居民用電負(fù)荷非侵入式監(jiān)測分解系統(tǒng)研究

張玉天 陳盛 尤蘭

摘? 要：隨著智能電網(wǎng)的發(fā)展和節(jié)能意識的提高，居民家庭的總耗電量已經(jīng)細(xì)化到每個電器上。電力可視化服務(wù)對居民的負(fù)荷使用安排和電網(wǎng)需求響應(yīng)計(jì)劃實(shí)施具有重要意義。文章在非侵入式負(fù)荷監(jiān)測方法研究的基礎(chǔ)上，根據(jù)電流疊加特性，建立估計(jì)方程組和約束條件對電力入口處總電流進(jìn)行分解，然后利用最小二乘法優(yōu)化求解上述方程組，引導(dǎo)用戶合理用電，優(yōu)化能源結(jié)構(gòu)。

關(guān)鍵詞：非侵入式采集;估計(jì)方程;最小二乘法

中圖分類號：TM76? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2019）16-0038-03

Abstract： With the development of smart grid and the improvement of energy saving awareness， the total power consumption of households has been refined to each electrical appliance. Power visualization service is of great significance to the load use arrangement of residents and the implementation of power grid demand response plan. In this paper， based on the research of non-intrusive load monitoring method， according to the superposition characteristics of current， the estimation equations and constraint conditions are established to decompose the total current at the power entrance， and then the least square method is used to optimize the solution of the above equations， so as to guide users to use electricity reasonably and optimize the energy structure.

Keywords： non-intrusive acquisition; estimation equation; least square method

引言

為了解決能源短缺造成的經(jīng)濟(jì)和社會發(fā)展問題，用可再生能源代替?zhèn)鹘y(tǒng)的化石能源，并結(jié)合信息技術(shù)翻新現(xiàn)有的能源使用系統(tǒng)，以最大化電網(wǎng)系統(tǒng)的能源效率。隨著需求側(cè)管理工作的推進(jìn)，在居民側(cè)建立可視化界面監(jiān)測家用電器能耗情況，能幫助用戶擬定策略節(jié)約用電，對緩解能源壓力具有重要意義。傳統(tǒng)的負(fù)荷可視化系統(tǒng)只能顯示某家庭總體能耗，而單個電器能耗無法得知;另一種采用分立式傳感器監(jiān)測電器的方法，雖然可以快速準(zhǔn)確監(jiān)控每臺設(shè)備的運(yùn)行狀態(tài)，但系統(tǒng)必須為每個電器配備一個傳感器，傳感器網(wǎng)絡(luò)復(fù)雜，成本高昂，不利于推廣。為了解決分立式住宅電力可視化系統(tǒng)的問題，非侵入式負(fù)荷監(jiān)測技術(shù)開始進(jìn)入人們的視線[1]。最開始由Hart教授提出的非侵入式負(fù)荷監(jiān)測技術(shù)是指只需在電源電力入口處安裝監(jiān)控設(shè)備，根據(jù)每個電器不同的負(fù)荷特征分離并識別單個電器的運(yùn)行情況。

目前國外針對非侵入的研究，文獻(xiàn)[2]應(yīng)用突變信號檢測方法對暫態(tài)功率信息進(jìn)行非侵入式電力負(fù)荷監(jiān)測。Norford等人將非侵入式電力負(fù)荷監(jiān)測到的暫態(tài)事件分類并與系統(tǒng)辨識技術(shù)結(jié)合到一起應(yīng)用于電力系統(tǒng)監(jiān)測與設(shè)備判別[3]。國內(nèi)的研究中，文獻(xiàn)[4]基于非侵入負(fù)荷監(jiān)測研究微電網(wǎng)的電能管理方法，采用模糊C均值聚類方法處理負(fù)荷參數(shù)，并采用近程方法識別負(fù)荷;文獻(xiàn)[5]采用了基于最近鄰法和支持向量機(jī)對住宅用電負(fù)荷識別進(jìn)行研究。但是這些文獻(xiàn)只提出了負(fù)荷信息分解識別算法，并沒有根據(jù)用戶能耗建立可視化系統(tǒng)引導(dǎo)用戶用電習(xí)慣，參與電力系統(tǒng)節(jié)能減排工作。

本文在非侵入式負(fù)荷信息采集系統(tǒng)的基礎(chǔ)上，對各家用電器負(fù)荷特征進(jìn)行研究，建立負(fù)荷特征先驗(yàn)分析系統(tǒng)，再根據(jù)電流的線性疊加特性，采用估計(jì)方程對采集的總電流進(jìn)行分解獲得單個電器運(yùn)行信息，顯示每個用電設(shè)備詳細(xì)的電能消耗情況和能耗占比，引導(dǎo)用戶合理用電。

1 基于非侵入式負(fù)荷監(jiān)測系統(tǒng)的分解算法

1.1 非侵入式負(fù)荷監(jiān)測系統(tǒng)

非侵入式負(fù)荷監(jiān)測（Non-intrusive Load Monitoring， NILM）技術(shù)是只在電力入口處安裝信號采集裝備，根據(jù)每個電器不同的負(fù)荷特征分離并識別單個電器的運(yùn)行情況。非侵入式負(fù)荷監(jiān)測系統(tǒng)由采集系統(tǒng)、先驗(yàn)分析系統(tǒng)和負(fù)荷快速辨識系統(tǒng)組成，技術(shù)路線如圖1所示。

上圖中最靠近負(fù)載端的子系統(tǒng)為非侵入式數(shù)據(jù)采集系統(tǒng)，它完成電源入口處電流信號的采樣，且將采樣得到的信號進(jìn)行AD轉(zhuǎn)換。每個用電設(shè)備的負(fù)荷特征不盡相同是NILM系統(tǒng)進(jìn)行負(fù)荷辨識的基礎(chǔ)。所以在負(fù)荷快速辨識系統(tǒng)進(jìn)行負(fù)荷辨識之前，需要在負(fù)荷特征先驗(yàn)分析系統(tǒng)中明確每個用電設(shè)備的負(fù)荷特征。在采集系統(tǒng)中我們已經(jīng)采集了包含電器開、關(guān)以及正常運(yùn)行在內(nèi)的各種電流數(shù)據(jù)?，F(xiàn)在將在負(fù)荷特征先驗(yàn)分析系統(tǒng)對采集到的數(shù)據(jù)進(jìn)行暫態(tài)及穩(wěn)態(tài)分析。分析電器開、關(guān)時(shí)突變的電流為暫態(tài)分析方法，通過此方法可以獲得相關(guān)函數(shù)、協(xié)方差以及WV譜等負(fù)荷特性。而有功無功功率、功率譜和頻譜分量等負(fù)荷特征則需要對電器設(shè)備所提取的穩(wěn)定運(yùn)行時(shí)電流信號進(jìn)行分析，為穩(wěn)態(tài)分析方法。最后，將提取到的電器設(shè)備的負(fù)荷特性收集傳送到負(fù)荷快速辨識系統(tǒng)中。

家用電器通常分為以下幾種類型：電阻器具，帶泵操作的電器，由電動機(jī)驅(qū)動的器具，電子器件設(shè)備，電力電子控制器具和熒光燈。根據(jù)負(fù)載特性的實(shí)際測量結(jié)果，幾類電器的負(fù)載特性和功耗特性歸類如表1所示。

快速負(fù)荷辨識系統(tǒng)所做的工作是將數(shù)據(jù)采集系統(tǒng)采集到的混合電流數(shù)據(jù)進(jìn)行分解，辨識出共同運(yùn)行的電器設(shè)備。在負(fù)荷特征先驗(yàn)分析系統(tǒng)中，將提取的用電設(shè)備的負(fù)荷特性匯總成多維負(fù)荷特性空間。負(fù)荷快速識別系統(tǒng)利用此多維特征空間與數(shù)據(jù)采集系統(tǒng)采集到的混合電流數(shù)據(jù)進(jìn)行計(jì)算，實(shí)現(xiàn)特征去冗余和空間降維。最后，完成操作設(shè)備的識別工作。

1.2 非侵入式負(fù)荷分解實(shí)現(xiàn)

根據(jù)電流疊加特性，電器設(shè)備正常運(yùn)行時(shí)的穩(wěn)態(tài)電流可以近似為所包含的主要電器設(shè)備電流的線性疊加。所以我們提出一種基于穩(wěn)態(tài)電流（包括基波和諧波）的非侵入式負(fù)荷分解算法，該算法只需計(jì)算穩(wěn)態(tài)數(shù)據(jù)在定期間隔（如15min）內(nèi)所形成的不相容估計(jì)方程組的最優(yōu)解以實(shí)現(xiàn)負(fù)荷的分解。為了清楚顯示各個電流分量的相對比例，本文使用標(biāo)幺值，即所有電流分量都使用相同的電流基值。當(dāng)待分解負(fù)荷有n種主要的電器設(shè)備同時(shí)運(yùn)行時(shí)，其電流可被這n種電器設(shè)備的電流線性疊加近似估計(jì)。

負(fù)荷分解算法基本步驟如下：

（1）根據(jù)家庭使用電器的實(shí)際情況，選擇主要電器設(shè)備的類別。

（2）采集電器設(shè)備的電流，通過編程線下測得電器設(shè)備單元電流參數(shù)矩陣。

（3）對實(shí)際測得的電力負(fù)荷的電流、電壓進(jìn)行諧波分析，得到負(fù)荷單元電流列向量。

（4）形成帶約束不相容方程組。

（5）采用最小二乘法優(yōu)化算法，對上述方程組計(jì)算電流權(quán)重系數(shù)的最優(yōu)解。

2 實(shí)驗(yàn)結(jié)果

2.1 負(fù)荷特征提取

2.1.1 穩(wěn)態(tài)電流特征提取

根據(jù)圖2提取電器設(shè)備穩(wěn)態(tài)運(yùn)行時(shí)電流曲線特性的特征值?？梢钥闯?，對于線性負(fù)載，即像電水壺這種電流波形為正弦曲線，其峰值系數(shù)接近1.4。當(dāng)非線性度越高時(shí)，電流越不接近正弦曲線，峰值系數(shù)越大;不同的電器由于電流波形不同，具有不同的峰值，很容易識別;若根據(jù)均方根進(jìn)行負(fù)載識別則容易識別出微波爐和吸塵器。由于不同用電設(shè)備的電流特征值不同，所以若基于以上求出的參數(shù)進(jìn)行負(fù)載識別，在理論上可以實(shí)現(xiàn)。

2.1.2 諧波特征提取

根據(jù)圖3提取每個諧波的幅值和THD作為諧波特性，可以看出，畸變率較高的電器為電風(fēng)扇和微波爐，THD值分別為9%和8%，但二者幅值差距極大;畸變最小的是電水壺和吸塵器，電水壺的THD值為4%，吸塵器的THD值為3%，二者可通過比較各諧波幅度識別。因此，根據(jù)諧波分析的特點(diǎn)進(jìn)行負(fù)荷識別是可行的。

2.1.3 包絡(luò)特征提取

對于具有電動機(jī)的用電設(shè)備來說，例如空調(diào)、吸塵器等，電流波形特性非常明顯。為了捕獲它們的動態(tài)特性，提取器件的電流包絡(luò)以反映器件的工作特性，電腦、冰箱、電熱壺、電風(fēng)扇、空調(diào)制冷和空調(diào)制熱的電流包絡(luò)如圖4所示。

由圖4可知不同設(shè)備的電流包絡(luò)很不同?？照{(diào)制冷，電腦，冰箱存在短時(shí)脈沖電流;熱水器與風(fēng)扇都有明顯的波紋;空調(diào)的制冷與制熱模式有很長的不穩(wěn)定狀態(tài)。統(tǒng)計(jì)以下數(shù)據(jù)作為包絡(luò)特征：電流包絡(luò)的脈沖電流幅度（絕對值）、穩(wěn)態(tài)運(yùn)行時(shí)的平均值、啟動時(shí)的階躍高度。可知，電流階躍高度最大的電器為空調(diào)的制冷模式，其高度為10.36A;電流階躍高度為0.25A的電風(fēng)扇是階躍高度最小的電器。電流階躍高度因?yàn)殡娖鞯牟煌鴶?shù)值差異明顯，所以，負(fù)載識別技術(shù)基于此特點(diǎn)來實(shí)現(xiàn)是可行的。

2.1.4 開關(guān)特征提取

本文從電腦、冰箱、電熱壺、電風(fēng)扇、空調(diào)制冷和空調(diào)制熱等負(fù)荷中提取出從關(guān)到開然后到正常工作期的數(shù)據(jù)，并計(jì)算每個負(fù)載的過渡時(shí)間和脈沖電流，結(jié)果如圖5所示?？照{(diào)制熱模式是電器中所需過渡時(shí)間最久的;其次所需過渡時(shí)間較久的電器為空調(diào)制冷模式;再其次需要過渡時(shí)間比較久的電器是電熱壺;電腦、冰箱和電風(fēng)扇所需要的過渡時(shí)間較為接近，都比較短，但是這三個電器的脈沖電流差異極大，容易識別。綜上所述，利用過渡時(shí)間和脈沖電流兩個特征參數(shù)可以實(shí)現(xiàn)負(fù)載識別。

2.2 負(fù)荷分解

分解算法可行性驗(yàn)證

為了驗(yàn)證上述分解算法的有效性，本文選取了六種常見的家用電器設(shè)備作為實(shí)驗(yàn)對象，包括：iphone、冰箱、筆記本電腦、臺式電腦、風(fēng)扇（高檔）以及打印機(jī)，并對上述六種電器設(shè)備的電流進(jìn)行f=5000Hz的采樣。利用最小二乘法通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，其求解結(jié)果見表2。

觀察表2中的仿真結(jié)果，可以發(fā)現(xiàn)使用最小二乘法對混合電流分解出來的結(jié)果與真實(shí)的用電比例偏差不大，所以，最小二乘法可以對混合信號進(jìn)行分離。

3 結(jié)論

本文針對智能電網(wǎng)發(fā)展中存在的能耗管理問題，提出了一種在非侵入式負(fù)荷監(jiān)測技術(shù)基礎(chǔ)上的居民用戶可視化系統(tǒng)。本系統(tǒng)結(jié)合非侵入式負(fù)荷分解算法，將采集的總電流信號根據(jù)建立的目標(biāo)函數(shù)和約束條件進(jìn)行優(yōu)化求解，對引導(dǎo)居民用戶合理用電，避開用電高峰期，保證電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要意義。

參考文獻(xiàn)：

[1]汪四仙，畢忠勤.非侵入式電力負(fù)荷監(jiān)測技術(shù)研究[J].上海電力學(xué)院學(xué)報(bào)，2017，33（04）：357-361.

[2]牛盧璐，賈宏杰.一種適用于非侵入式負(fù)荷監(jiān)測的暫態(tài)事件檢測算法[J].電力系統(tǒng)自動化，2011，35（9）：30-35.

[3]Norford L K， Leeb S B， Non-intrusive electrical load monitoring in commercial buildings based on steady-state and transient load-detection algorithms[J]. Energy & Buildings， 1995，24（1）：51-64.

[4]謝家寶.基于非侵入式負(fù)載監(jiān)測的微電網(wǎng)電能管理研究[D].秦皇島：燕山大學(xué)，2012.

[5]劉然.結(jié)合改進(jìn)最近鄰法與支持向量機(jī)的住宅用電負(fù)荷識別研究[D].重慶：重慶大學(xué)，2014.