非侵入式用电行为感知技术探讨

　　摘要：介绍了非侵入式用电行为感知技术框架，对非侵入式用电负荷的采集处理与算法进行了研究，阐述了非侵入式用电行为感知技术的应用情况。

　　关键词：非侵入式用电;行为感知;负荷监测

　　0 引言

　　现阶段我国负荷监测工作在电力系统中的作用越来越重要。传统的负荷监测方法中，负荷配电的输出端以及传感器设备的监测、侵入式监测、负荷维护及设备安装等都需要投入大量的金钱与时间，且硬件维护的成本较高。因此，非侵入式负荷监测方式(NILM)的应用与研究，通过在电力入口处安装监测设备，保证对入口处电压、电流等数据信息的分解与采集，进而获取电力系统内单个负荷的类别与运行状况。

　　用电行为感知技术是一种通过对电力用户负荷入口处的电压、电流等信息进行测量、计算、分析，实现对用户所属环境内部主要用电设备各自的电能消耗进行分类统计的一种全新的负荷监测与计量技术。供电公司利用用电行为感知技术，可以实现全时段、精细化的用户用电行为感知以及用电电器工况监测，支持节能设备改造和优化、错峰用电等业务的开展，提升供电公司精准营销能力。用电行为感知技术目前大致可分为入户式用电行为感知技术和非入户式用电行为感知技术。其中，非入户式用电行为感知技术与载波通信研究密切相关，属于用电信息采集深化應用研究的一个重要方向，其内容就是基于多负荷工作条件，实现对负荷运行情况、类型、数量的管理与监测，如何从监测到的叠加信息中分离出各种负荷信息是非侵入式负荷监测的主要难点。

　　1 非侵入式用电行为感知技术框架

　　非侵入式用电行为感知技术是指无需进行传感器的安装，只需在电表端安装具有用电行为感知监测功能的电能表或终端，通过相应的软件算法即可实现对用户用电行为的智能感知，主要借助电能表、终端等设备，通过数据采集与处理、投切事件检测、负荷特征提取、负荷识别4个步骤，对用户各类负荷情况进行实时监测与分析。其原理框架如图1所示。

　　(1)数据采集与处理。基于传感器采集终端负荷信号，实现对数据降噪以及各类电器信息数据的处理与标准化控制。该操作误差一方面是由于采集测量装置本身具有不确定性，在不同的采集装置处理中，不同使用时间，采集同一个用电设备的测量结果有所不同;另一方面是由于数据传输、压缩等造成数据混乱、丢失等。

　　(2)投切事件检测。对于电器的检测，可以针对实际运行过程中的投切情况以及运转变化情况进行处理，主要是根据负荷特征的变化来判断是否有用电设备投切，在电器的实际运行状态出现变化时，可以看作是新的电器投切变化。

　　(3)负荷特征提取。负荷投切事件的检测是基于对负荷特征的有效提取，而该步骤的重难点就是如何实现对负荷特征的合适选择与提取。

　　(4)负荷识别。根据家庭用电负荷监测数据，如电压、电流信号，通过对信号中特征参数或电气特性分析，可以识别出负荷种类，用户能够恰当安排不同负荷处于不同运行时间，降低电能损耗等。

　　2 非侵入式用电负荷采集处理与算法研究

　　2.1 非侵入式用电负荷采集处理

　　常见的家庭负荷可分为3类：(1)有少量谐波的阻性负荷，如电饭煲、电暖炉等，具有平缓的暂态过程;(2)谐波含量较高的容性负荷，如液晶电视和笔记本电脑等，投切中冲击电流明显;(3)有较高谐波的感性负荷，如荧光灯、洗衣机和空调等。3种类型的负荷供电都是由同一条线路完成，在住宅配电线路进线处安装数据采集装置就能实现用电监测。数据采集过程中因为电流互感器的存在，会出现高斯白噪声，需要采取相关措施进行去噪处理，使用较多的方法是小波去噪处理，可选取小波阈值来进行去噪，其主要过程如下：

　　式中：σ=MAD/0.674 5，MAD为首层小波分解系数绝对值的中间值，0.674 5为高斯噪声标准方差的调整系数;N为信号的尺寸或长度。

　　对小波系数进行非线性阈值处理，为保持信号的整体形状不变，保留所有的低频变换系数对小波系数差值尽可能小，采用硬阈值和软阈值方法进行处理。

　　小波阈值的性能受到其选取与估计两个因素影响，一个是阈值的选取，另一个是对阈值的具体估计。如果阈值太小，降噪后的信号仍然含有噪声，相反如果阈值太大，去噪过程中会滤除原数据信号中重要的信号特征，造成偏差。

　　2.2 非侵入式用电负荷算法研究

　　现阶段负荷识别的主要算法包含基于负荷稳态值以及负荷暂态特征参数的两个重要算法，基于稳态值的计算方式是符合辨识参数的计算而实现的信息数据计算，通过稳态值可以实现对设备信息频率以及计算能力的采集，进而保证计算机计算速度与计算处理能力的提高，增强其辨识度与准确率，在不同负荷状态下实现对电气特性、参数情况、工作状态的分析。而在家庭中，用电入口的功率有无是信号变化的主要原因。在负荷的开关过程中，电流会出现瞬态与暂态的变化，然后基于稳态参数的测量过程，实现对不同稳态条件下参数的测量与设计，获取不同稳态参数，实现对负荷的识别与计算。这种方法的重点就是针对不同负荷情况进行对暂态特性的不同类型选择。

　　通过负荷分解算法中单层与多层两种不同的架构方式，可以实现对不同量以及不同维度特征的辨识与计算。针对计算量较大且难以实现快速分解的情况，应当采用单层分类算法，针对相似性较高且结构更加细致的分解情况时，应当采用多层分解算法。然而，在对每层的特征与样本进行分类选择时，应当从计算量以及设计难度角度进行分析，进而实现有效分类，大幅度降低设计难度、计算量。

　　3 非侵入式用电行为感知技术应用

　　借助非入户式监测终端，通过模式识别、机器学习、大数据算法分析，实时监测识别各类负荷用电数据、运行工况，当发现用电异常时，主动向主站发送报警信号，可以有效保护用户用电安全。同时，利用非侵入式用电行为感知技术，增强物业对各场馆设备负荷的了解，从而合理安排用电设备的使用时间或甩负荷的方式，调节谷峰差，降低网损，达到节能减耗的目的。

　　推荐阅读：电力行业学术期刊有哪些

期刊VIP网，您身边的高端学术顾问

文章名称： 非侵入式用电行为感知技术探讨

文章地址： http://www.qikanvip.com/dianli/52972.html