(jīng)網(wǎng)絡(luò)在模式識別和分類，函數(shù)逼近，構(gòu)成專家系統(tǒng)、制成機(jī)器人等已廣泛應(yīng)用。本文在幾種不同的條件下選取了幾組仿真數(shù)據(jù)，利用BP網(wǎng)絡(luò)進(jìn)行了識別分類。

3.3 基于遺傳算法的負(fù)荷識別算法

遺傳算法的思想是根據(jù)生物的進(jìn)化論演變而來的。遺傳算法主要是在模仿生物變異、遺傳與自然選擇作用下的演變發(fā)展，生物淘汰和生物產(chǎn)生過程。遺傳算法將生物進(jìn)化這一過程抽象化、數(shù)字化，應(yīng)用在各個(gè)領(lǐng)域中［8－10］。

表2 家用電器的性質(zhì)分類

由于此次求解的是非線性整數(shù)規(guī)劃問題，MATLAB上現(xiàn)有的集成模塊不能夠直接調(diào)用求解，所以本文學(xué)習(xí)的遺傳算法的基本思想，根據(jù)算法流程圖自行編寫合適的遺傳算法，由此所作出的遺傳計(jì)算更具有針對性，靈活性也大大提高了。由于MATLAB畫函數(shù)曲線圖，矩陣運(yùn)算非常方便，此次編寫的遺傳算法是運(yùn)用MATLAB當(dāng)中的M文件進(jìn)行編寫。其流程圖如圖2所示。

圖2 遺傳算法流程圖

4 實(shí)際數(shù)據(jù)的監(jiān)測及處理驗(yàn)證

4.1 實(shí)驗(yàn)平臺的搭建

實(shí)驗(yàn)系統(tǒng)的基本原理是:取一個(gè)電源插口作為進(jìn)線端，接上火線和零線，零線傳入電流傳感器，再將電壓傳感器接在零線上，用來采集線路上的電壓電流信息。圖3為實(shí)驗(yàn)系統(tǒng)的框圖。

圖3 實(shí)驗(yàn)系統(tǒng)的框圖

4.2 實(shí)驗(yàn)步驟的制定

從大功率、中等功率和小功率中挑選出典型的家用電器作為一組研究對象，本文選取常用的家用電器，空調(diào)、日光燈、電風(fēng)扇、計(jì)算機(jī)作為研究對象。電路示意圖如下所示:

圖4 電路示意圖

4.2.1 空調(diào)單獨(dú)投入

圖5 空調(diào)啟動瞬時(shí)波形

通過功率大小的監(jiān)測比較，可以捕捉到空調(diào)啟動時(shí)刻的瞬態(tài)波形數(shù)據(jù)(圖5)，后將數(shù)據(jù)帶入神經(jīng)網(wǎng)絡(luò)計(jì)算，可以分辨出該電器為電機(jī)類型。

由表3可以看出神經(jīng)網(wǎng)絡(luò)根據(jù)空調(diào)的啟動數(shù)據(jù)可以準(zhǔn)確地識別出啟動電器的類型，與本文先前的仿真結(jié)果相同，說明本文所設(shè)計(jì)的算法完全適用于實(shí)測。

表3 神經(jīng)網(wǎng)絡(luò)判斷結(jié)果

圖6 空調(diào)啟動穩(wěn)態(tài)波形

圖6是空調(diào)穩(wěn)定運(yùn)行時(shí)刻的穩(wěn)態(tài)波形。該電流、電壓波形比較穩(wěn)定，輸入到遺傳算法中去進(jìn)行計(jì)算，情況如下:

表4 遺傳算法判斷結(jié)果

4.2.1 計(jì)算機(jī)運(yùn)行飲水機(jī)投入

飲水機(jī)屬于電阻性負(fù)載，它啟動時(shí)電流沒有特別的變化(電流突然增大且高于穩(wěn)態(tài)值)，所以它的功率波形也沒有特殊變化，只是很穩(wěn)定地上升到了飲水機(jī)和計(jì)算機(jī)同時(shí)運(yùn)行的穩(wěn)態(tài)值。所以，電阻性負(fù)載的瞬時(shí)啟動非常容易識別，同樣，將監(jiān)測數(shù)據(jù)經(jīng)過處理，輸入到神經(jīng)網(wǎng)絡(luò)，結(jié)果如下:

表5 神經(jīng)網(wǎng)絡(luò)判斷結(jié)果

表5指的是當(dāng)一個(gè)用電器運(yùn)行時(shí)另外一個(gè)用電器投入運(yùn)行的識別結(jié)果。其中，正在運(yùn)行的負(fù)載為整流類，功率較小，但是本文的啟動識別算法仍然能夠?qū)⑵渥R別，說明了在實(shí)際監(jiān)測當(dāng)中，該啟動識別算法在一些相對復(fù)雜的情況下仍然適用。

圖6 空調(diào)啟動穩(wěn)態(tài)波形

可以從圖7中看出，計(jì)算機(jī)和飲水機(jī)同時(shí)運(yùn)行的電流穩(wěn)態(tài)波形是它們分別單獨(dú)運(yùn)行時(shí)波形的疊加。遺傳算法中進(jìn)行識別結(jié)果如下:

表6 遺傳算法判斷結(jié)果

表6代表的是多種電器同時(shí)運(yùn)行的穩(wěn)態(tài)識別結(jié)果，該結(jié)果表明在多個(gè)電器同時(shí)運(yùn)行時(shí)穩(wěn)態(tài)識別算法也能夠準(zhǔn)確將其識別出來。

5 結(jié)論

1.本文結(jié)合相關(guān)資料，分析不同的非侵入式監(jiān)測方法，嘗試進(jìn)行了改進(jìn)、整合。第一種方法，基于功率識別法，簡單可行。第二種方法，基于用電器啟動的識別方法，根據(jù)啟動功率變化規(guī)律，運(yùn)用神經(jīng)網(wǎng)絡(luò)識別計(jì)算。第三種方法，基于用電器穩(wěn)態(tài)的識別方法，根據(jù)用電器穩(wěn)態(tài)電流波形的不同，利用遺傳算法進(jìn)行識別計(jì)算。

2.本文搭建了實(shí)驗(yàn)平臺，將實(shí)驗(yàn)室的各種用電器分不同的狀態(tài)進(jìn)行了數(shù)據(jù)采集。然后將數(shù)據(jù)分別應(yīng)用不同的識別方法進(jìn)行了數(shù)據(jù)處理和分析。實(shí)驗(yàn)結(jié)果比較理想，有效地說明了算法的合理性和正確性。

［1］ 李寶珠.電力需求側(cè)管理新技術(shù)在電網(wǎng)發(fā)展中的應(yīng)用研究［D］，華北電力大學(xué)(北京)，2009.

［2］ 趙時(shí).智能電網(wǎng)中家庭用戶端負(fù)載的非侵入式電能監(jiān)測系統(tǒng)研究［D］，中國礦業(yè)大學(xué)，2011.

［3］ 黎鵬，余貽鑫，非侵入式電力負(fù)荷在線分解［J］，天津大學(xué)學(xué)報(bào)，2009，42(4):303－308.

［4］ Suzuki，K.;Inagaki，S.;Suzuki，T.;Nonintrusive Appliance Load Monitoring Based on Integer Programming［C］，SICE Annual Conference，2008:2742－2747.

［5］ 開利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)［M］北京:清華大學(xué)出版社，2005.

［6］ 陸金桂，李謙，王浩.遺傳算法原理及其工程應(yīng)用［M］，徐州:中國礦業(yè)大學(xué)出版社，1997.

［7］ H.Y.Lam，G.S.K.Fung，Member，IEEE，and W.K.Lee.A Novel Method to Construct Taxonomy Electrical Appliances Based on Load Signatures［J］，Consumer Electronics，IEEE Transactions on，2007.53(2):653－660.

［8］ Roos，J.G.;Lane，I.E.;Botha，E.C.;Using Neural Networks for Non－intrusive onitoring of Industrial E-lectrical Loads［J］，Instrumentation and Measurement Technology Conference，1994.IMTC/94.Conference Proceedings.10th Anniversary.Advanced Technologies in I＆M.，1994 IEEE［C］，1994，3:1115－1118.

［9］ 李開宇.基于ARM嵌入式的電力參數(shù)檢測技術(shù)研究，沈陽工業(yè)大學(xué)，2009.

［10］張清恒，基于DSP的多功能電能計(jì)量表［D］，浙江大學(xué)，2007.

10.3969/j.issn.1000－6133.2015.03.004

TN784

A

1000－6133(2015)03－0012－04

2015－03－21

張榮寶，(1987－)，男，江蘇金湖，配電線路工。

工藝與材料