非侵入式負(fù)荷辨識技術(shù)研究及應(yīng)用

張繼東 陳雪薇 徐述 馬安安

摘要：為了進(jìn)一步細(xì)分電力用戶的用能習(xí)慣，輔助國家能源規(guī)劃和調(diào)度，需要研究各類設(shè)備的具體能耗水平。據(jù)此，分析了不同類別電器的工作模式和電力負(fù)荷特征，并基于電器特征信號提出了一種改進(jìn)的負(fù)荷辨識算法，通過對負(fù)荷的提取辨識，研究了負(fù)荷分類模型和實(shí)現(xiàn)機(jī)制。通過設(shè)計(jì)研發(fā)非侵入式負(fù)荷辨識電能表，實(shí)現(xiàn)了負(fù)荷精準(zhǔn)辨識。

關(guān)鍵詞：非侵入式;負(fù)荷辨識;事件檢測;分類器

0 引言

黨的十九大指出，當(dāng)前社會的主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾。為響應(yīng)國家號召，國網(wǎng)公司積極構(gòu)建以客戶為中心的新型供電服務(wù)體系，于2018年初發(fā)布了《國家電網(wǎng)公司關(guān)于堅(jiān)持以客戶為中心進(jìn)一步提升優(yōu)質(zhì)服務(wù)水平的意見》（國家電網(wǎng)辦〔2018〕1號），提出了“客戶服務(wù)能力在能源行業(yè)領(lǐng)先、客戶服務(wù)感知和服務(wù)滿意度在公共服務(wù)行業(yè)領(lǐng)先”的發(fā)展目標(biāo)。

當(dāng)前，國網(wǎng)公司用電客戶中居民用戶達(dá)4.1億戶，占總客戶數(shù)的88.9%。同時，隨著我國城鎮(zhèn)居民生活水平的提高，居民用戶負(fù)荷呈高速增長態(tài)勢，用電行為日趨復(fù)雜，居民用戶對精準(zhǔn)精益用能的服務(wù)訴求不斷增長。智能電能表作為智能電網(wǎng)的基礎(chǔ)性、關(guān)鍵性資產(chǎn)，既是用戶計(jì)量結(jié)算的依據(jù)，又是用戶用電信息交互的窗口[1-3]。通過開展智能電能表數(shù)據(jù)深化應(yīng)用和智能量測體系建設(shè)，深度挖掘用電信息采集系統(tǒng)功能，可有效促進(jìn)以客戶為中心的新型供電服務(wù)體系建成。

在上述背景下，計(jì)量專業(yè)積極開展負(fù)荷辨識電能表研發(fā)及應(yīng)用，以期實(shí)現(xiàn)居民用電設(shè)備組成和能耗全時段精確辨識，為客戶提供節(jié)能診斷、用電安全隱患辨識、電器壽命預(yù)測、電器使用率統(tǒng)計(jì)等增值服務(wù);同時，通過引導(dǎo)用戶科學(xué)合理用電，降低電網(wǎng)峰谷差，推動節(jié)能減排。

1 電器負(fù)荷特征提取

居民電力負(fù)荷在運(yùn)行以及開啟和關(guān)斷的過程中，因工作原理的不同而具有不同的運(yùn)行特性和啟停特性，可以據(jù)此對居民電力負(fù)荷進(jìn)行有效辨識分解，這構(gòu)成了非侵入式辨識的基礎(chǔ)，負(fù)荷的運(yùn)行特性和啟停特性被稱為“辨識特征量”[4-6]。

在實(shí)際工作中，采樣數(shù)據(jù)都是離散值，所以采用的有功功率計(jì)算公式如下：

式中：m為有功功率序列P的計(jì)算時間窗口所含工頻周期數(shù)目;N為一個工頻周期包含的電流、電壓采樣點(diǎn)數(shù)目，N=fs/50，fs為電流、電壓的采樣頻率;uk、ik為離散的電壓和電流序列。

基于以上計(jì)算，可以實(shí)現(xiàn)基于本地裝置的用戶功率數(shù)據(jù)提取。

非侵入式負(fù)荷辨識技術(shù)非常依賴數(shù)據(jù)，因此首先需要采集電器負(fù)荷數(shù)據(jù)，建設(shè)負(fù)荷特征庫[7]。家庭負(fù)荷種類繁多，工作模式迥異，采集得到的原始數(shù)據(jù)量相當(dāng)龐大，需要對其進(jìn)行特征提取，然后進(jìn)行分類與管理。

根據(jù)居民負(fù)荷原始數(shù)據(jù)，可從負(fù)荷功率特性、諧波特性、沖擊特性等多種角度進(jìn)行數(shù)據(jù)特征分析。例如，電磁爐、微波爐的主要特征是諧波，圖1分別是4臺不同電磁爐的負(fù)荷特征數(shù)據(jù)。

分析圖1數(shù)據(jù)可以發(fā)現(xiàn)，電磁爐直流分項(xiàng)可以忽略不計(jì)，諧波排序大致會出現(xiàn)奇次（4、5、6）—偶次（1、2、3）的排序，這些諧波分量均可以作為分類器的一個輸入特征向量。

2 負(fù)荷辨識算法

負(fù)荷辨識算法的核心有兩個：一是事件檢測，幾乎全部現(xiàn)有算法均需要用事件檢測來區(qū)分負(fù)荷投切前后的穩(wěn)態(tài)和暫態(tài)區(qū)段，并在此基礎(chǔ)上執(zhí)行后續(xù)計(jì)算;二是分類器，即負(fù)荷識別模型，基于機(jī)器學(xué)習(xí)算法的分類器是最優(yōu)選擇[8]。

事件檢測算法有很多，本文主要研究改進(jìn)雙邊累積和（Cumulative Sum，CUSUM）檢測算法，主要改進(jìn)點(diǎn)在于引進(jìn)一個伸縮因子，以使CUSUM算法可以適應(yīng)不同功率水平下的負(fù)荷事件檢測需求。原始CUSUM算法原理是，考慮采樣序列X={x（k）}，（k=1，2，…），非參數(shù)化雙邊CUSUM的統(tǒng)計(jì)量g定義如下：

根據(jù)上述統(tǒng)計(jì)量，負(fù)荷事件判斷過程如下：正向統(tǒng)計(jì)函數(shù)值是否大于統(tǒng)計(jì)閾值，若是則為投入負(fù)荷事件;負(fù)向統(tǒng)計(jì)函數(shù)值是否大于統(tǒng)計(jì)閾值，若是則為切除負(fù)荷事件。

在實(shí)際測試過程中，數(shù)據(jù)異常、快速誤操作、拉弧沖擊電流等可能引起檢測錯誤的問題。例如，數(shù)據(jù)異常點(diǎn)會多檢測出一個負(fù)荷切除事件;快速誤操作會多檢測出一個電器;拉弧沖擊電流則比較復(fù)雜，可能會檢測出多個連續(xù)的負(fù)荷投入或切除事件。上述異常可能導(dǎo)致算法邏輯崩潰，因此還需要加強(qiáng)事件檢測算法的魯棒性，對檢測結(jié)果做適當(dāng)修正。

修正邏輯為：

（1）若某負(fù)荷切除事件集合的左邊界小于某負(fù)荷投入事件的右邊界，且負(fù)荷切除事件后窗與某投入事件的前窗均值差大于設(shè)定閾值，則連接兩個事件，并修正為負(fù)荷投入事件;

（2）若某負(fù)荷切除事件集合是某負(fù)荷投入事件集合的真子集，則刪除該切除事件。

與現(xiàn)有的兩步方差法和CUSUM算法相比，本文所提方法對常規(guī)負(fù)荷事件檢測準(zhǔn)確度有很大改善，對緩升型和沖擊型事件檢測精度有顯著提高，算法容錯性好。

3 負(fù)荷分類器

采用支持向量機(jī)分類器，根據(jù)電器啟停時刻的電氣特征量變化對電器進(jìn)行分類，實(shí)現(xiàn)電器種類辨識。以下簡單介紹SVM線性分類器的基本原理。

在訓(xùn)練非線性SVM分類器時，若允許分類器在訓(xùn)練樣本上存在一定的分類錯誤率，降低分類器在測試樣本上的泛化誤差，還需要加入一個正則化項(xiàng)C。基于SVM分類可得到如圖2所示的分類結(jié)果，基于該結(jié)果可根據(jù)不同的采樣結(jié)果對負(fù)荷進(jìn)行分類識別。

4 實(shí)驗(yàn)分析及現(xiàn)場應(yīng)用

非侵入式負(fù)荷辨識電能表采用多芯模組的設(shè)計(jì)，采用計(jì)量核心、控制核心和負(fù)荷辨識核心構(gòu)成三芯協(xié)同的硬件框架。

多芯模組的劃分主要以功能為導(dǎo)向。計(jì)量核心采用片上系統(tǒng)（System on Chip，SoC）設(shè)計(jì)方案，負(fù)責(zé)將用戶側(cè)總線上的電壓和電流經(jīng)由互感器、調(diào)理電路和模數(shù)轉(zhuǎn)換器得到的波形數(shù)據(jù)準(zhǔn)確采集，經(jīng)過必要的數(shù)據(jù)處理環(huán)節(jié)后按一定的周期和數(shù)據(jù)格式發(fā)送給負(fù)荷辨識芯;功能核心MCU負(fù)責(zé)計(jì)量芯、負(fù)荷辨識芯和采集主站之間的通信連接，發(fā)揮通信中轉(zhuǎn)站的作用，連接電能表各個功能并協(xié)同工作;負(fù)荷辨識芯，顧名思義負(fù)責(zé)基于原始電壓和電流波形數(shù)據(jù)進(jìn)行非侵入式負(fù)荷辨識的功能實(shí)現(xiàn)，實(shí)物電路板如圖3所示。