家庭用電細節監測方案設計與實現

曹敏1,4，趙旭1,4，陳 婷2，師智良3，許睿2，沈 鑫

(1.云南電網有限責任公司電力科學研究院，云南昆明650217;

， 2.云南電網有限責任公司，云南昆明 650217：

3.昆明能訊科技有限責任公司，云南昆明650217;

4.中國南方電網電能計量重點實驗室，云南昆明650217)

[摘要] 隨著社會用電量的持續增長，能耗問題日益突出，居民側作為電能消費的重要組成部分，對其監測用電細節、優化用電行為具有重要意義。為了實現用電細節監測，設計了家庭能源管理終端，進行非侵入式負荷監測，并完成數據交互和設備管理功能，為分析電器使用信息、制定優化策略提供重要支撐。

關鍵詞 非侵入式負荷監測 負荷特征 適應度函數 特征學習

中圖分類號TM76; TP273

0引言

隨著經濟發展與技術的進步，家庭中的用電設備不斷增加，使人民的生活越來越便捷和豐富。但隨著用電量的增加、能耗問題的日益突出，監測電器用電細節、進行能源管理重要性逐步凸顯。為了提高能源利用效率、方便管理設備，設計家用能源管理終端，作為能源管理系統電量統計、負荷識別、網關的載體，實現電器用電細節的監測和設備管理。

1 能源管理終端邏輯圖

能源管理終端邏輯圖如圖1所示，包括采集、計量、通訊、主控等功能模塊。通過采樣電路和AD轉換模塊實時采樣電壓電流信息，處理模塊完成有功功率、功率因素、電壓電流的有效值的計算和諧波的提取，并根據負荷特征進行負荷分解。通訊模塊包括網口、Wi- Fi、藍牙、ZigBee模塊等，用于實現設備間的數據交互和與用戶的互動。分路開關具有量測電參數和遙控開關狀態的功能，處理模塊通過485總線與分路開關通訊，獲取相關電參數信息，遙控開關狀態。

2負荷識別

2.1識別方法介紹

負荷識別用于分析電器工作狀態，實現電器用電細節的監測，主要包括侵入式和非侵入式兩種方式。

侵入式居民電力負荷監測(intrusive residential loadmonitoring，ILM)為總負荷內部每個電器配備帶有數字通信功能的傳感器，再經本地局域網收集和送出用電信息。

非侵入式居民電力負荷監測與分解(.non - intrusiveload monitoring and decomposition，NILMD)僅在用戶入口處安裝一個傳感器，通過采集用戶用電總電流和端電壓，根據電器的負荷特征進行分解，監測戶內每個電器的工作狀態，從而知曉居民家中每個電器的耗電狀態和用電規律。非侵入式負荷識別的成本、實施難度較低，雖然準確性比侵入式稍差，但隨著信息采集與數據處理技術、人工智能和各種優化算法的發展，準確性也在逐步提高。

負荷特征是用電設備在運行中的電氣特性，是非侵入式負荷識別的基礎。負荷特征分為瞬態特征和穩態特征。瞬態特征包括瞬時功率、投切瞬態電流波形、能量等。穩態特征包括穩態電流波形、電流諧波、穩態有功功率、無功功率等。

負荷分解算法主要有人工神經網絡(包括誤差反傳神經網絡(backpropagation ANN，BP神經網絡)、徑向基神經網絡(radial- base - function ANN.RBF神經網絡)等]，構建最優目標函數的優化算法(包括確定性算法，啟發式算法如遺傳算法、粒子群算法、差分進化算法等）。

2.2特征選取與分解算法設計

由于穩態特征易于采集和檢測，而有功功率和電流諧波是穩態特征中比較典型的特征，所以選取穩態有功功率和電流諧波作為負荷特征。電流諧波采用基2快速傅里葉圖1能源管理終端框圖 變換(Radix -2 FFT)算法求取。

本設計中，根據選取的家電負荷特征，利用功率和電流諧波構建適應度函數F脅。采用整數規劃算法，進行負荷分解。

其中，S(n)表示電器工作狀態矩陣，PF表示電器的功率特征矩陣，HF表示電器的諧波特征矩陣，￡p、￡h分別表示功率、諧波誤差，II.II表示絕對值。

使得適應度函數Fn。。。值最小的解，即為當前狀態的最優解。采用鄰域搜索的方法，計算電器某種狀態組合下的適應度函數值，設計最優值偏差和最大迭代次數兩個收斂準則，求取當前狀態的解，并根據實際偏差值判斷是否陷入局部最優。

2.3程序設計

程序包括特征學習和負荷識別兩部分，流程圖如圖2所示。進入程序后，用戶根據需要選擇工作模式，i如果采集新電器的負荷特征，選擇特征學習;如果對已學習過電器進行識別，選擇負荷識別。

特征學習模式下，采集N個周期的電流電壓數據，逐周期提取有功功率和諧波，并對N個周期的特征量進行統計，計算平均值、最大/最小值，標準差。根據標準差判斷特征量的一致性，如果一致性滿足要求，則將平均值作為該電器的負荷特征存儲到特征庫中。如果特征量一致性不滿足要求則提示統計結果，由用戶決定是重新學習或退出。

負荷識別模式下，采集M個周期的電流電壓數據，逐周期提取有功功率和諧波，并對數據進行預處理，然后根據已經學習的電器特征進行負荷分解，若分解結果的近似度小于閾值且未達到最大分解次數，則重新采集數據后分解，反之則顯示識別結果，結束分解。

由于電網電壓的擾動和電器載荷的波動，數據預處理時對M個周期的功率進行平滑濾波，并根據電網電壓諧波的擾動程度，將電壓諧波乘以衰減系數后與電流諧波作差，其絕對值作為電流諧波的修正值。

3數據交互

處理模塊完成電參數計量、負荷識別，用電細節監測后，相關數據通過通訊模塊與能源管理系統、手機、智能插座等設備通訊，實現設備間的數據交互和與用戶的互動。并通過485總線、ZigBee等方式轉發系統或用戶對分路開關、智能插座的信息查詢，工作狀態控制等指令。

4結束語

能源管理終端作為能源管理系統的數據采集與辨識、通訊管理的載體，實現電器用電細節的監測和設備管理。能源管理系統和用戶根據獲取的用電細節信息和設備工作情況，制定并實施改進策略，對實現用電行為優化，提高經濟性和安全性具有重要意義。

參考文獻

[1]張延宇，曾鵬，臧傳治.智能電網環境下家庭能源管理系統研究綜述J].電力系統保護與控制，2014(18)：144-154.

[2]Liang J,Ng SK K, Kendall G, et al.Lx3ad Signature Study-PfirtT:Rasic Concept, Structure; and Methodology[J]. IEEE Transactions on Power Delivery, 2010, 25(2):551-560.

[3]Liang J,Ng S K K, Kendall G, et al. Load Signature Stud— y-Part II: Disaggregation Framework, Simulation, and Ap- plications[J]. IEEE Transactions on Power Delivery, 2010,25(2)：561-569.

[4]余貽鑫，劉博，欒文鵬，非侵入式居民電力負荷監測與分解技術Jl.南方電網技術，2013 (4)：1-5.

[5]黎鵬，余貽鑫，非侵入式電力負荷在線分解[Jl.天津大學學報，2009 ,42(4):303-308.

[6]Lin Y H, Tsai M S A novel feature extraction method for the development of nonintrusive load monitoring system based on BP-ANN[C]// International Symposium on Computer Commu- nication Control and Automation IEEE, 2010:215-218.

[7]李如意，黃明山，周東國，等.基于粒子群算法搜索的非侵入式電力負荷分解方法[J].電力系統保護與控制，2016(8)：30-36.

[8]周晨軼，劉松，鐘瀟，等.基于差分進化算法的居民用電負荷分解方法[J].南方電網技術，2016(6)：62-69.

[9]趙春柳.基于穩態諧波分析的非侵入式電力負荷分解法的應用研究[Dl.天津;天津大學，2009.

10]Inagaki S,Egami T, Suzuki T, et al. Nonintrusive appli-ance load monitoring based on integer programming [J].Electrical Engineering in Japan, 2011, 174(2):18-25.

[11]襪順富，趙倫加，劉慶強，等.基于0-1二次規劃的非干預式負荷識別算法研究[J].電力系統保護與控制，2016(8)：85-91.