CN110221119B - 基于功率与akie融合信息的负载开关事件检测方法和*** - Google Patents

Abstract

本发明的实施例公开一种基于功率与akie融合信息的负载开关事件检测检测方法和***，所述方法包括：步骤1，输入实测的功率信号序列P；步骤2，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C‑L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K‑C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C‑L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C‑L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短窗口长度；C为负载开关事件初估发生时间。

Description

基于功率与akie融合信息的负载开关事件检测方法和***

技术领域

本发明涉及电力领域，特别是涉及一种负载开关事件检测方法及***。

背景技术

随着智能电网的发展，家庭用电负荷的分析变得越来越重要。通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据。同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。

当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。

非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的事件检测以有功功率P的变化值作为事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题：某些电器启动时刻的瞬时功率值会出现较大的尖峰(例如，马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件的判断；不同家用电器的暂态过程或长或短，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。

常见的事件检测方法能够识别有功功率变化值比较大大(如70W)的开关事件。由于***存在噪声的缘故，某些有功功率接近阈值(即50W)的用电器在启动时引起的有功功率增加可能被***噪声减弱，因而无法准确识别。某些使用马达的家用电器(例如粉碎机，榨汁机等)，会产生严重的脉冲噪声，常见的事件检测算法噪声的影响比较大，检测性能急剧下降。

发明内容

本发明的目的是提供一种基于功率与akie融合信息的负载开关事件检测方法和***，所提出的方法利用了智能电表数据与背景噪声的统计差异，利用功率与akie融合信息消除噪声影响，从而正确确定负载开关事件发生的时间。所提出的方法具有较好的鲁棒性，计算简单。

为实现上述目的，本发明提供了如下方案：

基于功率与akie融合信息的负载开关事件检测方法，包括：

步骤1，输入实测的功率信号序列P；

步骤2，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短串口长度；C为负载开关事件初估发生时间。

基于功率与akie融合信息的负载开关事件检测***，包括：

获取模块，输入实测的功率信号序列P；

判断模块，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短串口长度；C为负载开关事件初估发生时间。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

常见的事件检测方法能够识别有功功率变化值比较大大(如70W)的开关事件。由于***存在噪声的缘故，某些有功功率接近阈值(即50W)的用电器在启动时引起的有功功率增加可能被***噪声减弱，因而无法准确识别。某些使用马达的家用电器(例如粉碎机，榨汁机等)，会产生严重的脉冲噪声，常见的事件检测算法噪声的影响比较大，检测性能急剧下降。本发明的目的是提供一种基于功率与akie融合信息的负载开关事件检测方法和***，所提出的方法利用了智能电表数据与背景噪声的统计差异，利用功率与akie融合信息消除噪声影响，从而正确确定负载开关事件发生的时间。所提出的方法具有较好的鲁棒性，计算简单。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程示意图；

图2为本发明的结构示意图；

图3为本发明具体实施案例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1基于功率与akie融合信息的负载开关事件检测方法的流程示意图

图1为本发明基于功率与akie融合信息的负载开关事件检测方法的流程示意图。如图1所示，所述的基于功率与akie融合信息的负载开关事件检测方法具体包括以下步骤：

步骤1，输入实测的功率信号序列P；

步骤2，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短窗口长度；C为负载开关事件初估发生时间。

所述步骤2之前，所述方法还包括：

步骤3，计算所述负载开关事件初估发生时间C。

所述步骤3包括：

步骤301，确定短窗口和长窗口的长度，具体为：

S:短窗口的长度

L：长窗口的长度

N:所述功率信号序列的长度

对*下取整

步骤302，计算所述长窗口和所述短窗口内所述功率信号序列的功率，

具体为：

其中：

第n点所对应的短窗口内所述功率信号序列的功率

第n点所对应的长窗口内所述功率信号序列的功率

所述短窗口内所述功率信号序列P的平均幅度

所述长窗口内所述功率信号序列P的平均幅度

p_i：所述功率信号序列P中的第i个数据。如果i≤0，则对应的p_i＝0

步骤303，计算功率相对比，具体为：

步骤304，确定负载开关事件初估发生时间，具体为：如果功率比值ρ_C≥5.28，则在所述功率信号序列P的第C点，发生负载开关事件,C为负载开关事件初估发生时间；否则，没有负载开关事件发生。其中功率比值

图2基于功率与akie融合信息的负载开关事件检测***的结构意图

图2为本发明基于功率与akie融合信息的负载开关事件检测***的结构示意图。如图2所示，所述基于功率与akie融合信息的负载开关事件检测***包括以下结构：

获取模块，输入实测的功率信号序列P；

判断模块，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短窗口长度；C为负载开关事件初估发生时间。

所述的***，还包括：

计算模块，求取负载开关事件初估发生时间C。

下面提供一个具体实施案例，进一步说明本发明的方案

图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：

1.输入实测的功率信号序列P

P＝[p₁,p₂,…,p_N-1,p_N]

其中：

P：实测的功率信号序列，长度为N

p_i,i＝1,2,…,N:序号为i的实测功率信号

2.截取不同长度窗口内的数据，并计算不同长度窗口内的功率

其中：

第n点所对应的短窗口内所述功率信号序列的功率

第n点所对应的长窗口内所述功率信号序列的功率

所述短窗口内所述功率信号序列P的平均幅度

所述长窗口内所述功率信号序列P的平均幅度

p_i：所述功率信号序列P中的第i个数据。如果i≤0，则对应的p_i＝0

3.计算功率比值

4.计算负荷开关事件初估发生时间

如果功率比值ρ_C≥5.28，则在所述振声信号序列P的第C点，发生负载开关事件,C为负载开关事件初估发生时间；否则，没有负载开关事件发生。其中功率比值

5.重估负荷开关事件发生时间

根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列；N＝L+S+1；L为长窗口的长度；S为短窗口长度；C为负载开关事件初估发生时间。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (1)

1.基于功率与akie融合信息的负载开关事件检测方法，其特征在于，包括：

步骤1，输入实测的功率信号序列P；

步骤2，确定短窗口和长窗口的长度，具体为：

S:短窗口的长度；

L：长窗口的长度；

N:所述功率信号序列的长度；

对*下取整；

步骤3，计算所述长窗口和所述短窗口内所述功率信号序列的功率，具体为：

其中：

第n点所对应的短窗口内所述功率信号序列的功率；

第n点所对应的长窗口内所述功率信号序列的功率；

所述短窗口内所述功率信号序列P的平均幅度；

所述长窗口内所述功率信号序列P的平均幅度；

p_i：所述功率信号序列P中的第i个数据，如果i≤0，则对应的p_i＝0；

步骤4，计算功率相对比，具体为：

步骤5，确定负载开关事件初估发生时间，具体为：

如果功率比值ρ_C≥5.28，则在所述功率信号序列P的第C点，发生负载开关事件,C为负载开关事件初估发生时间；否则，没有负载开关事件发生；其中功率比值

步骤6，根据功率与akie融合信息检测负载开关事件，具体为：如果a_K是时间窗口[C-L,C+S]内功率与akie融合信息的最大值，则在所述功率信号序列P的第K-C+L+1点，负载开关事件发生；其中功率与akie融合信息

var{*}表示序列*的均方差，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第1到第k个元素所组成的序列，

表示所述功率信号序列在时间窗口[C-L,C+S]内的第k+1到第N个元素所组成的序列。

Images