CN102279326B - 电器识别方法及应用该方法的家庭用户碳排放计量*** - Google Patents

Abstract

本发明公开了一种电器识别方法，其核心处在于依据电流特征参数值的匹配结果进行电器识别。本发明还提供了应用上述方法的家庭用户碳排放计量***，包括：母线电压采样模块分别连接相位检测模块、信号调理模块及幅值检测模块的输入端；母线电流检测模块连接信号调理模块的输入端；相位检测模块、信号调理模块、幅值检测模块的输出端连接电器识别模块的输入端，电器识别模块的输出端连接碳计量模块。本发明在准确识别电器的基础上计量碳排放，帮助人们树立节能减排和低碳消费的意识，改正不正确的用电习惯。

Description

电器识别方法及应用该方法的家庭用户碳排放计量***

技术领域

本发明涉及一种家庭电力负载识别和碳排放监测计量***，特别涉及一种电器识别方法及应用该方法的家庭用户碳排放计量***。

背景技术

随着电子技术的发展，以单片机为核心的多功能电能表已逐渐普及，这一类电能表具有较高的测量精度和运算速度，采用数码管或者液晶显示屏进行显示，能够对各月电能的消耗进行记录，保存电能的最大需求量，设置参数等。但这仅仅局限于计量用户全部用电器的电能消耗，并不能精确到每个用电器。并且这一类电表在测量方法上是仅根据电网的电压电流的幅值进行电能的计量和统计，因而功能比较单一。上述电表网络的通信能力很差或者根本不具备网络通信能力，难以实现同网络上位机的通信和数据同步。现有的用电器识别技术仅能在用户有大功率的用电器加载时进行控制继电器断电处理(专利号200620127335.0具有用电器识别功能的电子式电能表)；另一项专利(专利号201010250565.7一种利用智能电网调控用户碳排放量的方法)提出了一种识别用户电源成分是来自于污染性质电源还是清洁性质电源，并分析能耗和碳排放量，现有的技术中并没有实现单个用电器识别的功能。

如果要检测每个用电器的用电量，现行的通用方法是在每个家用电器的电源入口安装电压、电流传感器，再根据收集到的数据进行电量测量。这样虽然能够达到相应的目的，但是价格偏高，安装复杂，可行性较差。

在目前的情况下，家庭用户缺乏节能减排和低碳消费的意识，很少或根本没有考虑一些用电器在使用过程中产生的附加碳排放量，这样就可能导致了过度的碳排放。由于整个社会低碳消费意识的低下再加上某些方面的误导，会致使其不自觉地沿用一些不合理的生活方式，在无意识中破坏了整个环境的建设。

发明内容

本发明目的在于提供一种电器识别方法，能够准确识别出正在使用的电器。

本发明的另一目的在于提供应用上述方法的家庭用户碳排放计量***，首先识别出正在使用的电器，并计量该电器的能耗和碳排放量，整个***安装方便、结构简单。

本发明解决其技术问题所采用的技术方案是：

一种电器识别方法及应用该方法的家庭用户碳排放计量***：包括母线电压采样模块，母线电流检测模块，相位检测模块，信号调理模块，幅值检测模块，电源模块，人机交互模块，电器识别模块，碳计量模块。

母线电压采样模块是通过电压传感器(电压传感器可以是电压互感器、电压霍尔传感器等)，母线电流检测模块是通过电流传感器(电流传感器可以是电流互感器、电流霍尔传感器、分流器等)将电网侧的高电压大电流转换成电压信号，传送给相位检测模块、信号调理模块和幅值检测模块，并实现电气间的隔离。

相位检测模块包括缓冲器和迟滞比较器，检测信号的过零点，为采样和特征参数的提取提供时间基准；信号调理模块包括缓冲电路，信号增益/衰减部分，信号叠加部分和抗混叠滤波器，将采样信号调理到合适的范围；幅值检测模块包括缓冲器和峰值保持部分，检测信号的最大值。

电源模块采用交流/直流开关变换器为整个***提供电能，相对于线性变换器工作效率高。

电器识别模块与相位检测模块，信号调理模块，幅值检测模块和人机交互模块相连，并通过串口通信与碳计量模块相连，通过对电流电压数据的分析和计算，根据用电器的特征参数进行模糊辨别，实现了家庭用户正在使用的用电器的识别，并能记录每个用电器的用电量，而且实现超功率处理和用电器的功率限制。串口通讯采用网络寻址模式，实现单串口与电脑、碳计量模块的通信。

上述电器识别模块所检测的用电器的特征参数包含电流峰值、电流均值、电流有效值、电流基波、电流谐波幅值、电流谐波相位、用电器视在功率、有功功率、用电器耗电曲线、电流谐波长度等。

上述电器识别模块所采用的电器识别方法是一种基于分数的模糊识别算法。根据用电器的特征参数与数据库中对应参数的匹配程度得到相应的分值，分值与及格分值比较决定识别结果。

上述特征数据库存有家庭所有类型用电器的特征信息，特征数据库能够根据家庭用电器的变化实时动态变化。

上述特征数据的动态变化指根据各家庭用电器情况实时更新数据库中用电器特征参数分值及当检测到新用电器时载入新用电器数据。

人机交互模块1包含的液晶控制器能实现触摸液晶屏的界面显示内容、触摸感应处理及与用电器识别主控制器的通讯。液晶的界面显示内容包含家庭的总用电器能耗的统计，家庭实时使用的用电器及家庭单个用电器的详细统计。

碳计量模块采用串口通讯方式与电器识别模块和人机交互模块2相连，并配有互联网通信接口。根据一定的折算标准将用电器的功耗折算成相应的碳值，实现对抽象的碳排放过程进行量化，监控核算家庭能源消费。通过人机交互模块2包含的触摸液晶显示器，以图形的方式呈现当前碳排放统计的结果，以表格的信息给出有用的信息。具核算监控，个人查询，智能建议三个功能，能够分析家庭消耗碳量的方向，并提出合理化建议。

本发明的技术效果体现在：采用非侵入式监测方法，无需在每个用电器供电入口检测装置，而只是在用户的电线总进入端安装电压和电流传感器，实时采集电压、电流数据，用软件进行分析，以确定各个家用电器的用电量，投入较低，而且监测装置可以不间断地捕捉电力负荷每一时刻变化的信息。根据用电器的特征参数进行模糊识别，实现了家庭用户正在使用的用电器的识别，并记录每个用电器的用电量，而且能实现超功率处理和用电器的功率限制。同时把数据传送给碳计量模块，根据一定的换算标准，把用电器的消耗转换成相应的碳值进行记录和处理，有助于人们树立节能减排和低碳消费的意识，改正不正确的用电习惯，为环境做出自己的一份贡献。

附图说明

图1是本发明的整体结构原理图。

图2是本发明的一个实例的母线电流检测模块及信号调理模块电路图。

图3是本发明的一个实例的母线电压采样模块、相位检测模块、信号调理模块、幅值检测模块电路图。

图4是本发明的一个实例的电源模块电路图。

图5是本发明的一个实例的电器识别模块的处理器(MCU)电路图。

图6是本发明的一个实例的电器识别的软件流程图。

图7是本发明的一个实例的模糊化打分原理：基于误差语言变量关系打分方法的示意图。

图8是本发明的一个实例的电器识别方法流程图。

具体实施方式

下面结合附图给出一个实施例：

如图1所示，一种电器识别方法及应用该方法的家庭用户碳排放计量***：包括母线电压采样模块，母线电流检测模块，相位检测模块，信号调理模块，幅值检测模块，电源模块，人机交互模块1和2，电器识别模块，碳计量模块。

母线电压采样模块是通过电压传感器(电压传感器可以是电压互感器、电压霍尔传感器等)，母线电流检测模块是通过电流传感器(电流传感器可以是电流互感器、电流霍尔传感器、分流器等)将电网侧的高电压大电流转换成低电压小电流，传送给相位检测模块、信号调理模块和幅值检测模块，并实现电气间的隔离。

如图2所示，本实例电流传感器采用电流闭环霍尔传感器CSM010SY，原边电流测量范围为-20A一20A，副边额定输出电压为4V，线性度小于0.1％，精度小于0.7％。后级为增益/衰减两路调理电路，采用具有超低偏移、低输入偏置电流、低失调电压漂移、超稳定的运放op07，保证输出信号精度最优，将母线上的大电流转换成电压信号送给电器识别模块。

如图3所示，本实例电压传感器采用电压互感器TVA1421-01，额定电流为6mA/6mA，非线性度小于0.2％。经过缓冲器、迟滞过零比较器、幅值检测器后以及相应的调理电路后，将用户进线上的大电压转换成电压信号送给电器识别模块。

相位检测模块用于包括缓冲器和迟滞比较器，检测信号的过零点，为采样和特征参数的提取提供时间基准；信号调理模块包括缓冲电路，信号增益/衰减部分，信号叠加部分和抗混叠滤波器，将采样信号调理到合适的范围；幅值检测模块包括缓冲器和峰值保持部分，用于检测信号的最大值。

如图4所示，电源模块中分别采用LH10-10A15，交流/直流开关变换器；LM2576，直流/直流开关变换器；AS1117，线性直流变换器为整个电路供电，既保证了转换效率由保证了供电的稳定性。

如图5所示，电器识别模块主控芯片采用ADuC7026，单芯片内集成1MSPS、12位、多通道高性能ADC的数据采集***、内核是ARM7TDMI，它是一个16位/32位RISC机器，其最高性能峰值高达41MIPS。片内集成有8KB的SRAM和62KB非易失性Flash/EE存储器。基于此芯片研发的***可以方便的完成用电器的识别，电量测量，数据的传输，事件管理等工作，精度高可靠性强。人机交互模块1采用5.7寸液晶触摸显示屏，使数据的显示更加直观，操作更加便捷。

图6所示为电器识别工作流程图。首先运用ADuC7026上芯片自带的12位ADC对电压电流信号进行采样。在数据采样阶段，为了使***运行时，数据不发生紊乱，只能使***在适当时刻采集数据。在数据处理过程中，数据采样是需要被禁止的。然而，为了保证每次数据处理过程保持一定的一致性，采样的开始时刻必须要有基准。由于本***对电网电压做了过零检测，电压刚好过零的时刻为数据采样提供了可能性。基于以上分析，实施数据采样的具体方法为：设立标志位Data hold用来指示数据是否需要保持，置1则***认为需要保持，它仅发生在数据采满256个点的时刻，置0则认为采样可以在某个时刻进行，它仅发生在数据处理完毕的时刻；设立标志位AD enable用来指示AD采样时刻是否到来，置1仅发生在Data hold为0且电压过零时刻到来的时刻，置0发生在Data hold为1的时刻。为满足在50Hz电网频率下，一周期采样256个点的需求，设定了一个20000/256us的定时器。采样完成后把本次的采样数据和上一次的采样数据做差，得出本次所新增用电器的采样数据，而后对采样数据提取相应的特征参数，同时对采样到的数据进行FFT变换，再次提取相应的特征参数。本实例使用电器的特征参数包含电流峰值、电流均值、电流有效值、电流基波、电流谐波幅值、电流谐波相位、用电器有功功率、电流谐波长度。电流峰值、电流均值在采样时实时对电流数据进行处理就能够得到。而电流有效值、基波等特征参数能够在傅立叶FFT变换之后得到。FFT变换之后，所得到的数据是尚未归一化的，为了保证特征参数在存取过程中的一致性，需要将数据进行归一化。归一化的准则为，以基波幅值分量为100，其他谐波成分相应等比调整。为了使归一化数据能够得到恢复，还需要存储每个用电器的功率信息。然后，再根据这些参数与数据库中相应参数做出比较，为了达到用电器识别的目的，本实例采用图7所示的基于误差语言变量关系打分方法。首先针对某一特征参数和现有数据库中的相应值进行模糊算法比较，如果特征值和现有值匹配非常好，则给出一个很高的分值，随着匹配度的下降所打的分数也相应的降低。而后，针对每种特征参数模糊化的识别结果，都有相应的匹配系数，匹配系数乘以该参数占有分值，即能得到该参数的得分。最后，将所有特征参数的得分相加，即得到该用电器的匹配分值。对于数据库中的每种用电器，都会得到一个相应的分值，最大分值与及格分值比较决定用电器识别是否成功。若最大分值已经高过定义的及格线，则认为***电器识别成功，结果即为得到最大分数所对应的用电器；若最大分值没有超过及格线，则认为数据库中尚不存在此种用电器，需进行下一步处理。本实例将及格分值定位最低匹配成功要求，不局限于此，可根据多次试验结果的识别准确率进行调整。

图8所示为电器识别的流程图。首先根据进户端的功率的变化判断是有用电器打开还是关闭，如果功率不变，则前一次检测时刻的识别结果即为当前识别结果；进一步地，可对识别结果进行验证，即对当前识别结果中各电器的基准电流特征参数值作和，将其与提取的当前电流特征参数值进行比较，若比较结果满足最低识别成功要求，则识别成功，否则识别失败。最低识别成功要求根据多次测试结果的准确率确定。由于用电器的打开识别和关闭识别是两个类似的过程，下面以有用电器打开识别为例说明识别过程：

开始检测到电线进户端功率增加，说明有用电器打开，此时根据上文说明的提取特征参数方法对打开的用电器进行特征参数的提取，先与数据库中单个用电器的相应参数进行对比，采取上文中所述的基于误差语言变量关系打分方法对用电器进行相关评分。为了更清晰的说明下面列举一个打分的实例：

表1 显示器的基准电流谐波相关信息

如表1所示，为本发明的一个实例的数据库中显示器的基准电流谐波相关信息。Harm_length为总谐波长度；Harm_num为相应的谐波次数；FFT_R为FFT变换后该次谐波的虚部；FFT_I为FFT变换后该次谐波的实部。

表2 检测到的新使用电器电流谐波相关参数

识别到一个新接入的用电器，分别和数据库存储的每个用电器相应参数作比较，给出分数。如表2所示，为本发明的一个实例的新识别到的用电器电流谐波相关的参数，这里以这一参数为例说明打分过程，电流谐波的总权值为0.8，也就是百分制中的80分，而谐波长度的权值为0.3，也就是80*0.3＝24分；每次谐波的分配权值以数据库中的谐波参数为参考分配，比如本次和数据库中的显示器作比较，则每次谐波分配到的权值为0.7/6＝0.117，再把新识别到的用电器的相应参数与其相比较得出分值，最后把这一参数所有分值相加，再把所有参数的分值相加可得出如下表：

表3 新使用电器打分表

通过表3可知电风扇所打的分数最高，为90分，其余的分数都没有及格，可知该新接入用电器被识别为电风扇。同时开始记录该用电器的功率等相应参数，上述单个用电器识别过程为识别的第一阶段。如果所有分数均不及格则识别失败，转入识别的第二阶段。

识别的第二阶段：首先分析采集到的用电器数据信息，将数据库中的每个用电器参数记录读出，通过各用电器的功率信息与谐波信息进行不同用电器参数之间的排列组合，以用电器谐波长度为优先组合原则，按照用电器从少到多，得出不同用电器的组合参数。实际上，多个用电器的组合过程，就是一个解多维线性方程组的过程。之后，再使用类似单个用电器识别方法对多个同时打开的用电器进行识别。如果识别成功，开始记录用电器的功率等参数，并进行显示。如果所有分数均不及格则识别失败，转入识别的下一阶段。

识别的第三阶段：上述识别均不成功，说明数据库中没有存储该新接入用电器的特征参数，此时会将动态将该新用电器的特征参数加载到数据库，并提示输入该用电器的名字，至此整个识别过程完毕。

识别过程中，由于外界干扰，会有一定的误识别率。为防止***的误识别，即使没有新用电器再接入***，此时***仍处于实时验证状态。在这种状态下，***需要做的工作是：验证用电器识别结果是否正确，验证方法为，将识别结果叠加后的特征数据信息与实时信息模糊比较，得到识别结果，若识别结果不正确，则把识别结果清除，所有用电器重新识别，转入上述第一阶段，若正确，则继续处理；然后，由实时数据更新数据库特征参数的权值，以使***更有本地化特征，更新数据库中特征参数权值的过程，实际是使正确用电器的识别结果分值最大化的过程；最后，发送用电器数据给电脑和家庭客户端。

表4 用电器能耗记录查询示意表

如表4所示，用电器识别成功后，会记录相应的能耗，其中用电器能耗的查询记录格式为：用电器名称、用电器使用时间段、用电器的单次使用时间累计，用电器的功率，用电器的能耗等，并能生成相应的日统计、月统计、年统计等。并能针对相应的用电器进行功率限制，如果超出限制，则会实施断电处理。

用电器关闭识别过程和用电器打开识别过程类似，这里就不做过多熬述。

碳计量模块主控微处理器选型为ARM CortexM3内核芯片，人机交互模块2采用3.2寸TFT触摸液晶显示屏。家庭客户端提供对家庭能源消耗的碳排放值的监控核算、查询服务和智能环保建议。一是监控核算家庭能源消费，统计碳排放额。二是提供实时查询服务，能实时显示出当前碳排放值和碳汇率。三是结合当前碳排放额度及相关消费信息进行“智能”分析，从而为用户提供合理化的建议，避免在季度末因碳排放值超额而缴纳环保款项。家庭客户端通过连接互联网来更新当前的碳排放信息。它可以通过互联网与家庭相关设备联成网络，可访问数据库查询以往碳排放量记录，实时更新当前碳排放信息，及时提醒客户注意减少非低碳的生活行为。由于它仅能给用户提供查询数据的功能，而且对于客户而言底层不可见，所以能有效避免恶意破坏碳计量的行为。

尽管本发明的内容已经通过上述优选实例做了详细介绍，但应当认识到上述的描述不应该是本发明的限制。在本领域的技术人员阅读了上述内容后，对于本发明的多种修改和替代是显而易见的。因此，本发明的保护范围应有所附的权利要求书来限定。

Claims (5)

1.电器识别方法，具体为：

（1）从家庭住宅电线进户端的电流提取当前电流特征参数值，所述电流特征参数值包括用电器有功功率；

（2）判断当前功率与前一检测时刻的功率是否有变化，若功率不变，则前一次检测时刻的识别结果即为当前识别结果,结束；若功率增大,则表明有新的电器被使用，进入步骤(3)；若功率减小，则表明有用电器停止使用，进入步骤（6）；

（3）将当前电流特征参数值与前一检测时刻的电流特征参数值作差，得到新增加电器电流特征参数值；

（4）将新增加电器电流特征参数值分别与每一个可能使用的电器的基准电流特征参数值进行匹配，若最优匹配结果满足最低匹配成功要求，则最优匹配结果对应的电器即为新增加的电器，前一检测时刻识别的电器加入新使用的电器作为当前识别结果，结束；否则，对各可能使用的电器进行组合，对各组合中的电器的基准电流特征参数值作和，进入步骤（5）；

（5）将新增加电器电流特征参数值分别与各组合的基准电流特征参数值之和进行匹配，若最优匹配结果满足最低匹配成功要求，则最优匹配结果对应的电器组合即为新使用的电器，前一检测时刻识别的电器加入新使用的电器作为当前识别结果，结束；否则，识别失败，结束；

（6）将当前电流特征参数值与前一检测时刻的电流特征参数值作差，得到停止使用电器电流特征参数值；

（7）将停止使用电器电流特征参数值分别与每一个可能使用的电器的基准电流特征参数值进行匹配，若最优匹配结果满足最低匹配成功要求，则最优匹配结果对应的电器即为停止使用的电器，前一检测时刻识别的电器去除停止使用的电器作为当前识别结果，结束；否则，对各可能使用的电器进行组合，对各组合中的电器的基准电流特征参数值作和，进入步骤（8）；

（8）将停止使用电器电流特征参数值分别与各组合的基准电流特征参数值之和进行匹配，若最优匹配结果满足最低匹配成功要求，则最优匹配结果对应的电器组合即为停止使用的电器，前一检测时刻识别的电器去除停止使用的电器作为当前识别结果，结束。

2.根据权利要求1所述的电器识别方法，其特征在于，还对当前识别结果按照如下方式进行验证：对当前识别结果中各电器的基准电流特征参数值作和，将其与提取的当前电流特征参数值进行比较，若比较结果满足最低识别成功要求，则识别成功，否则识别失败。

3.根据权利要求1所述的电器识别方法，其特征在于，所述电流特征参数值还包括电流峰值、电流均值、电流有效值、电流基波、电流谐波幅值、电流谐波相位、电流谐波长度中的一个或组合。

4.根据权利要求3所述的电器识别方法，其特征在于，采用基于误差语言变量关系打分方法表征各电流特征参数值与电器的基准电流特征参数值的匹配程度，再将各电流特征参数值的分值进行加权求和，得到当前电流特征参数值与该电器的匹配结果。

5.根据权利要求1所述的电器识别方法，其特征在于，对各可能使用的电器按照数量由少到多进行组合。

Images