云边协同架构下基于历史负荷辨识数据的电热细分方法技术

本发明专利技术公开了云边协同架构下基于历史负荷辨识数据的电热细分方法，包括采集用电负荷历史辨识结果样本数据、提取电热辨识结果数据并汇总统计、获取居民用户下一天的辨识数据、提取电热辨识结果数据，将数据进行统计计算，判断其是否满足电热细分规则、若满足则将居民用户该天的电热标签细化成具体标签，并更新汇总统计数据，使其参与下一天的电热细化等步骤。本发明专利技术结合电水壶，电饭锅，电烤箱和电热水器的功率，运行时间等特点以及居民的生活习惯，在云边协同架构下将电热大类进行细化为小类电器，有助于用户了解用电情况，合理安排电器开启时间，响应阶梯电价，最大程度的降低电能消耗，并可对其故障诊断做出相应的辅助判断。

Electric heating subdivision method based on historical load identification data under cloud edge collaborative architecture

【技术实现步骤摘要】
云边协同架构下基于历史负荷辨识数据的电热细分方法
本专利技术涉及一种云边协同架构下基于历史负荷辨识数据的电热细分方法，属于节能环保用电

技术介绍
居民电力负荷监测分解技术是一门新兴的智能电网基础支撑技术，与目前智能电表仅量测用户总功率不同，它以监测并分解出居民户内所有电器的启动时间、工作状态、能耗情况为目标，从而实现更加可靠、精确的电能量管理。电力负荷监测分解技术使用户的电费清单像电话费清单一样，各类家用电器的用电量一目了然，从而使用户及时了解自己的用电情况，为合理分配各个电器的用电时间及相应的用电量提供参考，最终能够有效减少电费支出和电能浪费。目前居民电力负荷监测分解技术主要有侵入式监测分解(ILMD)和非侵入式监测分解(NILMD)两大类两个技术手段。ILMD是传统的直接在用户家庭装设各类用电设备的分量计量表，但这个方法对居民扰动较大，需要参与用户配合程度高，因此工程推行难度大、成本高；NILMD技术手段是通过用户端口电压、电流的采集实现用户电流的非入户辨识。非入户型居民负荷辨识技术只需要采集用户的总电流和电压，再通过智能分解算法来辨识用户每类电器的启停时间和用电量，与智能插座等入户型负荷辨识技术相比，无需侵入用户施工，每户只需要安装一个传感器，项目协调、建设和维护成本都大为降低，容易大规模推广。细粒度负荷辨识数据中会辨识出一类电量较高的电器，那就是电热大类，其加热原理主要是利用发热管的电阻丝产生热量，再将热量传递给需要加热的物质。电阻加热类负荷在家庭电力负荷重所占比重较大，常见的电阻加热类电器有电热水器、电热水壶、电烤箱、电饭锅等。电热水壶采用的是蒸汽智能感应控制，过热保护，水煮沸自动断电、防干烧断电，快速沸水的一种器具，其断电是不可自复位的，所以电热水壶断电后不会自动再加热。电热水壶一般具备：分体式电源底座，水沸自动断开，有水位指示标准和电源指示灯、干燥保护等安全装置，额定功率在1000W-1800W左右；电热水器是指以电作为能源进行加热的热水器。是与燃气热水器、太阳能热水器相并列的三大热水器之一。电热水器按加热功率大小可分为储水式(又称容积式或储热式)、即热式、速热式(又称半储水式)三种。常用的电热水器有加热和保温两种工作模式。电烤箱是利用电热元件发出的辐射热烤制食物的厨房电器，有效容积从13升到34升都有，功率大约在1000W-2000W之间。电饭锅是一种能够进行蒸、煮、炖、煨、焖等多种加工的现代化炊具。常见的电饭锅分为保温自动式、定时保温式以及新型的微电脑控制式三类，主要有加热和保温两种工作模式。电饭锅的发热元件，有电热管式发热板及P.T.C.元件发热板。电饭锅的额定功率因容量的不同而有区别，一般3升容量的功率在500～750W，4升容量的功率在700～1000W，5升容量的功率在700～1200W，升容量的功率在900～1300W。目前通过非侵入分解技术只能辨识出电热大类，如何细分还没有具体的解决方案。本专利技术在此背景下提供了一种云边协同架构下基于历史负荷辨识数据的电热细分方法，结合电水壶，电饭锅，电烤箱和电热水器的运行特点以及居民的生活习惯，在云边协同架构下将电热大类进行细化为小类电器。有助于用户更好的了解自身的用电情况，合理安排电器开启时间，响应阶梯电价，最大程度的降低电能消耗，减少电费开支。
技术实现思路
为了解决上述技术问题，本专利技术公开了一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其具体技术方案如下：步骤1：在云边协同架构下获取居民用户细粒度用电负荷历史辨识样本数据；步骤2：提取电热历史辨识数据，按户进行汇总统计；步骤3：选取某个居民用户下一天的辨识数据(相对于历史数据)，提取电热数据，将该数据进行统计；步骤4：结合步骤2中用户的历史统计信息及步骤3中用户某天的具体电热统计信息，若满足电热细分规则，在云边架构下将用户该天的电热属性标签细化成具体电器标签。步骤5：将细化后的电器标签更新到步骤2的汇总统计中，参与下一天的电热细化。进一步的，步骤1中，通过智能终端获取居民用户的细粒度用电行为数据，该终端将用户每天的负荷数据上传至主站，通过云边协同架构下的系统从主站中获取用户负荷数据，通过界面图像化展示用户用电行为。其中从该架构下获取居民用户1个月的历史数据。上述所说历史数据，其中包括每户的唯一信息，对应日期，将一天划分为96个时段，每个时段15分钟，记录每个时段内电器的属性标签，启停时间，频繁启停次数mergeTimes，峰值功率P，电量等。所述步骤2包括以下内容：2.1按户进行汇总统计，统计的信息分频繁启停电器和非频繁启停电器，每类电器分别统计电热的功率范围powerRange，电器运行次数runTimes，最大运行分钟数maxRunMin，平均运行分钟数averRunMin，运行小于5秒的次数lessFSTimes，运行5秒～2分钟的次数twoSTimes，运行2分钟～10分钟次数tenSTimes，运行超过10分钟次数overTSTimes，凌晨运行次数midNightTimes，上午运行次数amTimes，下午运行次数pmTimes，傍晚运行次数eveningTimes，晚上运行次数night1Times，深夜运行次数night2Times，运行天数days。2.2其中上述所说的频繁启停电器指的是间隔在5分钟以内功率有大于等2次开启和关闭的电器，则非频繁启停电器则表示在间隔5分钟以内只有1次开启或关闭的电器；电器运行的次数指的是所有历史数据中该功率范围内电器的总运行次数；平均运行分钟数将历史数据中电器总的运行时长/电器运行次数，总的运行时长可由每条辨识数据启停的总和得出；凌晨运行次数指的是0～6点时间段内运行的次数；上午运行次数指的是6～12点时间段内运行的次数；下午运行次数指的是12～15点时间段内运行的次数；傍晚运行次数指的是15～18点时间段内运行的次数；晚上运行次数指的是18～21点时间段内运行的次数；深夜运行次数指的是21～24点时间段内运行的次数；运行天数是指电器开启的天数，某天有这种电器运行，则增1，没有就不增。所述步骤3包括以下内容：3.1选取某个居民用户下一天的辨识数据指的是若选取的历史数据为2019年5月1号到5月31号，则某个居民用户下一天的辨识数据指选择2019年的6月1号的辨识数据。3.2其中上述中对该数据进行统计，表示统计功率范围，是否频繁启停电器，运行时间，一天运行的次数。所述步骤4包括以下内容：4.1电热细分规则包括：查看步骤3中某户一天的统计信息，找出功率P范围大于2500W的电热数据，将该用户该天的原始数据电热标签细化成电热水器；4.2查看步骤3中某户一天的统计信息，找出功率范围P在1300W～2000W，非频繁启停电器，运行时间在2～8分钟内，查看步骤2中该户非频繁启停电器历史汇总信息，一天的运行次数大于等于1次，小于5次，运行时间在2～10分钟占比较大，运行时间不在凌晨，一天的运行时长不超过30分钟。满足上述本文档来自技高网...

【技术保护点】
1.一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于，包括以下步骤：/n步骤一：获取居民用户细粒度用电负荷历史辨识结果样本数据；/n步骤二：提取电热辨识结果数据，并对其按户汇总统计；/n步骤三：获取居民用户下一天的辨识数据；/n步骤四：提取该用户的电热辨识结果数据，将该数据进行统计；/n步骤五：结合步骤二和步骤四中的两类电热辨识结果数据，判断其是否满足电热细分规则；/n步骤六：若步骤五的判断结果满足电热细分规则，则将居民用户该天的电热标签细化成具体标签，并更新步骤二中的汇总统计数据，使其参与下一天的电热细化；/n若不满足电热细分规则，则居民用户该天的电热标签不会细化成具体标签。/n

【技术特征摘要】
1.一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于，包括以下步骤：
步骤一：获取居民用户细粒度用电负荷历史辨识结果样本数据；
步骤二：提取电热辨识结果数据，并对其按户汇总统计；
步骤三：获取居民用户下一天的辨识数据；
步骤四：提取该用户的电热辨识结果数据，将该数据进行统计；
步骤五：结合步骤二和步骤四中的两类电热辨识结果数据，判断其是否满足电热细分规则；
步骤六：若步骤五的判断结果满足电热细分规则，则将居民用户该天的电热标签细化成具体标签，并更新步骤二中的汇总统计数据，使其参与下一天的电热细化；
若不满足电热细分规则，则居民用户该天的电热标签不会细化成具体标签。


2.根据权利要求1所述的一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于：
所述步骤一中：通过云边协同架构下的系统从主站中获取用户用电负荷历史辨识结果样本数据；历史辨识结果样本数据为一个月的样本数据量；
所述历史辨识结果样本数据将一天划分为96个时段，每个时段15分钟；并包括用户ID信息、对应日期、每个时段内电器的属性标签、启停时间、频繁启停次数mergeTimes、峰值功率P和电量；
划分96个时段，每个时段15分钟，考虑到每个电器运行的时间一般不会在分钟级内完成，若设计为分钟级，每个电器跨时段会比较多，辨识数据量也会增大，此外还需考虑终端辨识能力，若存储15分钟的数据对于辨识数据中阶跃的匹配更精确一些，若果是分钟级，很有可能开关闭的匹配在上一个时段或下一个时段，上传数据比较频繁，会加大数据丢包的可能性，若存储30分钟，需要考虑终端的存储能力，综合考虑15分钟粒度比较合适。


3.根据权利要求2所述的一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于：
所述步骤二中提取电热辨识结果数据，即从历史辨识结果样本数据中电器标签为电热的辨识结果提取出；
所述步骤二中，所述按户进行汇总统计：包括统计划分为：频繁启停电器和非频繁启停电器；
所说的频繁启停电器指的是间隔在5分钟以内功率有大于等于2次开启和关闭的电器，则非频繁启停电器则表示在间隔5分钟以内只有1次开启或关闭的电器；
分别统计每类电器电热的功率范围powerRange，电器运行次数runTimes，最大运行分钟数maxRunMin，平均运行分钟数averRunMin，运行小于5秒的次数lessFSTimes，运行5秒-2分钟的次数twoSTimes，运行2分钟-10分钟次数tenSTimes，运行超过10分钟次数overTSTimes，凌晨运行次数midNightTimes，上午运行次数amTimes，下午运行次数pmTimes，傍晚运行次数eveningTimes，晚上运行次数night1Times，深夜运行次数night2Times，运行天数days。


4.根据权利要求1所述的一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于：所述步骤三中所述下一天表示选取的历史辨识结果样本数据的翌日；所述步骤四中，对该天的信息统计包括功率范围，是否频繁启停电器，运行时间，一天运行的次数。


5.根据权利要求1所述的一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于：
所述电热细分规则包括：功率P范围大于2500W的电热数据，将该用户该天的原始数据电热标签细化成电热水器。
此电热原则综合考虑到居民用户家中大功率的电热电器只有电热水器。


6.根据权利要求1所述的一种云边协同架构下基于历史负荷辨识数据的电热细分方法，其特征在于：
所述电热细分规则包括功率范围P在1300W-2000W，非频繁启停电器，运行时间在2-8分钟内，查看步骤2中该户非频繁启停电器历史汇总信息，一天的运行次数大于等于1次，小于5次，运行时间在2-10分钟占比较大，运行时间不在凌晨，一天的运行时长不超过30分钟；满足上述条件，则将该用户该天的原始数据电热标签细化成电水壶；
经过数据调研，电水壶的运行功率普遍在1500W左右，且运行时间比较短，晚上时间运行的概率会比较少，因此得出此公式。
其中：
一天的运行次数dayRunTi...

【专利技术属性】
技术研发人员：邓士伟，苗青，洪佳燕，
申请(专利权)人：江苏智臻能源科技有限公司，
类型：发明
国别省市：江苏;32