基于非侵入式技術(shù)的空氣源熱泵負(fù)荷識(shí)別與分解

宋一凡，于浩然，尹凱，馬驍，李洪濤

(1. 國(guó)網(wǎng)北京市電力公司電力科學(xué)研究院，北京 100075；

2. 天津求實(shí)智源科技有限公司，天津 300384)

0 引 言

近年來(lái)需求側(cè)管理政策發(fā)展迅速，電力非侵入負(fù)荷監(jiān)測(cè)(Non-Intrusive Load Monitoring，NILM)逐漸受到關(guān)注[1]。該技術(shù)是通過(guò)在電力負(fù)荷入口處安裝傳感器，通過(guò)采集、處理和分析電力負(fù)荷入口處的電壓和電流，獲取總負(fù)荷內(nèi)部各個(gè)/類用電設(shè)備的工作狀態(tài)和耗電功率等信息并形成特征庫(kù)，用于后續(xù)辨識(shí)和分解[2]。由于其只需在總口處安裝單一的傳感器，因此費(fèi)用低，容易安裝，保證不干擾到用戶用電，避免糾紛。近年來(lái)，國(guó)內(nèi)對(duì)于非侵入式電力負(fù)荷監(jiān)測(cè)與分解的研究不斷增多，識(shí)別對(duì)象多為居民家庭用電負(fù)荷，文獻(xiàn)[3]應(yīng)用NILM技術(shù)對(duì)家庭主要設(shè)備負(fù)荷特性進(jìn)行提取，通過(guò)模糊C聚類法實(shí)現(xiàn)家庭負(fù)荷模型歸類，獲得設(shè)備針對(duì)不同電價(jià)的轉(zhuǎn)移靈敏度和自靈敏度用電特性，并在此基礎(chǔ)上形成家庭負(fù)荷特性。文獻(xiàn)[4]采用結(jié)構(gòu)熵權(quán)法將居民用電行為與有功功率、無(wú)功功率和電流諧波特征相結(jié)合,確定最終權(quán)值,有效提高負(fù)荷識(shí)別的準(zhǔn)確率。文獻(xiàn)[5]提取了電熱水器、電熱水壺、定頻空調(diào)的辨識(shí)特征量組，提出了基于暫穩(wěn)態(tài)混合判據(jù)的非侵入負(fù)荷辨識(shí)算法。隨著北方地區(qū)大規(guī)模推進(jìn)“煤改電”工程，電采暖設(shè)備作為用電側(cè)引入的新興負(fù)荷，其不同原理下的設(shè)備負(fù)荷特性與煤改電用戶的用電行為有強(qiáng)相關(guān)性，但數(shù)據(jù)量樣本少且難以獲取[6]，非侵入式電力負(fù)荷監(jiān)測(cè)技術(shù)可以較好解決電采暖負(fù)荷數(shù)據(jù)采集的問(wèn)題。目前在負(fù)荷辨識(shí)的性能方面，非侵入式技術(shù)仍存在一些結(jié)構(gòu)和工作原理相似的用電設(shè)備通常難以區(qū)分的問(wèn)題[2-5]，辨識(shí)對(duì)象多集中于家庭常見(jiàn)用電負(fù)荷，在煤改電負(fù)荷上的應(yīng)用經(jīng)驗(yàn)較少。結(jié)合非侵入負(fù)荷辨識(shí)流程[7]，針對(duì)電采暖設(shè)備中最常用的空氣源熱泵，提出了一種基于負(fù)荷事件檢測(cè)的負(fù)荷指紋提取方案以及適用于工程應(yīng)用的指紋模板庫(kù)自動(dòng)生成方法，實(shí)際應(yīng)用證明，該方法所形成的模板庫(kù)中空氣源熱泵負(fù)荷特征區(qū)別于其他家庭負(fù)荷的唯一性較好，實(shí)用性高，抗干擾性強(qiáng)。

1 空氣源熱泵負(fù)荷指紋提取

用電設(shè)備在特定工作模式下所體現(xiàn)的負(fù)荷特性被稱作該設(shè)備的“負(fù)荷指紋”[8]，為實(shí)現(xiàn)非侵入式對(duì)負(fù)荷的有效辨識(shí)，首先需要提取空氣源熱泵的負(fù)荷指紋，構(gòu)建唯一特征模式，通過(guò)自適應(yīng)檢測(cè)將其固化形成空氣源熱泵指紋模板庫(kù)，最終完成對(duì)負(fù)荷的識(shí)別與分解。采用一種基于負(fù)荷事件檢測(cè)的非侵入式空氣源熱泵負(fù)荷指紋提取方案。負(fù)荷事件是指電器設(shè)備發(fā)生工作狀態(tài)的改變，實(shí)際中多數(shù)情況下每個(gè)電器設(shè)備都有特定的啟動(dòng)過(guò)程及穩(wěn)態(tài)時(shí)的電壓電流波形，因而可以根據(jù)暫態(tài)變化或穩(wěn)態(tài)變化來(lái)獲取負(fù)荷事件的特征[9-10]。

實(shí)際檢測(cè)到空氣源熱泵的負(fù)荷功率特征如圖1所示，設(shè)備啟動(dòng)后運(yùn)行區(qū)域由多個(gè)暫態(tài)和穩(wěn)態(tài)交替疊加形成，最大功率達(dá)到4.5 kW。有功功率作為非侵入式負(fù)荷監(jiān)測(cè)中是最為直觀的數(shù)據(jù)，空氣源熱泵在穩(wěn)定工作時(shí)其有功功率常保持恒定值，因此采用對(duì)有功功率的判別來(lái)檢測(cè)空氣源熱泵負(fù)荷事件。

圖1 空氣源熱泵功率特征曲線Fig.1 Power characteristic curves of ASHP

1.1 特征量采集

由于實(shí)際采集的信號(hào)是離散信號(hào)，計(jì)算不同諧波的有功功率需要對(duì)電壓電流采用離散傅里葉變換算法(DFT)進(jìn)行處理。對(duì)空氣源熱泵電流，采用按時(shí)間抽取的快速傅里葉變換(FFT)算法，將一個(gè)周期的采樣序列分為奇偶兩組，分別為I1和I2，為減小算法時(shí)間復(fù)雜度，又可將I1和I2分別再分為子序列，以此類推，形成多級(jí)級(jí)聯(lián)的運(yùn)算。根據(jù)傅里葉分解，總口下原有的穩(wěn)態(tài)電流可以表示為如下形式：

iold(t)=I1,old[cos(ωt+θ1,old)+…+αk,oldcos(kωt+θk,old)+…]

(1)

式中iold(t)表示電氣設(shè)備處于工作穩(wěn)態(tài)時(shí)的電流瞬時(shí)值；I1,old為電氣設(shè)備穩(wěn)態(tài)時(shí)電流基波分量幅值；θk,old為相角；αk,old表示電氣設(shè)備穩(wěn)態(tài)電流第k次諧波幅值與其基波幅值的比值。

當(dāng)總口下有新的電氣設(shè)備啟動(dòng)后，并且達(dá)到穩(wěn)態(tài)，會(huì)產(chǎn)生新的電流：

il,new(t)=Il1,new[cos(ωt+θl1,new)+…+αlk,newcos(kωt+θlk,new)+…]

(2)

式中l(wèi)表示電氣設(shè)備；Il1為電氣設(shè)備穩(wěn)態(tài)時(shí)電流基波分量幅值；θlk為相角；αlk表示電氣設(shè)備穩(wěn)態(tài)電流第k次諧波幅值與其基波幅值的比值；il,new(t)表示在電器l投入使用后在總口下獲取的新的穩(wěn)態(tài)電流，則該用電設(shè)備的穩(wěn)態(tài)電流變化可以近似使用新穩(wěn)態(tài)電流減去舊穩(wěn)態(tài)電流獲得：

Δil(t)=il,new(t)-iold(t)=Il1,new[cos(ωt+θl1,new)+…αlk,newcos(kωt+θlk)+…]-I1,old[cos(ωt+θ1,old)+…+αk,oldcos(kωt+θk,old)+…]=Il1[cos(ωt+θl1)+…+αlkcos(kωt+θl1,new)+…]

(3)

在檢測(cè)到負(fù)荷事件發(fā)生后，使用式(3)計(jì)算出該負(fù)荷事件的基波電流電壓的幅值、各次高次諧波的幅值與基波比值，以及相角。因?yàn)檫^(guò)高次諧波幅值較小，因此計(jì)算時(shí)可以只采用11次及以下計(jì)算。得到基波與各次高次諧波分解結(jié)果后，依次對(duì)各正交分量計(jì)算有功功率，并做累加得到ΔP。

1.2 過(guò)渡事件捕獲

設(shè)置功率門檻值Pmin，選取方法如下：正常情況下，一天的功率數(shù)據(jù)點(diǎn)數(shù)為83 000～86 000點(diǎn)，計(jì)算其當(dāng)日標(biāo)準(zhǔn)差Sn，其中n為天計(jì)數(shù)。

如圖2所示。選擇4天對(duì)每日的功率標(biāo)準(zhǔn)差進(jìn)行平均，得到標(biāo)準(zhǔn)差平均值Savg作為這4天功率波動(dòng)程度的評(píng)價(jià)指標(biāo)。在負(fù)荷事件的判定中，應(yīng)避免波動(dòng)對(duì)事件提取的影響，考慮到波動(dòng)的極值，因此事件的功率最小門檻值應(yīng)不小于5倍4天窗口的Savg，其中5倍的選擇依據(jù)為文中算法經(jīng)過(guò)大量數(shù)據(jù)評(píng)價(jià)和驗(yàn)證得到的經(jīng)驗(yàn)值，即:

圖2 事件門檻值計(jì)算示意圖Fig.2 Illustration of threshold value calculation

Pmin≥5Savg

(4)

該值作為后續(xù)4天的事件檢測(cè)門檻值。繼續(xù)地，在第5天時(shí)，向前迭代3天，再次組成4天窗口期計(jì)算標(biāo)準(zhǔn)差平均值并更新Savg作為后續(xù)時(shí)間段事件檢測(cè)門檻值。事件最小門檻值根據(jù)負(fù)荷運(yùn)行波動(dòng)情況自動(dòng)調(diào)整，其調(diào)整窗口期為4天(負(fù)荷辨識(shí)算法在云端系統(tǒng)對(duì)實(shí)時(shí)結(jié)果回溯修正的時(shí)間)。針對(duì)于文中提到的環(huán)境，經(jīng)過(guò)長(zhǎng)期運(yùn)行期計(jì)算每4天門檻值，目前已經(jīng)穩(wěn)定在100 W，因此本文中空氣源熱泵的系統(tǒng)事件門檻值到目前為止被判定為100 W。

獲得Pmin后，定義20點(diǎn)功率平均值為μ，20點(diǎn)功率瞬時(shí)值為Pi(i=1,2,…,20)，其中事前功率瞬時(shí)值為Pai，事后功率瞬時(shí)值為Pbi。若滿足以下條件：

ΔP≥Pmin

(5)

則認(rèn)為該事件為過(guò)渡事件，以ΔP啟動(dòng)時(shí)刻為標(biāo)準(zhǔn)，向前掃描過(guò)渡事件起點(diǎn)，即事前最近穩(wěn)態(tài)點(diǎn)。通過(guò)監(jiān)測(cè)連續(xù)時(shí)間序列下功率波動(dòng)值，計(jì)算 20點(diǎn)功率波動(dòng)值的標(biāo)準(zhǔn)差，若波動(dòng)值滿足以下條件：

(6)

則定義離ΔP過(guò)渡狀態(tài)事前最近的時(shí)間序列點(diǎn)為事前穩(wěn)態(tài)點(diǎn)Ta，也即過(guò)渡事件的起點(diǎn)；如不滿足條件，則拋棄最近時(shí)間序列點(diǎn)，繼續(xù)向前迭代計(jì)算。其中20%μ為空氣源熱泵最低波動(dòng)判斷門檻值，即功率波動(dòng)程度小于該值時(shí)認(rèn)為達(dá)到穩(wěn)態(tài)，判斷門檻值過(guò)高會(huì)過(guò)濾掉部分需要采集的事件，過(guò)低會(huì)造成事件淹沒(méi)，該參數(shù)的取值與設(shè)備設(shè)置的功率門檻值Pmin相關(guān)。其中20%的選擇依據(jù)同Pmin的選擇依據(jù)一致，即功率曲線連續(xù)20點(diǎn)波動(dòng)幅值水平不應(yīng)大于事件不應(yīng)大于基值的20%。

同樣采用上述20點(diǎn)循環(huán)的方法以ΔP啟動(dòng)時(shí)刻為標(biāo)準(zhǔn)，向后掃描過(guò)渡事件終點(diǎn)，即事后穩(wěn)態(tài)點(diǎn)Tb。

計(jì)算過(guò)渡事件的時(shí)間窗長(zhǎng)度

ΔT=Tb-Ta

(7)

整個(gè)過(guò)渡事件捕獲流程圖如圖3所示。

圖3 過(guò)渡事件捕獲流程圖Fig.3 Flow chart of transit event capturing

2 空氣源熱泵辨識(shí)判據(jù)

通過(guò)對(duì)大量空氣源熱泵實(shí)際采樣波形的分析，其表現(xiàn)出的過(guò)渡事件可分為典型的三大類，具體如下:

圖4為過(guò)渡事件中典型的階躍事件，其特征為持續(xù)時(shí)間較短，斜率接近90°，最大功率值與達(dá)到穩(wěn)態(tài)時(shí)功率接近。

圖4 階躍事件波形圖Fig.4 Typical power curve of step event

圖5為過(guò)渡事件中典型的尖峰事件，其特征為持續(xù)時(shí)間較短，斜率接近90°，但其最大功率值超過(guò)達(dá)到穩(wěn)態(tài)時(shí)功率10倍以上，且持續(xù)時(shí)間較短。

圖5 尖峰事件波形圖Fig.5 Typical power curve of peak event

圖6為過(guò)渡事件中典型的斜坡事件，其特征為持續(xù)時(shí)間較長(zhǎng)，斜率一般小于75°，但其功率通過(guò)過(guò)渡時(shí)間段慢慢爬升到與穩(wěn)態(tài)功率值一直水平。

圖6 斜坡事件示意圖Fig.6 Typical power curve of slope event

空氣源熱泵負(fù)荷功率包含了上述三種特性，前文中已經(jīng)獲得過(guò)渡事件關(guān)鍵參數(shù)ΔT和ΔP，下面通過(guò)判斷ΔT的長(zhǎng)度，以及事前功率、突變功率和事后功率的關(guān)系，給出三種過(guò)渡事件判決條件如下：

ΔT≤1 s時(shí)，若滿足Pai+ΔP=Pbi,則認(rèn)為該過(guò)渡事件為階躍事件；若滿足Pai+ΔP=1.5Pbi，則認(rèn)為該過(guò)渡事件為尖峰事件。ΔT≧5 s時(shí)，若過(guò)渡事件的傾斜度不大于75°，即arctan(ΔP/ΔT)≤75°，則認(rèn)為該過(guò)渡事件為斜坡事件。判定空氣源熱泵啟動(dòng)需滿足以下條件：

過(guò)渡事件為斜坡事件

或

或

過(guò)渡事件為尖峰事件

其中，Pref值的選定是通過(guò)熱泵名牌和多此實(shí)測(cè)值綜合評(píng)定得來(lái)，是階躍條件下判定熱泵啟動(dòng)的重要判據(jù)。除以上條件外，其他情況均判定空氣源熱泵未啟動(dòng)，如圖7所示。

圖7 空氣源熱泵辨識(shí)流程圖Fig.7 Flow chart of ASHP load identification

3 指紋模板自動(dòng)生成技術(shù)

為了解決非侵入式電力負(fù)荷監(jiān)測(cè)技術(shù)系統(tǒng)電氣設(shè)備指紋特征庫(kù)更新和維護(hù)不及時(shí)，導(dǎo)致監(jiān)測(cè)結(jié)果準(zhǔn)確性降低的問(wèn)題，以及高成本、低效率的人工更新和維護(hù)方案使得非侵入式電力負(fù)荷監(jiān)測(cè)技術(shù)的實(shí)用性差，有礙其技術(shù)推廣的問(wèn)題[11]，采用空氣源熱泵指紋模板自動(dòng)生成的技術(shù)。辨識(shí)系統(tǒng)需要對(duì)陌生場(chǎng)景具備一定的自適應(yīng)能力，根據(jù)用電狀態(tài)監(jiān)測(cè)結(jié)果對(duì)應(yīng)的電力負(fù)荷指紋估計(jì)值和采集到電力負(fù)荷指紋實(shí)際值之間的偏差大小來(lái)判斷當(dāng)前時(shí)刻電力負(fù)荷中是否存在未知電氣設(shè)備類型，將監(jiān)測(cè)到的事件模式與上述空氣源熱泵的唯一特征模式進(jìn)行比較，積累到一定閾值的時(shí)候開(kāi)始自動(dòng)啟動(dòng)聚類算法[12]，將唯一特征模式固化為空氣源熱泵的負(fù)荷模板庫(kù)，具體過(guò)程如下。

(8)

式中sn(t)表示時(shí)刻t第n種已知電氣設(shè)備類型的用電狀態(tài)辨識(shí)結(jié)果;Xn表示第n種已知電氣設(shè)備類型的指紋模板，其中，n∈{1，2，3，…，N}，N為電力負(fù)荷內(nèi)部已知電氣設(shè)備類型的總數(shù)量。

若式(9)成立，即目標(biāo)函數(shù)未收斂到合適的數(shù)值，則表明在t時(shí)刻電力負(fù)荷內(nèi)部存在未知電氣設(shè)備類型：

(9)

當(dāng)檢測(cè)到的未知電氣設(shè)備的指紋模板樣本積累達(dá)到一定的數(shù)量時(shí)，對(duì)已經(jīng)積累的m1(一般m1≥100)個(gè)模板樣本進(jìn)行聚類分析[13-15]，為了排除異常值的干擾，認(rèn)為聚類所得的簇規(guī)模大于預(yù)設(shè)值m2(一般m2≥5)的結(jié)果才是有效的。

從圖9中可以看到，每一次指紋模板并不是完全相同，因此生成的模板庫(kù)會(huì)產(chǎn)生一個(gè)區(qū)間值，另外，模板庫(kù)的形成考慮了運(yùn)行時(shí)刻、時(shí)長(zhǎng)和頻次等宏觀信息。系統(tǒng)得到每一次事件的事件標(biāo)記后，如果該事件標(biāo)記為空氣源熱泵，將會(huì)對(duì)此次事件功率曲線對(duì)時(shí)間進(jìn)行積分得到此次運(yùn)行電量，以此類推，可以計(jì)算得到每小時(shí)、每天、每月空氣源熱泵的電量，結(jié)果如圖10所示。

圖8 負(fù)荷指紋模板庫(kù)自動(dòng)生成方法流程圖Fig.8 Flow chart of automatic generation method of load dactylogram library

圖9 空氣源熱泵負(fù)荷模板庫(kù)生成圖示界面Fig.9 Illustration of ASHP load pattern library

圖10 空氣源熱泵負(fù)荷識(shí)別與分解電量結(jié)果(單日)界面Fig.10 Electric quantity result of ASHP load (one day)

4 算例分析

為說(shuō)明文中算法在實(shí)際工程中的應(yīng)用效果，選取北京地區(qū)某“煤改電”用戶作為研究對(duì)象。該用戶住宅為一個(gè)兩進(jìn)院落，建筑面積365 m2，其中前院安裝有兩臺(tái)空氣源熱泵，功率分別為5.16 kW和4 kW。

為了對(duì)比和驗(yàn)證辨識(shí)的準(zhǔn)確度，在空氣源熱泵支線處加裝了獨(dú)立的侵入式傳感器，采集頻率為5 min一次；在前院配電箱總線處安裝帶有空氣源熱泵負(fù)荷識(shí)別算法的非侵入式監(jiān)測(cè)終端，采集頻率為1 s一次，通過(guò)上文所述的空氣源熱泵指紋提取方法形成負(fù)荷指紋模板庫(kù)，用于負(fù)荷辨識(shí)和分解，圖11為帶有空氣源熱泵負(fù)荷識(shí)別的非侵入式原理圖。

圖11 帶有空氣源熱泵負(fù)荷識(shí)別的非侵入式原理圖Fig.11 Schematic diagram of ASHP identification by NILM technology

測(cè)試時(shí)間為2019年2月份，該時(shí)間段內(nèi)，用戶家中除空氣源熱泵外，有電熱水器、直熱式電暖氣、日光燈、電熱水壺、洗衣機(jī)等家用電器運(yùn)行，其中直熱式電暖式和空氣源熱泵共同為用戶多個(gè)房間進(jìn)行供暖。定義狀態(tài)識(shí)別準(zhǔn)確率Cs[16-17]來(lái)描述辨識(shí)性能：

(10)

式中Ts為空氣源熱泵狀態(tài)正確識(shí)別次數(shù)；Ns為采樣點(diǎn)總數(shù)；Cs越大，說(shuō)明辨識(shí)性能越好。

2019年2月3日4時(shí)～7時(shí)，傳感器采集波形如圖12所示，可以看出在該時(shí)間段內(nèi)空氣源熱泵多次啟停，其中需要提到的是由于傳感器的數(shù)據(jù)采集頻率為5分鐘一次，在某些功率突變時(shí)刻會(huì)存在漏采集的可能性。通過(guò)功率波動(dòng)情況得出空氣源熱泵啟動(dòng)和退出的次數(shù)和時(shí)間如表1所示，可以看出在2月3日4時(shí)～7時(shí)，兩臺(tái)空氣源熱泵共啟動(dòng)4次。非侵入裝置辨識(shí)波形分別如圖13所示，與圖12對(duì)比可知，狀態(tài)識(shí)別準(zhǔn)確率Cs為100%。

圖13 2月3日4時(shí)～7時(shí)非侵入式識(shí)別熱泵功率界面Fig.13 NILM power curve (4 am to 7 am on 3rd Feb.)

表1 非侵入監(jiān)測(cè)和傳感器辨識(shí)對(duì)比(2月3日4時(shí)～7時(shí))Tab.1 Identification results comparison between NILM and sensor-measured (4 am to 7 am on 3rd Feb.)

圖12 2月3日4時(shí)至7時(shí)空氣源熱泵實(shí)測(cè)功率Fig.12 Sensor-measured power curve of ASHP (4am to 7am on 3rd Feb.)

從2019年2月中任意選取10天對(duì)比傳感器記錄電量和非侵入監(jiān)測(cè)的電量數(shù)據(jù)，如表2所示。

表2 非侵入監(jiān)測(cè)和傳感器采集電量對(duì)比Tab.2 Electric quantity comparison results between NILM and sensor-measured

現(xiàn)場(chǎng)測(cè)試結(jié)果表明，在該時(shí)間段內(nèi)非侵入式辨識(shí)空氣源熱泵啟停次數(shù)正確，電量歸集精度大于84%，分析誤差可能由臨時(shí)性和波動(dòng)性的小功率負(fù)荷造成，同時(shí)傳感器和非侵入辨識(shí)的數(shù)據(jù)采集頻率差別較大，也是產(chǎn)生誤差的原因之一。

5 結(jié)束語(yǔ)

本文給出了一種以過(guò)渡事件檢測(cè)為判斷依據(jù)的空氣源熱泵負(fù)荷指紋提取方案，詳細(xì)描述了過(guò)渡事件捕獲和空氣源熱泵負(fù)荷辨識(shí)流程，提出的指紋模板自動(dòng)生成方法便于工程應(yīng)用，提高了非侵入式電力負(fù)荷辨識(shí)技術(shù)的實(shí)用性。現(xiàn)場(chǎng)辨識(shí)結(jié)果表明，該算法可有效辨識(shí)出空氣源熱泵啟停次數(shù)，區(qū)別于其他電采暖裝置(直熱式電暖器)，唯一性較好，電量歸集精度大于84%。由于存在相似特征功率干擾，算法擬合的有功功率結(jié)果準(zhǔn)確性仍有待進(jìn)一步改進(jìn)。此方法為空氣源熱泵負(fù)荷特性數(shù)據(jù)采集和煤改電用戶用電行為監(jiān)測(cè)提供了成本低、易操作的解決途徑，可應(yīng)用于煤改電用戶需求側(cè)響應(yīng)和用戶用能建議等相關(guān)領(lǐng)域，配合實(shí)現(xiàn)煤改電用戶負(fù)荷管理和預(yù)測(cè)。