一种非侵入式电力负荷暂态过程辨识方法及系统技术方案

本发明专利技术属于电力负荷用电监测与能量管理领域，尤其涉及一种非侵入式电力负荷暂态过程辨识方法及系统，它同时利用多种类型的暂态功率波形特征，在时域内利用动态时间规整算法量度长度不定的暂态功率波形特征参数样本序列与模板序列之间的相似性，并据此建立基于最近邻分类策略的电力负荷暂态过程分类辨识方案，用以确定产生电力负荷暂态过程的用电设备，从而实现非侵入式用电设备工作状态辨识。本发明专利技术的有益效果在于：能够提高电力负荷暂态过程辨识的准确性和鲁棒性，而且能够有效控制监测系统的成本、提高其实用性，从而能极大地促进NILM技术的实用化推广。

【技术实现步骤摘要】
一种非侵入式电力负荷暂态过程辨识方法及系统
本专利技术属于电力负荷用电监测与能量管理领域，尤其涉及一种非侵入式电力负荷暂态过程辨识方法及系统。
技术介绍
全球性的能源和环境危机引发了对节能减排技术与实施方案的创新热潮，而实现节能减排的第一步是了解能源消耗的具体细节。随着社会各领域电气化和数字化水平的不断提高，电能将逐渐成为现代社会最主要的终端能源形式[1]，于是知晓用电细节对于提高能源利用效率、实现节能减排至关重要[2]。用电细节是指总负荷内部每种用电设备在任意时刻的工作状态、功率和电能等用电信息，以及故障预警信息，这些信息的获取和有效利用会在电力公司优化电网规划、运行与管理[3]，电力用户能效升级[6]，以及促进全社会提高生态文明意识[6]等方面诱发一系列技术变革，从而产生巨大的经济和社会效益。目前，基于量测传感技术的自动负荷用电细节监测技术主要有两种[7]：1)为受监测电力负荷内部每个用电设备配备带有数字通信功能的传感器，再经本地(或户内)局域网收集和送出用电信息，被称作侵入式电力负荷监测(IntrusiveLoadMonitoring，ILM)。2)仅在受监测电力负荷供电总入口处安装一个传感器，通过采集和分析供电端电压和总电流信号来监测并识别负荷内部每个(类)用电设备的工作状态(如，空调具有制冷、制热和停机等不同的工作状态)、功率和电能等用电信息，从而知晓每个(类)用电设备的工作状态和用电规律，被称作非侵入式电力负荷监测(Non-IntrusiveLoadMonitoring，NILM)。NILM是由MIT的Hart在1980年代最先正式提出的[9]。它是一种新颖的电力负荷用电细节监测技术，其以数据分析软件算法代替ILM系统的传感器网络，具有安装操作简便、经济成本低、系统可靠性高、数据完整性好和易于迅速推广应用等优势，具有巨大的发展潜力和广阔的应用前景[6]。在非侵入式电力负荷监测领域，任意用电设备从启动到关停的一个完整工作过程由若干过渡区段和稳态区段构成的。细分起来，过渡区段还包括启动、关停和“功率非零”的工作状态间相互转换三种过程，这三种工作状态突变也被称为负荷事件。不同的稳态区段对应用电设备的不同工作状态。对于总负荷，过渡区段包含一个或多个用电设备的过渡区段，而稳态区段不包含任何电器的过渡区段，电力负荷的过渡区段和稳态区段在时间上紧邻且交替出现的。非侵入式电力负荷监测的任务之一是用电设备工作状态监测，对此，基于负荷事件的非侵入式电力负荷监测技术因其简便易行且性能稳定而成为目前研究的主流。在NILM领域，负荷事件与用电设备的暂态过程相对应，后者指用电设备的工作状态突然转换过程，包括，启动、关停和两个功率非零的工作状态之间的相互转换，根本上，负荷事件与用电设备的暂态过程是等价的。基于负荷事件的非侵入式电力负荷监测技术的基本原理是[7]：假设，在负荷事件检测的基础上，能够从总负荷中提取或分离出单个用电设备的暂态过程印记特征，那么，可以据此判断检测到的负荷事件或暂态过程是由哪种用电设备在发生何种工作状态变换时产生的，即实现电力负荷暂态过程辨识；从而，可以知晓负荷内部用电设备的工作状态，进而估计其用电功率和累计电量，最终实现负荷分解。与负荷事件相关的负荷特征主要有两种类型[10]：一类是用电设备暂态过程(负荷事件)发生前后的两个稳态区段内的特征量的差量，可称之为稳态差量特征，例如稳态功率阶跃；另一类是用电设备暂态过程中表现出的特征量变化特性，可称之为暂态特征。暂态功率波形特征是一种典型的用电设备暂态特征，它往往能够直接反映用电设备的物理本质[11-12]，甚至在使用了波形整形或功率因数校正技术的用电设备中仍能被保留下来[11,13]。而且不同种类用电设备具有不同的暂态数学模型，因此在相同的内部和外部条件下，用电设备的暂态功率波形与负荷事件是一一对应的，据此，研究人员在非侵入式电力负荷监测(NILM)中利用用电设备暂态功率波形特征辨识电力负荷的暂态过程[11,13-20]，尤其用于区分稳态特征相似的不同用电设备[21-24]。对于基于暂态功率波形特征的电力负荷暂态过程辨识，文献[13]依据规范化暂态功率波形时间序列间的内积判断它们之间的匹配程度，文献[14]提出基于模糊内积和外积的贴近度指标，用于量度归一化暂态功率波形时间序列间的相似性，并据此完成电力负荷暂态过程辨识。文献[15]提出了基于最小二乘拟合的暂态功率波形最优匹配辨识方法，将与暂态功率波形样本时间序列匹配误差最小的模板序列所属的用电设备类型赋予该样本序列。文献[16]和[17]选择合适的基函数对在负荷事件发生时刻前后截取的固定长度的暂态功率波形时间序列进行线性拟合，而后以拟合系数组成的特征向量作为分类器的输入，此外，文献[17]还给出了采用Minkowski距离量度所得固定长度原始暂态功率波形时间序列间的相似性的实验效果。文献[18]对原始暂态功率波形序列进行平滑拟合，并在概率地考虑同类用电设备的暂态功率波形拟合特征参数的可变性的基础上，利用分层贝叶斯网络建立(学习)用于计算暂态功率波形样本序列发生可能性的概率模型，进而利用基于朴素贝叶斯理论计算得到的贝叶斯因子完成暂态功率波形辨识。此外，为了避免直接处理暂态功率波形在时域上的复杂性，文献[19]、[20]和[21]分别不同程度地利用信号时频分析技术(短时傅里叶变换、小波变换)实现暂态功率波形的参数化，以得到用于暂态过程辨识的特征向量。虽然，现有方法在各自的研究场景下均具有较好的分类辨识性能[11,13-21]，但是，他们均未深入研究暂态扰动发生时刻的随机性、负荷背景波动(在线运行用电设备的工作状态的时变性)以及系统噪声对暂态过程功率波形的影响；而实际情况是，在这些复杂多变的实际运行条件下，通过负荷事件检测，提取到的同类用电设备负荷事件的暂态功率波形之间在时间上常会出现位置偏移和/或局部尺度缩放，这会对现有方法的辨识效果造成很大影响。此外，100Hz～1000Hz量级的功率输出频率[13,15,18-21]、复杂的时频分析技术[19-21]，以及计算量较大的暂态功率波形特征参数化方法与辨识技术[18]，都要求监测系统具有很高的处理性能而使系统成本较高。与此同时，其中一些方法还需要大量参数学习和训练工作[15-19,21]。参考文献：[1]DennisK.EnvironmentallyBeneficialElectrification:ElectricityastheEnd-UseOption[J].TheElectricityJournal,2015,28(9):100-112.[2]GrueneichDM.TheNextLevelofEnergyEfficiency:TheFiveChallengesAhead[J].TheElectricityJournal,2015,28(7):44-56.[3]WissnerM.Thesmartgrid–Asaucerfulofsecrets？.AppliedEnergy,2011；88:2509–18.[4]EricsonT.Households’self-selectionofdynamicelectricitytariffs.Ap本文档来自技高网...

【技术保护点】
一种非侵入式电力负荷暂态过程辨识方法，其特征在于，所述方法包括以下步骤：第一步，获取受监测电力负荷内部所含的各种用电设备在各种暂态过程下的暂态功率波形特征参数样本，并将获取到的暂态功率波形特征参数样本作为暂态功率波形特征参数模板保存到预先建立的用电设备暂态功率波形特征数据库内，其中，所述暂态功率波形特征参数模板，根据受监测电力负荷内部所含用电设备种类和性质，包括用电设备发生暂态过程时产生的某次或某几次谐波有功功率时间序列和\或某次或某几次谐波无功功率时间序列；第二步，采集电力负荷的供电端电压和用电总电流，对采集到的电压和电流信号进行降噪、异常值修正和相位校正处理，并根据受监测电力负荷内部所含用电设备种类和性质，分析处理后的电压和电流信号获得某次或某几次实测谐波有功总功率数据和\或某次或某几次实测谐波无功总功率数据，其中，不同时刻获得的各次谐波有功总功率数据点和各次谐波无功总功率数据点分别共同构成各次谐波有功总功率时间序列和各次谐波无功总功率时间序列，所述获得的实测谐波有功总功率和实测谐波无功总功率的谐波次数与所述暂态功率波形特征参数模板中谐波有功功率和谐波无功功率的谐波次数相一致；第三步，检测电力负荷的暂态过程，并确定检测到的电力负荷暂态过程的起点时刻和终点时刻，分别从已经得到的电力负荷各次谐波有功总功率和无功总功率时间序列中提取暂态过程起点时刻和终点时刻之间的功率数据点，构成暂态功率时间序列，所得若干功率时间序列共同作为表征未知电力负荷暂态过程的暂态功率波形特征参数样本；第四步，在利用动态时间规整算法量度功率时间序列之间相似性的基础上，采用最近邻分类技术，对所述已经获得的未知电力负荷暂态过程功率波形特征样本进行分类辨识，以确定该功率波形特征样本是由哪种用电设备在发生何种工作状态变换时产生的，最终确定相关用电设备的工作状态。...

【技术特征摘要】
1.一种非侵入式电力负荷暂态过程辨识方法，其特征在于，所述方法包括以下步骤：第一步，获取受监测电力负荷内部所含的各种用电设备在各种暂态过程下的暂态功率波形特征参数样本，并将获取到的暂态功率波形特征参数样本作为暂态功率波形特征参数模板保存到预先建立的用电设备暂态功率波形特征数据库内，其中，所述暂态功率波形特征参数模板，根据受监测电力负荷内部所含用电设备种类和性质，包括用电设备发生暂态过程时产生的某次或某几次谐波有功功率时间序列和\或某次或某几次谐波无功功率时间序列；第二步，采集电力负荷的供电端电压和用电总电流，对采集到的电压和电流信号进行降噪、异常值修正和相位校正处理，并根据受监测电力负荷内部所含用电设备种类和性质，分析处理后的电压和电流信号获得某次或某几次实测谐波有功总功率数据和\或某次或某几次实测谐波无功总功率数据，其中，不同时刻获得的各次谐波有功总功率数据点和各次谐波无功总功率数据点分别共同构成各次谐波有功总功率时间序列和各次谐波无功总功率时间序列，所述获得的实测谐波有功总功率和实测谐波无功总功率的谐波次数与所述暂态功率波形特征参数模板中谐波有功功率和谐波无功功率的谐波次数相一致；第三步，检测电力负荷的暂态过程，并确定检测到的电力负荷暂态过程的起点时刻和终点时刻，分别从已经得到的电力负荷各次谐波有功总功率和无功总功率时间序列中提取暂态过程起点时刻和终点时刻之间的功率数据点，构成暂态功率时间序列，所得若干功率时间序列共同作为表征未知电力负荷暂态过程的暂态功率波形特征参数样本；第四步，在利用动态时间规整算法量度功率时间序列之间相似性的基础上，采用最近邻分类技术，对所述已经获得的未知电力负荷暂态过程功率波形特征样本进行分类辨识，以确定该功率波形特征样本是由哪种用电设备在发生何种工作状态变换时产生的，最终确定相关用电设备的工作状态。2.根据权利要求1所述的一种非侵入式电力负荷暂态过程辨识方法，其特征在于，步骤四中所述采用最近邻分类技术，建立如下判别式：式中，表示用电设备i在第m个工作状态向第n个工作状态转换下的第j个暂态功率波形特征参数模板；i∈{1,2,3,…,L}，L∈Z+，表示负荷特征数据库内所含用电设备种类的总数目，Z+表示正整数域；m,n∈{0}∪{1,2,3,…,Ni}，且m≠n，Ni∈Z+，表示用电设备i所具有的功率非零的工作状态的总数目；用电设备i在第m个工作状态向第n个工作状态转换下的暂态功率波形特征模板总数，m＝0或n＝0表示用电设备处于停机状态；Tl(t1,t2)表示电力负荷l发生起止于时刻t1和t2的暂态过程时所产生的暂态功率波形特征参数样本；表示用电设备暂态功率波形特征参数模板与电力负荷暂态功率波形特征参数样本Tl(t1,t2)之间的综合距离；argmin(·)表示针对既定的Tl(t1,t2)使取得最小值时的3.根据权利要求2所述的一种非侵入式电力负荷暂态过程辨识方法，其特征在于，综合距离的计算方案，以所需各次暂态谐波有功功率波形时间序列和/或各次暂态谐波无功功率波形时间序列并列组成的多维暂态功率波形特征参数时间序列表征用电设备的暂态过程，综合距离按下式计算：式中，DTW(Tz,Te)表示利用动态时间规整算法计算得到的Tz和Te之间的动态规整距离；Tz表示由所述负荷特征数据库中已知暂态功率波形特征参数模板时间序列构成的已知多维暂态功率波形特征参数模板时间序列，Te表示由未知电力负荷暂态过程的暂态功率波形特征参数样本时间序列构成的未知多维暂态功率波形特征参数样本时间序列，Tz和Te的具体形式如下式：式中，Ωp表示多维暂态功率波形特征参数时间序列中实际用于电力暂态过程辨识的有功功率的谐波组成，Ωq表示多维暂态功率波形特征参数时间序列中实际用于电力暂态过程辨识的无功功率的谐波组成，H表示实际考虑的最高谐波次数。4.根据权利要求2所述的一种非侵入式电力负荷暂态过程辨识方法，其特征在于，综合距离的计算方案，以所需各次暂态谐波有功功率波形时间序列和/或各次暂态谐波无功功率波形时间序列首尾相接串联组成拓展一维暂态功率波形特征参数时间序列表征用电设备的暂态过程，综合距离按下式计算：式中，表示利用动态时间规整算法计算得到的和之间的动态规整距离；表示由所述负荷特征数据库中已知暂态功率波形特征参数模板时间序列构成的已知拓展一维暂态功率波形特征参数模板时间序列，表示由未知电力负荷暂态过程的暂态功率波形特征参数样本时间序列构成的未知拓展一维暂态功率波形特征参数样本时间序列，和的具体形式如下式：

【专利技术属性】
技术研发人员：栾文鹏，刘博，余贻鑫，刘浩，冯丽，杨静，杜伟强，马骁，
申请(专利权)人：天津求实智源科技有限公司，
类型：发明
国别省市：天津,12