基于多层级分类的非侵入式负载识别方法及系统与流程

本发明涉及电网技术，尤其涉及一种基于多层级分类的非侵入式负载识别方法及系统。

背景技术

建筑的电力能源消耗约占中国总发电量的75％。在商业建筑和家庭居民使用的一次电力中，约有37％的电能被各种繁杂的电力负荷(miscellaneouselectricloads，mel)所消耗，预计在2008年到2030年间其用电量将增长78％。对mel进行有效的管理会将建筑节能量提高约10％至30％。但由于mels的多样性，开发广泛适用的mels节能解决方案非常困难。如果要在现有的家用电器上安装智能家居控制的通讯单元也不切实际，而非侵入式负荷识别技术则是解决该问题一个行之有效的思路。

g.w.hart在20世纪80年代提出并开发了第一个非侵入式负荷监测与识别(nilm)的方法。此后，大部分的研究学者都在以下4个方面进行的研究，包括数据采集层，事件检测层，特征提取层和分类算法层。特征提取层是成功解决nilm技术的关键。对于稳态特征的探索，现有技术利用了有功、无功功率以及稳态特性的rms电流值来识别负载类型，在此基础上，电流谐波也被用作特征提取的核心技术用于识别非线性直流电源的负载。现有技术中提出了一种新的v-i轨迹建模方法，通过负载的v-i轨迹特征来识别，但稳态特征的提取时间较长，且细节信息相似，当出现负荷印记叠加时，达不到快速、精准的要求。对于暂态特征的提取，高云，曲朝阳等学者建立家庭用电负荷暂态特征的标准化模板，考虑用开关特性产生的瞬态特征贴近度进行识别，加上人工智能算法的蓬勃发展，结合k-nn结合核fisher等智能算法优化了识别的精度和快速性，但暂态特征的获取对设备的采样频率要求很高，成本高昂，不利于市场推广和大面积运用。

技术实现要素：

本发明主要目的在于，提供一种基于多层级分类的非侵入式负载识别方法及系统，以解决现有技术中通过稳态特征提取进行负荷识别时间长，不准确，而通过暂态特征提取进行负荷识别对设备采样频率要求高的问题。

本发明是通过如下技术方案实现的：

一种基于多层级分类的非侵入式负载识别方法，包括：

步骤1：为需要识别的负载构建数据库，所述数据库中包括若干种类型的负载；

步骤2：对所述数据库中的各负载进行多层次结构分类，所述多层次结构包括负载类型和具体电器；

步骤3：检测负载的稳态特征，并据此确定所述负载所属的负载类型；

步骤4：检测负载的稳态特征、暂态特征和行为模式，并据此确定所述负载所属的具体电器。

进一步地，所述稳态特征为负载的前端电路的稳态特征。

进一步地，所述稳态特征包括时域特征、频域特征和电压电流波形特征。

进一步地，所述负载类型包括纯阻性负载、感性负载、不带功率因数校正的负载、带功率因数校正的负载、线性电源、相角可控负载和复杂结构负载。

一种基于多层级分类的非侵入式负载识别系统，包括：

数据库构建模块，用于为需要识别的负载构建数据库，所述数据库中包括若干种类型的负载；

分类模块，用于对所述数据库中的各负载进行多层次结构分类，所述多层次结构包括负载类型和具体电器；

负载类型识别模块，用于检测负载的稳态特征，并据此确定所述负载所属的负载类型；

具体电器识别模块，用于检测负载的稳态特征、暂态特征和行为模式，并据此确定所述负载所属的具体电器。

进一步地，所述稳态特征为负载的前端电路的稳态特征。

进一步地，所述稳态特征包括时域特征、频域特征和电压电流波形特征。

进一步地，所述负载类型包括纯阻性负载、感性负载、不带功率因数校正的负载、带功率因数校正的负载、线性电源、相角可控负载和复杂结构负载。

与现有技术相比，本发明提供的基于多层级分类的非侵入式负载识别方法及系统，首先为需要识别的负载构建数据库，并将数据库中的各负载进行多层次分类，定义各负载所属的负载类型和具体电器，然后通过检测负载的稳态特征并据此确定负载所属的负载类型，再检测负载的稳态特征、暂态特征和行为模式，并据此进一步确定负载所属的具体电器，从而实现非侵入式负载识别。本发明与传统的oar方法相比，提高了分类的准确性，减少了识别的计算复杂性，识别过程更简单、快速、精确。

附图说明

图1是nilm系统的分层结构示意图；

图2a是纯阻性负载的概念性前端电路示意图；

图2b是纯阻性负载的稳态电压和电流波形示意图；

图3a是感性负载的概念性前端电路示意图；

图3b是感性负载的稳态电压和电流波形示意图；

图4a是不带功率因数校正的负载的概念性前端电路示意图；

图4b是不带功率因数校正的负载的稳态电压和电流波形示意图；

图5是开关电源和vi滤波器的工业选择示意图；

图6a是c-l滤波器结构及其波形示意图；

图6b是l-c滤波器结构及其波形示意图；

图6c是l-c-l滤波器结构及其波形示意图；

图7a是带功率因数校正的负载的概念性前端电路示意图；

图7b是带功率因数校正的负载的稳态电压和电流波形示意图；

图8a是线性电源的概念性前端电路示意图；

图8b是线性电源的稳态电压和电流波形示意图；

图9a是相角可控负载的概念性前端电路示意图；

图9b是相角可控负载的稳态电压和电流波形示意图；

图10a是复杂结构负载的概念性前端电路示意图；

图10b是复杂结构负载的稳态电压和电流波形示意图；

图11是一对余方法与本发明方法的整体分类精度对比示意图；

图12是本发明实施例提供的基于多层级分类的非侵入式负载识别方法的流程示意图；

图13是本发明实施例提供的基于多层级分类的非侵入式负载识别系统的组成示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步详细说明。

由于设备与设备之间的复杂性，区分细微差别时往往比较困难，本发明通过考察物理电路及其相应特征之间的关系，提出了一种基于多层级分类的非侵入式负载识别方法，即利用负载之间使用相同接口电路的电源结构进行区分。该方法具体分析3个方面：负载的前端电路拓扑结构、电气操作原理和负载的功能性质。该方法不仅可以提高预判分类的准确性，而且减少了负载识别的计算复杂性。

如图12所示，本发明提供的基于多层级分类的非侵入式负载识别方法，主要包括以下几个方面：

步骤s1：为需要识别的负载构建数据库，数据库中包括若干种类型的负载。

表1和表2展示了两种负载类型的数据库结构，分别是供暖器和便携式打印机。数据库中分别介绍了每种负载具有的5个特征：负载类型、品牌、负荷性质、前端电源拓扑结构、工作状态。

表1：负载类型的数据库结构

表2：负载工作状态的数据库

通过选择并研究42种负载类型，每种类型统计5至7个品牌，建立的数据库将覆盖90％以上用于办公和住宅的电器。采集所有负载模型在不同的运行状态下的原始电压和电流(v/i)波形，包括启动、稳态、待机以及某些特定工作状态，例如打印机的打印状态。每组v/i波形以30.72khz的采样率采样一分钟。共记录627套数据。在matlab环境下处理和分析所有采集的数据，包括v/i波形图、vi轨迹、快速傅里叶变换(fft)分析、功率因数、有功功率、无功功率和视在功率等等。

步骤s2：对数据库中的各负载进行多层次结构分类，多层次结构包括负载类型和具体电器。

在电力市场研究的另一个重要结果是对典型mel的纯模型驱动进行分类。由此产生的双层结构如表3所示，共7种负载类型。

表3两层结构的电器负载清单

大多数电阻负载(r)用于加热照明。有代表性的负载包括加热器、白炽灯。对于无功主导型负载，电器通常由压缩机，电机组成。用于该类电器的电机通常是小型直流电机，这个小类型的典型负载是风扇、洗衣机、冰箱等。接下来是两大组电器都属于电子类的负载，将其分类为p和np型。由于iec标准61000-3-2限制了75瓦以上所有负载的谐波电流水平，因此可以假设需要功率因数校正(pfc)的模块来满足这一要求。因此，类型p是指具有pfc的电子负载，如超过75瓦的pc、投影仪、液晶电视、led电视、家庭影院。相反，np类是指不使用功率因数校正技术的小型电子负载，如手机充电器、便携式dvd播放器、扫描仪、使用喷墨的传真机、pc显示器等。类型t中的负载是指在前端使用带有小型变压器的线性直流电源的低功率设备。如电池充电器、订书机是这一类的代表性负载。pac类型中列出了使用晶闸管相角电压控制的调光器等设备。m类包括通常功耗较高的电器和多个电气系统，如微波炉、激光打印机和示波器。

然后是分层负载建模，特征提取和负载识别。具体包括：

表3中所示的mel分类为后续的负载建模、特征提取、负荷识别提供了指导。图1说明了分层结构的负荷识别系统的概念。可以看出，该阶段具体包括以下两个步骤(为与前述两个步骤衔接，以下称为步骤s3和步骤s4)；

步骤s3：检测负载的稳态特征，并据此确定负载所属的负载类型；

步骤s4：检测负载的稳态特征、暂态特征和行为模式，并据此确定负载所属的具体电器。

这种分级结构确保了如图1中所示的每个层级和子层级中的具体负荷集合的高效特征识别方式。

本实施例中，稳态特征为负载的前端电路的稳态特征。电器的前端电路由以下一个或几个模块组成，包括前端滤波器、整流器、变压器、隔离型dc-dc转换器、相位角控制器(pac)、电流电压调节器和功率因数校正模块。

负载类型具体包括如下7种：

纯阻性负载：

纯阻性负载指的是直接连接到端子电阻的负载。因此，电流和电压波形之间不存在相位角的位移，功率因数接近于1。图2a表示了一个纯阻性负载的概念性前端电路。图2b表示了纯阻性负载的稳态电压和电流波形。

感性负载：

在这个类型中，电感通过整流器连接到电源。图3a表示了感性负载的概念性前端电路，图3b表示了感性负载的稳态电压和电流波形，电流与电压之间具有较大的相位角位移，这也是此类负载的主要特征之一。

不带功率因数校正的负载(np类)：

此np类型的设备通常需要直流电源为下游电子设备供电。前端电力电子电路通常由前端电磁干扰(emi)滤波器，整流器，电压或电流滤波器和dc-dc转换器组成，可参考如图4a所示的不带功率因数校正的负载的概念性前端电路。

利用滤波电容向dc-dc转换器提供恒定的直流电压。由于只有当输入电压的幅度大于电容两端的电压幅度时，整流桥才会导通，因此，如图4b所示的不带功率因数校正的负载的稳态电压和电流波形，该负载类型的典型电流波形在工频时表现为周期性的脉冲波形。

每个脉冲的宽度受电容器电压以及负载功率的影响，充电时间与负载功率直接相关。而且前端滤波器也会影响波形的形状，但负载输入电流与dc-dc转换器无关，主要是由于电容滤波器引起的信号隔离。当为功率等级低于75瓦的电器设计直流电源时，制造商通常会在以下三种滤波器配置和四种类型的dc-dc转换器中选择拓扑结构，如图5所示。

其中c-l滤波器通常用于诸如手机充电器的便携式负载，l-c滤波器通常选择功率低于45w的负载，l-c-l滤波器用于功率超过45w脉冲更宽的负载。使用三种滤波器的代表性负载类型如图6a、图6b和图6c所示。实际上，这三种类型的负载大多具有共同的特性，因此在以前大多数情况下它们被粗略地认为出自同一种负载。

对于类型np的负载，电源电流和电压波形之间不存在相位角位移。

带功率因数校正的负载(p类)：

p类电器也使用直流电源。在这些情况下，典型的前端电路由前端emi滤波器，整流器，稳压器，功率因数校正电路和dc-dc变换器组成，可参考如图7a所示的带功率因数校正的负载的概念性前端电路。

在这个类型中，通常使用l-c-l滤波器。根据iec61000-3-2的要求，采用前端emi模块，因为属于此类型的负载消耗的功率超过75w与np类负载不同，p类负载的输入电流是正弦曲线，类似于电阻负载。如图7b所示的带功率因数校正的负载的稳态电压和电流波形，pfc模块使整流器导通一个完整的周期。

对于p类负载，当电压过零时，总会有短时间的不连续电流。这个电流特性形成了p类负载的典型特征，并且有助于区分它们与纯电阻负载。

pfc转换器的详细原理在此不赘述。p类电器在电流波形方面通常看起来与电阻负载非常相似。但电流不连续性和高阶电流开关噪声的存在是此类负载可识别的特征。

线性电源：

经变压器、整流器结合使用的直流电源是目前最常用的低功率器件。图8a给出了一个线性电源的概念性前端电路，具体是一个变压器-整流器直流电源的典型电路。它由一个变压器，一个整流器和一个线性稳压器组成。这种负载类型的电流由于变压器饱和而高度失真。图8b示出了其稳态电压和电流波形，在峰值电压处观察到的电流脉冲是由下游桥式整流器引起的，类似于没有pfc连接到整流器的电子负载。总之，在这个类型中存在大的相位角位移，高阶电流谐波也是如此。

相角可控负载：

pac控制器广泛用于led照明、加热器、风扇等需要连续电压调节的设备。图9a显示了一个相角可控负载的概念性前端电路。可以通过控制晶闸管的触发角度来连续调节负载电流。图9b给出了相角可控负载的稳态电压和电流波形。

复杂结构负载(m类)：

m类电器是指由独立前端电源提供的多电路负载。图10a给出了一个复杂结构负载的概念性前端电路的结构，具体是一个微波炉的前端电路结构。它是类型x和np的组合，通常在负载前端有两个或两个以上的并联电源，负载电流是上述六个类型中一个或多个电流的组合，图10b显示了这个负载的稳态电压和电流波形。类型m因为它们由不同的类型结构组成，所以具有不同的波形。此多样性有利于二级分类，但也增加了提取一级分类中一些共同特征的难度。

通常用于nilm的稳态特征可以分为三组，即时域特征，频域特征和v-i轨迹图形特征，在本实施例中，用于确定负载所属的负载类型的稳态特征也包括时域特征、频域特征和电压电流波形特征这三个特征。这三个特征空间的维数通常在10到15之间可以达到满意的结果。例如，最常用的频域特征包括前10次到15次电压谐波和3次到5次电流谐波之间的相位角位移。尽管利用了上述所有特征，但仍难以区分和识别表3中第二层级的负荷。因此，我们使用多级分类结构对特征集进行选择，该结构将一个复杂的问题分解成几个简单的问题。以下以4种常见的家用电器为例，与现有的通过小波设计和数据挖掘算法对电器识别的效果进行对比分析。两种方法整体分类精度上的对比如图11所示。

从图11的分类结果来看，与传统的oar方法相比，多层级分类方法可以得到更好的分类结果，识别精度均在90％以上，提高了分类的准确性，减少识别的计算复杂性。oar算法对于充电器的识别精度过低的原因在于，np类负载的主电路结构几乎相同，只有在设计dc/dc转换器和电压、电流调节器时，在元件的选择上才会引起细微的差异，如图6中，该差异难以使用fft分析或vi特性进行区分，因此再结合单纯的数据挖掘算法会出现很大偏差。

而本文以np类负载中使用的三种类型的滤波器拓扑结构为例，基于电子电路拓扑结构的差异，三种电流平均值之间存在较为明显的差异，进一步选择一组2级特征来分类np负载的上述变化，对于np类型的电器在启动、停止运行或特殊工作状态时的暂态信息可包括在所有第二层级特征分类中。将第2层级的特征与前三个频域特征相结合，可得到基于多层级结构的特征矢量，结果表明，该特征矢量对识别的过程更简单、更准确。

如图13所示，基于上述方法，本发明实施例还提供了一种基于多层级分类的非侵入式负载识别系统，包括：

数据库构建模块1，用于为需要识别的负载构建数据库，数据库中包括若干种类型的负载；

分类模块2，用于对数据库中的各负载进行多层次结构分类，多层次结构包括负载类型和具体电器；

负载类型识别模块3，用于检测负载的稳态特征，并据此确定负载所属的负载类型；

具体电器识别模块4，用于检测负载的稳态特征、暂态特征和行为模式，并据此确定负载所属的具体电器。

稳态特征为负载的前端电路的稳态特征。稳态特征包括时域特征、频域特征和电压电流波形特征。负载类型包括纯阻性负载、感性负载、不带功率因数校正的负载、带功率因数校正的负载、线性电源、相角可控负载和复杂结构负载。

本系统的各模块与上述方法中的各步骤一一对应，用于执行上述方法中的各步骤，具体工作原理可参考上述方法中对各步骤的描述，在此不再赘述。

本文提出了“模型驱动分类法”的概念，建立了一个完整的mel数据库，提供了一种处理多类型mel的方法；重点在特征提取方面针对不同稳态电流波形和电路拓扑结构之间的关系进行讨论，并与传统识别方法进行对比，结果表明单纯使用数据挖掘算法进行特征识别的局限性，而本文多层级分类方法的识别精度达到90％以上，具有良好的工程应用价值；针对第二层级中具体电器的识别尚需进一步研究。

上述实施例仅为优选实施例，并不用以限制本发明的保护范围，在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。