CN111766462A - 一种基于v-i轨迹的非侵入式负荷识别方法 - Google Patents
一种基于v-i轨迹的非侵入式负荷识别方法 Download PDFInfo
- Publication number
- CN111766462A CN111766462A CN202010406926.6A CN202010406926A CN111766462A CN 111766462 A CN111766462 A CN 111766462A CN 202010406926 A CN202010406926 A CN 202010406926A CN 111766462 A CN111766462 A CN 111766462A
- Authority
- CN
- China
- Prior art keywords
- track
- load
- characteristic
- voltage
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于V‑I轨迹的非侵入式负荷识别方法,所述方法包括:对采集到的入户的电压电流数据标准化处理;通过监测入户的有功功率变化来判断有无负荷投切事件以及负荷运行是否进入稳态;计算负荷的Z值;对稳态电压电流数据进行标幺化并构建V‑I轨迹;对确定的计算单元求取平均轨迹作为该单元特征轨迹并获取各计算单元的轨迹误差累积和以及相应的特征值;将待测的负荷特征序列与预设的负荷特征库结合特征权重进行相似度计算得出识别结果。与现有技术相比,本发明能够提高提取的负荷特征信息的可靠性、能够区分功率相近的负荷,进而提高负荷识别的准确度。
Description
技术领域
本发明涉及一种非侵入式负荷识别的方法,具体涉及一种基于V-I轨迹的非侵入式负荷识别方法。
背景技术
负荷识别方法主要分为侵入式和非侵入式负荷识别两大类。侵入式负荷识别方法需要在各个用电设备 上安装监测装置来记录设备的操作情况,其负荷识别结果较为准确,但成本高,不易大规模部署实施;非 侵入式负荷识别方法只需在入户端安装一个监测装置,就可以通过负荷识别算法来监测家居内的负荷工作 情况,该方法成本低且实用性强,已成为未来负荷监测方向的发展趋势。
非侵入式负荷识别方法一般分为数据采集、数据处理、事件检测、特征提取和负荷识别五个步骤。负 荷特征提取是负荷识别的基础,对各种负荷在不同运行状态下提取特征值,既可以减小负荷识别的计算量, 又可以提高负荷识别的准确率。现有负荷特征可以分为暂态特征和稳态特征两大类,稳态特征主要包括有 功功率、无功功率、V-I轨迹、电压电流的基波分量及谐波分量等,暂态特征主要包括瞬时电流、瞬时功 率、电压噪声等。暂态特征容易受到噪声的干扰不易提取,而稳态特征的提取相对稳定,抗干扰性较强。 本发明运用的V-I轨迹特征根据负荷运行时电压和电流之间的关系来提取负荷特征,稳态V-I轨迹特征体 现了负荷的多种电气特性。
现有研究针对负荷V-I轨迹提取了轨迹封闭面积、轨迹对称性、轨迹自交点个数等特征用来进行负荷 识别,得到了较好的识别率。但在对于功率相近和运行中V-I轨迹波动较大的负荷不能做到精确识别,本 发明针对该问题提供了一种通过分析负荷在稳态运行过程中V-I轨迹的变化从而得到稳定的V-I特征轨迹, 并通过特征提取技术进行负荷识别。
发明内容
本发明提供了一种基于V-I轨迹的非侵入式负荷识别方法,采用以下的技术方案:
一种基于V-I轨迹的非侵入式负荷识别方法,包括如下步骤:
S1:采集入户端的电压和电流数据,对获得的电压和电流数据进行预处理;
S2:根据预处理后的电压和电流数据计算有功功率,通过对其有功功率监测判断负荷的投切(若无投切 事件发生则继续执行S2);
S3:对负荷运行是否进入稳态进行检测。检测到负荷进入稳态阶段后,保存负荷的稳态电压和电流数据 并计算Z值;
S4:将S3获得的稳态电压和电流数据进行标幺化,然后以电压为横坐标,电流为纵坐标构建标幺化的 V-I轨迹;
S5:将S4获得的V-I轨迹以N个轨迹为一个计算单元,提取每个计算单元的平均轨迹作为该单元的特 征轨迹。将计算单元内的各个V-I轨迹与该计算单元对应的特征轨迹计算误差作为计算单元的V-I轨迹误 差累积和,对获得的特征轨迹提取相应的V-I轨迹特征值;
S6:根据预设的负荷特征库求出每个负荷特征对应的权重值,结合求得的特征权重值将预设的负荷特征 库与获取的V-I轨迹特征匹配,通过最大隶属原则得出识别结果。
进一步的,上述S1中的电压和电流数据为高频采样电压数据及高频采样电流数据;
进一步的,上述S2中判断负荷投切事件的方法为:
(1)计算负荷在某一时刻相邻周期的有功功率变化值;
(2)若该值大于设定的阈值则检测到有投切事件发生。
进一步的,上述S3中判断负荷进入稳态的方法为:当某一时刻检测到负荷投切事件则开始进行负荷 稳态判定,若能连续N个周期满足相邻周期有功功率变化小于设定的阈值则表示负荷运行进入稳态。所提 到的Z值计算方法为:式中:irms、vrms为电流im的有效值和电压vm有效值。
进一步的,上述S5中所述方法为:
(1)通过S4所得轨迹的电压最大值点和电压最小值点的连线将轨迹分割为上下两部分,然后分 别将轨迹上下两部分进行拟合;
(2)由于负荷在运行过程中其V-I轨迹会发生波动,故以N个轨迹为一个计算单元存放,求取N 个轨迹的平均轨迹作为对应计算单元的特征轨迹;
(3)在某一计算单元中,将该单元的特征轨迹与存放的轨迹计算累积误差作为对应计算单元的 误差累积和。
进一步的,上述S6中提取相应的V-I轨迹特征值包括(1)轨迹封闭面积;(2)轨迹对称性;(3)轨迹中间 部分斜率;(4)轨迹中间部分面积;(5)轨迹自交点个数。
提取的步骤为:
(a)获取标幺化的V-I特征轨迹的封闭面积;
(b)获取标幺化的V-I特征轨迹的对称性;
(c)根据跟踪轨迹变化得到轨迹的凸点将其围成的封闭部分定义为V-I特征轨迹的中间部分;
(d)获取标幺化的V-I特征轨迹的中间部分斜率;
(e)获取标幺化的V-I特征轨迹的中间部分面积;
(f)获取标幺化的V-I特征轨迹的自交点个数;
预设的负荷特征库包括的信息包括:(1)Z值;(2)轨迹封闭面积;(3)轨迹对称性;(4)轨迹中间部分斜 率;(5)轨迹中间部分面积;(6)轨迹自交点个数;结合通过求解得到的各个负荷特征对应的权值将预设的负 荷特征库与获取的V-I轨迹特征匹配,通过最大隶属原则得出识别结果。
附图说明
图1为基于V-I轨迹的非侵入式负荷识别方法流程图;
图2为本发明一实施例中V-I轨迹示意图;
图3为本发明一实施例中V-I轨迹分割示意图;
图4为本发明一实施例中运行中的V-I轨迹示意图;
图5为本发明一实施例中V-I轨迹中间部分示意图;
具体实施方式
结合附图以及实施方式来解释本发明,具体实施步骤如下:
本发明提供了一种基于V-I轨迹的非侵入式负荷识别方法,其实施步骤包括:
S1:对采集到的原始电压和电流数据进行标准化处理,在本发明的实施案例中的标准化公式如下:
式中:v(k)、i(k)(k=1,2,3…)为采集到的原始电压和电流数据,vrms为电压的有效值,vsta(k)、ista(k) 为标准化后的电压电流数据。
设t时刻的有功功率为Pt,则t时刻的有功功率变化量为ΔP=Pt-Pt-1,因此可根据公式ΔP>ξ判断 是否存在用电负荷进行投切,ξ取上一时刻有功功率的1/20。
S3:当某一时刻满足ΔPt>ξ时,开始进行负荷稳态判定,若能连续N个周期满足ΔP<ξ则表示负 荷运行进入稳态,保存稳态电压vm、稳态电流im并计算Z值:式中:irms、vrms分别为电流im的有效值和电压vm有效值。
S4:将S3获得的电压和电流数据(vm(k)、im(k))按公式(4)、公式(5)进行标幺化:
式中:vg(k)为标幺化后的电压数据,ig(k)为标幺化后的电流数据,vmax为电压最大值,imax为电流 最大值,vm(k)、im(k)为S3获得电压和电流数据。以标幺化的电压为横坐标,标幺化后的电流为纵坐 标得到负荷的V-I轨迹如图2。
S5:通过获取轨迹的电压最大值点vgmax和电压最小值点vgmin将形成的VI轨迹分为如图3所示的上 下A、B两部分,通过最小二乘法拟合得到轨迹A、B部分电流关于电压的拟合形式iA(u)、iB(u),u为 电压。
负荷在运行过程中轨迹会发生变化(如图4所示)从而影响特征值的稳定,为了保证得到稳定的负荷 特征值,我们将S4获得的V-I轨迹以N个轨迹为一个计算单元,提取每个计算单元的平均轨迹作为该单元的特征轨迹,将每个计算单元内的各个V-I轨迹与该计算单元对应的特征轨迹按公式(6)计算 误差作为该计算单元的V-I轨迹误差累积和。
分析V-I轨迹,计算轨迹特征值:
(1)计算得V-I轨迹围成的封闭图像面积S,计算如下式:
(2)定义V-I轨迹其本身与其旋转180°后所得的图形的相似性为其对称性特征,计算V-I轨迹 的对称性如下式:
式中:HD为V-I轨迹的对称性指标。
式中:KA、KB为轨迹A、B中间部分斜率,u1、u2为轨迹上的电压值。
(4)计算得V-I轨迹中间部分的面积如下式:
式中:Smid为V-I轨迹中间部分的面积,u1、u2为电压值。
(5)判断V-I轨迹A、B两部分是否存在交点:
S6:在本发明一实施例中设有m个负荷,定义预设的特征库形式如下:
特征库中存放的负荷特征信息包括:V-I轨迹的Z值,V-I轨迹围成的面积S,V-I轨迹的对称性指标 HD,V-I轨迹的中间部分斜率KA和KB,V-I轨迹的中间部分面积Smid,V-I轨迹的自交点个数SC,V-I 轨迹的误差累积和E。
根据建立负荷特征库计算各特征的权重ω,计算流程如下:
(1)对特征库D中特征值的归一化
式中:hij为D中负荷i的特征值j,himin为负荷i特征序列的最小值,himax为负荷i特征序列的最大 值。
(2)计算特征的比重:
式中:n为特征类别的个数。
(3)对各特征值信息熵的计算:
式中:K=ln(m)-1,m为负荷的总数。
(4)计算各特征的特征权重:
将获取的待识别负荷的V-I轨迹特征与负荷特征库作相似度计算,定义待识别负荷的特征序列为 f=[Z S HD KA KB Smid SC E]T,定义d为待识别负荷与特征库的相似度矩阵,如下式:
Claims (8)
1.一种基于V-I轨迹的非侵入式负荷识别方法,包括下述的步骤:
S1:采集入户端的电压和电流数据,对获得的电压和电流数据进行预处理;
S2:根据预处理后的电压和电流数据计算有功功率,通过对其有功功率监测判断负荷的投切(若无投切事件发生则继续执行S2);
S3:对负荷运行是否进入稳态进行检测。检测到负荷进入稳态阶段后,保存负荷的稳态电压和电流数据并计算Z值;
S4:将S3获得的稳态电压和电流数据进行标幺化,然后以电压为横坐标,电流为纵坐标构建标幺化的V-I轨迹;
S5:将S4获得的V-I轨迹以N个轨迹为一个计算单元,提取每个计算单元的平均轨迹作为该单元的特征轨迹。将计算单元内的各个V-I轨迹与该计算单元对应的特征轨迹计算误差作为计算单元的V-I轨迹误差累积和,对获得的特征轨迹提取相应的V-I轨迹特征值;
S6:根据预设的负荷特征库求出每个负荷特征对应的权重值,结合求得的特征权重值将预设的负荷特征库与获取的V-I轨迹特征匹配,通过最大隶属原则得出识别结果。
3.根据权利要求1所述的基于V-I轨迹的非侵入式负荷识别方法,其特征在于S2中判断负荷投切事件的方法为:
(1)计算负荷在某一时刻相邻周期的有功功率差值;
(2)若该差值大于设定的阈值则检测到有投切事件发生。
4.根据权利要求1所述的基于V-I轨迹的非侵入式负荷识别方法,其特征在于S3中判断负荷进入稳态的方法为:
当某一时刻检测到负荷投切事件则开始进行负荷稳态判定,若能连续N个周期满足相邻周期有功功率变化小于设定的阈值则表示负荷运行进入稳态。
6.根据权利要求1所述的基于V-I轨迹的非侵入式负荷识别方法,其特征在于S5中所述方法为:
(1)通过S4所得轨迹的电压最大值点和电压最小值点的连线将轨迹分割为上下两部分,然后分别将轨迹上下两部分进行拟合;
(2)以N个轨迹为一个计算单元存放,求取N个轨迹的平均轨迹作为对应计算单元的特征轨迹;
(3)在某一计算单元中,将该单元的特征轨迹与存放的轨迹计算累积误差作为对应计算单元的误差累积和。
7.根据权利要求1所述的基于V-I轨迹的非侵入式负荷识别方法,其特征在于S6中提取相应的V-I轨迹特征值包括:
(1)Z值;(2)轨迹封闭面积;(3)轨迹对称性;(4)轨迹中间部分斜率;(5)轨迹中间部分面积;(6)轨迹自交点个数;提取的步骤为:
(a)获取Z值;
(b)构建标幺化的V-I特征轨迹;
(c)获取标幺化的V-I特征轨迹的封闭面积;
(d)获取标幺化的V-I特征轨迹的对称性;
(e)根据跟踪轨迹变化得到轨迹的凸点将其围成的封闭部分定义为V-I特征轨迹的中间部分;
(f)获取标幺化的V-I特征轨迹的中间部分斜率;
(g)获取标幺化的V-I特征轨迹的中间部分面积;
(h)获取标幺化的V-I特征轨迹的自交点个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406926.6A CN111766462B (zh) | 2020-05-14 | 2020-05-14 | 一种基于v-i轨迹的非侵入式负荷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406926.6A CN111766462B (zh) | 2020-05-14 | 2020-05-14 | 一种基于v-i轨迹的非侵入式负荷识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766462A true CN111766462A (zh) | 2020-10-13 |
CN111766462B CN111766462B (zh) | 2023-03-10 |
Family
ID=72719308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010406926.6A Active CN111766462B (zh) | 2020-05-14 | 2020-05-14 | 一种基于v-i轨迹的非侵入式负荷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766462B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418722A (zh) * | 2020-12-08 | 2021-02-26 | 浙江大学 | 基于v-i轨迹图和神经网络的非侵入式负荷识别方法 |
CN113131489A (zh) * | 2021-04-08 | 2021-07-16 | 华南理工大学 | 基于改进人工鱼群聚类算法的非侵入式负荷识别的方法 |
CN113191253A (zh) * | 2021-04-28 | 2021-07-30 | 浙江大学 | 一种边缘机器学习下基于特征融合的非侵入式负荷识别方法 |
CN113255236A (zh) * | 2021-07-07 | 2021-08-13 | 浙江大学 | 基于孪生网络的非侵入式负荷自适应识别方法 |
CN113723479A (zh) * | 2021-08-18 | 2021-11-30 | 南京工程学院 | 一种基于grnn与均值漂移算法的非侵入式负荷识别方法 |
CN116859169A (zh) * | 2023-09-01 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10288639A (ja) * | 1997-02-13 | 1998-10-27 | Toshiba Corp | 電気機器の異常監視装置および方法 |
WO2015059272A1 (en) * | 2013-10-24 | 2015-04-30 | Universite Libre De Bruxelles | Improved non-intrusive appliance load monitoring method and device |
CN106908671A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用负荷智能检测方法及*** |
CN109461095A (zh) * | 2018-10-18 | 2019-03-12 | 深圳供电局有限公司 | 一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备 |
CN110188771A (zh) * | 2019-05-17 | 2019-08-30 | 湖南大学 | 基于图像处理的非侵入式电力负荷特征提取、识别方法、***及介质 |
CN110690716A (zh) * | 2019-08-16 | 2020-01-14 | 中国电力科学研究院有限公司 | 一种基于电压相轨迹信息对电网主动解列断面进行定位的方法及*** |
-
2020
- 2020-05-14 CN CN202010406926.6A patent/CN111766462B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10288639A (ja) * | 1997-02-13 | 1998-10-27 | Toshiba Corp | 電気機器の異常監視装置および方法 |
WO2015059272A1 (en) * | 2013-10-24 | 2015-04-30 | Universite Libre De Bruxelles | Improved non-intrusive appliance load monitoring method and device |
CN106908671A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用负荷智能检测方法及*** |
CN109461095A (zh) * | 2018-10-18 | 2019-03-12 | 深圳供电局有限公司 | 一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备 |
CN110188771A (zh) * | 2019-05-17 | 2019-08-30 | 湖南大学 | 基于图像处理的非侵入式电力负荷特征提取、识别方法、***及介质 |
CN110690716A (zh) * | 2019-08-16 | 2020-01-14 | 中国电力科学研究院有限公司 | 一种基于电压相轨迹信息对电网主动解列断面进行定位的方法及*** |
Non-Patent Citations (2)
Title |
---|
王庆玉等: "谱聚类算法在家用负荷识别中的应用", 《电测与仪表》 * |
黄友金等: "深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法", 《电力科学与工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418722A (zh) * | 2020-12-08 | 2021-02-26 | 浙江大学 | 基于v-i轨迹图和神经网络的非侵入式负荷识别方法 |
CN113131489A (zh) * | 2021-04-08 | 2021-07-16 | 华南理工大学 | 基于改进人工鱼群聚类算法的非侵入式负荷识别的方法 |
CN113191253A (zh) * | 2021-04-28 | 2021-07-30 | 浙江大学 | 一种边缘机器学习下基于特征融合的非侵入式负荷识别方法 |
CN113255236A (zh) * | 2021-07-07 | 2021-08-13 | 浙江大学 | 基于孪生网络的非侵入式负荷自适应识别方法 |
CN113723479A (zh) * | 2021-08-18 | 2021-11-30 | 南京工程学院 | 一种基于grnn与均值漂移算法的非侵入式负荷识别方法 |
CN116859169A (zh) * | 2023-09-01 | 2023-10-10 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及*** |
CN116859169B (zh) * | 2023-09-01 | 2023-11-17 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111766462B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111766462B (zh) | 一种基于v-i轨迹的非侵入式负荷识别方法 | |
CN110336534B (zh) | 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法 | |
CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
Li et al. | An unsupervised learning framework for event detection, type identification and localization using pmus without any historical labels | |
CN115792681A (zh) | 一种基于车联网大数据平台的单体电池一致性检测算法 | |
CN110569876A (zh) | 非侵入式负荷识别方法、装置及计算设备 | |
CN115600837A (zh) | 一种用于电器负荷异常的节能诊断方法 | |
CN111856209A (zh) | 一种输电线路故障分类方法及装置 | |
CN117093947B (zh) | 一种发电柴油机运行异常监测方法及*** | |
CN112396007A (zh) | 一种非侵入式居民负荷突变事件三阈值检测方法和*** | |
CN113010985A (zh) | 一种基于并行aann的非侵入式负荷识别方法 | |
CN116664015A (zh) | 一种智能充电桩管理***及其方法 | |
CN116796271A (zh) | 一种居民用能异常识别方法 | |
CN111046790A (zh) | 一种泵轴承故障诊断方法 | |
CN112287979B (zh) | 一种基于互信息的储能电池状态判定方法 | |
CN117932358A (zh) | 一种智能远程电场故障诊断方法及*** | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的***及方法 | |
CN114971002B (zh) | 一种基于计量终端负荷监测技术的异常电量预测方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN114969638A (zh) | 一种基于模态当量标准化的桥梁性能异常预警方法 | |
CN112701683A (zh) | 非侵入式负荷检测与分解方法、***以及存储介质 | |
CN118244071B (zh) | 一种干式铁芯电抗器局部放电检测方法及*** | |
CN117371623B (zh) | 一种电能表运行状态预警方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |