专利名称：非侵入式电力负荷监测与分解的电流模式匹配方法
技术领域：
本发明涉及智能电网的高级量测体系，具体讲，涉及一种电力系统中居民用电监测方法。
背景技术：
目前，随着经济社会的快速发展，由于电力系统在供电可靠性、电能质量、低碳节能等方面都面临着前所未有的严格约束，传统电网正向智能电网转型，参见余贻鑫，栾文鹏，面向 21 世纪的智能电网.[EB/OL]. http://news, sciencenet. cn. 2010-09-05.;其中，高级量测体系是实践电网智能化的至关重要的第一步，它承担着整个电网多方面电气信息的量测、收集、储存和分析的底层任务，是智能电网中其他(上层)功能得以实现的基础，如电网故障定位与自愈恢复、需求侧管理和负载实时均衡、电压稳定性控制、准确的负荷预测与建模，实时电力系统仿真分析等。电网负荷用电监测与分析是高级量测体系中最重要的部分之一，其中，居民用电监测的意义在于一方面，使用户了解电能消耗细节，有助于促使其优化用电习惯，最终削减电费支出；另一方面，由于民用负荷的可控性较强，如电热水器、空调等“储能型”负荷和洗衣机、电热水壶等“延迟性”负荷都具有与电网友好合作的潜力，凭借用电监测，用户可以有依据地响应电网需求，帮助实现“削峰填谷”等需求侧管理功能，使电网受益。传统的居民用电监测是为每个电器配备一个传感器来跟踪其用电状态(用电功率)和工作状态(如空调有制冷和制热两种用电功率不同的工作状态)，属于“侵入式”监测。然而大量带有数字通讯的传感器的安装、调试及维护开销较大，而且传感器过多会降低监测系统和用电器的可靠性。George Hart在G. W. Hart. Nonintrusive applianceloadmonitoring[J]. Proceedings of IEEE, 1992, 80 (12) : 1870-1891 中最早正式提出了非侵入式的电力负荷监测系统(Non-1ntrusive Load Monitoring System),基本原理可总结如图1。图中虚线框内为系统的主要功能模块，数据采集模块负责采集供电电源入口处的电压和总电流，数据预处理模块负责电压、电流波形滤波，去噪及为实现负荷电气特征提取所做的其他操作，如电压、电流谐波分析，电流相位校正等，负荷电气特征提取模块负责从实测负荷端电压和总电流中提取监测方法所需的负荷特征，如稳态有功和无功功率、暂态电流峰值、暂态电流有效值等，这是影响监测性能的关键，最后利用有效的监测方法完成总负荷的组成分析和内部电器状态的辨识，并完成监测系统的维护和管理等相关功能；此外，图中还列举了系统可以具有的拓展功能，如交互操作、控制命令输入与输出及系统报告等。非侵入式电力负荷监测方案通过分析用户电源入口处的电压和总电流来确定户内每个电器的用电状态。这样既可降低监测成本和简化操作，又可提高监测系统的可靠性，不仅简化了电力公司对负荷用电细节数据的收集工作，而且可以简单便捷地指导用户优化用电。现有的一些技术中把启动、停机等负荷工作状态的变动统称为负荷事件，利用与其相关的稳态特征(如稳态功率阶跃，参见(I) G. W. Hart. Nonintrusiveappliance loadmonitoring[J] · Proceedings of IEEE, 1992,80 (12) :1870-1891 ；(2) H.Pihala. Non-1ntrusive appliance loadmonitoring system based on amodern kWh-meter[R]. Technical Research Center of Finland, ESPOO,1998 ； (3)Christopher E.Reegj Thomas J.Overbye. Algorithm development forNon-1ntrusiveLoad Monitoring for Verification and Diagnostics[C].North AmericanPowerSymposium(NAPS), 2010, :1 - 5 ； (4) Bergesj et al. Enhancing electricity auditsin residentialbuildings with nonintrusive load monitoring[J] · Journal ofIndustrial Ecology，2010，14 (5):844-858 ; (5) Ming Dong,et al.An Event WindowBased Load Monitoring Techniquefor Smart Meters [J].1EEE Transactions onSmart Grid, 2012,3(2) :787-796)或暂态特征(如暂态功率波谱模式，参见(I) StevenB. Leebj James. L. Kirtley. A Multiscale Transient EventDetector for NonintrusiveLoad Monitoring[J].1nternational Conference on IndustrialElectronicsj Control，and Instrumentation, 1993，1:354-359 ； (2) Steven B. Leebj Steven R. Shaw,James L.Kirtley. Transient event detection in spectral envelope estimatesfor nonintrusive loadmonitoring[J].1EEE Transactions on Power Delivery,1995，10 (3):1200-1210· ； (3)S. R. Shaw, et al. Nonintrusive Load Monitoring andDiagnostics in Power Systems[J].1EEE Transactions onlnstrumentation and Measurement, 2008，57 (7) : 1445-1454)来判断检测到的负荷事件是源自总负荷内部的哪个电器，据此实现非侵入式负荷监测。其中，Christopher E. Reegj Thomas J. Overbye.Algorithm development for Non-1ntrusive Load Monitoring for VerificationandDiagnostics[C].North American Power Symposium (NAPS),2010, :1 - 5在 G.W.Hart. Nonintrusive appliance loadmonitoring[J]. Proceedings ofIEEE, 1992,80(12) :1870-1891的基础上通过考虑电器的典型工作时段这一时间特征改善了监测性會泛。Ming Dong, et al. An Event Window Based Load Monitoring Techniquefor Smart Meters [J].1EEE Transactionson Smart Grid, 2012，3(2) : 787-796 提出了负荷事件窗的概念，在负荷特征参数化的基础上，以参数方程式给出了一个线性的负荷辨识分类器，监测准确率较高；但是分类器方程中的常值系数需要在大量实测的基础上通过统计分析得到，若数值不适当，对辨识准确率影响较大。S. R. Shaw，et al. NonintrusiveLoad Monitoring and Diagnostics in PowerSystems[J].1EEE Transactions onInstrumentation and Measurement, 2008，57 (7) : 1445-1454 实现了 暂态功率波谱模式的参数化，可用于辨识那些同属于一类、但暂态波形参数不同的不同负荷个体。总体上，对于这类基于负荷事件的监测方法，由于不同电器的工作状态变换过程之间通常不是分立的，时常会同时或顺序地发生不同的负荷事件，致使电器的唯一性特征被掩藏或消失，从而造成辨识错误；对于短工作周期的负荷，也可能因两个连续的量测点间的负荷事件丢失产生辨识错误。此外，这类方法不能辨识恒功率电器，对多状态的和功率连续可变的电器的监测准确率低。文献黎鹏，余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报，2009，42(4) :303-308.中抛开负荷事件的概念，基于任一稳态负荷总电流可由其内部各类主要用电设备电流的线性叠加近似估计的事实，通过最优化方法实现负荷总电流模式(电流谐波特征)最优匹配，来求得各类用电设备的电流权重系数，实现总功率在线分解，有效地解决了以负荷事件为基础的方法共同存在的上述问题。但如果不同电器监测的电流波形相似程度较大，总功率分解精度就会下降，因而需要事先对电器做恰当的分类，未能完满地解决电器工作状态辨识的问题。文献(I) Y1-Sheng Lai, Yung-ChiChen,Shiao-Li TsaojTzung-Cheng Tsa1. A novel search scheme for nonintrusiveload monitoringsystems[C]. 2012 IEEE International Conference on IndustrialTechnology (ICIT)，2012，:102-107 和文献(2) Jian Liang, Ngj S. , Kendall, G. , Cheng, J.Load Signature Study—Part II_Disaggregation Framework, Simulation, andApplications [J] · IEEE Transactions on PowerDelivery，2010，25 (2) : 561-569 是集成暂态过程和稳态运行中多种负荷特征的综合型非侵入式监测方法，这类方法的辨识与监测准确率较高，但是，若监测方法对数据釆集模块的釆样频率(比如涉及暂态特征)和微处理器性能要求高,则会提高整体成本,降低监测方法的实用性。
发明内容
针对上述现有技术，本发明提供一种基于谐波特性的非侵入式电力负荷监测的电流模式匹配法，建立了一种经济实用的、新颖的电器用电状态(用电功率)与工作状态监测的查表法，由于本方法仅依靠电器负荷正常工作时固有的稳态电流模式统计特性和稳态有功功率、无功功率，从而具有很强的通用性；并提出了 “负荷状态字向量”的新概念，使本方法易于实现。本发明是基于负荷总电流模式(电流谐波特征)最优匹配来实现负荷总功率分解的，解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大，总功率分解精度就会下降的技术问题，在不同电器监测的电流波形相似程度较大时，总功率分解精度也不会下降，提高了分解精度，而且可以准确辨识电器的不同工作状态；而且，由于本方法利用查表法而不是优化算法完成监测，降低了对监测系统中微处理器计算性能的要求，可有效降低成本。为了解决上述技术问题，本发明基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法予以实现的技术方案是建立一负荷特征数据库，该数据库中存储有以下负荷特征信息(I)在基波参考电压Uref下不同电器的用电状态和工作状态；(2)不同电器的每种工作状态的稳态电流谐波参数。并包括下述步骤用电器登记与负荷状态字空间初始化步骤I)确定总负荷内的所含电器设备，并从负荷特征数据库中获取负荷内每个电器的负荷特征信息，从而完成用电器登记；2)统计负荷所有可能的工作状态，并存储在一有序线性表[state]中，从而完成状态字空间Qsw的初始化。数据采集与预处理步骤包括采集负荷端电压和稳态用电总电流，以及对采集到的电压和总电流信号进行信号去噪和谐波分析，从而得出实测基波有功总功率Ρ/( ):Ρ；( ) = UJ1 cos(^；i)(6)
实测基波无功总功率仏 1U):Q){t) = f/,/, sin( θη)(7) 实测单元总电流模式1(坪(0，汉(0):I,(PlUXQ)(O) = (I·Ζθη,-,α , · Ζθ ,,-,α!Η ·ΖΘ,Η)Τ( 15 )公式(6)和公式(7)中=U1表示实测负荷端电压u(t)的基波有效值，I1表示实测负荷总电流ii(t)的基波有效值；表不ii⑴的基波相对于负荷端电压基波相位角的初相位角；公式(15)中α ^表示电流I1 (t)的第h次谐波幅值以该电流基波幅值为基值时的标幺值，故a u=l ; Θ ^表示电流I1 (t)的第h次谐波相对于负荷端电压基波相位角的初相位角。基于查表的可行状态字空间搜索步骤
对有序线性表[state]进行搜索，在状态字空间Ω sw中，根据实测负荷基波有功总功率片⑴和实测负荷基波无功总功率WU)，对负荷工作状态完成初选，最终得到满足基波总功率约束的可行状态字空间Ω,ν ,(片(O,(^1(O)C浐，其中，Z表示整型数空间。电流模式最优匹配步骤电流模式匹配的目标函数如下min i 1/,(^/(0,(16)
^SWi ea w <p} K r),ρ}Il公式(16)中I I · I I表示L2范数。在上述可行状态字空间⑹内，寻找一个使电流模式最优匹配的目标函数有最小值的状态字向量SWmin(t)作为对负荷当前工作状态的最优估值，实现电器工作状态辨识，并将与SWmin(t) —一地对应着的 (O做为负荷当前用电状态的最优估值向量，至此实现了负荷基波总功率分解。监测与分解结果的显示输出最后，显示输出负荷内部每个电器的用电状态(即用电功率)和所处工作状态。与现有技术相比，本发明的有益效果是与文献黎鹏，余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报，2009, 42 (4) : 303-308.相同，本发明也是基于负荷总电流模式(电流谐波特征)最优匹配来实现负荷总功率分解的，但本发明并未采用优化算法，而是建立了一种新颖的查表法，本发明所提出的电流模式匹配方法不但解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大，总功率分解精度就会下降，因而需要事先对电器做恰当的分类，未能完满地解决电器工作状态辨识的问题。即使在不同电器监测的电流波形相似程度较大时，总功率分解精度也不会下降，提高了分解精度，而且可以准确辨识电器的不同工作状态。并且还具有以下特点(I)以电器个体为监测对象，不需要电器归类；(2)仅依靠电器负荷正常工作时所固有的稳态电流模式统计特性和稳态有功功率、无功功率，从而具有很强的通用性；(3)对合理的负荷功率波动不敏感，能够区分功率水平接近的负荷工作状态；(4)能够准确辨识单一状态或“多状态”电器的工作状态；(5)总功率分解精度高，相对误差在5%以内。此外，本发明中，监测系统中的微处理器主要负责
(I)负荷端电压和总电流的谐波分析，仅需每周波32点的傅里叶变换，计算量小；(2)遍历有序线性表[state]，查找有序线性表的耗时量度可以是对数阶ο (log2n)，性能优越；(3)在线计算估计总电流模式，由于集合Ω, .|(打(O,^W)的元素数量仅为可行状态字空间Qsw的5 10%，因而需要的浮点数乘除运算量小。综合上述三点，本发明方法对微处理器运算性能的要求低，能容易地应用于智能电表。现有智能电表中微处理器(CPU)芯片的性能即可满足需要，在为有序线性表[state]拓展必要的外部存储空间的基础上，可使智能电表具备“非侵入式”负荷监测与分解的功能，足见本发明的工程效益。
图1是非侵入式电力负荷监测与分解系统基本原理图； 图2是本发明所述的非侵入式电力负荷监测与分解系统的功能流程图；图3是本发明所述的非侵入式电力负荷监测与分解系统的实施例的示意图；图4是空调制热的实测波形；图5是微波炉高火加热的实测波形；图6是洗衣机洗涤的实测波形；图7是电磁炉煮饭的实测波形。
具体实施例方式下面结合
具体实施方式
对本发明作做进一步详细地描述。本发明以家用电器为监测对象，把总负荷内部每个电器的用电状态(用电功率)及工作状态(如空调有制冷和制热两种用电功率不同的工作状态)作为监测目标。同时做出如下两点基本假设假设1:正常情况下，负荷电器在既定的工作状态下所消耗的基波有功功率(和与之对应的基波无功功率)与其端电压有确定性关系，且可仅用有功功率来表征(参见H.Pihala. Non-1ntrusive appliance load monitoring system based on a modernkWh-meter[R]. Technical Research Center of Finland，ESP00，1998.)；假设2 :在既定电压下，电器的工作状态与稳态电流谐波特征间有--
对应的关系，(参见黎鹏，余贻鑫.非侵入式电力负荷在线分解[J]天津大学学报，2009，42(4) :303-308.)。本发明，即基于谐波特性的非侵入式电力负荷监测与分解的电流模式匹配方法，在上述两点假设成立的基础上，需建立包括下述两项内容的负荷特征数据库在基波参考电压Uref下不同电器的用电状态和工作状态在基波参考电压UMf下，对不同电器进行实测，确定电器稳态运行过程中用电功率不同的所有情况，不同的用电功率即被定义为不同的用电状态，参考功率被记为PMf，不同的用电状态对应不同的工作状态，若电器不同物理状态下的用电功率相同，则将这些不同的物理状态统一定义为一种工作状态；如下表I中的微波炉，微波炉高火、中火、低火等不同状态只是功率通断的占空比不同，通态功率是相同的，故只以高火加热这一种工作状态作为代表。不同电器的每种工作状态的稳态电流谐波参数通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波参数，如公式(4)所示，为电器ai的电流谐波参数矩阵Hai。
权利要求
1.一种非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于建立一负荷特征数据库，该数据库中存储有以下负荷特征信息(1)在基波参考电压UMf下不同电器的用电状态和工作状态，(2)不同电器的每种工作状态的稳态电流谐波参数；并包括下述步骤用电器登记与负荷状态字空间初始化步骤1)确定总负荷内的所含电器设备，并从负荷特征数据库中获取负荷内每个电器的负荷特征信息，从而完成用电器登记；2)统计负荷所有可能的工作状态，并存储在一有序线性表[state]中，从而完成状态字空间Qsw的初始化；数据采集与数据预处理步骤包括采集负荷端电压和稳态用电总电流，以及对采集到的电压和总电流进行信号去噪和谐波分析，从而得出实测基波有功总功率打(O P；{t) = UJ, cos( θη )(6)实测基波无功总功率0丨(O QUO = UJ, Sin(^1)(7)实测单元总电流模式A (p/(O,ft1 (O) ··Ι (/>1(4 |(0) = (1·Ζ^,···,α Α·Ζ^,···,^·Ζ^/)Γ(15)公式(6)和公式(7)中=U1表示实测负荷端电压u(t)的基波有效值，I1表示实测负荷总电流ii(t)的基波有效值，Qil表不ii⑴的基波相对于负荷端电压基波相位角的初相位角，公式(15)中Cilh表示电流^(0的第h次谐波幅值以该电流基波幅值为基值时的标幺值，故au=l，0lh表示电流^⑴的第h次谐波相对于负荷端电压基波相位角的初相位角；基于查表的可行状态字空间搜索步骤对有序线性表[state]进行搜索，在状态字空间Qsw中，根据实测负荷基波有功总功率 P,1 (O和实测负荷基波无功总功率β,1 (O，对负荷工作状态完成初选，最终得到满足基波总功率约束的可行状态字空间其中，Z表示整型数空间；电流模式最优匹配步骤确定电流模式最优匹配的目标函数如下min i(16)VSff1-^Qsw11公式(16)中I I · I I表示L2范数；在上述可行状态字空间Di(PAzXft1W)内，寻找一个使电流模式最优匹配的目标函数有最小值的状态字向量SWmin(t)作为对负荷当前工作状态的最优估值，实现电器工作状态辨识，并将与swmin(t) —一地对应着的Pi(O作为负荷当前用电状态的最优估值向量，至此实现了负荷基波总功率分解；监测与分解结果的显示输出步骤最后，显示输出负荷内部每个电器的用电功率和所处工作状态。
2.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于负荷特征数据库中，确定基波参考电压UMf下不同电器的用电状态和工作状态的方法是在基波参考电压Uref下，对不同电器进行实测，确定电器稳态运行时用电功率不同的所有情况，不同的用电功率即被定义为不同的用电状态，参考功率被记为Pm，不同的用电状态对应不同的工作状态，若电器不同物理状态下的用电功率相同，则将这些不同的物理状态统一定义为一种工作状态。
3.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于负荷特征数据库中，确定不同电器的每种工作状态的稳态电流谐波参数的方法是 通过对实测所得的不同电器端电压和稳态电流进行谐波分析得到其稳态电流谐波参数，并定义电器ai的电流谐波参数矩阵Hai
4.根据权利要求1或2所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于负荷状态字空间Qsw及对应的有序线性表[state]的获取方法是首先，用由N个电器所消耗的基波功率组成的功率向量表示总负荷的用电状态，如下述公式(I)和公式(2)，分别为有功向量P1U) e Rn和无功向量tf(t) eRN，R表示实数空间，其分量分别是N个电器在时刻t处于各自用电状态的基波有功功率或无功功率；在既定的N个电器的用电状态组合下，P1U)和QHt)是一一对应的，所以仅用有功功率向量P1U) 表示总负荷的用电状态，
5.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于完成负荷工作状态初选过程中，实测基波端电压U1下，计算各电器基波有功功率和无功功率估值向量的方法是由于电网电压波动，负荷实际工作电压可能不是UMf，根据实测基波端电压U1修正负荷特征数据库中存储的基波参考电压Um下的有功功率参考值，计算得到各个电器实际有功功率估值，如公式(8)，P(Ul) = Prer(UlZUref)'^C8)公式(8)中Yp表示电器的基波有功功率修正指数，可经实测统计得到，P(U1)表示实测基波端电压U1下的电器实际有功功率估值，在实测基波端电压U1下，任取有序线性表[state]中第k个状态字向量SWk，k表示状态字向量在[state]表中的序号，根据公式(I)和公式(8)，由状态字SWk计算得到对应的基波有功功率估值向量，记为P1 (Sffk, U1) e Rn,据公式(3)，SWk中电器ai的状态为s(i)，由SWk可得到与之唯一对应的电流谐波参数矩阵Ha(SWk),如公式(5)，
6.根据权利要求1或5所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于负荷工作状态初选的约束条件是分别对P1 (Sffk, U1)和Q1 (Sffk, U1)中元素求和得到负荷基波有功总功率和基波无功总功率估值，并相应地记为和组，进而建立负荷工作状态初选的约束条件， 如公式(10)和公式(11):
7.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于电流模式最优匹配的目标函数中所需的两个估值向量的确定方法是实测基波端电压A下，确定各电器基波有功功率估值在负荷总基波有功功率估值中所 占比例的向量的方法是由中状态字向量swk得到对应的有功功率估值向量P1 (Sffk, U:)，由下下 述公式(12)确定各个电器的基波有功功率估值在负荷基波有功总功率估值中所占的比例 的向量
8.根据权利要求1所述非侵入式电力负荷监测与分解的电流模式匹配方法，其特征在于电流模式匹配的目标函数中，确定估计单元总电流谐波参数向量( %，&)，也即估计 总电流模式的方法是采用下述公式(14)计算得到估计单元总电流谐波参数向量為，，
全文摘要
本发明公开了一种非侵入式电力负荷监测与分解的电流模式匹配方法，在建立负荷特征数据库的基础上，包括用电器登记和负荷状态字空间初始化，数据采集与预处理，基于查表的可行状态字空间搜索，电流模式(电流谐波特征)最优匹配和监测结果输出。由于本方法仅依靠电器正常工作时固有的稳态电流模式的统计特性和稳态有功功率、无功功率，从而通用性很强。解决了现有技术中存在的如果不同电器监测的电流波形相似程度较大，总功率分解精度就会下降的问题，提高了分解精度，而且可以准确辨识电器的不同工作状态；同时，由于本方法利用查表法而不是优化算法完成监测，降低了对监测系统中微处理器计算性能的要求，可有效降低成本。
文档编号H02J3/14GK103001230SQ201210466810
公开日2013年3月27日 申请日期2012年11月16日 优先权日2012年11月16日
发明者余贻鑫, 刘博 , 王兵 申请人:天津大学