一种非侵入式的家用电吹风辨识方法与流程

本发明涉及电力系统检测领域，特别是涉及一种非侵入式的家用电吹风辨识方法。

背景技术：

随着我国的快速发展，城市人们的生活水平大幅提高，居民用电占全社会用电的比重越来越高。故对住宅建筑的能耗进行监测是充分发挥住宅建筑节能潜力的基础工作，其将有助于提高能源的利用效率，从而减少能源开支，缓解能源供应压力，促进社会的可持续发展。

非侵入式负荷监测技术是进行住宅建筑能耗监测的一/种手段，对于电力用户和电力公司都具有相当重要的实用意义：可以使用户能够使其更为详细的了解各类用电设备在不同时段的电能消耗情况，根据用电设备的电能消耗情况，合理调整用电设备的使用。通过对比分析不同负荷的能耗，有针对性地购买更为节能的设备。除此之外，还能够检验用户制定的节能计划以及购买的节能装备的节能成效。从而使电力用户能够在不影响其正常的生产、生活的前提下，降低电能消耗，减少电费开支。

对于电力公司来说，非侵入式负荷监测技术有助于电力公司更为真实的了解电力系统的负荷组成，建立更为精确的电力负荷模型，提取出总负荷中具备需求响应能力的负荷(弹性负荷)，并研究出其需求响应能力和空间，进而对需求侧响应起到指导作用；同时也可以在电价激励机制下，引导用户主动参与“削峰填谷”行为，从而降低系统的运行网损，为提高电网利用效率提供理论依据；还可帮助电力系统将隐藏在居民负荷中享受居民电价的小型商业用户识别出来，实现盗电监督，规范负荷用电行为，从而保护电力系统的经济利益。

技术实现要素：

本发明实施例所要解决的技术问题在于，提供一种非侵入式的家用电吹风辨识方法，解决从家用负荷识别需要的负荷特征针对典型家用电器设备对其电气特征进行分析，识别家用电吹风的技术问题。

本发明的一方面，提供一种非侵入式的家用电吹风辨识方法，包括：

步骤s1,通过采集装置采集电压数据、电流数据，运用离散傅里叶变换的方法进行处理，计算电压、电流基波及各次谐波含量；

步骤s2,根据电压、电流基波及各次谐波含量的数值，计算电压、电流谐波含有率；

步骤s3,计算电流总谐波畸变率；

步骤s4，计算基波有功功率、基波无功功率；

步骤s5,根据家庭电力入口处负载的变化进行家用电器负荷投切状态的识别和家用电器负荷类型的识别。

进一步，在步骤s1中，所述运用离散傅里叶变换的方法进行处理具体过程为，将电压一个周期的采样序列kv，按奇/偶分为两组，其中，k＝0，1，2，……，n-1。

进一步，所述电压一个周期具体为，采样频率12.8khz对应每周期n＝256个采样点数。

进一步，在步骤s1中，根据以下公式，计算电压、电流基波及各次谐波含量：

其中，n为对应每周期内的采样点数，kv为采样序列，k为采集序列数值。

进一步，所述计算电压、电流基波及各次谐波含量还包括，不断循环往复，可以把256点的dft变换转化为8级级联的蝶形运算，根据以下公式计算得到变换后的序列v(k)其中反映第h次谐波的项为：

进一步，在步骤s2中，根据以下公式计算电压、电流谐波含有率；

其中，hrih为第h次谐波电流含有率，hruh为第h次谐波电压含有率。

进一步，在步骤s3中，根据以下公式计算电流总谐波畸变率：

其中，tdhi为电流总谐波畸变率。

进一步，所述在步骤s4中，根据以下公式计算电流总谐波畸变率：

其中，p1为基波有功功率，q1为基波无功功率，φ1为基波电压、电流相位差。

进一步，在步骤s5中，所述根据家庭电力入口处负载的变化进行家用电器负荷投切状态的识别和家用电器负荷类型的识别具体过程为，g0⁺的初始值为零，当检测窗口md均值大于mm+β时，g+⁺开始大于零，且0＜gk⁺＜h时，则判定此时有事件发生的可能，进一步，引入时间延迟因子d其中，d的初始值为0，当0＜gk⁺＜h时，令d＝d+1，计算gk+d⁺直至gk+d⁺＞h，则发生的时刻根据k+m-d倒推得出。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的非侵入式的家用电吹风辨识方法，电器设备运行时表现出的电气特性是进行非侵入式负荷识别的重要依据，本发明从家用负荷识别需要的负荷特征入手，针对典型家用电器设备对其电气特征进行分析，建立一种判断准确度高、计算速度快的辨识算法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明提供的非侵入式的家用电吹风的电器特征示意图。

图2为本发明提供的非侵入式的家用电吹风辨识方法的主流程示意图。

图3为本发明提供的非侵入式的家用电吹风辨识方法的逻辑示意图。

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，下面将结合附图对本发明作进一步地详细描述。

电吹风具有开-低档-高档-关四态，采集家用电吹风单次的完整工作过程的电压、电流波形数据进行分析，其电气特征如图1所示，(a)为低档时电压、电流波形；(b)，为低档时电压、电流谐波含有率；(c)，高档时电压、电流波形；(d)，高档时电压、电流谐波含有率；(e)，基波有功率曲线；(f)，基波功率因数曲线。在图中，稳态时刻的电压、电流波形选自基波有功功率曲线中箭头所指的时刻，负荷稳定工作时的电压、电流波形所选取的时刻均按照此方法进行标注。从图1中可以看出，家用电吹风稳态工作时电压和电流波形同相位，基波功率因数为1；家用电吹风处于低档时，为半波工作状态，此时电流的各次谐波含有率如图1中(b)所示，显然，偶次谐波分量含有率达到了40％以上；从图1中(c)可以看出当挂烫机处于高档时，其工作特性较为稳定。同时，在两种状态下的基波功率因数均为1。

本申请提供的非侵入式的家用电吹风辨识方法，如图2所示，为本发明提供的一种非侵入式的家用电吹风辨识方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：

步骤s1,通过采集装置采集电压数据、电流数据，运用离散傅里叶变换的方法进行处理，计算电压、电流基波及各次谐波含量；

具体一个实施例中，由于采集装置采集到的电压、电流数据是离散的，需运用离散傅里叶变换的方法进行处理。以电压一个周期(采样频率12.8khz对应每周期n＝256个采样点数)的采样序列kv(k＝0，1，2，……，n-1)为例，按奇、偶将其分为两组,经过计算可得：

其中，n为对应每周期内的采样点数，kv为采样序列，k为采集序列数值；依此原则不断循环往复，可以把256点的dft变换转化为8级级联的蝶形运算。由此可得变换后的序列v(k)其中反映第h次谐波的项为：

步骤s2,根据电压、电流基波及各次谐波含量的数值，计算电压、电流谐波含有率；

具体一个实施例中，根据国家标准中对谐波含有率的定义，第h次谐波电流含有率以hrih表示，第h次谐波电压含有率以hruh表示；第h次谐波电流、电压含有率的计算公式如下所示：

其中，hrih为第h次谐波电流含有率，hruh为第h次谐波电压含有率。

步骤s3,计算电流总谐波畸变率；

具体一个实施例中，电流总谐波畸变率以tdhi表示，计算公式为：

步骤s4，计算基波有功功率、基波无功功率；

具体一个实施例中，基波有功、无功功率的计算公式为：

其中，p1为基波有功功率，q1为基波无功功率，φ1为基波电压、电流相位差。

步骤s5,根据家庭电力入口处负载的变化进行家用电器负荷投切状态的识别和家用电器负荷类型的识别；

具体一个实施例中，如图3所示，首先是根据家庭电力入口处负载曲线的变化来进行家用电器负荷投切状态的识别；其次是家用电器负荷类型的识别。以检测负荷投入事件检测为例说明此算法的原理。g0⁺的初始值为零，当检测窗口md均值大于mm+β时gk⁺开始大于零，且0＜gk⁺＜h时，说明此时有事件发生的可能，但是累计的变化量尚未到确定事件发生的程度。为了使滑动窗继续滑动检测是否有投入事件发生，此时引入时间延迟因子d(d的初始值为0)，当0＜gk⁺＜h时，令d＝d+1，计算gk+d⁺直至gk+d⁺＞h，则发生的时刻根据k+m-d倒推得出。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的非侵入式的家用电吹风辨识方法，电器设备运行时表现出的电气特性是进行非侵入式负荷识别的重要依据，本发明从家用负荷识别需要的负荷特征入手，针对典型家用电器设备对其电气特征进行分析，建立一种判断准确度高、计算速度快的辨识算法。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。