用於非侵入式電力監測的自適應負荷事件檢測方法
2023-10-05 01:11:24 2
用於非侵入式電力監測的自適應負荷事件檢測方法
【專利摘要】本發明公開了一種用於非侵入式電力監測的自適應負荷事件檢測方法，通過跟蹤數據窗內負荷總功率信號的斜率的變化來判斷負荷運行狀態是否發生變化來檢測負荷事件。基於總負荷分段，便可根據需要獲取用電設備辨識所需的印記特徵來最終完成負荷分解(辨識各用電設備的工作狀態)。包括數據初始化；計算當前檢測數據窗內負荷功率數據的斜率擬合值ki；判斷是否有負荷事件發生或結束；標記出總負荷過渡區段和穩態區段的起止點；估算當前功率數據點之前的功率波動量度σp用於表徵總負荷波動水平；自適應的更新檢測閾值Kth；更新檢測數據窗，循環上述過程直至停止檢測。本方法解決了現有負荷事件檢測技術中存在的不能準確有效完成總負荷分段的問題。
【專利說明】用於非侵入式電力監測的自適應負荷事件檢測方法
【技術領域】
[0001] 本發明涉及一種非侵入式電力監測的負荷事件檢測方法。
【背景技術】
[0002] 非侵入式電力負荷監測（Non-intrusiveLoadMonitoring,NILM)是一種新穎的 負荷監測方式，相較傳統的侵入式監測方式（為每個用電設備分別安裝獨立的傳感器），它 具有安裝維護方便、經濟性好、可靠性高等優勢 [1]。如圖1，以單相系統為例，NILM只需在電 力入口處（如居民小區電源總進口處、住戶進線總開關處或工、商業負荷總線上）安裝監測 設備，然後通過採集和分析此處的負荷量測信息（如端電壓和總負荷電流）來獲得總負荷 內部每個/類用電設備的用電信息（如工作狀態，用電功率等），進而可以了解負荷的用電 規律。
[0003]NILM系統主要包括五部分，分別是：數據採集模塊、數據預處理模塊、負荷特徵提 取模塊、負荷分解模塊及存儲器模塊，如圖1中框圖所示。其中，負荷分解模塊是NILM的 核心，其前提是從總負荷量測信息中準確提取能夠可靠標誌每種用電設備工作狀態的印記 特徵，由於用電設備的平穩運行過程和工作狀態轉換過程分別蘊含著性質不同的印記特徵
[2]，因此，在負荷特徵提取之前，需要進行負荷分段，即確定總負荷的過渡區段或穩態區段 的起止點，以使得有區分地獲取用電設備的過渡區段和穩態區段印記特徵成為可能，這裡 總負荷的穩態區段內所有用電設備都處於平穩運行狀態，過渡區段內至少包含一個用電設 備的工作狀態轉換過程 [1]。顯然，負荷分段結果的好壞會直接影響負荷分解模塊的最終結 果[1]_[4]。
[0004]
[0005] 通常，用電設備工作狀態的轉換過程被稱為負荷事件，包括投入、關停和功率非零 的工作狀態間相互轉換這三種過程，從而負荷事件檢測可望實現負荷分段。已報導的用於 NILM的負荷事件檢測方法有作差法[3]、GLR算法[5]_[7]和基於滑動窗雙邊⑶SUM的暫態事件 檢測算法[8]。其中，作差法雖然具有檢測總負荷各個過渡區段或穩態區段的起止點的功能， 但是其抗負荷波動性較差，容易產生誤檢；GLR算法和基於滑動窗雙邊CUSUM的暫態事件檢 測算法的抗擾動性雖然較強，但是它們不能準確檢測過渡區段終點或穩態區段起點，更適 用於過渡區段長度相對於穩態區段長度較小或負荷事件較不頻繁的場合。
[0006] 參考文獻：
[0007] [1]餘貽鑫，劉博，欒文鵬；非侵入式居民電力負荷監測與分解技術[J].南方電網 科技，2013, 7(4) : 1-5。
[0008] [2]LiangJjNgjSimonKKetal.LoadSignatureStudy-Part I:BasicConcept,Structure,andMethodology[J].IEEETransactionsonPower Delivery，2010, 25(2) :551-560。
[0009] [3]Hart,GW.NonintrusiveApplianceLoadMonitoring[J].Proceedingsof theIEEE, 1992,80(12) :1870-1891〇
[0010] [4]LeebSBjShawSRjKirtleyJLetal.TransientEventDetection inSpectralEnvelopeEstimatesforNonintrusiveLoadMonitoring[J].IEEE TransactionsonPowerDelivery，1995, 10 (3):1200-1210。
[0011] [5]BassevilleMjNikiforovIV.DetectionofAbruptChanges:Theoryand Application[M].Prentice-Hall, 1993:23-62〇
[0012] [6]HillR0·AppliedChangeofMeanDetectionTechniquesforHVACFault DetectionandDiagnosisandPowerMonitoring[D].MassachusettsInstituteof Technology， 1995。
[0013] [7]LuoD.DetectionandDiagnosisofFaultsandEnergyMonitoringof HVACSystemswithLeast-intrusivePowerAnalysis[D].MassachusettsInstituteof Technology, 2001〇
[0014] [8]牛盧璐；基於暫態過程的非侵入式負荷監測[D]，天津大學，2010。
【發明內容】
[0015] 針對上述現有技術，本發明提出了一種用於非侵入式電力監測的自適應負荷事件 檢測方法，是採用在線檢測方法--滑動窗斜率擬合法（簡稱為斜率法）。由於任意用電設 備的負荷事件的發生都會引起總負荷量測信息的相應變化，因此負荷事件檢測通常是以印 記特徵或某些特徵指標的變化量為分析對象的，本發明中提出的斜率法通過分析總功率信 號斜率（以數據窗為單位）的變化來檢測負荷事件，其能夠準確地標記出總負荷過渡區段 和穩態區段的起止點，基於總負荷分段，便可根據需要準確獲取用電設備辨識所需的印記 特徵（諸如暫態功率波形、穩態諧波電流差量等特徵） [M]來最終完成負荷分解（辨識各用 電設備的工作狀態）。本發明中還給出了檢測判別閾值的自適應變化計算方法。
[0016] 為了解決上述技術問題，本發明一種用於非侵入式電力監測的自適應負荷事件檢 測方法，利用非侵入式電力負荷監測系統中的數據採集模塊，包括以下步驟：
[0017] 步驟一、數據初始化：設定用於檢測功率數據變化的閾值ΛPth，ΛPth>0,設定檢測 數據窗長度Wd，計算斜率閾值Kth，從數據採集模塊中讀取功率數據初始化檢測數據窗；
[0018]
【權利要求】
1. 一種用於非侵入式電力監測的自適應負荷事件檢測方法，利用非侵入式電力負荷監 測系統，其特徵在於： 包括以下步驟： 步驟一、數據初始化：設定用於檢測功率數據變化的閾值APth，APth>0,設定檢測數據 窗長度Wd，計算斜率閾值Kth，從非侵入式電力負荷監測系統的數據採集模塊中讀取功率數 據初始化檢測數據窗；
式（3)中，Wd為檢測數據窗長度，{3,4,5，...}，餘同； 步驟二、計算當前檢測數據窗內負荷功率數據的斜率擬合值h;
式（1)中，Pi為當前檢測數據窗的起點，ie{1，2,3，...}，{P」|j=i，i+l，...，i+Wd-l} 為當前檢測數據窗所含的功率數據序列； 步驟三、判斷斜率擬合值h與斜率閾值Kth的大小關係，進而判斷是否有負荷事件發生 或結束： 負荷事件發生的判定條件為：
此時，為功率變化數據點，該功率變化數據點即為負荷事件的發生點； 負荷事件結束的判定條件為：
式（5)中，j=i-1或i-Wd+l，此時功率數據點Pi即為負荷事件的結束點； 若滿足負荷事件發生或負荷事件結束的判定條件，則執行步驟四，否則執行步驟六； 步驟四、若步驟三獲得的是負荷事件的發生點，則將其標記為總負荷過渡區段起點，並 將該總負荷過渡區段起點的前一個數據點標記為與該總負荷過渡區段相鄰的前一個總負 荷穩態區段的終點，執行步驟五； 否則將步驟三獲得的負荷事件的結束點標記為總負荷過渡區段終點，並將該總負荷過 渡區段終點的後一個數據點標記為與該總負荷過渡區段相鄰的後一個總負荷穩態區段的 起點，執行步驟六； 步驟五、估算當前功率數據點之前的功率波動量度〇p，該功率波動量度％用於表徵 總負荷波動水平； 根據式（15)計算所述功率波動量度〇 p:
式（15)中，Pi為當前檢測到的總負荷過渡區段起點，Ws為用來估計功率波動量度 〇p的數據窗長度，若將與Pi相鄰的前一個穩態區段所含功率數據點個數記為Ns，則有 ffsG{2,3,4,...,NS}； 據所得功率波動量度〇p，結合負荷事件檢測對漏檢概率ak和可靠檢測的最小功率變 化絕對值APmin的要求，更新用於檢測功率數據變化的斜率閾值Kth;
式（13)中，cKH*)為標準正態分布函數的反函數，本發明將本發明所述用於非侵入 式電力監測的自適應負荷事件檢測方法執行時，真實負荷事件被漏檢的概率記為ak，夂 是與要求可靠檢測的最小功率變化絕對值APmin對應的斜率值，可根據下式（2)，令AP= APmin計算得到；
式（2)中，AP表示功率數據變化量； 步驟六、若繼續執行檢測，則從數據採集模塊中讀取新功率數據，更新檢測數據窗，返 回步驟二，否則結束。
【文檔編號】G01R31/00GK104483575SQ201410812176
【公開日】2015年4月1日 申請日期:2014年12月22日 優先權日:2014年12月22日
【發明者】欒文鵬, 劉博 , 餘貽鑫, 陳鴻川 申請人:天津求實智源科技有限公司