基于TMR非侵入式電力負荷預測技術研究

國網河南省電力公司鄭州供電公司 鄭 琰 張延輝 朱 莉 山東國信電力科技有限公司 郝慶水

為減少不必要的能源消耗和保證電網的安全與穩定，需及時監測用電用戶的用電數據，具體方法有侵入型與非侵入型。侵入型監測方法面臨著操作難以及花費高等問題，很難大量普及使用，而非侵入型電力負荷預測方法可很好地解決這些問題[1]。非侵入式監測技術于20世紀80年代初次被美國教授Hart提出，基于電力系統理論和通訊系統理論開發出了基礎的非侵入型的監測系統，只能監測幾種簡單負荷的變化。發展到使用智能電表收集數據,將電力用戶的負荷使用情況輸送到云端，再到基于BP神經網路分析的非侵入型監測系統[2]；非侵入型電力負荷預測技術方法利用了TMR傳感器來測量電流電壓數據。TMR傳感器具備體積小、靈敏度高等特點，十分適合用來監測數據。

1 負荷預測系統設計

非侵入式負荷分解為穩態過程和暫態過程。在穩態過程提取穩態特征量，其包括幅值，相角，有功功率和無功功率等。在暫態過程中提取暫態特征量，其包括投切標志，峰值，持續時間等。

由于非侵入式負荷分解技術初期受條件約束，大部分只能進行基于穩態特征進行分析。穩態分析主要是監測用電用戶的總功率變化來完成，根據功率變化大小來進行負荷辨別。對穩態過程的分析相對于暫態過程來說，雖然可以通過分析穩態過程中電流和電壓來得到有功功率。但是僅僅依靠穩態特征量來進行分析存在誤差，例如在兩個功率大小相差很大的負荷設備同時運行時，很難監測過小的有功功率[3]，具有相同大小的有功功率負荷無法分辨其類型，通過對暫態電流的分析可以判斷出統一時間具有相同有功功率的用電負荷[1]。為了這種問題，需要引入暫態特征量的分析。由于不同種類的負荷的投入和切除過程是不同的，基于這種特性可以清晰分辨負荷類型[4]。

基于TMR傳感器的非侵入型電力負荷預測系統由用電數據采集裝置、數據處理裝置和特征值數據主站組成：用電數據采集裝置。外殼采用磁屏蔽涂層防止外界的電磁信號干擾，提升監測數據的準確性。內部由TMR傳感器、濾波器、MCU、AD轉換器、信號放大器和無線天線構成。數據采集裝置安放在電表的上口處，測量進戶線上的電壓電流數據。利用TMR傳感器收集電流電壓數據，再將收集后的數據通過濾波器進行濾波處理，將處理后的數據進行信號放大后發往數據處理裝置。

數據處理裝置。內部含有MCU、無線天線、信號放大器、AD轉換器，通過無線天線接收到濾波后的信號后，利用邊沿檢測算法中的CUSUM算法對數據進行處理分析，由于每個設備的暫態特征值不相似，所以選擇分析用電設備的暫態數據，邊沿檢測算法識別出發生變化的暫態特征值，將該點的特征值發送到特征值數據主站中；特征值數據主站。接收到特征值信號后，與收集在特征庫中的標準特征值進行比較，分析后的數據可得出用電用戶使用了哪些負荷、何時改變了負荷的工作狀態。電網公司和用電用戶可根據這些數據來調整用電行為，節約電能。

在現代工業和電子產品中，為獲得電流、電壓、方向等一些物理參數，大量使用磁傳感器來獲取這些數據。因為磁傳感器相比于采樣電阻的優勢在于磁傳感器的發熱更低，可以測量大電流；對于電流互感器的優勢在于磁傳感器減少了保護電路，無論是成本還是精準度都具有更大的優勢；相對于光學互感器的優勢在于磁傳感器不存在溫漂大的問題；相對于羅氏線圈的優勢在于磁傳感器的制造精度更低[5]。磁傳感器是一種能測量和磁場有關聯數據的裝置，并可將這些物理參數轉換成電信號來進行監測。面對一些復雜的情況，需穩定性更好、靈敏度更高、占用空間更小的磁傳感器。

磁傳感器是一種依賴于磁阻效應、霍爾效應和電磁感應等原理的裝置。目前的磁傳感器主要有霍爾傳感器、TMR傳感器、AMR傳感器和GMR傳感器[6]。霍爾傳感器由霍爾元件與其他電路組成，霍爾傳感器需要環形葉輪結構增大磁場，進而提升靈敏度，這導致霍爾傳感器的體積增大，使用的場景受到限制，且霍爾元件具有信號隨溫度變化和互換性差的缺陷；AMR元件的優點是體積小、精度高以及制造簡單，缺點是線性范圍窄；GMR磁傳感器的優點是靈敏度高和響應時間快，缺點是其線性范圍偏低。相比于AMR傳感器和GMR傳感器具有高靈敏度和寬動態范圍優點，更具優勢。

2 用電數據采集裝置

本文所述數據采集裝置內的磁隧道傳感器用來測量進戶線的數據，如圖1所示，把進戶線從磁隧道傳感器開口處放到限位機構上，傳感器連接裝置的內部是一根導線，導線從兩側伸出，伸出側為彎鉤狀，磁隧道傳感器的開口處的導線也為彎鉤狀，便于連接。再把傳感器連接裝置安裝到磁隧道傳感器上，將磁隧道傳感器內的惠斯通電橋電路連接上。此時磁隧道傳感器可利用進戶線中電流產生的磁場來進行電壓電流的數據測量，測量數據經過信號放大器進行放大，經過濾波器后經過AD轉換器將變成數字信號發送到MCU中，MCU將數據經過高斯濾波去噪再將數據送數據存儲裝置上，數據存儲裝置收集完數據后按照MCU的指令輸送到信號放大裝置中，信號放大裝置中再利用無線天線將數據發送到數據中轉裝置中。

圖1 數據采集裝置測量數據部分

一個TMR傳感器中包含4個TMR電阻，這4個TMR電阻連接成一個惠斯通電橋，連接成的惠斯通電橋又分為屏蔽式與非屏蔽式，根據屏蔽式的靈敏度是非屏蔽式的靈敏度的一半，本文選用靈敏度較好的非屏蔽式結構[7]。將這4個TMR電阻分成兩組，每兩個位置相對的TMR電阻分為一組，并且磁電阻特性一致，不同組的TMR電阻方向相反。在相同的磁場條件下，一組TMR電阻的阻值上升，另一組的阻值下降。在TMR傳感器的監測出口處可以生成跟隨磁場變化的監測電壓，根據監測電壓在后級處理電路中生成對應的監測電流[8]。

高斯算法。由于在測量數據的過程中會受到很多噪聲的干擾，其大小頻率不一，這些噪聲的干擾會影響測量數據的準確性。為能得到較準確的測量數據需要對數據進行去噪處理[9]。濾波又叫做去噪，系統內的濾波器往往不能將噪聲全部去除，需濾波函數來加強濾波。白噪聲是電力領域中常見噪聲，由于在實際中的功率譜密度寬度是有限的，無法預算其平均功率，所以實際中不存在嚴格意義服從均勻分布的白噪聲。而高斯白噪聲是普遍存在的，且其一維概率密度也是便于運算的。去除掉這些噪聲是有利于提取出負荷特征。將高斯函數與原始信號進行卷積是高斯算法的關鍵。高斯算法與傳統算法相比具有濾波窗口和相位移動的優點。不僅會保留突變信號、不會使突變的信號削弱和消除，還能對突變的數據進行平滑處理。這是高斯算法的優點，很好的保留了所需要的負荷暫態信息。

高斯濾波公式：Qk+1(a)=1/RkQk(a+x)bk(a+x)，其中，Qk+1(x)為負荷原始信號經過第k+1次迭代后的輸出值；Qk(a+x)為負荷原始信號經過第k+1時迭代的輸入值；Rk=bk(a+x)為在第k次迭代時濾波器的加權系數總和；bk(a+x)為在第k次迭代時點a+x處的加權系數。設定初始迭代數k為0，設置迭代的次數。將收集到的初始電流電壓數據帶入公式迭代到設定的迭代數，輸出迭代結果，該結果為濾波后的值。

3 數據處理裝置

數據處理裝置從無線天線收到電壓和電流數據，數據經過信號放大器放大后輸送到AD轉換器將數據轉換成數字信號再輸送給MCU。在MCU中經過CUSUM算法分析數據，將分析后的數據通過AD轉換器發送到信號放大器，進過無線天線發送系統數據主站，在特征值系統數據主站中進行特征值匹配，顯示用戶負荷情況。

現在主流的邊沿檢測方法有擬合法、閾值檢測算法、暫態能量啟動算法和微分算子法[10]。基于變點檢測的CUSUM算法是一種新型的邊沿檢測算法，CUSUM算法其最初由英國人Page提出，用于工業行業中找出因不當操作和原料問題而出現異常產品，是對在工業行業生產中產品質量進行判斷的一種監控算法。其主要核心內容是對監測對象過程中所產生的小波動進行累加記錄求和，通過累加的方法使被分析出數據放大，增加系統識別對象的靈敏度。當被監測量運行過程中發生大于穩定狀態下的數據時，即可判定負荷發生變化，并且這種算法擁有便于操作和算法簡單[11]以及魯棒性高[12]的優點。

CUSUM算法公式：

其中，Un為統計功率變化值；hn-1為突變發生時負荷值；h-n-1為突變發生前的負荷平均值，假設前一個一邊的檢測點ht則有公式（3）；n為當前突變點的點數；t為上一次突變點的點數；當Un＞N時則可認定檢測序列發生了突變，N為負荷時間突變閾值。CUSUM算法的邊沿檢測步驟，設置功率變化初始值Un為0，當負荷處于正常運行時，負荷處于穩定狀態，負荷的功率處于輕微波動狀態，功率變化值Un在0上下波動。當負荷增大將負荷時帶入到式（1）中進行累加，若負荷減小時則帶入式（2）中進行累加。當累加值超過N突變閾值時，記錄下該點為功率突變點，將該點特征值信息輸送到特征庫進行匹配。

4 結語

本文提出一種基于TMR傳感器的非侵入式電力負荷預測技術。首先，設計了基于高斯濾波的去噪算法，不僅能突出負荷變化點的數值還能平滑整條曲線且不平滑掉負荷變化點，實現對電壓電流數據更好的平滑處理。利用CUSUM算法提取用電設備的暫態數據，減少了數據的漏檢和誤檢的機率，增加了暫態數據提取的準確性。

然后，基于CUSUM算法提取出的暫態數據與系統數據主站內的特征值數據庫中的特征值進行比較，得到電力負荷信息。整個預測系統通過對用電負荷的分析處理，數據匹配，具有比較高的效率。通過智能電表大量普及，利于收集用電用戶的負荷信息[13]，以及這種非侵入式監測技術可讓電網公司更好的調峰調谷，對用電用戶的用電行為有著跟進一步的了解[14]，可讓用電用戶更好的了解自己的用電行為，對節約電力資源有很大的幫助。