一种基于功率因数角特征的非侵入式负荷识别方法技术

本发明专利技术提出一种基于功率因数角特征的非侵入式负荷识别方法，首先利用量测装置测得用电器的分时无功功率、电压和电流，并处理得到用电器分时功率因数角、启动电流与V

【技术实现步骤摘要】
一种基于功率因数角特征的非侵入式负荷识别方法


[0001]本专利技术涉及一种基于功率因数角特征的非侵入式负荷识别方法，其可广泛用于对居民(享受优惠电价的主动参与响应的签约住户)用电负荷识别，且具有高识别准确率的特点。

技术介绍

[0002]伴随着电力的广泛应用，电能已成为人们生活中不可或缺的能源。我国的能源消耗日益增长，用电量也在年年攀升。为了能顺利完成碳中和目标，合理规划和节约使用电能是必要的步骤。智能电网因此孕育而生，其内部的能耗监测是智能用电和开展节能工作的基础。通过从用户监测到的数据有助于电力公司了解整个电力系统得运行状态与负荷种类，进而宏观地对电能进行合理调度，减少楼宇电能消耗，实现削峰填谷和负荷转移。另外跟据分时电价，有利于培养用户使用电能习惯，减少用电成本。这对于提高能源利用率，促进低碳减排，完成碳中和目标有着重大积极意义。
[0003]为了对签约住户进行负荷监测，目前主要采用非侵入式负荷识别方法。该方法减少了传统侵入式负荷监测的设备安装、管理与维护难题，尽可能的降低了对签约住户生产、生活和隐私方面的干扰。签约住户非侵入式负荷识别示意图如图1所示。其通过处理专用量测装置监测到的签约住户用电参数来对负荷进行识别。其中数据特征是识别的依据，目前主要采用将电压/电流归一化后的V
‑
I轨迹图特征为识别依据。但当负荷之间的V
‑
I轨迹图特征相似的情况下，其识别准确率将大大降低。
[0004]本专利技术采用功率因数角为特征并结合启动特征和V
‑
I轨迹图进行负荷识别。不同负载性质的电器具有不同范围的功率因数角，感性负载的功率因数角为正，容性负载的功率因数角为负，阻性负载的功率因数角为0。且同种性质的负载，其功率因数角在不同的工作状态下也不尽相同，启动电流也有所差距。因此，本专利技术采用的方法，不仅能弥补V
‑
I轨迹图方法的局限部分，且本专利技术采用改进KNN算法，可以有效解决在数据集不均衡的情况下，多数远点类样本对少数近点类样本判决的影响，并通过加入调整因子，综合了签约住户所提供的用电设备种类与用电习惯信息，进而大大提高了负荷识别的准确率。

技术实现思路

[0005]本专利技术的目的：针对非侵入式负荷识别技术的问题，提出一种基于功率因数角特征的非侵入式负荷识别方法，并结合负荷启动电流特征、V
‑
I轨迹图特征和签约住户提供的信息进行识别。本专利技术的目的通过以下技术方案实现，包括如下步骤：
[0006]步骤1：利用专用量测装置对用户用电参数实时采集，并进行数据预处理。将测得的单个家用电器的电压、启动电流、稳态电流、无功功率，以及画出的V
‑
I轨迹图和计算所得的功率因数角，用于构建特征数据库；
[0007]步骤2：采用基于累积和的双边事件检测方法进行负荷投切事件检测；
[0008]步骤3：检测到开关投切事件后进行特征提取；
[0009]步骤4：改进KNN算法进行负荷辨识得到辨识结果。
[0010]本专利技术提出一种基于功率因数角特征的非侵入式负荷识别方法，首先利用量测装置测得家用电器的分时无功功率、电压和电流，并对数据进行处理得到家用电器分时功率因数角、启动电流与V
‑
I轨迹图。由于不同负载性质的家用电器有着不同范围的功率因数角，且在不同的工作状态下功率因数角也不尽相同。故选择功率因数角为负荷特征，通过对量测装置采集的数据进行处理，得到单一设备的分时功率因数角构建功率因数角特征数据库，综合启动电流，以及画出V
‑
I轨迹图等信息，进行负荷识别。之后采用一种基于累积和的双边事件检测方法，快速准确地检测出负荷投切事件。当检测到开关投切事件后，基于采集的电流、电压以及无功功率，获取功率因数角并画出V
‑
I轨迹图，同时通过高频采样方法获得投切时刻的负荷启动电流特征。最后，根据负荷分时功率因数角特征并结合V
‑
I轨迹图与启动电流特征，使用改进的KNN算法进行负荷识别，并加入调整因子，综合签约住户的家用电器类型与用电习惯，得到识别结果。非侵入式负荷识别流程图如图2所示。
附图说明
[0011]为了让读者更清晰地了解本专利实施方案，下面将对本专利具体实施方式中的附图作简单介绍：
[0012]图1用户非侵入式负荷识别示意图
[0013]图2用户非侵入式负荷识别流程图
[0014]图3基于改进KNN算法的非侵入式负荷辨识结构图
具体实施方式
[0015]接下来通过一个具体例子对本专利技术进一步详细的分析说明。
[0016]本具体实施案例中，一种基于功率因数角特征的非侵入式负荷识别方法，具体包括以下步骤：
[0017]Step1：利用量测设备对用户用电参数实时采集，并对数据预处理。将处理得到的单个家用电器的功率因数角、V
‑
I轨迹图、启动参数与稳态参数用于构建特征数据库，具体如下。
[0018]首先通过量测装置实时采集家用电器的电压、启动电流、稳态电流、无功功率。在数据采集过程中难免存在干扰信号，致使结果出现误差，故本专利技术采用小波去噪对数据进行处理。将去噪之后的数据经过计算得到功率因数角。
[0019]家用电器分为阻性、容性、感性负载，不同负载性质其功率因数角范围不同，并且同负载性质家用电器在不同工作状态下功率因数角不同，因此利用不同的家用电器工作时其分时功率因数角图像不同，以此为功率因数角特征并结合启动电流特征与V
‑
I轨迹图特征构建特征数据库。
[0020]例如四种常见家用电器：电饭煲、空调、电磁炉、家用储能装置。因电饭煲为阻性负载，工作时无无功功率产生，所以其功率因数角无论时间推移都近乎为0
°
；与此同时由于其属于非电机类负载，其启动电流与额定电流基本一致。而空调这种感性负载呈现出来的功率因数角将在0
°
到90
°
之间，还存在不同的工作模式。例如，普通空调在制冷模式下，空调压缩机启动电流为额定电流的4
‑
7倍，启动时的功率因素较低，但随着压缩机进入稳定工作状
态后，功率因数会恢复到较高的数值(即相位角降低)并维持至达到设定温度。另一负载电磁炉在导体未放置之前，没有涡流产生，整体近乎呈现为纯感性负载；在放置导体之后会产生涡流损耗(为有功损耗)，此时电磁炉的功率因数接近于1(即电压电流相位角接近于0)呈现非电机类电阻性负载功率因数角特征，其启动电流也同样与额定电流基本一致。除此之外，储能装置中的小型超级电容器呈现容性(功率因数角为负)，它与动力电池构成的家用储能装置。
[0021]Step2：采用基于累积和(CUSUM)的双边事件检测方法，以达到迅速准确地检测出负荷投切事件。CUSUM算法的原理是通过累积数据中的小偏移量，达到放大的效果，提高检测过程小偏移的灵敏度。本专利技术采用的基于CUSUM的双边事件检测算法，当负荷投切引起瞬时电流变化时，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于功率因数角特征的非侵入式负荷识别方法通过以下技术方案实现，包括如下步骤：步骤1：利用专用量测装置对用户用电参数实时采集，并进行数据预处理。将测得的单个家用电器的电压、启动电流、稳态电流、无功功率，以及画出的V
‑
I轨迹图和计算所得的功率因数角，用于构建特征数据库；步骤2：采用基于累积和的双边事件检测方法进行负荷投切事件检测；步骤3：检测到开关投切事件后进行特征提取；步骤4：改进KNN算法进行负荷辨识得到辨识结果。2.根据权利要求1中步骤1所述，利用量测设备对用户用电参数实时采集，并对数据预处理。将处理得到的单个家用电器的功率因数角、V
‑
I轨迹图、启动参数与稳态参数用于构建特征数据库，具体如下。首先通过量测装置实时采集家用电器的电压、启动电流、稳态电流、无功功率。在数据采集过程中难免存在干扰信号，致使结果出现误差，故本发明采用小波去噪对数据进行处理。将去噪之后的数据经过计算得到功率因数角。家用电器分为阻性、容性、感性负载，不同负载性质其功率因数角范围不同，并且同负载性质家用电器在不同工作状态下功率因数角不同，因此利用不同的家用电器工作时其分时功率因数角图像不同，以此为功率因数角特征并结合启动电流特征与V
‑
I轨迹图特征构建特征数据库。3.根据权利要求1中步骤4所述，使用特征数据库训练模型，在提取设备负荷功率因数角、V
‑
I轨迹图与启动电流特征之后，使用改进KNN算法并结合调整因子对负荷进行辨识。改进的KNN算法在基础上为待测样本分配不同的权重，增加近点样本在分类判决时的表决权。该方法可以有效解决在数据集不均衡的情况下，多数远点类样本对少数近点类样本判决的影响，有效提高辨识的准确率。基于改进KNN算法的非侵入式负荷辨识结构如图3所示。KNN的原理是当预测一个新的值的时候，根据它距离最近的K个点是什么类别来判断其属于哪个类别。...

【专利技术属性】
技术研发人员：易灵芝，高宇航，王雅慧，许翔翔，刘江永，刘西蒙，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：