亚星游戏官网-www.yaxin868.com

专利名称：一种非侵入式家用电器用电状况在线监测的识别方法
技术领域：
本发明涉及一种家电用电状况识别方法，特别是一种非侵入式家电用电状况在线监测识别方法。
背景技术：
随着全球资源环境压力的不断增大，建设更加安全、可靠、环保、经济的智能电网成为全球电力行业的共同目标。目前在发电、输电、配电、用电这一链条中，电网和终端用户的互动相对薄弱，影响了电力系统的整体性能和效率。要想真正地实现智能电网与用户的互动，使用户真正地参与到电力市场中，为系统的运行和资产管理带来巨大效益，应该为智能电网提供详细的用电设备用电参数，使用户更清晰地了解每种用电设备的平均能耗，确定用电设备的不正常能耗，使用户感觉从智能电表获益。传统的负荷监测多以侵入式为主，所谓侵入式即为了实现监测目的在每个被监测设备的电流输出端加设硬件装置进行数据采集，再由相关分析软件进行处理以获取故障或其他运行信息。这种方式可能对原设备的正常工作造成影响、且所需的监测硬件装置数量大，增加了其安装、使用、维护的成本。为了解决侵入式负荷监测的问题，专家学者们提出非侵入式负荷监测方法(Non-1ntrusive Load monitoring, NILM)。非侵入式负荷监测(NILM)的概念由美国麻省理工学院的乔治.W.哈特教授于1982年首次带入住宅用户家用电器的用电状况监测中。该方法只需在进户干线上装设监测设备，采样用户总电压电流信号，再利用负荷辨识算法提取单个家用电器的用电信息。其目的是采用最少量的设备实现对用户住宅内所有用电设备的用电监测，为电力公司提供用户详细的用电信息。近年来，很多研究者们对于NILM进行了研究。负荷辨识算法是非侵入式负荷监测系统的核心内容，研究人员提出了很多不同的理论和算法。比较典型的相关研究有:I)Hart以IHz采样频率测得负荷的有功无功的阶跃变化，然后将变化量对应到被测系统中的设备。不足之处在于单靠功率变化量辨识设备类型对于功率差异较小的电器设备辨识准确度不够，且需预先获取各家电负荷的运行功率值。2) Srinivasan等开发了一种基于神经网络的利用不同负荷产生谐波特性进行辨识的方法。3)麻省理工学院的Fuller提出一种基于恒功率负荷运行的辨识方法的扩展方法。将有功功率和无功功率映射到复平面，不同负荷对应一个复平面上的特征点。这种方法对于功率差异较大的负荷有较好辨识效果但对于特征点接近的负荷就无法有效辨识。4)麻省理工学院的Steven Leeb研究小组提出基于负荷投切暂态过程信息的辨识方法。该方法可以根据启动暂态电流辨识不同的负荷，该方法通过设计模拟谱包络线分析器估计负荷的有功、无功和谐波功率等信息，并开发出暂态检测和负荷分类的算法。但是由于该方法是通过对暂态特征量的提取、转化来实现负荷辨识，但由于切入点比较单一，考虑到实际环境下暂态特征的不确定性其准确度将受到影响。5)香港大学提出一种基于多特征参数的家用电器用电状况在线监测算法。该方法对家用电器的特征参数进行宏观和微观层面的分析研究，提取出电流波形、有功、无功、谐波含量、瞬时导纳等家用电器的多特征参数。并提出家用电器启停状态事件检测和负荷分解辨识算法。但论文中缺少对家电暂态特征参数的研究提取。综上所述，目前关于NILM研究所采用的辨识算法理论原理均较为复杂，例如香港大学的研究采用了最优化和基于人工神经网络的模式识别算法以及委员会决策机制决定算法的组合，运算量较大；在信号采集方面，将稳态参数和暂态参数协同提取的研究较少。

发明内容
本发明的目的就是提供一种非侵入式家用电器用电状况在线监测的识别方法，它通过研究智能电表获取的信号稳态/似稳态参数和暂态参数，来判断家用电器的运行状况，运算量显著减小，辨识精度高。本发明的目的是通过这样的技术方案实现的，它包括有设置在家庭进户处的用于获取瞬时电流或瞬时功率信号的智能电表，具体识别步骤如下:I)确定训练样本，对训练样本进行试验，构建特征库；2)通过智能电表获取待辨识设备信号；

3)对步骤2)中获取的待辨识设备信号进行处理，生成信号包络线，提取信号特征；

4)根据步骤3)中提取的信号特征和特征库内的特征，采用交叉赋权值法对待辨识设备进行辨识； 5)输出待辨识设备的辨识结果。进一步，步骤I)中所述构建特征库的方法为:选取典型家用电器进行实验，测试其投切过程中信号的暂态电压、电流和稳定工作的稳态电压、电流；特征库中包括信号的稳态/似稳态特征和暂态特征，稳态/似稳态特征包括有波形特征、总畸变率和奇次谐波与基波相角差，暂态特征包括有启动时间和启动脉冲含量。进一步，所述稳态/似稳态波形特征为稳态工作一个周期的电流信号1&，其中j为电流信号在一周期内的采样点。进一步，总畸变率THD的计算公式为:
权利要求
1.一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，它包括有设置在家庭进户处的用于获取瞬时电流或瞬时功率信号的智能电表，具体识别步骤如下: 1)确定训练样本，对训练样本进行试验，构建特征库； 2)通过智能电表获取待辨识设备信号； 3)对步骤2)中获取的待辨识设备信号进行处理，生成信号包络线，提取信号特征； 4)根据步骤3)中提取的信号特征和特征库内的特征，采用交叉赋权值法对待辨识设备进行辨识； 5)输出待辨识设备的辨识结果。
2.如权利要求1所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征 在于，步骤I)中所述构建特征库的方法为:选取典型家用电器进行实验，测试其投切过程中信号的暂态电压、电流和稳定工作的稳态电压、电流；特征库中包括信号的稳态/似稳态特征和暂态特征，稳态/似稳态特征包括有波形特征、总畸变率和奇次谐波与基波相角差，暂态特征包括有启动时间和启动脉冲含量。
3.如权利要求2所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，所述稳态/似稳态波形特征为稳态工作一个周期的电流信号，其中j为电流信号在一周期内的采样点。
4.如权利要求2所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，总畸变率THD的计算公式为:
5.如权利要求2或4所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，奇次谐波与基波相角差的计算公式为 θ =β k-β I, k=2i+l, i=l, 2, 3, 4, 5 其中β k为奇次谐波，β !为基波。
6.如权利要求5所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，启动时间的计算公式为T =T -T 1S as j^bs 其中，Tas是设备启动后或者进入稳态/似稳态的第一个采样点所对应的时间，Tbs是设备启动前的最后一个米样点对应的时间。
7.如权利要求6所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，启动脉冲含量的计算公式为
8.如权利要求7所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，步骤3)中生成信号包络线的方法为:取待辨识设备信号每周期的最大值F(i)和最小值Fl (i)，分别由F (i)和Fl(i)生成信号的正包络线和负包络线，其中i为周期数； 步骤3)中提取的信号特征包括有待辨识设备信号的稳态/似稳态特征和暂态特征，稳态/似稳态特征包括有波形特征、总畸变率和奇次谐波与基波相角差，暂态特征包括有启动时间和启动脉冲含量。
9.如权利要求8所述的一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，步骤4)中采用交叉赋权值法对待辨识设备进行辨识的方法为: 4-1)计算待辨识设备信号与数据库中训练样本信号的波形相似度Si (Is，Itei)
10.如权利要求1所述一种非侵入式家用电器用电状况在线监测的识别方法，其特征在于，步骤5)中输出待辨识设备的辨识结果包括有设备投入时间、切除时间、运行时间、有功功率、无功功率、功率因素、估算日耗电量、周耗电量和月耗电量，中的一项以上。
全文摘要
一种非侵入式家用电器用电状况在线监测的识别方法，属于家电用电状况识别领域，它利用设置在家庭进户处的智能电表获取瞬时电流或瞬时功率信号，对获取的信号进行处理，得到该信号的稳态/似稳态和暂态特征，再利用交叉赋权值法将该信号的特征信息与特征库中的信息进行比对，从而辨识投入或者切除的设备。本发明的算法简单，判断准确，不会影响家电设备的正常运行。
文档编号G01R31/00GK103217603SQ20131009469
公开日2013年7月24日 申请日期2013年3月22日 优先权日2013年3月22日
发明者曾礼强, 雍静, 王晓静, 杨本强, 杨岳, 李北海 申请人:重庆大学