一种基于非侵入式监测预测家用电器老化的方法及系统技术方案

一种基于非侵入式监测预测家用电器老化的方法及系统。首先通过采集同型号并且已使用至其平均年限的电器工作时的有功功率以及同型号电器工作时的有功效率计算电器的老化阈值以及正常值以用于电器老化程度判断。之后采集待监测电器的有功功率，通过计算有功功率平均测量值的最优估计平均值，对未来时刻的冰箱有功功率平均值进行预测，以此来判断冰箱的老化程度。本发明专利技术可以实现家用电冰箱老化状态的在线评估，并对未来状态进行预测。

【技术实现步骤摘要】
一种基于非侵入式监测预测家用电器老化的方法及系统
本专利技术属于家用电器
，具体涉及一种基于非侵入式监测预测家用电器老化的方法及系统。
技术介绍
家用电器在使用过程中不可避免会产生老化。老化的电器通常以较低的效率运行，对用户来说会造成经济损失。同时家用电器的老化也会增加火灾、电力事件发生的几率，造成危险隐患。因此对家用电器的老化进行评估与预测变得很重要。电器的老化会对其工作时的电参数造成影响。随着智能电网的发展，非侵入式智能感知电表的出现，电器的一些电参数可直接由智能电表给出，无需再另外对信号进行采集处理。对于电器而言，可通过分析其老化机理来评估、预测它的老化程度，所谓的老化机理主要指得是压缩机的老化程度，因为通常压缩机占整个冰箱能耗的80～100％。以家用电冰箱为例，对家用电冰箱内部压缩机的老化机理进行研究分析主要包括以下几个方面：压缩机吸气阀片、吸气过热、机械摩擦。吸气阀片在往复式压缩机中起到至关重要的作用。在压缩机吸气过程中，吸气阀片打开，允许制冷剂流入气缸；在压缩机排气过程，吸气阀片关闭，阻止制冷剂流入吸气腔，关闭的瞬间对阀座产生冲击作用。循环往复应力的作用下，吸气阀片的头部区域产生常见的冲击疲劳，导致压缩机性能下降。压缩机吸气过热对压缩机的效率影响很大，通常压缩机采用一些技术减少吸气过热。如采用隔热技术：吸排气的温差采用隔热缸头结构，可以有效减少排气温度对吸气的热传递，从而减少吸气。或采用定点散热技术，通过定点散热结构，实现曲轴箱缸孔和活塞温度明显下降，缸孔内低温制冷剂被加热的温度明显减少。随着压缩机工作时长的增加，上述隔热，散热的效果会随之降低，进而导致压缩机吸气过热，影响压缩机的效率。摩擦功会对压缩机的效率造成影响。在压缩过程中，活塞两端在在吸排气压力差作用下和零件形状影响，是活塞和气缸孔间的间隙在圆周上分布不均匀，导致径向压力不平衡，产生径向力。随着压缩机工作时间的增加，会产生边界摩擦和干摩擦，导致功率损失增大，而压缩机效率因此降低。因此家用电冰箱老化在电参数上的具体表现为：随着家用电冰箱老化程度的加剧，电冰箱工作效率降低，其工作时的有功功率会逐渐增大。
技术实现思路
为解决现有技术中存在的不足，本专利技术的目的在于，提供一种基于非侵入式监测预测家用电器老化的方法及系统。一种基于非侵入式监测预测家用电器老化的方法，其特征在于，所述预测家用电器老化的方法包括以下步骤：步骤1:采集t台同型号并且已使用至其平均年限的电器工作时的有功功率，以及n台全新的并与所述t台电器同型号的电器工作时的有功效率；步骤2:计算步骤1中t台电器有功效率的平均值，作为电器的老化阈值Pt；计算步骤1中n台电器有功效率的平均值，作为电器的正常值Pn；步骤3:设定时间区间，采集待检测电器L天的实际有功功率{z1,z2…zL}，并结合步骤2所得的Pn与Pt对采集当天的有功功率进行计算判断电器的老化程度δL，如δL∈[0,1)，则进入步骤4，否则输出“已完全老化”；步骤4：将步骤3所采集的有功功率以步骤3所设定的时间区间为单位划分计算出φ个平均值，得到{Z1,Z2…Zφ}；步骤5：将步骤4中有功功率平均测量值Z1视为上一时的有功功率平均测量值，计算本时刻有功功率平均测量值的最优估计平均值P2|2；再将本时刻视为上一时刻，下一时刻视为本时刻，即基于Z2与P2|2计算得到P3|3，如此可基于Zk-1与Pk-1|k-1依次计算出所有Pk|k，k＝1,2,…φ；步骤6：将φ作为上一时刻，步骤5计算得到的Pφ|φ作为上一个时刻有功功率的最优估计值，未来的new时刻作为本时刻，重复步骤5对本时刻有功功功率最优估计值算法的方法，对未来m个时间区间有功功率的平均值进行最优估计计算即预测，所得到的Pnew|new则为对未来new时刻的预测值，new＝φ+1,φ+2,…φ+m；步骤7：根据步骤2所得的Pn与Pt计算步骤6中Pnew|new对应的老化程度δnew；步骤8：如步骤7所得的δnew∈[0,1]，则返回步骤3，重复步骤3至步骤7的内容，即继续采集新一轮时间区间的有功功率数据并对未来时刻的有功功率进行预测；否则输出此时的时刻new，即为预测的电器完全老化的最早时间。在步骤1与步骤3中，采集冰箱有效功率所使用的设备为非侵入式智能感知电表，其通过获得冰箱的电力信息信号，实现负荷分解。有功功率是电器工作波形中高电平的平均功率大小。在步骤3中，所述时间区间的取值至少为30天；L在第一轮预测时的取值范围为[30,∞)；以后每轮预测时为时间区间的大小；采集频率为一天一次，即zL为第L天所采集的有功功率。在步骤3中，电冰箱实际有功功率zL与正常值Pn的差值与电器老化阈值Pt和正常值Pn差值的比值为δL，即δL∈[0,∞)，δL＞1时表示完全老化。在步骤4中，除去余数后的正整数。在步骤5中，所采集到的有功功率平均测量值Zk可以用有功功率的理论值进行表示，即满足以下条件：其中xk是k时刻的系统状态即k时刻理论有功功率值；xk-1为k-1时刻的系统状态即k-1时刻理论有功功率值；A为系统参数，A＝1+a，0＜a＜0.001；H是系统测量参数，此处取1；wk和vk分别表示过程和测量噪声，Q和R分别是wk和vk的协方差；此处的测量噪声vk通过Zk与Hxk获得。步骤5包括以下内容：步骤501：使用上一个时刻有功功率的最优估计值，通过以下公式对本时刻的有功功率进行先验状态估计：Pk|k-1＝APk-1|k-1其中，Pk-1|k-1是上一时刻有功功率平均值的最优估计值。步骤502：通过以下公式求出本次先验状态估计的协方差：Gk|k-1＝AGk-1|k-1AT+QGk|k-1是Pk|k-1对应的协方差，Gk-1|k-1是Pk-1|k-1对应的协方差。步骤503：根据步骤502的协方差，通过以下公式求取增益值Kg，该增益值是融合有功功率测量值于估计值的最佳比例：步骤504：通过以下公式对本次后验估计协方差进行更新：Gk|k＝(I-KgH)Gk|k-1其中I为元素都为1的矩阵。当系统进入k+1时刻时，Gk|k就是步骤502中的Gk-1|k-1。步骤505：最后使用以下公式对有功功率的实际测量值和最优估计的有功功率间的残差与增益值一起修正先验估计，求出本次有功功率的后验估计，即在k时刻对有功功率最优估计值：Pk|k＝Pk|k-1+Kg(Zk-HPk|k-1)步骤506：重复步骤501至505，得到k＝φ时的有功功率最优估计值Pφ|φ；在步骤6中，当时，m＝1；当时，m＝2；当时，m＝3；当时，m＝4；当时，m＝5；当时，m＝6；m最大为6，除去余数后的正整数+上一轮的值，对于第一轮预测时的其上一轮的值为0。在所述步骤6中，因在未来的时刻没有相对应的所采集的有功功率平本文档来自技高网...

【技术保护点】
1.一种基于非侵入式监测预测家用电器老化的方法，其特征在于，所述预测家用电器老化的方法包括以下步骤：/n步骤1:采集t台同型号并且已使用至其平均年限的电器工作时的有功功率，以及n台全新的并与所述t台电器同型号的电器工作时的有功效率；/n步骤2:计算步骤1中t台电器有功效率的平均值，作为电器的老化阈值P

【技术特征摘要】
1.一种基于非侵入式监测预测家用电器老化的方法，其特征在于，所述预测家用电器老化的方法包括以下步骤：
步骤1:采集t台同型号并且已使用至其平均年限的电器工作时的有功功率，以及n台全新的并与所述t台电器同型号的电器工作时的有功效率；
步骤2:计算步骤1中t台电器有功效率的平均值，作为电器的老化阈值Pt；计算步骤1中n台电器有功效率的平均值，作为电器的正常值Pn；
步骤3:设定时间区间，采集待检测电器L天的实际有功功率{z1,z2…zL}，并结合步骤2所得的Pn与Pt对采集当天的有功功率进行计算判断电器的老化程度δL，如δL∈[0,1)，则进入步骤4，否则输出“已完全老化”；
步骤4：将步骤3所采集的有功功率以步骤3所设定的时间区间为单位划分计算出φ个平均值，得到{Z1,Z2…Zφ}；
步骤5：将步骤4中有功功率平均测量值Z1视为上一时的有功功率平均测量值，计算本时刻有功功率平均测量值的最优估计平均值P2|2；再将本时刻视为上一时刻，下一时刻视为本时刻，即基于Z2与P2|2计算得到P3|3，如此可基于Zk-1与Pk-1|k-1依次计算出所有Pk|k，k＝1,2,…φ；
步骤6：将φ作为上一时刻，步骤6计算得到的Pφ|φ作为上一个时刻有功功率的最优估计值，未来的new时刻作为本时刻，重复步骤5对本时刻有功功功率最优估计值算法的方法，对未来m个时间区间有功功率的平均值进行最优估计计算即预测，所得到的Pnew|new则为对未来new时刻的预测值，new＝φ+1,φ+2,…φ+m；
步骤7：根据步骤2所得的Pn与Pt计算步骤5中Pnew|new对应的老化程度δnew；
步骤8：如步骤7所得的δnew∈[0,1]，则返回步骤3，重复步骤3至步骤7的内容，即继续采集新一轮时间区间的有功功率数据并对未来时刻的有功功率进行预测；否则输出此时的时刻new，即为预测的电器完全老化的最早时间。


2.根据权利1所述的预测家用电器老化的方法，其特征在于：
在所述步骤1与步骤3中，采集电器有效功率所使用的设备为非侵入式智能感知电表，其通过获得电器的电力信息信号，用于负荷分解。


3.根据权利要求1或2所述的预测家用电器老化的方法，其特征在于：
所述有功功率是电器工作波形中高电平的平均功率大小。


4.根据权利要求3所述的预测家用电器老化的方法，其特征在于：
在所述步骤3中，所述时间区间的取值至少为30天；L在第一轮预测时的取值范围为[30,∞)；以后每轮预测时为时间区间的大小；
采集频率为一天一次，即zL为第L天所采集的有功功率。


5.根据权利要求4所述的预测家用电器老化的方法，其特征在于：
在所述步骤3中，电器实际有功功率zL与正常值Pn的差值与电器老化阈值Pt和正常值Pn差值的比值为δL，即δL＞1时表示完全老化。


6.根据权利要求5所述的预测家用电器老化的方法，其特征在于：
在所述步骤4中，除去余数后的正整数。


7.根据权利要求6所述的预测家用电器老化的方法，其特征在于：
在所述步骤5中，所采集到的有功功率平均测量值Zk可以用有功功率的理论值进行表示，即...

【专利技术属性】
技术研发人员：夏国芳，黄奇峰，田正其，段梅梅，徐晴，赵双双，
申请(专利权)人：国网江苏省电力有限公司营销服务中心，国网江苏省电力有限公司，国家电网有限公司，
类型：发明
国别省市：江苏;32