基于遺傳優(yōu)化的非侵入式居民負(fù)荷辨識(shí)算法*

祁兵，韓璐

（華北電力大學(xué)電氣與電子工程學(xué)院，北京102206）

0 引 言

隨著智能電網(wǎng)的發(fā)展，電力負(fù)荷中居民用戶用電負(fù)荷所占的比重越來越大，作為電力負(fù)荷的重要組成部分，居民用戶域負(fù)荷日益引起社會(huì)的廣泛關(guān)注。居民用戶域的負(fù)荷在線監(jiān)測是實(shí)現(xiàn)居民用戶用電可視化的基礎(chǔ)，它有助于用戶了解家庭內(nèi)不同時(shí)段各電器設(shè)備的具體能耗情況，據(jù)此來制定合理的用電計(jì)劃，完善能源消費(fèi)結(jié)構(gòu)，促進(jìn)能源有效利用，減少家庭電費(fèi)開支。居民用戶域負(fù)荷在線監(jiān)測對(duì)推進(jìn)整個(gè)社會(huì)的節(jié)能減排、緩解能源危機(jī)起著重要的作用［1-2］。

電力負(fù)荷的在線監(jiān)測分為傳統(tǒng)的“侵入式”負(fù)荷監(jiān)測和非侵入式負(fù)荷監(jiān)測（Non-Intrusive Load Monitoring，NILM）。相較于侵入式負(fù)荷監(jiān)測，NILM在不干預(yù)被監(jiān)測系統(tǒng)內(nèi)部的前提下實(shí)現(xiàn)對(duì)各用電設(shè)備運(yùn)行狀態(tài)和用電信息的在線監(jiān)測，它只需要在被監(jiān)測系統(tǒng)電力入口的配電板處安裝用電信息采集裝置，通過采集該處所有用電設(shè)備總的用電信息，并運(yùn)用合適的數(shù)學(xué)分析計(jì)算方法進(jìn)行處理和分析，結(jié)合不同用電設(shè)備的負(fù)荷特性，就能辨識(shí)并細(xì)化系統(tǒng)內(nèi)各個(gè)負(fù)荷用電信息以及其運(yùn)行狀態(tài)，從而得到負(fù)荷集群中單個(gè)負(fù)荷的種類和運(yùn)行情況［3］。由于非侵入式負(fù)荷辨識(shí)具有投入少、設(shè)備少以及使用方便等特點(diǎn)，因此非常適用于居民用戶用電負(fù)荷的辨識(shí)。

負(fù)荷辨識(shí)算法是NILM的核心內(nèi)容，研究人員提出了很多不同的理論和算法。George.W.Hart教授首先提出了一種通過監(jiān)測電力入口處所有用電設(shè)備總的有功功率和無功功率的變化量來辨識(shí)負(fù)荷的方法［4］。Robertson等人采用小波變換技術(shù)，通過對(duì)幾個(gè)未知的暫態(tài)信息進(jìn)行分類的方法進(jìn)行負(fù)荷辨識(shí)［5］。文獻(xiàn)［6］和文獻(xiàn)［7］研究了NILM的數(shù)據(jù)提取方法和穩(wěn)態(tài)負(fù)荷識(shí)別算法。由于負(fù)荷穩(wěn)態(tài)特征存在局限性，利用暫態(tài)特征辨識(shí)成為研究重點(diǎn)［8-11］。上述方法均是通過對(duì)暫態(tài)特征量的提取、轉(zhuǎn)化來實(shí)現(xiàn)負(fù)荷辨識(shí)，但由于切入點(diǎn)比較單一，考慮到實(shí)際環(huán)境下暫態(tài)特征的不確定性其準(zhǔn)確度將受到影響，暫態(tài)、穩(wěn)態(tài)特征結(jié)合的方法也受到了關(guān)注［12-13］。隨著智能算法的發(fā)展，有研究者利用智能算法進(jìn)行負(fù)荷辨識(shí)的研究［14-15］。

在已有研究的基礎(chǔ)上，提出了基于遺傳優(yōu)化的非侵入式負(fù)荷辨識(shí)算法，利用實(shí)測負(fù)荷電流及電壓數(shù)據(jù)，獲得有功功率及電流有效值，通過遺傳算法尋優(yōu)，尋找最優(yōu)解，最終確定電器的具體負(fù)荷類型。

1 非侵入負(fù)荷監(jiān)測原理及負(fù)荷特性分析

非侵入式負(fù)荷監(jiān)測方法是相對(duì)于侵入式方法提出的，其應(yīng)用示意圖如圖1所示。

圖1 非侵入式負(fù)荷監(jiān)測方法應(yīng)用示意圖Fig.1 Application schematic diagram of NILM

它只需要在被監(jiān)測系統(tǒng)電力入口處安裝監(jiān)測終端設(shè)備，通過采集該處所有用電設(shè)備總的用電信息，利用居民負(fù)荷特性，并運(yùn)用合理的數(shù)學(xué)分析計(jì)算方法對(duì)這些實(shí)測用電數(shù)據(jù)進(jìn)行處理和分析，從而辨識(shí)并細(xì)化系統(tǒng)內(nèi)各個(gè)負(fù)荷用電信息以及其運(yùn)行狀態(tài)，得到負(fù)荷集群中單個(gè)負(fù)荷的種類和運(yùn)行情況。

由于構(gòu)成元件、功能等方面的差異，負(fù)荷設(shè)備在運(yùn)行過程中都會(huì)表現(xiàn)出獨(dú)特的用電特性，即負(fù)荷特性，包括有功功率、無功功率、諧波、電流有效值等［16］，是負(fù)荷辨識(shí)的主要依據(jù)。文中主要采用有功功率和電流有效值。

通過負(fù)荷的實(shí)際運(yùn)行，文章對(duì)六種常用居民負(fù)荷特征進(jìn)行測量，負(fù)荷分別是電扇、加濕器、微波爐、加熱器、落地扇和電水壺。測量結(jié)果如圖2所示。通過上述六種居民負(fù)荷的數(shù)據(jù)可以獲得有功功率以及電流有效值，其計(jì)算方法如下：

圖2 六種負(fù)荷穩(wěn)態(tài)電流波形圖Fig.2 Current waveforms of six load appliances

式中P是有功功率；Irms是電流有效值；V、I分別是負(fù)荷的電壓和電流；φ是電壓和電流的相位差；i是諧波次數(shù)。計(jì)算得出六種負(fù)荷有功功率和電流有效值，如表1所示。

從表1中可反映出，不用負(fù)荷的有功功率值差別較明顯，因此基于負(fù)荷的有功功率進(jìn)行負(fù)荷辨識(shí)具有一定的可行性，但當(dāng)負(fù)荷設(shè)備的有功功率值較接近時(shí)，易造成辨識(shí)結(jié)果偏差。

表1 六種負(fù)荷有功功率和電流有效值Tab.1 Active power and current effective value of six load appliances

基于上述原因，提出了利用有功功率及電流有效值相結(jié)合的負(fù)荷辨識(shí)方法，該方法考慮了負(fù)荷有功功率重疊的情況，可以提高負(fù)荷辨識(shí)的準(zhǔn)確性。

（二）從材料包含的知識(shí)深度上看，要做到“三個(gè)思考”，即是什么，為什么，怎么樣。深層次解讀信息，是什么（什么現(xiàn)象、問題的實(shí)質(zhì)）、為什么（原因、作用、危害等）、怎么樣（措施、建議、態(tài)度等）。當(dāng)然，不一定每題都同時(shí)回答三個(gè)層次，通常用在認(rèn)識(shí)、評(píng)價(jià)類試題，要根據(jù)問題并結(jié)合材料做到具體問題具體分析。

2 基于遺傳算法的負(fù)荷辨識(shí)方法

2.1 算法原理與實(shí)現(xiàn)流程

文中采集的實(shí)測數(shù)據(jù)是所有居民負(fù)荷總的用電數(shù)據(jù)，實(shí)際辨識(shí)需要快速準(zhǔn)確，因此應(yīng)利用遺傳算法的快速尋優(yōu)特性，可極大的簡化數(shù)據(jù)相關(guān)性計(jì)算，減少計(jì)算量，且采用遺傳算法能以較大概率找到全局最優(yōu)，故本文采用遺傳算法求解該最優(yōu)化問題。

文章基于遺傳優(yōu)化的思想對(duì)有功功率和電流有效值兩個(gè)負(fù)荷特征進(jìn)行尋優(yōu)搜索。通過采集負(fù)荷的用電數(shù)據(jù)，并對(duì)數(shù)據(jù)歸一化處理；確定編碼方案，定義適應(yīng)度函數(shù)值，選擇遺傳算法參數(shù)；產(chǎn)生任意有功功率以及電流有效值疊加值的組合，對(duì)疊加值組合進(jìn)行編碼形成一個(gè)染色體個(gè)體；重復(fù)此過程直到滿足個(gè)體數(shù)量要求，從而形成種群；然后從種群中以一定選擇算法選擇出優(yōu)勢個(gè)體并按一定的概率進(jìn)行復(fù)制、雜交、變異算子等三種不同操作產(chǎn)生新一代種群個(gè)體。重復(fù)上述過程直至群體中存在個(gè)體達(dá)到給定的適應(yīng)度要求。基于遺傳算法的非侵入式負(fù)荷辨識(shí)的具體實(shí)現(xiàn)過程如圖3所示。

2.2 遺傳算法模型

由于有功功率和電流有效值量綱不一致，為了簡化計(jì)算，對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

在遺傳算法中把一個(gè)問題的可行解，從其解空間轉(zhuǎn)換到遺傳算法所能處理的搜索空間的轉(zhuǎn)換方法稱為編碼。負(fù)荷的狀態(tài)是一個(gè)二值問題，因此采用二進(jìn)制一維編碼［17-18］，每個(gè)染色體對(duì)應(yīng)一個(gè)負(fù)荷組合集。染色體編碼方式則直接使用二進(jìn)制表達(dá)方式，即“0”和“1”。若有m個(gè)負(fù)荷，則染色體長度L＝m，即染色體是一個(gè)長度為m的0和1字串，每位對(duì)應(yīng)一個(gè)相應(yīng)的負(fù)荷狀態(tài)，即當(dāng)染色體中的某個(gè)基因?yàn)椤?”時(shí)，表示該基因?qū)?yīng)的負(fù)荷狀態(tài)為運(yùn)行；若為“0”時(shí)，表示該負(fù)荷狀態(tài)處于關(guān)閉。隨機(jī)產(chǎn)生k個(gè)長度為 m的0、1字符串作為初始種群。

圖3 算法實(shí)現(xiàn)流程Fig.3 Flow chart of the proposed algorithm

編碼方案有三種：

（1）染色體編碼由實(shí)測總功率是否包含此負(fù)荷的有功功率值組成，即當(dāng)負(fù)荷處于運(yùn)行狀態(tài)時(shí)，則實(shí)測總有功功率中包含此負(fù)荷的功率分量，如圖4所示。

圖4 染色體編碼方案aFig.4 Chromosome encoding of plan a

圖5 染色體編碼方案bFig.5 Chromosome encoding of plan b

（3）染色體編碼由有功功率值和電流有效值參數(shù)組合編碼兩部分組成，如圖6所示。

圖6 染色體編碼方案cFig.6 Chromosome encoding of plan c

選擇一個(gè)適當(dāng)?shù)倪m應(yīng)度函數(shù)是遺傳算法能否成功解決負(fù)荷辨識(shí)問題的關(guān)鍵，它直接影響到遺傳算法的收斂速度以及能否找到最優(yōu)解。根據(jù)編碼方案，適應(yīng)度函數(shù)也有三種設(shè)置：

式中P代表實(shí)測的有功功率；I代表實(shí)測的電流有效值；xi代表每一位的編碼，為 0或者 1；f（i，P，x）代表方案 a的適應(yīng)度函數(shù)；f（i，Irms，x）代表方案 b的適應(yīng)度函數(shù)；f（i，P，Irms，x）代表方案 c的適應(yīng)度函數(shù)。

個(gè)體的進(jìn)化是在遺傳算子的作用下完成的。最主要的遺傳算子是選擇、交叉和變異。文中采用的是轉(zhuǎn)盤賭法的選擇策略，每次隨機(jī)的從有功功率和電流有效值的疊加組合中挑選一定數(shù)目的個(gè)體，并將其中適應(yīng)度最高的選作父體；交叉采用的是均勻交叉策略，將兩個(gè)父代染色體以一定的概率執(zhí)行交叉操作，從而形成新一代的子染色體；變異采用的是比特翻轉(zhuǎn)策略，即依突變概率隨機(jī)將染色體的某位基因進(jìn)行比特翻轉(zhuǎn)（即1變成0，而0變成1）。采用總有功功率以及總電流有效值與實(shí)測數(shù)據(jù)差值最小相結(jié)合作為迭代終止條件。

3 算例分析

3.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)

基于LabVIEW和信號(hào)采集卡的數(shù)據(jù)采集終端，采集系統(tǒng)運(yùn)行過程中的電流、電壓等數(shù)據(jù)。獲取實(shí)測數(shù)據(jù)后，為了驗(yàn)證算法的有效性，用MATLAB編程實(shí)現(xiàn)，利用本文算法進(jìn)行負(fù)荷分析及辨識(shí)。

3.2 實(shí)驗(yàn)參數(shù)設(shè)置

參數(shù)采樣率fs＝10 kHz，本文選用了6類樣本，即負(fù)荷種類m＝6，分別是小電扇、加濕器、微波爐、加熱器、落地扇以及電水壺。實(shí)驗(yàn)中選用的6種典型負(fù)荷能夠驗(yàn)證算法的有效性。設(shè)置初始種群數(shù)為30，染色體編碼為6位和12位二進(jìn)制碼，最大繁殖代數(shù)為64。三種編碼方案的參數(shù)設(shè)置如表2所示。

表2 遺傳算法參數(shù)Tab.2 Parameter of genetic optimization

3.3 實(shí)驗(yàn)結(jié)果

為了對(duì)比三種編碼方案的有效性，對(duì)a、b和c三種編碼方案分別進(jìn)行實(shí)驗(yàn)仿真。

（1）方案 a仿真

當(dāng)實(shí)測有功功率為570W時(shí)，圖7（a）顯示識(shí)別結(jié)果為編碼9號(hào)，即［001000］，可看出只有三號(hào)負(fù)荷編碼為1，即微波爐處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為240W時(shí)，圖7（b）顯示識(shí)別結(jié)果為編碼54號(hào)，即［110101］，可看出一、二、四和六號(hào)負(fù)荷編碼為1，即小電扇、加濕器、加熱器和電水壺處于運(yùn)行狀態(tài)；同理當(dāng)實(shí)測有功功率為770W時(shí)，圖7（c）辨識(shí)結(jié)果為加濕器、微波爐、加熱器和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為60 W時(shí)，圖7（d）辨識(shí)結(jié)果為小電扇和加濕器處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為290 W時(shí)，圖7（e）辨識(shí)結(jié)果為小電扇、加濕器、加熱器、落地扇和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為33 W時(shí)，圖7（f）辨識(shí)結(jié)果為加濕器和電水壺處于運(yùn)行狀態(tài)。

圖7 方案a仿真結(jié)果Fig.7 Simulation results of plan a

（2）方案 b仿真

當(dāng)實(shí)測電流有效值為38 mA時(shí)，圖8（a）顯示識(shí)別結(jié)果為編碼9號(hào)，即［001000］，可看出只有三號(hào)負(fù)荷編碼為1，即微波爐處于運(yùn)行狀態(tài) ；當(dāng)實(shí)測電流有效值為118 mA時(shí)，圖8（b）顯示識(shí)別結(jié)果為編碼54號(hào)，即［110101］，可看出一、二、四和六號(hào)負(fù)荷編碼為1，即小電扇、加濕器、加熱器和電水壺處于運(yùn)行狀態(tài)；同理當(dāng)實(shí)測電流有效值為80 mA時(shí)，圖8（c）辨識(shí)結(jié)果為加濕器、微波爐、加熱器和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測電流有效值為5.5 mA時(shí)，圖8（d）辨識(shí)結(jié)果為小電扇和加濕器處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為85 mA時(shí)，圖8（e）辨識(shí)結(jié)果為小電扇、加濕器、加熱器、落地扇和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為64 mA時(shí)，圖8（f）辨識(shí)結(jié)果為加濕器和電水壺處于運(yùn)行狀態(tài)。

圖8 方案b仿真結(jié)果Fig.8 Simulation results of plan b

（3）方案 c仿真

當(dāng)實(shí)測有功功率為570 W，實(shí)測電流有效值為38 mA時(shí)，圖9（a）利用有功功率顯示識(shí)別結(jié)果為編碼9號(hào)，即［001000001000］，可得出，只有三號(hào)負(fù)荷處于開啟狀態(tài)，即微波爐；當(dāng)實(shí)測功率為240 W，實(shí)測電流有效值為118 mA時(shí)，圖9（b）顯示識(shí)別結(jié)果為編碼54號(hào)，即［110101110101］，可看出一、二、四和六號(hào)負(fù)荷編碼為1，即小電扇、加濕器、加熱器和電水壺處于運(yùn)行狀態(tài)；同理當(dāng)實(shí)測有功功率為770 W，實(shí)測電流有效值為80 mA時(shí)，圖9（c）辨識(shí)結(jié)果為加濕器、微波爐、加熱器和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為60W，實(shí)測電流有效值為5.5 mA時(shí)，圖9（d）辨識(shí)結(jié)果為小電扇和加濕器處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為290W，實(shí)測有功功率為85 mA時(shí)，圖9（e）辨識(shí)結(jié)果為小電扇、加濕器、加熱器、落地扇和電水壺處于運(yùn)行狀態(tài)；當(dāng)實(shí)測有功功率為33W，實(shí)測有功功率為64 mA時(shí)，圖9（f）辨識(shí)結(jié)果為加濕器和電水壺處于運(yùn)行狀態(tài)。

圖9 方案c仿真結(jié)果Fig.9 Simulation results of plan c

圖10顯示了三種編碼方案隨著迭代次數(shù)的增加搜索到每代適應(yīng)度值的變化情況。

表3是三種編碼方案在相同實(shí)驗(yàn)情景下所達(dá)到辨識(shí)精度和收斂時(shí)間的比較。其結(jié)果是算法連續(xù)運(yùn)行20次所得出的平均值。

圖10 三種方案的最佳適應(yīng)度Fig.10 The best fitness curves of the three plans

從表3可以看出，方案c的辨識(shí)準(zhǔn)確率明顯高于另外兩種方案，可以證明方案c利用有功功率和電流有效值綜合判別負(fù)荷效果更好。在算法效率上，方案c的收斂時(shí)間最長，主要原因是方案c的編碼長度長，且運(yùn)算數(shù)據(jù)量大于其它兩種，使得算法運(yùn)行速率變慢。雖然優(yōu)化所需的時(shí)間增加，但當(dāng)不同種負(fù)荷有相同功率或者相同電流有效值時(shí)，方案c的識(shí)別精度更高。因此與其他兩種方案相比，綜合考慮辨識(shí)準(zhǔn)確度和收斂時(shí)間，有功功率以及電流有效值疊加值組合的方法辨識(shí)居民負(fù)荷組成具有一定的優(yōu)勢。

表3 三種編碼方案的辨識(shí)準(zhǔn)確率和收斂時(shí)間比較Tab.3 Comparison on the identification accuracy and convergence time of the three coding plans

4 結(jié)束語

針對(duì)居民用戶負(fù)荷辨識(shí)問題，提出了一種基于遺傳優(yōu)化的非侵入式居民負(fù)荷辨識(shí)算法。該方法利用實(shí)測數(shù)據(jù)，獲得有功功率及電流有效值特征參數(shù)，由于多種負(fù)荷設(shè)備同時(shí)運(yùn)行時(shí)所獲取的混合功率及電流為各設(shè)備單獨(dú)運(yùn)行時(shí)產(chǎn)生的特征功率及電流之和，在綜合考慮有功功率及電流有效值約束條件的基礎(chǔ)上，采用遺傳算法，對(duì)有功功率及電流有效值的不同疊加組合值進(jìn)行尋優(yōu)，從而獲得一個(gè)滿足電流有效值和有功功率組合值的最優(yōu)解。若實(shí)測功率包含某一種負(fù)荷的功率值和電流有效值，則此負(fù)荷投入運(yùn)行，否則說明此負(fù)荷未投入運(yùn)行。實(shí)驗(yàn)證明，該算法能較好地處理大規(guī)模復(fù)雜數(shù)據(jù)，且適合于解決多目標(biāo)優(yōu)化問題，能有效地解決非侵入式負(fù)荷辨識(shí)問題。通過三組實(shí)驗(yàn)，驗(yàn)證了綜合有功功率以及電流有效值疊加值組合的方法能夠正確的辨識(shí)出居民負(fù)荷的運(yùn)行狀態(tài)。