基于特征量匹配的非侵入式实时智能电表系统和识别方法技术方案

本发明专利技术公开了基于特征量匹配的非侵入式实时智能电表系统和识别方法，系统包括采样电路、电能计量模块、通信模块、学习机、HMI串口屏，采样电路对各个电器的电压和电流信号进行检测，并将检测信号发送至电能计量模块，电能计量模块对电压和电流信号进行解析生成各个电器中稳态特征量和暂态特征量，并将这些特征量发送至学习机，学习机记录特征量数据作为数据库，并对新检测的特征量进行计算，从而判断各个电器的负荷状态，学习机通过通信模块与HMI串口屏进行数据交互。本发明专利技术采用多特征量进行计算，提高电表的普适性，并采用非侵入式负荷识别算法，提高计算速率和电表的通用性，有利于对家用功率较小的电器进行识别。

【技术实现步骤摘要】
基于特征量匹配的非侵入式实时智能电表系统和识别方法
本专利技术涉及电能计量领域，特别涉及基于特征量匹配的非侵入式实时智能电表系统和识别方法。
技术介绍
现有的非侵入式负荷识别的研究还主要处于实验室阶段，但为了更好的进行电能计量和管理、相应国家智能电网的号召，已经逐步呈现产品化市场化的趋势。目前公开自电工技术学报《基于开启瞬时负荷特征的家电负荷识别》，此设计利用开启时的暂态功率特征向量作为识别的特征量，获取时间长达2s的暂态功率曲线。处理方法是引入开启系数和延时系数，数据库中的电器功率波形向量乘以开启系数并根据延时系数位移后叠加，叠加得到的信号作为拟合信号，与获取的特征量进行比较。规定拟合信号和采集的特征量的相似程度为两组向量波形的皮尔森系数，并通过粒子群算法，即一种现代优化算法进行高维度的优化，优化的目标函数即两组向量波形皮尔森系数最小。最终根据训练得到的开启系数决定这类电器是否开启，而根据延时系数决定电器开启的准确时间，该算法用于解决当多个电器同时投入，能够同时识别出多个电器的类型，具有比较强的应对复杂情况的能力。但在实际使用中具有如下十分显著的缺点：第一、特征量选用较少，很难应对投入时波形相似度高的电器，不利于数据库的容量的增大，对不同电器的鲁棒性较差；第二、高维优化算法的处理时间很长，影响了电表的实时性。现代优化算法的算法解决NP-hard问题，其复杂度随着维度增高快速上升。当数据库中有N个电器数据时，优化算法的维度为2*N维(每个电器包含一个开启系数和延时系数)。从这个角度来讲，也不利于数据库容量的增大；第三、在解决一般情况时呈现劣势。通常情况两电器同时投入或者切除的机会(即两电器开启或切除时间差距小于2s)是比较少的。在应对同一时间只有一个电器投入的情况下，这一算法并没有任何优势，算法复杂度并未降低，同时硬件方面由于电表采用按键控制缺乏控制的灵活性，不利用电表功能扩展，所以这套软硬件设计适合于实验室中作为实验平台用于研究用途，但不适合应用于实际的负荷检测场合，也不适合面向市场推广。另一个公开自毕业设计《住宅用电负荷识别的研究及智能表的设计》，此设计主要采用稳态的有功功率平均值和各次电流谐波作为特征量，利用KNN算法与SVM支持向量机算法结合的方式对于特征库数据进行匹配，实际上是一种基于欧式距离的线性判别方法结合SVM的非线性判别方法的综合应用。投切算法加入滤波算法后进行变点检测，当检测到有电器投入或者切除事件发生后，首先根据负荷类型和功率阈值进行预分类，进入不同的分类器选项中。对于每一类分类器都分别进行训练，综合利用改进KNN方法和SVM方法进行判别。这套算法设计是用于验证KNN算法和SVM算法在于判别负荷类型的可行性，算法简单，运算速度快。但实际应用中局限性非常大，缺点如下：第一、每个分类器的参数需要单独训练(论文中采用网格法进行寻优，即一种遍历的方法)，对于不同电器的鲁棒性很差；第二、在未训练前，不可预知某个分类器利用KNN算法还是SVM算法，这导致这种算法的实用性进一步变差。仅能适用于已知电器种类的条件下进行先验的训练得到高识别率的分类器，且该电表仅具备电表非侵入负荷识别的能力和基本的存储、通信、报警等外设，实际使用时需配合外部的功能部件结合使用。而且该电表也没有学习功能，仅能够对已经训练好的电器进行识别，没有增扩数据库的能力。综上所述，目前的电表系统在特征量选用上较少，所验证的数据仅为经过训练的几种电器，很难做到能够充分满足实践要求的普适性。追求应用复杂场合的能力，而牺牲了计算速度和算法通用性，实时跟踪能力差。为了追求较高的准确率，过分牺牲电表的精确性，对于家用的一些功率较小的电器(有功100w以下)，例如电风扇，荧光灯，电脑此类都不可识别。实际上，降低了电表的可用性。
技术实现思路
本专利技术要解决的技术问题是克服现有技术的缺陷，提供基于特征量匹配的非侵入式实时智能电表系统和识别方法。为了解决上述技术问题，本专利技术提供了如下的技术方案：本专利技术基于特征量匹配的非侵入式实时智能电表系统，包括采样电路、电能计量模块、通信模块、学习机、HMI串口屏，所述采样电路对各个电器的电压和电流信号进行检测，并将检测信号发送至电能计量模块，所述电能计量模块对电压和电流信号进行解析生成各个电器中稳态特征量和暂态特征量，并将这些特征量发送至学习机，所述学习机记录特征量数据作为数据库，并对新检测的特征量进行计算，从而判断各个电器的负荷状态，所述学习机通过通信模块与HMI串口屏进行数据交互。作为本专利技术的一种优选技术方案，所述学习机将各个电器的负荷状态数据发送至HMI串口屏，所述HMI串口屏显示各个电器的实时参数，所述用户发送控制指令至HMI串口屏，所述HMI串口屏将控制指令通过通信模块发送至学习机，所述学习机根据控制指令执行对电表的控制。作为本专利技术的一种优选技术方案，所述采样电路包括电压采样和电流采样，所述电压采样通过电阻分压跨接在零线与火线之间，所述电流采样利用电流互感器，变流比为1000：1。作为本专利技术的一种优选技术方案，还包括供电电路，所述供电电路采用220V-5V开关电源作为主电源，保证系统在没有市电的情况下为系统供电，所述学习机、电能计量模块均采用微处理器进行保存、计算、识别各个电器的参数。本专利技术一种基于特征量匹配的非侵入式负荷识别方法，包括以下步骤：1、检测各个电器中的稳态特征量和暂态特征量的值；2、采用负荷识别方法分别计算各个电器中稳态特征量的得分值和暂态特征量的得分值，并得出各个电器总的得分值；3、根据各个电器中的总得分值，确定各个电器的负荷状态。作为本专利技术的一种优选技术方案，所述各个电器总的得分值的计算公式为：P总＝ω5Pt3+(1-ω5)PsPt3表示各电器的暂态特征量的得分值，Ps表示各电器的稳态特征量的得分值，ω5表示暂态特征量的权值，1-ω5表示稳态特征量的权值。作为本专利技术的一种优选技术方案，所述暂态特征量的得分值的计算公式为：Pt3＝[ω2Pt11+(1-ω2)Pt21]·ω3+[ω2Pt12+(1-ω2)Pt22]·(1-ω3)Pt3＝ω4Pt13+(1-ω4)Pt23其中，Pt13表示各电器的关断时暂态向量波形得分值；Pt23表示各电器的关断时一阶差分向量得分值；ω4表示关断时暂态向量波形得分的权值，1-ω4表示关断时一阶差分向量得分的权值；Pt11表示各电器的开启时无功向量的暂态向量波形得分值；Pt21表示各电器的开启时无功向量的一阶差分向量得分值，Pt12表示各电器的开启时有功向量的暂态向量波形得分值；Pt22表示各电器的开启时有功向量的一阶差分向量得分值，ω3表示开启时有功向量的权值，1-ω3表示开启时无功向量的权值；ω2表示开启时暂态向量波形得分的权值，1-ω2表示开启时一阶差分向量得分的权值；所述稳态特征量的得分值的计算公式为：Ps＝d2(x，Gi)＝x1∑-1x-2x1∑-1ui+ui’∑-1ui其中，x为本文档来自技高网...

【技术保护点】
1.基于特征量匹配的非侵入式实时智能电表系统，包括采样电路、电能计量模块、通信模块、学习机、HMI串口屏，其特征在于，所述采样电路对各个电器的电压和电流信号进行检测，并将检测信号发送至电能计量模块，所述电能计量模块对电压和电流信号进行解析生成各个电器中稳态特征量和暂态特征量，并将这些特征量发送至学习机，所述学习机记录特征量数据作为数据库，并对新检测的特征量进行计算，从而判断各个电器的负荷状态，所述学习机通过通信模块与HMI串口屏进行数据交互。/n

【技术特征摘要】
1.基于特征量匹配的非侵入式实时智能电表系统，包括采样电路、电能计量模块、通信模块、学习机、HMI串口屏，其特征在于，所述采样电路对各个电器的电压和电流信号进行检测，并将检测信号发送至电能计量模块，所述电能计量模块对电压和电流信号进行解析生成各个电器中稳态特征量和暂态特征量，并将这些特征量发送至学习机，所述学习机记录特征量数据作为数据库，并对新检测的特征量进行计算，从而判断各个电器的负荷状态，所述学习机通过通信模块与HMI串口屏进行数据交互。


2.根据权利要求1所述的基于特征量匹配的非侵入式实时智能电表系统，其特征在于，所述学习机将各个电器的负荷状态数据发送至HMI串口屏，所述HMI串口屏显示各个电器的实时参数，所述用户发送控制指令至HMI串口屏，所述HMI串口屏将控制指令通过通信模块发送至学习机，所述学习机根据控制指令执行对电表的控制。


3.根据权利要求1所述的基于特征量匹配的非侵入式实时智能电表系统，其特征在于，所述采样电路包括电压采样和电流采样，所述电压采样通过电阻分压跨接在零线与火线之间，所述电流采样利用电流互感器，变流比为1000：1。


4.根据权利要求1所述的基于特征量匹配的非侵入式实时智能电表系统，其特征在于，还包括供电电路，所述供电电路采用220V-5V开关电源作为主电源，保证系统在没有市电的情况下为系统供电，所述学习机、电能计量模块均采用微处理器进行保存、计算、识别各个电器的参数。


5.一种基于特征量匹配的非侵入式负荷识别方法，其特征在于，包括以下步骤：
1、检测各个电器中的稳态特征量和暂态特征量的值；
2、采用负荷识别方法分别计算各个电器中稳态特征量的得分值和暂态特征量的得分值，并得出各个电器总的得分值；
3、根据各个电器中的总得分值，确定各个电器的负荷状态。


6.根据权利要求5所述的一种基于特征量匹配的非侵入式负荷识别方法，其特征在于，所述各个电器总的得分值的计算公式为：
P总＝ω5Pt3+(1-ω5)Ps
Pt3表示各电器的暂态特征量的得分值，Ps表示各电器的稳态特征量的得分值，ω5表示暂态特征量的权值，1-ω5表示稳态特征量的权值。


7.根据权利要求6所述的一种基于特征量匹配的非侵入式负荷识别方法，其特征在于，所述暂态特征量的得分值的计算公式为：
Pt3＝[ω2Pt11+(1-ω2)Pt21]·ω3+[ω2Pt12+(1-ω2...

【专利技术属性】
技术研发人员：曹靖，令狐荣畅，雷正飞，吕劲，
申请(专利权)人：曹靖，
类型：发明
国别省市：贵州;52