CN112816816A - 恶性负载的识别方法、装置、设备和存储介质 - Google Patents
恶性负载的识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112816816A CN112816816A CN202011634318.7A CN202011634318A CN112816816A CN 112816816 A CN112816816 A CN 112816816A CN 202011634318 A CN202011634318 A CN 202011634318A CN 112816816 A CN112816816 A CN 112816816A
- Authority
- CN
- China
- Prior art keywords
- power
- moment
- time
- determining
- load
- 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.)
- Pending
Links
- 230000003211 malignant effect Effects 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008859 change Effects 0.000 claims abstract description 88
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 17
- 230000001965 increasing effect Effects 0.000 claims description 16
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 15
- 230000007423 decrease Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000006233 lamp black Substances 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
- G01R21/002—Measuring real component
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
- G01R21/003—Measuring reactive component
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/001—Measuring real or reactive component; Measuring apparent energy
- G01R21/005—Measuring apparent power
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施例公开了一种恶性负载的识别方法,方法包括:获取用电设备在多个时刻的用电参数;基于每一时刻的用电参数,确定每一时刻的无功功率;确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载。本申请的实施例同时还公开了一种恶性负载的识别装置、恶性负载的识别设备和存储介质。
Description
技术领域
本申请涉及负载识别技术领域,尤其涉及一种恶性负载的识别方法、恶性负载的识别装置、恶性负载的识别设备和存储介质。
背景技术
目前,随着用电设备的普及和增多,在为人们的生活带来便利的同时,也因部分恶性负载的使用带来了安全隐患。其中,恶性负载包括大功率的阻性负载。
传统识别恶性负载的方法有总功率阈值法、功率因素法、瞬时功率法、面积关系判断法,但是上述几种方法都是根据某一时刻的瞬时值判断恶性负载。然而,基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载。
发明内容
有鉴于此,本申请实施例期望提供一种恶性负载的识别方法、恶性负载的识别装置、恶性负载的识别设备和存储介质,解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
为达到上述目的,本申请的技术方案是这样实现的:
一种恶性负载的识别方法,包括:
获取用电设备在多个时刻的用电参数;
基于每一时刻的所述用电参数,确定每一时刻的无功功率;
确定所述多个时刻的所述无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;所述恶性负载识别信号用于表征所述用电设备为恶性负载。
一种恶性负载的识别装置,所述恶性负载的识别装置包括:
获取模块,用于获取用电设备在多个时刻的用电参数;
处理模块,用于基于每一时刻的所述用电参数,确定每一时刻的无功功率;
所述处理模块,用于确定所述多个时刻的所述无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;所述恶性负载识别信号用于表征所述用电设备为恶性负载。
一种恶性负载的识别设备,所述恶性负载的识别设备包括:处理器和存储器;
所述处理器和存储器之间通信连接;
所述处理器用于执行存储器中的恶性负载的识别程序,以实现如上述的恶性负载的识别方法中的步骤。
一种存储介质,所述存储介质中存储有计算机可执行指令,该计算机可执行指令配置为执行上述的恶性负载的识别方法中的步骤。
本申请的实施例所提供的恶性负载的识别方法、恶性负载的识别装置、恶性负载的识别设备和存储介质,获取用电设备在多个时刻的用电参数;基于每一时刻的用电参数,确定每一时刻的无功功率;确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载;解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
附图说明
图1为本申请实施例提供的一种恶性负载的识别方法的流程示意图;
图2为本申请实施例提供的另一种恶性负载的识别方法的流程示意图;
图3为本申请实施例提供的一种恶性负载的识别场景示意图;
图4为本申请实施例提供的一种非恶性负载如空调的有功功率和无功功率的变化示意图;
图5为本申请实施例提供的又一种恶性负载的识别方法的流程示意图;
图6为本申请的实施例提供的一种恶性负载的识别装置的结构示意图;
图7为本申请的实施例提供的一种恶性负载的识别设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
应理解,说明书通篇中提到的“本申请实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“本申请实施例中”或“在前述实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
这里,对传统识别恶性负载的方法进行介绍。相关技术中,总功率阈值法指的是当功率达到某个最大阈值时,识别为恶性负载。总功率阈值法的缺点是,某些正常电器(比如空调)的功率比恶性负载更大,容易产生误报。瞬时功率增加法指的是在一个很短的时间内检测到功率值比上个检测周期的功率值增量超过阈值时,识别为恶性负载。瞬时功率增加法的缺点是,某些恶性电器如热敏电阻(Positive Temperature Coefficient,PTC)发热材质的取暖器,由于材质特性,功率也是缓慢上升的,容易漏报。功率因数法指的是不断的检测负载的功率因数。如果功率因数表现为纯电阻特性,就识别为恶性负载。功率因数法的缺点是,小功率的电吹风有加热丝和电机,从功率因数上并不是表现为纯电阻特性。当开低热高风档位的时候,尤其明显,容易漏报。谐波分析法指的是检测电压和电流的波形,经过某种算法变换后,提取出特征,并结合两者的相位,来识别恶性负载。谐波分析法的缺点是,电路比较复杂,需要占用更多的体积,无法在小体积的产品中使用,对主芯片的处理能力要求高。可见,传统识别恶性负载的方法,至少存在基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题。
下面结合附图及实施例对本申请提供的恶性负载的识别方法作出详细的描述。
本申请的实施例提供一种恶性负载的识别方法,该方法应用于恶性负载的识别设备,参照图1所示,该方法包括以下步骤:
步骤101、获取用电设备在多个时刻的用电参数。
本申请实施例中,恶性负载的识别设备确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的用电参数。
本申请实施例中,在交流电路中,有功功率是指一个周期内发出或负载消耗的瞬时功率的积分的平均值或负载电阻所消耗的功率,有功功率也称平均功率。
目标时段可以根据用电设备的类型进行设置。目标时段也可以根据其他因素进行设置,例如根据各种用电设备在历史使用场景中或者实验过程中,启动时的功率变化数据进行设置。本申请实施例中,对于目标时段的设置方式不做具体地限定,以实现本申请提供的恶性负载的识别方法为准。
用电设备为设置有电机的设备,用电设备包括但不限于如下设备:空调、除湿机、抽湿机、冰箱、冰柜、洗衣机、干衣机、油烟机以及空气能热水器。
阻性负载是指和电源相比当负载电流、负载电压没有相位差时负载为阻性如负载为白炽灯、电炉等;通俗一点讲,仅是通过电阻类的元件进行工作的纯阻性负载称为阻性负载。恶性负载是指以负载为阻性负载,诸如热得快之类的大功率的这类的阻性负载定义为恶性负载。
示例性的,恶性负载的识别设备可以为智能电表或者智能插座,即恶性负载的识别设备不仅能够识别用电设备是否为恶性负载,还可以实现用电设备的用电量统计等功能。
在一个可实现的场景中,校园宿舍中空调专用的智能插座确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的瞬时电流、瞬时电压和有功功率,进一步地,恶性负载的识别设备基于多个时刻的瞬时电流、瞬时电压和有功功率,确定用电设备是否为恶性负载。
步骤102、基于每一时刻的用电参数,确定每一时刻的无功功率。
这里,恶性负载的识别设备确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的用电参数之后,基于每一时刻的用电参数,确定每一时刻的无功功率,进而恶性负载的识别设备基于多个时刻的无功功率确定用电设备是否为恶性负载。
步骤103、确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号。
其中,恶性负载识别信号用于表征用电设备为恶性负载。
这里,在确定出每个时刻的无功功率后,根据每个时刻的无功功率确定该时段内无功功率的变化情况,将确定出的无功功率的变化情况与预先存储的第一变化条件进行比较,在该时段内无功功率的变化情况不符合预先存储的第一变化条件时,确定用电设备中存在恶性负载的情况,则生成并输出恶性负载识别信号,如此,在精确判定用电设备为恶性负载的情况下,及时输出恶性负载识别信号,以提醒用户,提高了检测的安全性和可靠性,达到安全用电的目的,且无需使用特殊的采样元器件,成本低。
本申请的实施例所提供的恶性负载的识别方法,获取用电设备在多个时刻的用电参数;基于每一时刻的用电参数,确定每一时刻的无功功率;确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载;解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
本申请的实施例提供一种恶性负载的识别方法,该方法应用于恶性负载的识别设备,参照图2所示,该方法包括以下步骤:
步骤201、获取用电设备在多个时刻的用电参数。
其中,用电参数包括瞬时电流、瞬时电压和有功功率。
步骤202、基于每一时刻的用电参数,确定每一时刻的无功功率。
步骤203、基于每一时刻的用电参数,确定每一时刻的有功功率。
步骤204、确定多个时刻的无功功率的变化不符合第一变化条件,且多个时刻的有功功率的变化不符合第二变化条件,则输出恶性负载识别信号。
本申请实施例中的第一变化条件和第二变化条件,在不同的恶性负载识别场景中,存在如下三种情况:
在第一种可实现的恶性负载识别场景中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,第二变化条件表征多个时刻的有功功率按照时间的推移依次增大。
示例性的,目标时段内多个时刻包括用电设备启动时第N分钟内第M秒;其中,N为正整数,M为大于1的正整数。进一步地,以第1分钟内第10-40秒为例。恶性负载的识别设备在获得用电设备的第10-40秒的有功功率和第10-40秒的无功功率的情况下,确定第10-40秒的有功功率按照时间的推移依次增大,且第10-40秒的无功功率按照时间的推移先增大后减小,例如第10-35秒的无功功率按照时间的推移依次增大且第36-40秒的无功功率按照时间的推移依次减小时,确定该用电设备为非恶性负载,若在第1分钟内第10-40秒,用电设备的有功功率不符合按照时间的推移依次增大,和/或无功功率不符合按照时间的推移先增大后减小的条件,则确定该用电设备为恶性负载,输出恶性负载识别信号。
在第二种可实现的恶性负载识别场景中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,且多个无功功率中的最小值小于第一阈值,或,无功功率由大变小时的差值大于第二阈值;第二变化条件表征多个时刻的有功功率按照时间的推移依次增大。其中,第一阈值是指恶性负载在目标时段内无功功率的最大值;第二阈值是指恶性负载时,无功功率突然变小的最小幅度;第一阈值和第二阈值可以通过实验或经验预先设置。
示例性的,目标时段内多个时刻包括用电设备启动时第N分钟内第M秒。进一步地,以第1分钟内第10-40秒为例。恶性负载的识别设备在获得用电设备的第10-40秒的有功功率和第10-40秒的无功功率的情况下,确定第10-40秒的有功功率不符合按照时间的推移依次增大,和/或第10-40秒的无功功率不符合按照时间的推移先增大后减小,例如第10-35秒的无功功率未按照时间的推移依次增大和/或第36-40秒的无功功率未按照时间的推移依次减小,以及多个无功功率中的最小值大于第一阈值,或者,第10-40秒内的无功功率最大值与最小值之间的差值小于第二阈值,则确定该用电设备为恶性负载,并输出恶性负载识别信号。
在第三种可实现的恶性负载识别场景中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,第二变化条件表征多个时刻的有功功率按照时间的推移依次增大,且多个有功功率中的目标有功功率与多个无功功率中的目标无功功率的差值大于第三阈值。第三阈值可以通过实验或经验预先设置
示例性的,目标时段内多个时刻包括用电设备启动时第N分钟内第M秒。进一步地,以第1分钟内第10-40秒为例。恶性负载的识别设备在获得用电设备的第10-40秒的有功功率和第10-40秒的无功功率的情况下,确定第10-40秒的有功功率未按照时间的推移依次增大,和/或,第10-40秒的无功功率未按照时间的推移先增大后减小,且第10-40秒内的有功功率中的目标有功功率与第10-40秒内的无功功率中的目标无功功率的差值小于第三阈值时,确定该用电设备为恶性负载,并输出恶性负载识别信号。
示例性的,以恶性负载的识别设备为智能电表、用电设备为空调举例,空调在执行制冷、制热、除湿等操作的时候,都会启动压缩机。压缩机的主要部件是电动机,该电动机消耗了大部分电能。压缩机启动的时候,除了会消耗有功功率,还会从电网中吸收较多的无功功率来建立磁场。当磁场建立完成后,仅仅需要少量的无功功率维持磁场。参照图3和图4所示,智能插座21确定空调22与供电端连接并上电启动时,通过电能芯片23获取目标时段内空调22在多个时刻的瞬时电流、瞬时电压和有功功率;智能插座21通过微控制器24基于每一时刻的瞬时电流、瞬时电压和有功功率,确定每一时刻的无功功率;进一步地,智能插座21确定目标时段内多个时刻的有功功率的变化符合第二变化条件,且多个时刻的无功功率的变化符合第一变化条件,识别空调22不是恶性负载。若智能插座21确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,或者,多个时刻的无功功率的变化不符合第一变化条件,则识别出智能插座21上存在恶性负载,则输出恶性负载信号;智能插座21通过控制电源单元25断开智能插座21与供电端的连接。参照图3和图4可知,空调22在13:50:08启动,智能插座21根据空调22在包括13:50:14至13:50:36的22秒内,检测到有功功率在不断增加,如图4中301所指的曲线对应的13:50:14至13:50:36的一段,有功功率从150W增加到500W;但是无功功率先增加后减小,如图4中302所指的曲线对应的13:50:14至13:50:34的一段,无功功率从150W增加到600W,紧接着302所指的曲线对应的13:50:34至13:50:36的一段,无功功率从600W骤降至180W,并低于第一阈值如200W,此时,智能插座21识别空调22不是恶性负载。
假设在其他场景中,智能插座21确定用电设备如电吹风在目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;并且,智能插座21通过控制电源单元25断开吹风机与供电端的连接。
由此可知,本申请提供的恶性负载的识别方法,仅需获取瞬时电流、瞬时电压、有功功率便可算出无功功率,上述瞬时电流、瞬时电压、有功功率的获取可以通过智能插座21中的电能专用芯片如BL0937芯片实现,无需获取实时波形,不需要单独设计电流、电压的波形采集和放大电路。避免了谐波分析法电路复杂,占用体积大,对主芯片处理能力要求高的情况,实现了恶性负载的精确识别,降低了识别成本。
本申请的实施例所提供的恶性负载的识别方法,确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的瞬时电流、瞬时电压和有功功率;基于每一时刻的瞬时电流、瞬时电压和有功功率,确定每一时刻的无功功率;确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;其中,第二变化条件与第一变化条件不同,恶性负载识别信号用于表征用电设备为恶性负载;解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于有功功率和无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
本申请的实施例提供一种恶性负载的识别方法,该方法应用于恶性负载的识别设备,参照图5所示,该方法包括以下步骤:
步骤401、获取用电设备在多个时刻的瞬时电流、瞬时电压和有功功率。
这里,恶性负载的识别设备确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的瞬时电流、瞬时电压和有功功率。
步骤402、确定每一时刻的瞬时电流与瞬时电压的乘积,为每一时刻的视在功率。
视在功率在电工技术中是指将单口网络端钮电压和电流有效值的乘积,只有单口网络完全由电阻混联而成时,视在功率才等于平均功率,否则,视在功率总是大于平均功率即有功功率,也就是说,视在功率不是单口网络实际所消耗的功率。
示例性的,U表示瞬时电压、I表示瞬时电流、P表示有功功率、S表示视在功率,则S=U×I。
步骤403、确定每一时刻的有功功率除以每一时刻的视在功率的商,为每一时刻的功率因数。
功率因数表示总功率中有功功率所占的比例,显然在任何情况下功率因数都不可能大于1。功率因数(Power Factor)的大小与电路的负荷性质有关,如白炽灯泡、电阻炉等电阻负荷的功率因数为1,一般具有电感性负载的电路功率因数都小于1。
步骤404、基于每一时刻的功率因数和每一时刻的视在功率,确定每一时刻的无功功率。
本申请实施例中,步骤404基于每一时刻的功率因数和每一时刻的视在功率,确定每一时刻的无功功率可以通过如下步骤实现:
首先、基于每一时刻的功率因数,确定每一时刻的参考因数。
其中,参考因数与功率因数的平方和等于1。
其次、确定每一时刻的视在功率与每一时刻的参考因数的乘积,为每一时刻的无功功率。
步骤405、确定多个时刻的无功功率的变化不符合第一变化条件,且多个时刻的有功功率的变化不符合第二变化条件,则输出恶性负载识别信号。
其中,第二变化条件与第一变化条件不同,恶性负载识别信号用于表征用电设备为恶性负载。
本申请其他实施例中,步骤405中确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件之后,还可以执行如下步骤:控制用电设备与供电端断开连接。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本发明的实施例提供一种恶性负载的识别装置,该恶性负载的识别装置可以应用于图1、2、5对应的实施例提供的恶性负载的识别方法中,参照图6所示,该恶性负载的识别装置5可以包括:
获取模块501,用于获取用电设备在多个时刻的用电参数;
处理模块502,用于基于每一时刻的用电参数,确定每一时刻的无功功率;
处理模块502,还用于确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号,恶性负载识别信号用于表征用电设备为恶性负载。
本申请其他实施例中,处理模块502,还用于基于每一时刻的用电参数,确定每一时刻的有功功率;
确定多个时刻的无功功率的变化不符合第一变化条件,且多个时刻的有功功率的变化不符合第二变化条件,则输出恶性负载识别信号。
本申请其他实施例中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,第二变化条件表征多个时刻的有功功率按照时间的推移依次增大。
本申请其他实施例中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,且多个无功功率中的最小值小于第一阈值,或,无功功率由大变小时的差值大于第二阈值。
本申请其他实施例中,多个有功功率中的目标有功功率与多个无功功率中的目标无功功率的差值大于第三阈值。
本申请其他实施例中,用电参数包括:瞬时电流、瞬时电压和有功功率;处理模块502,还用于确定每一时刻的瞬时电流与瞬时电压的乘积,为每一时刻的视在功率;
确定每一时刻的有功功率除以每一时刻的视在功率的商,为每一时刻的功率因数;
基于每一时刻的功率因数和每一时刻的视在功率,确定每一时刻的无功功率。
本申请其他实施例中,处理模块502,还用于基于每一时刻的功率因数,确定每一时刻的参考因数;其中,参考因数与功率因数的平方和等于1;
确定每一时刻的视在功率与每一时刻的参考因数的乘积,为每一时刻的无功功率。
本申请其他实施例中,处理模块502,还用于确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件,则控制用电设备与用电设备的供电端断开连接。
本申请的实施例所提供的恶性负载的识别装置,获取用电设备在多个时刻的用电参数;基于每一时刻的用电参数,确定每一时刻的无功功率;确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载;解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
需要说明的是,本实施例中各模块所执行的步骤的具体实现过程,可以参照图1、2、5对应的实施例提供的恶性负载的识别方法中的实现过程,此处不再赘述。
本发明的实施例提供一种恶性负载的识别设备,该恶性负载的识别设备可以应用于图1、2、5对应的实施例提供的恶性负载的识别方法中,参照图7所示,该恶性负载的识别设备6可以包括:处理器601和存储器602;
处理器601和存储器602之间具有通信连接;
处理器601用于执行存储器602中存储的恶性负载的识别程序,以实现以下步骤:
确定用电设备与供电端连接并上电启动时,获取目标时段内用电设备在多个时刻的瞬时电流、瞬时电压和有功功率;
基于每一时刻的瞬时电流、瞬时电压和有功功率,确定每一时刻的无功功率;
确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;其中,第二变化条件与第一变化条件不同,恶性负载识别信号用于表征用电设备为恶性负载。
本申请其他实施例中,第二变化条件表征多个时刻的有功功率按照时间的推移依次增大,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小。
本申请其他实施例中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,且多个无功功率中的最小值小于第一阈值。
本申请其他实施例中,多个有功功率中的目标有功功率与多个无功功率中的目标无功功率的差值大于第三阈值。
本申请其他实施例中,处理器601用于执行存储器602中存储的恶性负载的识别程序,以实现以下步骤:
确定每一时刻的瞬时电流与瞬时电压的乘积,为每一时刻的视在功率;
确定每一时刻的有功功率除以每一时刻的视在功率的商,为每一时刻的功率因数;
基于每一时刻的功率因数和每一时刻的视在功率,确定每一时刻的无功功率。
本申请其他实施例中,处理器601用于执行存储器602中存储的恶性负载的识别程序,以实现以下步骤:
基于每一时刻的功率因数,确定每一时刻的参考因数;其中,参考因数与功率因数的平方和等于1;
确定每一时刻的视在功率与每一时刻的参考因数的乘积,为每一时刻的无功功率。
本申请其他实施例中,恶性负载的识别设备确定目标时段内多个时刻的有功功率的变化不符合第二变化条件,且多个时刻的无功功率的变化不符合第一变化条件,处理器601用于执行存储器602中存储的恶性负载的识别程序,以实现以下步骤:控制用电设备与供电端断开连接。
本申请的实施例所提供的恶性负载的识别设备,获取用电设备在多个时刻的用电参数;基于每一时刻的用电参数,确定每一时刻的无功功率;确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载;解决了相关技术中基于瞬时值判断恶性负载的误判率较高,无法准确识别恶性负载的问题,实现基于无功功率的变化精确判定恶性负载,并及时输出恶性负载识别信号,不仅提高了恶性负载的识别准确率,而且实现了针对恶性负载的及时预警。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1、2、5对应的实施例提供的恶性负载的识别方法中的实现过程,此处不再赘述。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
获取用电设备在多个时刻的用电参数
基于每一时刻的用电参数,确定每一时刻的无功功率;
确定多个时刻的无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;恶性负载识别信号用于表征用电设备为恶性负载。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
基于每一时刻的用电参数,确定每一时刻的有功功率;
确定多个时刻的无功功率的变化不符合第一变化条件,且多个时刻的有功功率的变化不符合第二变化条件,则输出恶性负载识别信号。
在本申请的其他实施例中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,第二变化条件表征多个时刻的有功功率按照时间的推移依次增大。
在本申请的其他实施例中,第一变化条件表征多个时刻的无功功率按照时间的推移先增大后减小,且多个无功功率中的最小值小于第一阈值,或,无功功率由大变小时的差值大于第二阈值。
在本申请的其他实施例中,多个有功功率中的目标有功功率与多个无功功率中的目标无功功率的差值大于第三阈值。
在本申请的其他实施例中,用电参数包括:瞬时电流、瞬时电压和有功功率;该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
确定每一时刻的瞬时电流与瞬时电压的乘积,为每一时刻的视在功率;
确定每一时刻的有功功率除以每一时刻的视在功率的商,为每一时刻的功率因数;
基于每一时刻的功率因数和每一时刻的视在功率,确定每一时刻的无功功率。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
基于每一时刻的功率因数,确定每一时刻的参考因数;其中,参考因数与功率因数的平方和等于1;
确定每一时刻的视在功率与每一时刻的参考因数的乘积,为每一时刻的无功功率。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
控制用电设备与用电设备的供电端断开连接。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1、2、5对应的实施例提供的恶性负载的识别方法中的实现过程,此处不再赘述。
作为示例,处理器可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
需要说明的是,上述计算机存储介质可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种电子设备,如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种恶性负载的识别方法,其特征在于,包括:
获取用电设备在多个时刻的用电参数;
基于每一时刻的所述用电参数,确定每一时刻的无功功率;
确定所述多个时刻的所述无功功率的变化不符合第一变化条件,则输出恶性负载识别信号;所述恶性负载识别信号用于表征所述用电设备为恶性负载。
2.根据权利要求1所述的方法,其特征在于,所述确定所述多个时刻的所述无功功率的变化不符合第一变化条件时,则输出恶性负载识别信号,包括:
基于每一时刻的所述用电参数,确定每一时刻的有功功率;
确定所述多个时刻的所述无功功率的变化不符合第一变化条件,且所述多个时刻的所述有功功率的变化不符合第二变化条件,则输出所述恶性负载识别信号。
3.根据权利要求2所述的方法,其特征在于,所述第二变化条件表征多个时刻的所述有功功率按照时间的推移依次增大,所述第一变化条件表征多个时刻的所述无功功率按照时间的推移先增大后减小。
4.根据权利要求3所述的方法,其特征在于,所述第一变化条件表征多个时刻的所述无功功率按照时间的推移先增大后减小,且多个所述无功功率中的最小值小于第一阈值,或,所述无功功率由大变小时的差值大于第二阈值。
5.根据权利要求3所述的方法,其特征在于,多个所述有功功率中的目标有功功率与多个所述无功功率中的目标无功功率的差值大于第三阈值。
6.根据权利要求1-5任一所述的方法,其特征在于,所述用电参数包括:瞬时电流、瞬时电压和有功功率;所述基于每一时刻的所述用电参数,确定每一时刻的无功功率,包括:
确定每一时刻的所述瞬时电流与所述瞬时电压的乘积,为每一时刻的视在功率;
确定每一时刻的所述有功功率除以每一时刻的所述视在功率的商,为每一时刻的功率因数;
基于每一时刻的所述功率因数和每一时刻的所述视在功率,确定每一时刻的所述无功功率。
7.根据权利要求6所述的方法,其特征在于,所述基于每一时刻的所述功率因数和每一时刻的所述视在功率,确定每一时刻的所述无功功率,包括:
基于每一时刻的所述功率因数,确定每一时刻的参考因数;其中,所述参考因数与所述功率因数的平方和等于1;
确定每一时刻的所述视在功率与每一时刻的所述参考因数的乘积,为每一时刻的所述无功功率。
8.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
控制所述用电设备与所述用电设备的供电端断开连接。
9.一种恶性负载的识别装置,其特征在于,所述恶性负载的识别装置包括:
获取模块,用于获取用电设备在多个时刻的用电参数;
处理模块,用于基于每一时刻的所述用电参数,确定每一时刻的无功功率;
所述处理模块,用于确定所述多个时刻的所述无功功率的变化不符合第一变化条件时,则输出恶性负载识别信号;所述恶性负载识别信号用于表征所述用电设备为恶性负载。
10.一种恶性负载的识别设备,其特征在于,所述恶性负载的识别设备包括:处理器和存储器;所述处理器和存储器之间通信连接;
所述处理器用于执行存储器中的恶性负载的识别程序,以实现如权利要求1至8中任一项所述的恶性负载的识别方法中的步骤。
11.一种存储介质,所述存储介质中存储有计算机可执行指令,该计算机可执行指令配置为执行上述权利要求1至8中任一项提供的恶性负载的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634318.7A CN112816816A (zh) | 2020-12-31 | 2020-12-31 | 恶性负载的识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634318.7A CN112816816A (zh) | 2020-12-31 | 2020-12-31 | 恶性负载的识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112816816A true CN112816816A (zh) | 2021-05-18 |
Family
ID=75856732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011634318.7A Pending CN112816816A (zh) | 2020-12-31 | 2020-12-31 | 恶性负载的识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112816816A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795323A (zh) * | 2023-02-03 | 2023-03-14 | 深圳市北电仪表有限公司 | 恶性负载识别方法、设备及存储介质 |
CN115982576A (zh) * | 2023-03-17 | 2023-04-18 | 石家庄科林电气股份有限公司 | 一种恶性负载的识别方法、装置及电能表 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104764954A (zh) * | 2015-03-24 | 2015-07-08 | 天津师范大学 | 一种网络化智能负载识别装置及识别方法 |
CN106841773A (zh) * | 2016-12-26 | 2017-06-13 | 深圳市科陆电子科技股份有限公司 | 识别恶性负载的方法和*** |
CN106845553A (zh) * | 2017-02-04 | 2017-06-13 | 武汉阿帕科技有限公司 | 负载特性识别机构、方法及自动断电装置 |
CN106980055A (zh) * | 2017-03-13 | 2017-07-25 | 东华大学 | 一种基于数据挖掘的学生寝室违章电器使用监测*** |
CN108152630A (zh) * | 2017-12-26 | 2018-06-12 | 江苏智臻能源科技有限公司 | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 |
CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
CN110555787A (zh) * | 2019-09-11 | 2019-12-10 | 西华大学 | 基于改进粒子群算法的非入侵式负荷识别方法 |
CN110967585A (zh) * | 2019-12-20 | 2020-04-07 | 武汉盛帆电子股份有限公司 | 恶性负载的识别方法及装置 |
-
2020
- 2020-12-31 CN CN202011634318.7A patent/CN112816816A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104764954A (zh) * | 2015-03-24 | 2015-07-08 | 天津师范大学 | 一种网络化智能负载识别装置及识别方法 |
CN106841773A (zh) * | 2016-12-26 | 2017-06-13 | 深圳市科陆电子科技股份有限公司 | 识别恶性负载的方法和*** |
CN106845553A (zh) * | 2017-02-04 | 2017-06-13 | 武汉阿帕科技有限公司 | 负载特性识别机构、方法及自动断电装置 |
CN106980055A (zh) * | 2017-03-13 | 2017-07-25 | 东华大学 | 一种基于数据挖掘的学生寝室违章电器使用监测*** |
CN108152630A (zh) * | 2017-12-26 | 2018-06-12 | 江苏智臻能源科技有限公司 | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 |
CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
CN110555787A (zh) * | 2019-09-11 | 2019-12-10 | 西华大学 | 基于改进粒子群算法的非入侵式负荷识别方法 |
CN110967585A (zh) * | 2019-12-20 | 2020-04-07 | 武汉盛帆电子股份有限公司 | 恶性负载的识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795323A (zh) * | 2023-02-03 | 2023-03-14 | 深圳市北电仪表有限公司 | 恶性负载识别方法、设备及存储介质 |
CN115982576A (zh) * | 2023-03-17 | 2023-04-18 | 石家庄科林电气股份有限公司 | 一种恶性负载的识别方法、装置及电能表 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112816816A (zh) | 恶性负载的识别方法、装置、设备和存储介质 | |
CN110672934A (zh) | 一种非侵入式负荷辨识方法、终端及*** | |
CN107275688B (zh) | 一种控制终端的控制终端的方法及终端 | |
CN106066435A (zh) | 光伏逆变器老化测试*** | |
KR20150054123A (ko) | 전자 장치 및 전자 장치의 외부 기기 감지 방법 | |
CN112512150B (zh) | 用于电磁感应加热功率控制装置的控制方法 | |
CN110924109A (zh) | 衣物处理设备的控制方法 | |
CN106845553B (zh) | 负载特性识别机构、方法及自动断电装置 | |
CN113454470A (zh) | 负载监控方法和设备 | |
CN111371307B (zh) | 变频空调器中pfc电路的控制方法与变频空调器 | |
CN116221956A (zh) | 用于控制空调的方法、装置及空调 | |
CN111231764B (zh) | 电动汽车电池热管理方法、电子设备及汽车 | |
CN112671098A (zh) | 一种非侵入式负荷辨识的方法、装置及电子设备 | |
CN111142040A (zh) | 吹风机控制方法、装置及存储介质 | |
CN113465132B (zh) | 空调器的启动控制方法、装置、空调器和存储介质 | |
CN114243819B (zh) | 一种家用移动电源的组合充电方法及*** | |
CN114269032B (zh) | 电磁感应加热设备的控制方法、装置和电磁感应加热*** | |
CN215071776U (zh) | 供电电路及烹饪器具 | |
CN116068931A (zh) | 设备控制方法、装置、节能装置、电子设备及存储介质 | |
CN111237997B (zh) | 空调器及其控制方法和控制装置 | |
JP2003248520A (ja) | 電力制御回路およびその方法 | |
CN117685648A (zh) | 空调机组及其限电运行控制方法、装置和存储介质 | |
CN102409509B (zh) | 用于确定处置引入到处理衣物的家用电器内的衣物的处理过程的停止时刻的方法 | |
CN118040923A (zh) | 一种无线智能开关的充电方法、装置及无线智能开关 | |
CN116979678A (zh) | 家电设备供电***的供电控制方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210518 |
|
RJ01 | Rejection of invention patent application after publication |