一种基于智能电表的用电器用电量分类计量方法及装置与流程

本发明涉及家用负荷分类监测计量
技术领域：
，尤其涉及一种基于智能电表的用电器用电量分类计量方法及装置。
背景技术：
：智能电表是智能电网建设的砖石,也是各家各户用电计量终端及用电信息中转站，为实现需求侧管理提供了重要保障，当前，智能电表已经实现分时计量策略，即按高峰用电和低谷用电分别计算电费，但提供的信息有限，虽能在一定程度上规范用户合理用电，但还未实现家用电器用电的分类计量，不能向电力管理部门及用户提供各类用电器的用电明细。目前家用负荷分类监测计量方法分为侵入及非侵入两种，侵入式负荷分类计量方法是在需要进行单独电量计量的各个用电器上单独安装仪表实施计量监测，费用较高且操作复杂。非侵入式负荷分类计量是在电力线入口处安装仪表，从而对电路中的电器总特征进行采集分析，通过信号处理、模式识别、人工神经网络等复杂处理方法来辨别出用电器类别，再实施各类负荷的分类计量。该类方法具有一定的优越性，但是面对复杂多样且功率变化大的家庭用电状况，分类计量和数据识别的难度较大，加上用电环境及电气特点，识别精度不高，并且需要额外安装仪表，较为麻烦。技术实现要素：为了克服现有技术的不足，本发明的目的之一在于提供一种基于智能电表的用电器用电量分类计量方法，其利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。本发明的目的之二在于提供一种基于智能电表的用电器用电量分类计量系统，其利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。本发明的目的之三在于提供一种智能电表，其能采集电路的电能参数，并进行傅里叶变换，当监测到电路中的功率的波动超过预设值时，则计算当次采集的数据与前一次采集的数据的傅里叶级数的谐波系数的变化量以生成用电器谐波特征矩阵，并对应生成告警信息上传至后台服务器，以供进行用电器用电量分类计量。本发明的目的之四在于提供一种后台服务器，其利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。本发明的目的之五在于提供一种计算机可读存储介质，该存储介质中的程序运行时可实现利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。本发明的目的之一采用如下技术方案实现：一种基于智能电表的用电器用电量分类计量方法，包括以下步骤：接收智能电表上传的告警信息，所述告警信息包括用电器谐波特征矩阵、谐波增减标识以及告警时间，所述用电器谐波特征矩阵为智能电表所采集的当次电流数据相对于前一次电流数据的多次谐波系数变化量；将所述用电器谐波特征矩阵输入到训练好的svm识别模型进行用电器识别以得到用电器类型；根据所述谐波增减标识确定当次告警信息中的用电器的操作状态，所述操作状态具有两种，分别为用电器插入和用电器移除；将所述用电器类型、用电器的操作状态以及告警时间作为一条用电器变动信息存入数据库中；获取数据库中在预设时间段范围内的所有的用电器变动信息，根据所有的用电器变动信息确定在该预设时间段范围内各个用电器的运行功率和运行时间从而计算出各个用电器的能耗，所述能耗等于所述运行功率与所述运行时间之积。进一步地，还包括步骤：建立svm识别模型并通过样本数据进行训练以使所述svm识别模型可根据用电器谐波特征矩阵识别出对应的用电器类型，其中，所述样本数据为在各类用电器接入电路或者移出电路时通过电表采集得到的并人工标记有对应的用电器类型的用电器谐波特征矩阵样本数据。进一步地，所述svm识别模型采用rbf核，正则化参数c和参数gamma设为100。进一步地，用电器的运行功率为该用电器波动范围内的n个功率值经过均值滤波处理后的平均值。进一步地，按照预设时间段范围内的各用电器的投切情况，用电器的运行时间的计算方式分为以下情形：(1)在时间段t内，该用电器在时间段t内的插入次数与移除次数相同，且依次先出现先插入后移除，该用电器的运行时间的计算公式如下：其中t_(i_e)表示该用电器在时间段t内第i次从电路中移除时间点，t_(i_s)表示该用电器第i次接入电路时间点；(2)在时间段t内，该用电器插入次数与移除次数相同，但第一次记录出现为移除该用电器，最后一次记录为插入该用电器，中间依次先出现插入后再移除，该用电器的运行时间的计算公式如下：(3)在时间段t内，该用电器接入电路次数大于该用电器移除次数，该用电器的运行时间的计算公式如下：(4)在时间段t内，该用电器移除次数大于用电器接入次数，该用电器的运行时间的计算公式如下：(5)在时间段t内，该用电器无任何记录，该用电器的运行时间为0。进一步地，所述智能电表上传所述告警信息的过程为：周期性采集总电路的电能参数，对所采集的电流数据进行傅里叶变换；判断当次采集得到的功率与前一次采集得到的功率之间的差值是否超过功率波动预设阈值；若否，则结束当前流程；若是，则根据当次所采集的电流数据和前一次所采集的电流数据计算预设次数的谐波系数变化量以得到用电器谐波特征矩阵；根据所述谐波系数变化量确定谐波的增减情况以生成谐波增减标识，以当次采集到电流数据时的时间为告警时间；将所述用电器谐波特征矩阵、所述谐波增减标识以及所述告警时间进行信息组帧以生成告警信息并上传至后台服务器。本发明的目的之二采用如下技术方案实现：一种基于智能电表的用电器用电量分类计量系统，包括智能电表和后台服务器，所述智能电表可采集总电路的电能参数并生成告警信息并上传至后台服务器，所述告警信息包括用电器谐波特征矩阵、谐波增减标识以及告警时间；所述后台服务器可执行如上所述的基于智能电表的用电器用电量分类计量方法。本发明的目的之三采用如下技术方案实现：一种智能电表，包括处理器和存储器，所述存储器存储有可执行计算机程序，所述处理器可读取所述存储器中的计算机程序并运行以实现以下方法：周期性采集总电路的电能参数，对所采集的电流数据进行傅里叶变换；判断当次采集得到的功率与前一次采集得到的功率之间的差值是否超过功率波动预设阈值；若否，则结束当前流程；若是，则根据当次所采集的电流数据和前一次所采集的电流数据计算预设次数的谐波系数变化量以得到用电器谐波特征矩阵；根据所述谐波系数变化量确定谐波的增减情况以生成谐波增减标识，以当次采集到电流数据时的时间为告警时间；将所述用电器谐波特征矩阵、所述谐波增减标识以及所述告警时间进行信息组帧以生成告警信息并上传至后台服务器。本发明的目的之四采用如下技术方案实现：一种后台服务器，所述后台服务器包括处理器和存储器，所述存储器中存储有可执行计算机程序，所述处理器可读取所述存储器中的可执行计算机程序并运行以实现如上所述的基于智能电表的用电器用电量分类计量方法。本发明的目的之五采用如下技术方案实现：一种计算机可读存储介质，所述计算机可读存储介质存储有可执行计算机程序，所述计算机程序运行时可实现如上所述的基于智能电表的用电器用电量分类计量方法。相比现有技术，本发明的有益效果在于：该基于智能电表的用电器用电量分类计量方法利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。附图说明图1为本发明提供的一种基于智能电表的用电器用电量分类计量方法的流程示意图；图2为本发明提供的一种智能电表的工作流程图；图3为本发明提供的svm识别模型的建立流程图；图4为svm识别模型的不同取值的正则化参数c和gamma参数对应的精度变化图；图5为本发明提供的用电器投切记录示例图；图6为在各用电器在1h内的插入次数与移除次数相同，且依次先出现插入后再移除的情况时，采用本发明提供的一种基于智能电表的用电器用电量分类计量方法进行分类计量的结果示意图；图7为在各用电器在1h内的插入次数与移除次数相同，但存在用电器第一次记录为移除该用电器，最后一次记录为插入该用电器，中间依次先出现插入后再移除的情况时，采用本发明提供的一种基于智能电表的用电器用电量分类计量方法进行分类计量的结果示意图；图8为在存在用电器在1h内的插入次数与移除次数不同，且接入电路次数大于该用电器移除次数的情况时，采用本发明提供的一种基于智能电表的用电器用电量分类计量方法进行分类计量的结果示意图；图9为在存在用电器在1h内的插入次数与移除次数不同，且该用电器移除电路次数大于该用电器接入次数的情况时，采用本发明提供的一种基于智能电表的用电器用电量分类计量方法进行分类计量的结果示意图。具体实施方式下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。请参阅图1，一种基于智能电表的用电器用电量分类计量方法，包括以下步骤：s1、接收智能电表上传的告警信息，所述告警信息包括用电器谐波特征矩阵、谐波增减标识以及告警时间，所述用电器谐波特征矩阵为智能电表所采集的当次电流数据相对于前一次电流数据的多次谐波系数变化量；s2、将所述用电器谐波特征矩阵输入到训练好的svm识别模型进行用电器识别以得到用电器类型；s3、根据所述谐波增减标识确定当次告警信息中的用电器的操作状态，所述操作状态具有两种，分别为用电器插入和用电器移除；s4、将所述用电器类型、用电器的操作状态以及告警时间作为一条用电器变动信息存入数据库中；s5、获取数据库中在预设时间段范围内的所有的用电器变动信息，根据所有的用电器变动信息确定在该预设时间段范围内各个用电器的运行功率和运行时间从而计算出各个用电器的能耗，所述能耗等于所述运行功率与所述运行时间之积。该基于智能电表的用电器用电量分类计量方法利用智能电表的数据采集、数据分析、数据传输以及电量计量的基本功能，通过智能电表来获取用电器的谐波特征矩阵，并通过svm识别模型来识别出对应的用电器，从而实现家用电器的用电量分类计量。需要说明的是，通常用电设备正常工作稳态电流存在一定的统计规律特性，而且根据基尔霍夫电流定律，一个入口节点的电流由各个出口支路的电流线性叠加得到。但是，在时域上并不是简单的幅值相加，还需要考虑到各个用电设备的相位。如果仅仅根据时域上的电流电压等电能参数来进行用电器识别的话，识别准确率较低。在本发明所提供的分类计量方法中，引入了信号的频域表达理论，将电流信号用一组谐波特征进行表征，以此作为用电设备特征，即用电器谐波特征矩阵，从而提高了用电器识别准确率。作为一种优选的实施方式，还包括步骤：建立svm识别模型并通过样本数据进行训练以使所述svm识别模型可根据用电器谐波特征矩阵识别出对应的用电器类型，其中，所述样本数据为在各类用电器接入电路或者移出电路时通过电表采集得到的并人工标记有对应的用电器类型的用电器谐波特征矩阵样本数据。具体地，svm识别模型的建立与训练过程如下：使用电表对各类用电器进行数据采集，并进行人为标记，建立用电器特征信息库，后使用svm分类器进行分类训练，选取最优模型参数，建立识别模型，具体流程如图3所示。其中，核支持向量机(svm)是非常强大的模型，在各种数据集上的表现都很好，svm允许决策边界很复杂，即使数据只有几个特征，它在低维数据和高维数据上的表现都很好，基于svm的负荷识别的本质，即通过选择核函数，将训练样本映射到高维特征空间再利用svm在样本特征空间中找出各类别的特征样本与其他特征样本的最优分类超平面，从而得到代表各样本特征的支持向量集。核svm的重要参数是正则化参数c、核的选择以及与核相关的参数，本方法中主要使用的是rbf核，rbf核只有一个参数gamma,它是高斯核宽度的倒数，gamma和c控制的都是模型的复杂度，较大的值都对应更为复杂的模型，因此，这两个参数的设定通常是强烈相关的，应该同时调节，此处通过网格遍历法选出最优参数组合。由图4可知，当c＝100，gamma＝100时，未出现过拟合或欠拟合的情况，训练精度与测试精度均为99％，故将此作为最优参数组合配置到模型中，完成识别模型建立。在规定时间段内，各类用电器的投切情况，如果能够获取在该时间段内各种用电器的工作功率及工作总时间，即可实现分类计量。其中用电器在工作过程中，实际功率不一定等于额定功率，主要包括以下原因：(1)额定功率是根据产品设计参数，厂家提供的一个最合理的参考值，产品生产的不一致性本身就会造成不同产品个体有误差和偏离。(2)实际功率是由外加电压作用于用电器产生的，外加电压本身就可能偏离电器的额定电压，也会造成实际功率的偏离。(3)额定功率是产品在指定工作条件下的参考值，如果工作条件变化，就会造成实际功率变化。基于以上原因，本方案选取该功率波动范围内n个功率值经过均值滤波后的平均值作为该用电器的实际运行功率。设某用电器的波动范围内n个点的功率值为pi(i＝1，2，3…n)，对以pi为中心的3×3邻域中9个值zj(j＝1，2，3…9)之和除以9处理代替pi，记为ri，则因此该用电器的运行功率p由下式可得：进一步地，通过查找数据库能够获取待查时间段内的各用电器的投切情况，如图5所示，由此可求各类用电器的运行时间t，以某一用电器为例，实际情况下待查时间段内该用电器投切有多种类型，按照预设时间段范围内的各用电器的投切情况，用电器的运行时间的计算方式分为以下情形：(1)在时间段t内，该用电器在时间段t内的插入次数与移除次数相同，且依次先出现先插入后移除，该用电器的运行时间的计算公式如下：其中t_(i_e)表示该用电器在时间段t内第i次从电路中移除时间点，t_(i_s)表示该用电器第i次接入电路时间点；(2)在时间段t内，该用电器插入次数与移除次数相同，但第一次记录出现为移除该用电器，最后一次记录为插入该用电器，中间依次先出现插入后再移除，该用电器的运行时间的计算公式如下：(3)在时间段t内，该用电器接入电路次数大于该用电器移除次数，该用电器的运行时间的计算公式如下：(4)在时间段t内，该用电器移除次数大于用电器接入次数，该用电器的运行时间的计算公式如下：(5)在时间段t内，该用电器无任何记录，该用电器的运行时间为0。通常用电设备正常工作稳态电流存在一定的统计规律特性，而且根据基尔霍夫电流定律，一个入口节点的电流由各个出口支路的电流线性叠加得到。但是，在时域上并不是简单的幅值相加，还需要考虑到各个用电设备的相位。如果仅仅根据时域上的电流电压等电能参数来进行用电器识别的话，识别准确率较低，因此为提高用电器识别准确率，这里引入信号的频域表达理论，将电流信号用一组谐波特征进行表征，以此作为用电设备特征，实现流程如图2所示，具体地，所述智能电表上传所述告警信息的过程为：周期性采集总电路的电能参数，对所采集的电流数据进行傅里叶变换；判断当次采集得到的功率与前一次采集得到的功率之间的差值是否超过功率波动预设阈值；若否，则结束当前流程；若是，则根据当次所采集的电流数据和前一次所采集的电流数据计算预设次数的谐波系数变化量以得到用电器谐波特征矩阵；根据所述谐波系数变化量确定谐波的增减情况以生成谐波增减标识，以当次采集到电流数据时的时间为告警时间；将所述用电器谐波特征矩阵、所述谐波增减标识以及所述告警时间进行信息组帧以生成告警信息并上传至后台服务器。本方法中使用fft(快速傅里叶变换)来实现电流的时域到频域的转换，考虑到通用智能电表的功能局限性和经济成本，同时又能满足波形失真的要求，此处计算到10次谐波特征即可。根据傅立叶级数性质，无论电流波形变得多么复杂，都可以将其解构成一系列简单的正弦曲线，这些正弦曲线以基频的整数倍频率出现：假设任意形状电流波形i(ωt)的周期为t＝2π/ω，可分解为：其中a0、an、bn称为傅里叶级数的系数，a0为直流分量，n对应n次谐波。求解过程如下：由上面10次谐波特征的要求，依次把n从0到9取值代入，计算得电流的10次谐波特征矩阵f。设置功率波动阈值为30w，即当功率波动在30w范围内，视为电路中正常波动，不做进一步处理，当电表检测到电路中产生功率波动超过波动阈值，即视为电路中有用电器被操作。功率波动计算公式如下：其中，表示功率波动前电路中的总功率，表示产生功率波动后的电路总功率，当δp大于30，此时通过功率波动前后的两个电流的10次谐波特征矩阵相减取绝对值后得到导致产生功率波动的用电器谐波特征矩阵，即：同时，记录10次谐波的增减情况，即生成谐波增减标识，当的基波大于的基波，此时电路中电流增大，表明有新用电器接入，当的基波小于的基波，此时电路中电流减小，表明电路中有用电器移除，以此来判定产生的功率告警是用电器的接入还是移除。最后将增量fft数据(用电器谐波特征矩阵)、谐波增减标识、告警时间等相关电能参数进行信息组帧后上报至后台服务器。通过智能电表上传的告警信息与预先建立的svm模型进行用电器判别，将识别结果、用户操作及告警时间存入数据库，通过数据库查询在规定时间段内的各类用电器的投切情况，获取在该时间段内各种用电器的工作功率及工作总时间，联合计量策略即可实现各类用电器的单独耗能量计算。采用具有上述用电器特征获取功能的智能电表以及安装有svm识别模型的可实现本发明所提供的基于智能电表的用电器用电量分类计量方法的后台服务器进行实例验证，选取5类常用家庭用电器，具体包括空调、热水壶、电吹风、电热棒、电风扇，其中电吹风含有2类档位，对应不同功率，因此识别及计算过程中，对不同档位进行区分。各类用电器运行功率如表格1所示，现针对用电器分类计量策略中，出现情况依次展开实验，为保证实验精确度高，将每次实验时间段定为1h，利用分类计量后的各用电器耗能累加和w预测总与实际耗能量w实际总进行对比分析，其中实际耗能量w实际总可由电表直接读出，观察误差结果，并进行原因分析。表格1用电器运行功率(w)用电器类型功率最小值功率最大值平均值电吹风1档597.77599.78598.78电吹风2档1848.471851.701850.09热水壶1730.071732.741731.41电热棒885.30886.24885.77空调1207.551284.401245.98电风扇128.22130.08129.15具体实例验证情形具有以下四种：(1)各用电器在1h内的插入次数与移除次数相同，且依次先出现插入后再移除。各用电器的识别结果具体如表格2所示：表格2识别记录(mongodb导出)由上识别记录可知在该时间段内，各类用电器满足投切匹配，通过对应的公式求得各类用电器实际运行时间，再由用电器运行功率表获取pa，从而求得各用电器耗电量，用电情况如图6所示。(2)各用电器在1h内的插入次数与移除次数相同，但存在用电器第一次记录为移除该用电器，最后一次记录为插入该用电器，中间依次先出现插入后再移除。各用电器的识别结果具体如表格3所示，其用电情况如图7所示。表格3识别记录(mongodb导出)(3)存在用电器在1h内的插入次数与移除次数不同，且接入电路次数大于该用电器移除次数。各用电器的识别结果具体如表格4所示，其用电情况如图8所示。表格4识别记录(mongodb导出)表号识别结果告警时间8901插入热水壶2019/8/2116:08:118901插入电热棒2019/8/2116:09:328901拔出热水壶2019/8/2116:10:578901插入电吹风2档2019/8/2116:11:288901拔出电吹风2档2019/8/2116:19:308901插入落地扇(加强风3档)2019/8/2116:19:568901插入空调2019/8/2116:20:458901插入热水壶2019/8/2116:23:488901拔出电热棒2019/8/2116:25:338901拔出热水壶2019/8/2116:27:578901插入电吹风1档2019/8/2116:28:358901拔出电吹风1档2019/8/2116:34:078901插入电热棒2019/8/2116:36:108901拔出落地扇(加强风3档)2019/8/2116:48:238901拔出空调2019/8/2116:59:008901拔出电热棒2019/8/2117:03:008901插入热水壶2019/8/2117:07:53(4)存在用电器在1h内的插入次数与移除次数不同，且该用电器移除电路次数大于该用电器接入次数。各用电器的识别结果具体如表格5所示，其用电情况如图9所示。表格5识别记录(mongodb导出)以上四类实验结果表明通过分类计量获得的预测值累加耗电量与电表实际计量耗电量存在误差，具体情况如表6所示。理论上w实际总＝w预测总，但在实际情况下，会由于以下几种情况，导致误差产生：(1)用电器的实际工作功率为波动状态，并不是稳定于平均值。(2)数据上报及识别过程的存在耗时，导致用电器实际工作时间与计算出的工作时间存在一定的误差。(3)计算过程及精度换算造成误差。但从实验结果可知误差均控制在4％以内，可见在一定误差的允许范围内，则可认为本方法较好的实现了家用电器的用电量分类计量。表格6误差对比(kwh)本发明还提供了一种基于智能电表的用电器用电量分类计量系统，包括智能电表和后台服务器，所述智能电表可采集总电路的电能参数并生成告警信息并上传至后台服务器，所述告警信息包括用电器谐波特征矩阵、谐波增减标识以及告警时间；所述后台服务器可执行如上所述的基于智能电表的用电器用电量分类计量方法。具体地，该系统中的智能电表，包括处理器和存储器，所述存储器存储有可执行计算机程序，所述处理器可读取所述存储器中的计算机程序并运行以实现以下方法：周期性采集总电路的电能参数，对所采集的电流数据进行傅里叶变换；判断当次采集得到的功率与前一次采集得到的功率之间的差值是否超过功率波动预设阈值；若否，则结束当前流程；若是，则根据当次所采集的电流数据和前一次所采集的电流数据计算预设次数的谐波系数变化量以得到用电器谐波特征矩阵；根据所述谐波系数变化量确定谐波的增减情况以生成谐波增减标识，以当次采集到电流数据时的时间为告警时间；将所述用电器谐波特征矩阵、所述谐波增减标识以及所述告警时间进行信息组帧以生成告警信息并上传至后台服务器。该系统的后台服务器包括处理器和存储器，所述存储器中存储有可执行计算机程序，所述处理器可读取所述存储器中的可执行计算机程序并运行以实现如上所述的基于智能电表的用电器用电量分类计量方法。本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有可执行计算机程序，所述计算机程序运行时可实现如上所述的基于智能电表的用电器用电量分类计量方法。该计算机可读存储介质存储有计算机程序，本发明的方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在该计算机存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机存储介质不包括电载波信号和电信信号。上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。当前第1页12