一种基于有功功率波动性的洗衣机运行非侵入辨识方法与流程

本发明属于智能用电技术领域，尤其涉及一种基于有功功率波动性的洗衣机运行非侵入辨识方法。

背景技术：

居民电力负荷监测分解技术是一门新兴的智能电网基础支撑技术，与目前智能电表仅量测用户总功率不同，它以监测并分解出居民户内所有电器的启动时间、工作状态、能耗情况为目标，从而实现更加可靠、精确的电能量管理。电力负荷监测分解技术使用户的电费清单像电话费清单一样，各类家用电器的用电量一目了然，从而使用户及时了解自己的用电情况，为合理分配各个电器的用电时间及相应的用电量提供参考，最终能够有效减少电费支出和电能浪费。google统计数据显示，如果家庭用户能够及时了解住宅电器的详细用电信息，就能使每月电费开支下降5％～15％。如果全美国有一半家庭每个月节省这么多开支，减少的碳排放量相当于减少800万辆汽车的使用。对于工业用户而言，其负荷投切安排一般是比较固定的，只需分时计量即可，对负荷分解的需求较少，本项目的主要研究对象是住宅用电负荷。

目前，居民电力负荷监测分解技术主要分为侵入式监测分解(intrusiveloadmonitoringanddecomposition，ilmd)和非侵入式监测分解(non-intrusiveloadmonitoringanddecomposition，nilmd)两大类：

(1)侵入式负荷监测分解技术(ilmd)：侵入式负荷监测将带有数字通信功能的传感器安装在每个电器与电网的接口，可以准确监测每个负荷的运行状态和功率消耗。但大量安装监测传感器造成建设和维护的成本较高，最重要的是侵入式负荷监测需要进入居民家中进行安装调试，容易造成用户抵制心理。

(2)非侵入式负荷监测分解技术(nilmd)：仅在用户入口处安装一个传感器，通过采集和分析入口总电流、电压等信息来判断户内每个或每类电器的用电功率和工作状态(例如，空调具有制冷、制热、待机等不同工作状态)，从而得出居民的用电规律。和侵入式负荷分解相比，由于只需要安装一个监测传感器，非侵入负荷分解方案的建设成本和后期维护难度都大幅降低；另外，传感器安装位置可以选择在用户电表箱处，完全不会侵入居民户内进行施工。可以认为，nilmd以分解算法代替ilmd系统的传感器网络，具有简单、经济、可靠、数据完整和易于迅速推广应用等优势，有望发展成为高级量测体系(ami)中新一代核心技术(成熟后，nilmd算法也可以融合到智能电表的芯片内)，支持需求侧管理、定制电力等智能用电的高级功能，也适用于临时性的负荷用电细节监测与调查。

洗衣机核心部件为电机，通常转速为1200r/min，其洗涤功率一般在100w～300w之间，脱水功率一般在300w～400w之间，因此洗衣机属于小功率家用电器。但是其加热功率属于大功率电器范畴，一般在1000w～2000w。但是洗衣机加热原理是电阻加热，与其他类诸如热水器、电水壶等电阻式加热的电器，除了在功率幅值上有区别外，其他电气特征基本相同，因此很难根据洗衣机的加热功率来辨识洗衣机。因此只能将洗衣机电机运转特性作为洗衣机非侵入辨识的主要判据。洗衣机在洗涤和脱水过程是通过周期性的改变电机旋转方向实现的，电机的运转造成洗衣机功率波动很大，一般范围会在200w左右，而洗衣机在洗涤或脱水过程中，运行功率最大也不过400w，属于小功率电器。小功率电器在开启时带来的有功功率和无功功率等电器特征的变化是很小的，又由于洗衣机运行时其有功功率波动较大，导致其每次启动或停止带来的有功等电气特征的变化幅度有很大差异，导致漏判或误判概率很大。因此需要新的算法思路用于洗衣机的非侵入辨识。

洗衣机工作时带来的电流波动，也导致了有功功率波动，这给洗衣机辨识带来了新的思路和方法。本发明将一定长度的有功功率窗口均匀划分为若干个小窗口，将窗口的最大值与最小值的差值称为该窗口的极差，这个极差一定程度上可以衡量该窗口数据变化剧烈程度，即有功功率的波动性，根据波动性来判别是否为洗衣机。

综上所述，nilmd技术已经逐渐成为一个研究热点，相关技术的突破和产业化对全社会的节能减排具有重要意义。目前，nilmd技术的研究还停留在理论研究阶段，洗衣机的非侵入辨识算法有待突破。

因此，亟待解决上述问题。

技术实现要素：

发明目的：本发明的目的是提供一种可精准感测电吹风运行状态和额定功率的一种基于有功功率波动性的洗衣机运行非侵入辨识方法。

技术方案：为实现以上目的，本发明公开了一种基于有功功率波动性的洗衣机运行非侵入辨识方法，该辨识方法包括如下步骤：

(1)在一定的采样频率范围内，对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列p；

(2)对平均功率序列p构造一个大窗口w，该大窗口可以划分为m个均匀的小窗口wk，k＝0，1，...，m-1，每个小窗口包含n个离散有功功率点；

(3)求取大窗口内小窗口wk极差dk，给定阈值d0，统计大窗口w内满足dk＞d0的小窗口个数m；

(4)根据小窗口m的个数判断大窗口是否为波动窗口，再根据波动窗口出现频率来判断洗衣机是否运行。

其中，优选的，所述步骤(1)中分别采用电压传感器和电流传感器对总电源进线的电压和电流信号进行采样，采样频率范围为f＝0.5khz～2khz，平均有功功率序列p的计算公式为

其中，s为一个电压周期所包含的采样点数，即s＝f/50，k＝0，1，...为计算平均功率起始点，t为计算平均功率的电压周期数。

优选的，所述步骤(2)中大窗口w每次移动的步长为自身长度m×n个有功功率点，则移动第t次大窗口为

wt＝{pi|t×n×m＜i＜(t+1)×n×m-1}

将每个大窗口截取的平均有功功率序列重新编号，得到小窗口构造方法为

wk＝{pi|k×n＜i＜(k+1)×n-1}

其中k＝0，1，...，n-1，n＞2。

优选的，所述步骤(3)中，极差dk的计算方法为：

dk＝max(wk)-min(wk)

d0的取值范围为50w＜d0＜90w，如果判断dk＞d0，则认为该小窗口为一个波动小窗口，并统计一个大窗口中波动小窗口的个数m。

优选的，所述步骤(4)中，如果一个大窗口中有半数以上的小窗口均为波动窗口，即有m＞m/2，则称该大窗口为波动窗口；波动窗口出现的频率大于60％，则判断有洗衣机运行，判断方法为：如果大波动窗口出现，检测后面两个大窗口，如果再出现1个大波动窗口，则判断在这三个窗口中，有洗衣机运行。

有益效果：与现有技术相比，本发明具有以下显著优点：本发明提供了一种基于有功功率波动性的洗衣机运行非侵入辨识方法，能够简单高效的辨识洗衣机的运行，使实时非侵入辨识洗衣机成为可能，相较于传统的单凭功率抬升辨识洗衣机的算法，该发明提出的算法，在不大幅度增加算法复杂度的情况下，大大提高了洗衣机辨识度和准确度，为洗衣机的非侵入负荷辨识提供有效技术支持。

附图说明

图1为本发明的算法流程图；

图2为本发明中洗衣机平均有功功率的计算结果图；

图3为本发明中洗衣机小窗口极差点状图；

图4为本发明中洗衣机波动大窗口示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

本发明一种基于有功功率波动性的洗衣机运行非侵入辨识方法，该辨识方法包括如下步骤：

(1)在一定的采样频率范围内，采用电压传感器和电流传感器对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列p；采样频率范围为f＝0.5khz～2khz，平均有功功率序列p的计算公式为

其中，s为一个电压周期所包含的采样点数，即s＝f/50，k＝0，1，...为计算平均功率起始点，t为计算平均功率的电压周期数；

(2)对平均功率序列p构造一个大窗口w，该大窗口可以划分为m个均匀的小窗口wk，k＝0，1，...，m-1，每个小窗口包含n个离散有功功率点；大窗口w每次移动的步长为自身长度m×n个有功功率点，则移动第t次大窗口为

wt＝{pi|t×n×m＜i＜(t+1)×n×m-1}

将每个大窗口截取的平均有功功率序列重新编号，得到小窗口构造方法为

wk＝{pi|k×n＜i＜(k+1)×n-1}

其中k＝0，1，...，n-1，n＞2；

(3)求取大窗口内小窗口wk极差dk，给定阈值d0，统计大窗口w内满足dk＞d0的小窗口个数m；极差dk的计算方法为：

dk＝max(wk)-min(wk)

d0的取值范围为50＜d0＜90，如果判断dk＞d0，则认为该小窗口为一个波动小窗口，并统计一个大窗口中波动小窗口的个数m；

(4)根据小窗口m的个数判断大窗口是否为波动窗口，再根据波动窗口出现频率来判断洗衣机是否运行；如果一个大窗口中有半数以上的小窗口均为波动窗口，即有m＞m/2，则称该大窗口为波动窗口；波动窗口出现的频率大于60％，则判断有洗衣机运行，判断方法为：如果大波动窗口出现，检测后面两个大窗口，如果再出现1个大波动窗口，则判断在这三个窗口中，有洗衣机运行。

如图1、图2、图3和图4所示，本发明公开了一种基于有功功率波动性的洗衣机运行非侵入辨识方法，具体的流程步骤如下：

(1)取采样频率f＝800hz，通过电流传感器和电压传感器对总电源进线的电压信号和电流信号进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列p，每5个工频周期计算一个平均功率点，即计算平均功率的电压周期数t＝5，一个电压周期所包含的采样点数s＝f/50＝16，公式为：

其中k＝0，1，...为计算平均功率起始点，所得图形，如图1所示，可看出洗衣机间歇性运行，并且在运行过程中功率波动很大；

(2)对平均功率序列p构造一个大窗口w，该大窗口可以划分为m＝20个均匀的小窗口wk，k＝0，1，...，19，每个小窗口包含n＝5个离散有功功率点；

大窗口w每次移动的步长为自身长度100个有功功率点，则移动第t次大窗口为

wt＝{pi|100t＜i＜100(t+1)-1}

将每个大窗口截取的平均有功功率序列重新编号，得到小窗口构造方法为

wk＝{pi|k×5＜i＜(k+1)×5-1}

其中k＝0，1，...，4，n＞2；

(3)求取大窗口内小窗口最大值与最小值的极差dk，极差dk的计算方法为：

dk＝max(wk)-min(wk)

所得到的极差散点图如图3，给定阈值dk＞d0＝70，即认为洗衣机运行时，窗口波动超过70w，该小窗口为一个波动小窗口，并统计一个大窗口中波动小窗口的个数m；

(4)累计一个大窗口内满足dk＞d0的小窗口个数m，如果m＞10，则标记该窗口为波动大窗口，如图4所示，所有的波动大窗口均以矩形的形式显示在极差散点图上；

(5)当检测到波动大窗口后，再检测波动大窗口后两个连续的大窗口是否含有波动大窗口，如果有，则表明该时间段内有洗衣机运行；如图4，前两个波动大窗口可确定出在170s～200s内洗衣机有洗衣机在运行，以此类推，210s～260s、320s～390s之间有洗衣机运行。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。