本發(fā)明屬于電力負荷識別技術(shù)領(lǐng)域，具體涉及一種非侵入式家用負荷識別方法。

背景技術(shù)：

家庭用戶是智能電網(wǎng)重要的消耗端，也是微電網(wǎng)的重要組成部分。目前，電網(wǎng)的智能化程度很大程度上受限于需求側(cè)管理技術(shù)的發(fā)展，家電負荷識別是需求側(cè)管理的關(guān)鍵基礎(chǔ)，通過負荷識別可以在線監(jiān)測各類家電的使用情況，實現(xiàn)電費的分類計量。這不僅可以使用戶及時了解自己的具體用電情況，合理安排各類電器的用電時間，減少電費支出；也有助于電力公司了解用戶負荷構(gòu)成，實現(xiàn)與用戶的實時互動，加強負荷側(cè)管理實現(xiàn)降低峰谷差、節(jié)約能源等目的。

家電負荷監(jiān)測技術(shù)分為兩種：侵入式負荷監(jiān)測和非侵入式負荷監(jiān)測（Non-intrusive Load Monitoring, NILM）。傳統(tǒng)的侵入式負荷監(jiān)測需要在每個家電負荷內(nèi)部安裝采集傳感裝置，不僅成本較高，而且安裝維護復(fù)雜；非侵入方法通過在用戶電力入口處安裝計量儀表監(jiān)測家庭內(nèi)部總的用電信息來獲得各負荷的使用情況，該方法成本低，易于安裝且適合在線監(jiān)測，并且不會對監(jiān)測系統(tǒng)內(nèi)部產(chǎn)生干擾。通過采集電力入口處所有用電設(shè)備總的用電信息，并運用合適的數(shù)學(xué)分析計算方法進行處理和分析，結(jié)合不同用電設(shè)備的負荷特性，就能辨識并細化系統(tǒng)內(nèi)各個負荷用電信息以及其運行狀態(tài)，從而得到負荷集群中單個負荷的種類和運行情況。

負荷識別算法是NILM的核心內(nèi)容，也是研究的重點和難點。非侵入式負荷識別方法大致分為兩類，一類是以暫穩(wěn)態(tài)信息為特征的負荷識別，大多依靠負荷投切時帶來的電壓擾動或隱含在功率以及電流中的信息來識別負荷，不易識別多種電器混合的情況。另一類是以模式分類和智能計算為基礎(chǔ)的識別方法，該方法需要花費大量時間進行樣本數(shù)據(jù)的訓(xùn)練和學(xué)習(xí)，而且一旦負荷種類發(fā)生變化，則要重新進行訓(xùn)練和學(xué)習(xí)。

技術(shù)實現(xiàn)要素：

為了解決上述問題，本發(fā)明提出了一種非侵入式家用負荷識別方法，其特征在于，所述方法具體包括

步驟1、采集單個家用電器的用電數(shù)據(jù)，并從中提取穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流，進行數(shù)據(jù)存儲；

步驟2、依據(jù)穩(wěn)態(tài)電流的波峰系數(shù)這一特征值將負荷分為近似線性負荷和非線性負荷兩類，分別用線性模型和非線性模型去描述；

步驟3、將穩(wěn)態(tài)電壓作為系統(tǒng)的輸入數(shù)據(jù)序列，穩(wěn)態(tài)電流作為系統(tǒng)的輸出數(shù)據(jù)序列，利用系統(tǒng)辨識的方法分別給兩類負荷建立模型，形成模型庫；

步驟4、采集待識別負荷的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流；

步驟5、利用步驟2的方法預(yù)篩選確定該負荷所屬模型庫類型；

步驟6、將待識別負荷與相應(yīng)模型庫中的模型匹配分析；

步驟7、確定待識別負荷。

所述步驟2中利用穩(wěn)態(tài)電流波峰系數(shù)這一特征值將負荷分類的具體步驟為

步驟201、計算穩(wěn)態(tài)電流波形的均方根；

步驟202、計算穩(wěn)態(tài)電流波形的幅值；

步驟203、利用均方根和幅值求取穩(wěn)態(tài)電流波峰系數(shù)；

步驟204、判斷波峰系數(shù)是否滿足，若滿足則為近似線性負荷，否則為非線性負荷；

其中，N為數(shù)據(jù)長度，i(k)表示采樣獲得有限長度的穩(wěn)態(tài)電流數(shù)據(jù)序列。

所述步驟6中模型匹配分析的具體步驟為

步驟601、若步驟5中確定待識別負荷屬于線性模型庫，則執(zhí)行步驟602-604。若步驟5中確定待識別負荷屬于非線性模型庫，則執(zhí)行步驟605-606；

步驟602、將待識別負荷的穩(wěn)態(tài)電壓數(shù)據(jù)序列依次通過線性模型庫中的各個模型，得到殘差序列；

其中，I(k)表示采樣獲得的待識別負荷穩(wěn)態(tài)電流數(shù)據(jù)序列，I1(k)表示模型輸出的穩(wěn)態(tài)電流數(shù)據(jù)序列，，L模型匹配的數(shù)據(jù)長度；

步驟603、計算各模型的殘差均值，并按從小到大的順序排列，選出5種殘差均值較小的模型；

步驟604、判斷上述5種模型的殘差序列是否滿足白噪聲序列，即驗證殘差自相關(guān)系數(shù)是否滿足如下兩個不等式：①，??；②，置信度α取0.05；，當(dāng)有一個不等式成立或兩個都成立，則殘差序列為白噪聲序列，可信度為95%，說明該模型與待識別負荷匹配較好，否則說明匹配不好；

其中，殘差自相關(guān)系數(shù)；

為的自相關(guān)函數(shù)；

為檢驗閾值，其值等于置信度為1-α、自由度為m的分布值；

步驟605、將待識別負荷的穩(wěn)態(tài)電壓數(shù)據(jù)序列依次通過非線性模型庫中的各個模型，計算各模型殘差方差；

步驟606、將各模型的殘差方差從小到大排列，其中殘差方差最小的模型即為與待識別負荷匹配程度較高的模型。

有益效果

本發(fā)明將家電負荷看作獨立的系統(tǒng)，結(jié)合系統(tǒng)辨識的基本原理和方法為負荷建立模型，通過模型匹配分析進行負荷識別。采集各家電負荷單獨運行時的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流數(shù)據(jù)，依據(jù)穩(wěn)態(tài)電流波峰系數(shù)將負荷分為近似線性負荷和非線性負荷兩大類；然后將穩(wěn)態(tài)電壓作為輸入數(shù)據(jù)，穩(wěn)態(tài)電流作為輸出數(shù)據(jù)，利用系統(tǒng)辨識方法分別為兩類負荷建立模型，形成模型庫；通過識別模塊采集待識別負荷的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流數(shù)據(jù)，預(yù)篩選確定負荷所屬模型庫類型；根據(jù)模型匹配的原則進行負荷識別。

該識別算法能夠有效識別線性負荷以及非線性負荷。首先通過預(yù)篩選將待識別負荷分為兩類，縮小了匹配范圍，提高了辨識速率。另外，避免了多個負荷用電信息混合時的干擾，增加了負荷識別的準(zhǔn)確性，也大大降低了負荷識別的難度以及算法復(fù)雜度。相對于應(yīng)用神經(jīng)網(wǎng)絡(luò)的算法，當(dāng)有新的負荷加入網(wǎng)絡(luò)時，無需重新進行大規(guī)模的數(shù)據(jù)學(xué)習(xí)和訓(xùn)練，只需提取該負荷的穩(wěn)態(tài)電壓電流特性，構(gòu)建該負荷的模型加入相應(yīng)的模型庫中即可，省去了大量的時間。

附圖說明

圖1為本發(fā)明的非侵入式負荷識別原理圖；

圖2為本發(fā)明的非侵入式負荷識別方法流程圖；

圖3為本發(fā)明的模型匹配分析方法流程圖；

圖4a-h為仿真所選取的典型家電負荷穩(wěn)態(tài)電流曲線圖，圖4a為電水壺穩(wěn)態(tài)電流曲線圖，圖4b為熱水器穩(wěn)態(tài)電流曲線圖，圖4c為吸塵器穩(wěn)態(tài)電流曲線圖，圖4d為筆記本穩(wěn)態(tài)電流曲線圖，圖4e為微波爐穩(wěn)態(tài)電流曲線圖，圖4f為冰箱穩(wěn)態(tài)電流曲線圖，圖4g為空調(diào)制冷狀態(tài)穩(wěn)態(tài)電流曲線圖，圖4h為空調(diào)制熱狀態(tài)穩(wěn)態(tài)電流曲線圖；

圖 5a-e 為采集熱水器的一組穩(wěn)態(tài)數(shù)據(jù)通過線性模型庫中各模型得到的仿真結(jié)果。圖5a為經(jīng)過熱水器模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5b為經(jīng)過電水壺模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5c為經(jīng)過吸塵器模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5d為經(jīng)過筆記本模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5e為經(jīng)過微波爐模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖；

圖6a-b為采集空調(diào)制冷狀態(tài)下的一組穩(wěn)態(tài)數(shù)據(jù)通過非線性模型庫中各模型得到的仿真結(jié)果。圖6a為經(jīng)過空調(diào)制冷狀態(tài)下的模型得到的模型輸出與系統(tǒng)實際輸出對比圖，圖6b為經(jīng)過冰箱模型得到的模型輸出與系統(tǒng)實際輸出對比圖。

具體實施方式

下面結(jié)合附圖，對本發(fā)明作詳細說明。本發(fā)明提出了一種非侵入式負荷識別方法，選取電水壺、熱水器、筆記本、微波爐、冰箱和空調(diào)作為典型負荷進行仿真，并結(jié)合附圖對本發(fā)明進一步說明。

圖1是本發(fā)明非侵入式負荷識別原理圖，家用電器設(shè)備均可看作獨立的系統(tǒng)，結(jié)合系統(tǒng)辨識的基本原理和方法，以穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流作為特征值，為每個家電負荷建立模型，形成負荷模型庫，用于負荷識別的依據(jù)。當(dāng)有負荷進行識別時，首先對該負荷用電信息進行預(yù)處理，并從中提取所需的負荷特性，依據(jù)模型匹配算法與模型庫中的模型對比進行負荷識別。識別結(jié)果存入系統(tǒng)存儲器中以便下一步分析研究。

圖2是本發(fā)明非侵入式負荷識別方法流程圖。具體包括：

步驟1、采集單個家用電器的用電數(shù)據(jù)，并從中提取穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流，進行數(shù)據(jù)存儲；

步驟2、依據(jù)穩(wěn)態(tài)電流的波峰系數(shù)這一特征值將負荷分為近似線性負荷和非線性負荷兩類，分別用線性模型和非線性模型去描述；

步驟3、將穩(wěn)態(tài)電壓作為系統(tǒng)的輸入數(shù)據(jù)序列，穩(wěn)態(tài)電流作為系統(tǒng)的輸出數(shù)據(jù)序列，利用系統(tǒng)辨識的方法分別給兩類負荷建立模型，形成模型庫；

步驟4、采集待識別負荷的穩(wěn)態(tài)電壓和穩(wěn)態(tài)電流；

步驟5、利用步驟2的方法預(yù)篩選確定該負荷所屬模型庫類型；

步驟6、將待識別負荷與相應(yīng)模型庫中的模型匹配分析；

步驟7、確定待識別負荷。

圖3是本發(fā)明模型匹配分析方法流程圖。具體包括：

步驟1、計算待識別負荷的穩(wěn)態(tài)電流波峰系數(shù)I_CF，判斷是否滿足，若滿足則待識別負荷屬于線性模型庫，執(zhí)行步驟2-4；否則待識別負荷屬于非線性模型庫，則執(zhí)行步驟5-6；

步驟2、將待識別負荷的穩(wěn)態(tài)電壓數(shù)據(jù)序列依次通過線性模型庫中的各個模型，得到殘差序列；

其中，I(k)待識別負荷穩(wěn)態(tài)電流數(shù)據(jù)序列，I1(k)表示模型輸出的穩(wěn)態(tài)電流數(shù)據(jù)序列，，L為模型匹配的數(shù)據(jù)長度；

步驟3、計算各模型的殘差均值，并按從小到大的順序排列，選出5種殘差均值較小的模型；

步驟4、判斷上述5種模型的殘差序列是否滿足白噪聲序列，即驗證殘差自相關(guān)系數(shù)是否滿足如下兩個不等式：①，??；②，置信度α取0.05。若，當(dāng)有一個不等式成立或兩個都成立，則殘差序列為白噪聲序列，可信度為95%，說明該模型與待識別負荷匹配較好，否則說明匹配不好；

其中，殘差自相關(guān)系數(shù)；

為的自相關(guān)函數(shù)；

為檢驗閾值，其值等于置信度為1-α、自由度為m的分布值；

步驟5、將待識別負荷的穩(wěn)態(tài)電壓數(shù)據(jù)序列依次通過非線性模型庫中的各個模型，計算各模型殘差方差；

步驟6、將各模型的殘差方差從小到大排列，其中殘差方差最小的模型即為與待識別負荷匹配程度較高的模型。

圖4a-h為仿真所選取的典型家電負荷穩(wěn)態(tài)電流曲線圖，圖4a為電水壺穩(wěn)態(tài)電流曲線圖，圖4b為熱水器穩(wěn)態(tài)電流曲線圖，圖4c為吸塵器穩(wěn)態(tài)電流曲線圖，圖4d為筆記本穩(wěn)態(tài)電流曲線圖，圖4e為微波爐穩(wěn)態(tài)電流曲線圖，圖4f為冰箱穩(wěn)態(tài)電流曲線圖，圖4g為空調(diào)制冷狀態(tài)穩(wěn)態(tài)電流曲線圖，圖4h為空調(diào)制熱狀態(tài)穩(wěn)態(tài)電流曲線圖；不同家用電器的穩(wěn)態(tài)電流存在較大差異，熱水器、電水壺、吸塵器是線性負荷，所以其穩(wěn)態(tài)電流呈現(xiàn)近似正弦波的狀態(tài)；微波爐、筆記本以及空調(diào)制熱狀態(tài)的波形曲線與正弦波較為相似，可近似為線性負荷；冰箱以及空調(diào)制冷狀態(tài)下的波形存在不同程度的畸變，不能近似為線性負荷。

圖 5a-e 為采集熱水器的一組穩(wěn)態(tài)數(shù)據(jù)通過線性模型庫中各模型得到的仿真結(jié)果圖。圖5a為經(jīng)過熱水器模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖。圖5b為經(jīng)過電水壺模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5c為經(jīng)過吸塵器模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5d為經(jīng)過筆記本模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖，圖5e為經(jīng)過微波爐模型得到的模型輸出及殘差自相關(guān)系數(shù)分布圖；觀察圖形發(fā)現(xiàn)，經(jīng)過除筆記本外的其余4種模型得到的模型輸出與系統(tǒng)輸出擬合程度都較高，圖a-e的殘差均值分別為0.0195,0.0211,0.0287,0.4717,0.0352，由此也可看出筆記本的殘差均值最大，所以待識別負荷不可能是筆記本。觀察殘差自相關(guān)系數(shù)分布圖，發(fā)現(xiàn)經(jīng)過熱水器模型得到的殘差自相關(guān)系數(shù)基本分布于之間，且滿足殘差相關(guān)系數(shù)指標(biāo)，即該殘差序列為白噪聲序列；而經(jīng)過電水壺，吸塵器，微波爐三種負荷模型得到的殘差自相關(guān)系數(shù)分布不滿足在之間，且殘差相關(guān)系數(shù)指標(biāo)分別為62.9407,168.2211,161.0339均大于白色性閾值31.410，所以相應(yīng)的殘差序列不是白噪聲序列，因此可以判斷待識別負荷與熱水器模型匹配程度最高，即該負荷為熱水器。

圖6a-b為采集空調(diào)制冷狀態(tài)下的一組穩(wěn)態(tài)數(shù)據(jù)通過非線性模型庫中各模型得到的仿真結(jié)果。圖6a為經(jīng)過空調(diào)制冷狀態(tài)下的模型得到的模型輸出與系統(tǒng)實際輸出對比圖，圖6b為經(jīng)過冰箱模型得到的模型輸出與系統(tǒng)實際輸出對比圖；觀察兩幅圖發(fā)現(xiàn)圖a模型輸出與系統(tǒng)輸出的擬合程度很高，而圖b擬合程度較差。圖a所得殘差方差為9.6598e-04，圖b所得殘差方差為0.0281，所以通過殘差方差可明顯得出結(jié)論：待識別負荷為空調(diào)的制冷狀態(tài)。