System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及供电监控,具体涉及一种面向住宅电动汽车充电负荷的非侵入式负荷提取方法。
技术介绍
1、在政策与市场的双重驱动下,电动汽车(electric vehicle,ev)在汽车市场上的渗透率逐年增高。与此同时,规模化电动汽车充放电行为将严重影响电网安全稳定运行,其中家庭用户的影响最为突出,这种影响的严重程度由家庭电动汽车的充电时间,充电时长,充电频率等因素共同决定。如何准确识别电动汽车的充电行为是应对其无序充电冲击,实现电网安全稳定运行的关键。传统侵入式监测和半侵入式负荷监测方法造价昂贵,不利于维护且不易被用户接受,因此,采用非侵入式负荷监测方法(non-intrusive loadmonitoring,nilm)提取住宅电动汽车用户的充电负荷模式是当前易于接受且行之有效的方法。
2、在现有的电动汽车的非侵入式负荷提取方法中,由于空调负荷波形与电动汽车负荷波形相似,如何排除空调信号的干扰是一大难题;且不同住宅用户家庭内用电设备差异较大,电动汽车的充电负荷差异也较大,例如不同用户的电动汽车充电幅值不同,充电时长不同,充电次数和时间也不同,因此一种方法法有可能适用于某些住宅,而对另一些住宅分解效果不好,不具备普遍适用性。
技术实现思路
1、针对现有技术中的上述不足,本专利技术提供的一种面向住宅电动汽车充电负荷的非侵入式负荷提取方法解决了现有方法难以排除空调信号的干扰以及不具备普遍适用性的问题。
2、为了达到上述专利技术目的,本专利技术采用的技术方案为:一种
3、s1、采集住宅用户智能电表数据,统计电动汽车充电功率数据,得到聚合信号 x,并减去聚合信号中的基底负荷,得到减去基底负荷的聚合信号;
4、s2、设置滤波阈值 tlow,对减去基底负荷的聚合信号进行低幅滤波,得到低幅滤波后的信号;
5、s3、滤除低幅滤波后的信号中的短时尖峰功率段,得到剩余功率片段的数量和各剩余功率片段充电起始时间,作为滤除短时尖峰功率段的信号;
6、s4、去除滤除短时尖峰功率段的信号中的残余噪声,得到去除残余噪声后的信号;
7、s5、将去除残余噪声后的信号进行分类,得到三类功率片段;
8、s6、对三类功率片段分别进行负荷分解,提取住宅电动汽车的充电负荷波形。
9、进一步地:所述步骤s1中,从聚合信号 x中减去基底负荷的表达式为:
10、
11、其中, xmin为聚合信号 x中非零元素的最小值, xt为对 x中第 t个观测值的功率值, xt ′为对 x中第 t个观测值减去基荷的功率值。
12、进一步地:所述步骤s2中,得到低幅滤波后的信号的表达式为:
13、
14、其中, xt ′′为低幅滤波后 t时刻的功率值。
15、进一步地:所述步骤s3包括以下分步骤:
16、s31、设置持续时长阈值,找出低幅滤波后的信号中所有时长小于持续时长阈值的功率片段并标记为滤除;
17、s32、遍历低幅滤波后的信号中持续时长低于持续时长阈值的短时功率片段,并将同时满足所有滤除条件的功率片段标记为滤除;
18、s33、将所有标记为滤除的功率片段删除,得到剩余功率片段的数量和各剩余功率片段充电起始时间,作为滤除短时尖峰功率段的信号。
19、进一步地:所述步骤s32中滤除条件包括:
20、1) di+1<(1+ η) di;
21、2) gap≤3 di;
22、其中, di为当前功率片段的持续时间, di+1为与当前功率片段相邻的下一功率片段的持续时间, η为调节参数, gap为当前功率片段与当前功率片段相邻的下一功率片段之间的间隔时间。
23、进一步地:所述步骤s4中去除滤除短时尖峰功率段的信号中的残余噪声的方法为:取滤除短时尖峰功率段的信号中段前 na点和段后 nb点最小值的平均值作为残余噪声的幅值,并将其滤除;
24、其中, na和 nb均表示时间点。
25、进一步地:所述步骤s5的三类功率片段分别为:
26、类型1:属于烘干机或烤箱波形,或者烘干机/烤箱重叠了电动汽车充电波形,其持续时间与电动汽车充电时长一致;
27、类型2:属于电动汽车充电波形,或者空调波形,或者电动汽车/空调与其他非电动汽车/空调设备重叠的波形;
28、类型3:属于电动汽车与空调负荷重叠的波形,电动汽车波形在重叠的底部或者顶部。
29、进一步地所述功率片段分类的依据如下:
30、 f( y)={ s( t)> y},0≤ y≤max( s( t))
31、其中, f(.)为累积函数, y为从0到最大幅值的任意值, s(t)> y表示该功率片段中幅值大于 y的所有采样点集合;
32、对去除残余噪声后的信号进行分类的方法为:使用 matlab自带的 findpeaks函数寻找功率片段累积函数的梯度有几个峰值;
33、其中,功率片段累积函数的梯度中没有峰值的功率片段为类型1;本文档来自技高网...
【技术保护点】
1.一种面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S1中,从聚合信号x中减去基底负荷的表达式为:
3.根据权利要求2所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S2中,得到低幅滤波后的信号的表达式为:
4.根据权利要求3所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S3包括以下分步骤:
5.根据权利要求4所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S32中滤除条件包括:
6.根据权利要求5所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S4中去除滤除短时尖峰功率段的信号中的残余噪声的方法为:取滤除短时尖峰功率段的信号中段前Na点和段后Nb点最小值的平均值作为残余噪声的幅值,并将其滤除;
7.根据权利要求6所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述
8.根据权利要求7所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述功率片段分类的依据如下:
9.根据权利要求8所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤S6中对于类型1的功率片段,计算功率片段的有效高度和有效宽度,将有效高度作为住宅电动汽车的充电功率幅值,将有效宽度作为住宅电动汽车的充电持续时间,结合功率片段充电起始时间,得到住宅电动汽车的充电负荷波形,完成住宅电动汽车的充电负荷波形的提取;
10.根据权利要求9所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,判断类型3的功率片段是否为空调功率片段的方法为:判断功率片段的持续时长是否超过250min或功率片段的波形是否具有周期性;
...【技术特征摘要】
1.一种面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤s1中,从聚合信号x中减去基底负荷的表达式为:
3.根据权利要求2所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤s2中,得到低幅滤波后的信号的表达式为:
4.根据权利要求3所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤s3包括以下分步骤:
5.根据权利要求4所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤s32中滤除条件包括:
6.根据权利要求5所述的面向住宅电动汽车充电负荷的非侵入式负荷提取方法,其特征在于,所述步骤s4中去除滤除短时尖峰功率段的信号中的残余噪声的方法为:取滤除短时尖峰功率段的信号中段前na点和段后nb点最小值的平均值...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。