一种基于电流信号分离的居民负荷用电识别方法与流程

本发明属于智能用电及能效监测领域，具体涉及一种基于电流信号分离的居民负荷用电识别方法。

背景技术：

电网是重要的公共服务资源，它承担着能源的传输、分配和使用的重要任务，因此，对社会中各个行业(包括电力行业本身)领域来说，电网状态的优劣着都有重大影响。为了保证电力系统的正常运行，根本要求是一定要保证全系统间的发电与负荷实时的供需平衡，因此整个电网的运行状态的重要因素之一取决于负荷行为及其用电的需求，它会直接影响到系统运行的可靠性、安全性、经济性与系统的供电质量等等方面，反过来这些方面又会影响到用户用电行为(负荷行为)。负荷特性指的是不同用电设备在工作过程中所表现出的独特特性。通过研究发现，不同类型负荷运行时频域负载特性相差很大，不同负荷其谐波不同，所以通过FFT来辨别不同的用电设备。目前，我国的电力监测采用的是较为传统的“侵入式”负荷监测，需要在每个用电设备处都安装传感器等用电信息采集装置，用来得到不同用电设备实时功率消耗比例。这种方法优点是计量较为准确，缺点是当被监测系统内的用电设备数量较多时，往往需要大量的硬件设备进行监测，所需成本较高，并且在传感器装置的安装和系统维护方面也很不方便。基于侵入式负荷监测系统存在种种弊端，研究人员为了改善监测系统的性能，提出了非侵入负荷监测系统。与传统的负荷监测差别在于它只需在电力供给的入口处配置监测设备便能对整个电网的内部负荷运行状态进行监测。非侵入式方法简化了采集与测量机制，但由于全部负荷的用电数据均综合表现在同一信号中，所以如何从采集的整体信号中识别分析出单独负荷信息成为了该检测方法技术关键与难点。因此负荷监测机制的设计应考虑到如何使设备开销更少，而用电设备监测效率更高。

技术实现要素：

为了解决上述问题，本发明提出了一种基于电流信号分离的居民负荷用电识别方法，其提出基础在于在居民用户家中，用电设备的启动一般是单独顺序启动的，不同设备的启动时刻绝大多数都是不同的，多个设备同时启动的概率非常小，所以即使启动时刻相差较短，电器启动也是先后进行的，只要缩短识别时间，就可用本发明完成负荷分别。该方法的步骤是：

步骤1：使各用电器单独运行并保留他们分别单独运行时电路中的电流信号数据；

步骤2：将此时电路中的信号记为一路源信号I₀，存储其电流信号数据；

步骤3：当传感器检测到一个新的用电设备启动时，标记新加入的负荷信号为I₁；传感器采集此刻混合电流信号I并进行离散傅里叶变换得到混合电流频谱其中，为I(t)为采集的混合电流，N为电流采样点数，u为频率分量，k为第k个采样点值。由于电流信号时域的周期信号决定了其频谱幅值在很多频率处取值为零(或取值接近于零)，即I的频域信号取值较大的时刻都很少，绝大多数时刻取值为零(或接近于零)。所以负荷的频域信号具有稀疏特性。根据负荷信号频域稀疏性可建立目标函数为：

式中，F∈R^m是采集信号的频谱，H∈R^m×2m是对x的线性变换，由于此时电路中的总电流I＝I₀+I₁，所以H＝[E_m×m E_m×m]矩阵，x∈R^2m表示两个源信号顺序连接构成的序列；第1项表示采集信号的拟合优度，第2项Φ(x)为去噪声函数，引入去噪声函数是为了去掉噪声的影响，参数τ的作用是平衡目标函数中第1项和第2项两部分所占的比重，改变重建信号的稀疏性，分离时通过改变τ的值来获得我们需要的源信号。τ值的确定通过试验不同的数，观察分离效果，得到经验性结论。由于目标函数是基于信号稀疏性建立，根据具有解空间约束的各种优化算法均可用于电力负荷分解计算，基于目标函数中采集信号频谱F的维数小于源信号频谱x的维数，所以此目标函数为一病态方程。可以选择压缩感知算法中的两步迭代收缩阈值算法计算两个分离信号I₂与I₃。

步骤4：两步迭代收缩阈值算法则既有很好地去躁特性又可以解决步骤3的病态目标方程问题。其算法更新过程如下

x₁＝Γ_λ(x₀)

x_t+1＝(1-α)x_t-1+(α-β)x_t+βΓ_λ(x_t)

Γ_λ(f)＝Ψ_λ(x+H^T(F-Hx))

Ψ_λ＝||x||₁

式中，x₀是初值，α，β为参数，α取0＜α＜2，β取为0＜β＜2α，此算法可证明收敛。根据上述迭代过程，可从混合电流频域信号中恢复出两个频域分离信号记为I₂和I₃。

步骤5：由于进入家庭的总电流I为各个支路电流之和，所以源信号I₀、I₁可以从步骤1与步骤2中保存的电流数据中获得。将I₀、I₁电流数据变换到频域。计算I₂和I₀、I₁的频域信号与I₃和I₀、I₁的频域信号间的相关系数，判断分离信号分别是哪个用户电器，互相关系数

x_z(n)为分离信号z的数据序列，z＝I₂,I₃，y_m(n)为步骤2中存储的电流信号的频域信号数据序列，m＝I₀与存储的用电器单独运行时的电流信号的频域信号数据序列,m＝I₁，为分离信号z的平均值，为用电器m的电流数据平均值，n为频率点数。当互相关系数大于阈值0.9时，表示此时做相关运算的分离信号与对应电器相匹配，即可判断该分离信号属于哪个电器。

步骤6：以此类推，重复上述步骤2～步骤5(在步骤3中改变τ值，确保分离出来的是新投入运行的负荷信号与混合信号)，则每当有新负荷投入运行时，从采集信号中仅分离两路信号，一路为新投入运行负荷的独立电流信号，一路为上一时刻的混合电流。

有益效果：

本发明在非侵入用电数据采集条件下，可以不断地高效地在多个用电负荷同时运行的情况下，分辨出正在运行的单个居民用电负荷信号，解决用电负荷识别问题，有效地判断居民用电负荷的使用情况。同时，由于每次信号分离仅分离出两个源信号，加快了识别时间。本发明是非侵入式负荷监测技术的有效实现方法，也是负荷能效跟踪的重要基础。本发明简单可行，实施方便，利用混合信号的频谱便分离出源信号，运算效率较高。

附图说明

图1为本发明的居民负荷用电识别方法的流程图；

图2为单个用电器运行时的输入输出信号示意图；

图3为两个用电器同时运行时的输入输出示意图

图4a-4c为台式电脑、风扇与空调单独运行时的电流信号频域波形；

图5a-5c分别为台式电脑+风扇共同运行时的混合电流频域波形、分离信号I₂和分离信号I₃；

图6a-6c分别为台式电脑+风扇+空调共同运行时的混合电流频域波形、分离信号I₂和分离信号I₃；

图7为多个用电器运行时的输入输出示意图。

具体实施方式

下面结合图，对本发明的具体实施步骤做详细说明。图1是本发明一种基于电路信号分离的居民负荷用电识别方法的流程图。该方法包括以下步骤：

步骤1：

图2为单个用电器运行时的输入输出信号示意图，此时安装在电气入口处的传感器可以直接采集信号进行分析，不需要分离混合信号。其中U(t)表示用电器两端电压，即电网提供的入户电压；I_m表示用电器单独运行时产生的电流，m＝1,2,…,n；h_i(t)表示每个电器的时域冲激响应，即代表该用电器，i＝1,2,…,n。家用电器在使用过程当中，均可认为处于稳定状态，因此其通过电流的特性保持不变。

步骤2：

首先启动一个电器，将此时电路中的负荷信号记为I₀，存储其电流信号数据。

步骤3：

图3为当电路中有2个用电器运行时，两个用电器运行时的输入输出信号示意图，其中U(t)仍为电网提供的入户电压，此用电设备支路上的电流信号为I₁；如图3所示，当有两个用电器同时处于工作状态时，其相互之间是并联的关系，且每条支路均处于稳定状态。不同支路上的用电器彼此不产生影响，传感器采集的进入家庭的总电流I为各个支路电流的线性之和，即:

I(t)＝I₀(t)+I₁(t)

由于只有一路混合信号却要确定两个负荷用电信息，其数学模型为欠定方程，所以利用混合信号频域的稀疏特性，对采集到的总电流进行离散傅立叶变换从而后的总电流的频谱，即：然后建立目标函数：

步骤4：

利用两步迭代收缩阈值算法分离出两个信号，记为I₂和I₃。

步骤5：

计算I₂和I₀、I₁的频域信号与I₃和I₀、I₁的频域信号间的相关系数

x_z(n)为分离信号z的数据序列，z＝I₂,I₃，y_m(n)为步骤2中存储的电流信号的频域信号数据序列，m＝I₀与存储的用电器单独运行时的电流信号的频域信号数据序列,m＝I₁，为分离信号z的平均值，为用电器m的电流数据平均值，n为频率点数。当互相关系数大于阈值0.9时，表示此时做相关运算的分离信号与对应电器相匹配，即可判断该分离信号属于哪个电器。

步骤6：以此类推，重复上述步骤2～步骤5(在步骤3中改变τ值，确保分离出来的是新投入运行的负荷信号与混合信号)，每当有新负荷投入运行时，从采集信号中仅分离两路信号，一路为新投入运行负荷的独立电流信号，一路为上一时刻的混合电流。

选择风扇、台式电脑、空调三个用电设备。分别对三个用电器单独工作时的电流进行独立采样。

按照本发明方法：

1)如图4a-4c所示，首先存储台式电脑、风扇与空调单独运行时的频域电流信号数据。

2)然后仅启动台式电脑这一台用电设备，将此时电路中电流信号记为I₀。

3)再启动风扇，将其电流信号记为I₁。此时电路中有的混合电流信号包含两个负荷用电信息。传感器采集此刻的混合电流信号将其变换到频域，如图5a所示，然后建立目标函数根据测试，得到经验性结论，τ的值为3.0E-9。

4)如图5b-5c所示，利用两步迭代收缩阈值算法将混合信号分离，识别出两个信号，记为I₂和I₃。

5)计算I₂和I₀、I₁的频域信号与I₃和I₀、I₁的频域信号间的相关系数，得到分离信号I₃与台式电脑单独运行时的信号以及分离信号I₂与风扇单独运行时的信号的相似系数分别为0.9011、0.9817，均已大于阈值0.9，可判断分离信号I₃属于台式电脑的运行信号，分离信号I₂属于风扇的运行信号。

6)分离信号成功后，将这时的混合信号重新标记为一路源信号I₀。然后启动空调，此时认为电路中的电流信号仍然只包含两路源信号：一路是已经完成识别的风扇与台式电脑的混合信号，另一路是新加入的空调信号。如图6a所示，传感器采集此刻的混合信号并将其变换到频域，重复第3步与第5步(在第3步中改变τ值，根据测试，得到经验性结论，τ的值为2.0E‐9)，如图6b-6c所示，利用两步迭代收缩算法得到分离信号I₂与分离信号I₃。计算得到分离信号I₃与冰箱单独运行时的电流信号的相关系数为0.9356>0.9,信号分离成功。

7)如图7所示，以此类推，重复上述步骤2～步骤5(在步骤3中改变τ值，确保分离出来的是新投入运行的负荷信号与混合信号)，每当有新负荷投入运行时，标记电路中已分离成功的混合信号为I₀，新投切的负荷信号为I₁。从采集信号中仅分离出两路信号，一路为新投入运行负荷的独立电流信号，一路为上一时刻的混合电流。