非侵入式负荷监测与分解,作为智能用电技术体系的重要组成部分之一,能深入分析用户内部的负荷成分,获取不同精细程度的用户用电信息,这对用户、电力公司等多方都具有重大的意义。文章综述了国内外在非侵入式负荷监测与分解方面的研究现状,归纳了其基本原理与典型框架,着重论述了其中的3个关键技术,即事件探测、特征提取、负荷识别,并比较了这3个关键技术的不同方法,明确了各类方法的优缺点,分析了非侵入式负荷监测与分解的一些性能评价指标。最后,探究了非侵入式负荷监测与分解在用户层与变电站层的应用,并展望了将来的研究方向。
[1]程祥,李林芝,吴浩,丁一,宋永华,孙维真.非侵入式负荷监测与分解研究综述[J].电网技术,2016,40(10):3108-3117.DOI:10.13335/j.1000-3673.pst.2016.10.026.
一、非侵入式负荷监测
非侵入式负荷监测(NILM)技术能够利用在总线处单点测量的数据识别用户内部的负荷,是建设泛在电力物联网与透明电网的基础技术之一.在分析NILM基本实现框架和技术体系的基础上,对NILM应用亟需解决的三大关键技术问题进行综述,包括数据源选择,算法精度和可扩展性问题.在数据源选择问题上,分析并总结了低频与高频数据源在NILM中的应用,尤其是智能电表在NILM中的应用;在算法精度问题上,对现有NILM算法模型与算法评估方案进行了回顾与分析;而针对目前少有研究涉及可扩展性问题,通过联动NILM与语音识别和机器学习领域,对去噪识别与新负荷的标记和训练问题进行分析与探讨.最后对NILM的未来发展趋势与应用进行了展望.
[1]郭红霞, 陆进威, 杨苹,等. 非侵入式负荷监测关键技术问题研究综述[J]. 电力自动化设备, 2021, 41(1):10.
[1]魏瑞增、范亚洲、周恩泽、王彤、黄勇. 计及非侵入式负荷监测及负荷预测的设备运行模式研究[J]. 电测与仪表, 2020, 57(20):9.
二、非侵入式负荷分解
本发明公开了一种非侵入式负荷分解方法,它包括:步骤1,获取各电器的电力指纹,生成训练数据和测试数据;步骤2,通过聚类算法对电器工作状态进行聚类,并计算各聚类簇的均值和标准差,并对电器工作状态进行编码;步骤3,建立多元参数隐马尔科夫模型并计算模型参数;步骤4,导入测试数据并进行聚类;步骤5,基于维特比算法进行状态识别并得到预测状态序列;步骤6,根据预测状态序列和各聚类簇的统计值,基于极大似然估计原理分解负荷功率;步骤7,输出状态序列和功率分解结果;解决了现有技术负荷识别算法存在模型复杂,对电气特征的利用和对未知信息的考虑不足存在准确率低等问题.
[1]谈竹奎, 刘斌, 张秋雁,等. 一种非侵入式负荷分解方法:, CN111428816A[P]. 2020.
[1]刘世成, 刘沅昆, 武昕,等. 基于大数据的非侵入式负荷分解技术研究[J]. 电力信息与通信技术, 2016, 14(12):6.
[1]刘耀先, 孙毅, 李彬,等. 基于边缘嵌入深度学习的非侵入式负荷分解方法[J]. 电网技术, 2019, 43(12):8.
[1]王轲, 钟海旺, 余南鹏,等. 基于seq2seq和Attention机制的居民用户非侵入式负荷分解[J]. 中国电机工程学报, 2019.
三、负荷识别
1、负荷识别
目前负荷识别的研究对象大多以家用电器为主，不同的电器设备运行时，其电气特性不尽相同，呈现出每个电器设备独特的电力指纹。智能量测技术和信号处理技术可以快速获取电器设备的电力指纹信息，如何利用设备电力指纹信息对设备进行识别以及进一步提高识别精度是当前负荷识别研究的关键。
2、用电测负荷指纹库创建方法及流程
背景技术
随着科技的快速发展，各种用电设备也更加多元化，但是每种用电设备都会有它特定的电气特征，现有用电设备识别及负荷监测没有一个准确的参考标准，导致无法对用户的用电行为进行辨识。
现有技术方案是通过对一些常用的几种用电设备进行监测、采样，将采集到电压、电流、零电流等参数进行相应的特征图形查找、分析，然后根据相关数据定义出不同的特征参数建立标准特征库；这种方法可以对监测的某些用电设备的电气特征进行归纳分析，同时采集的特征数据比较有限。
也有采用关注于暂态的电气特征指纹库，其为捕获电气特征量的暂态特性需要有较高的采样频率，这将导致指纹库存储数据量巨大，对数据的存储提出了严峻的挑战，同时也不利于快速完成负荷的辨识，采样频率高，通信成本高，缺少系统化的数据库集成。
技术实现要素：
电力用户电器指纹库的创建方法，包括以下步骤；
s1，选取典型的、具有代表性的用电设备，并对其进行用电数据采集；
s2，采集用电设备运行时的电气特征信息，即电器指纹；分析计算得到用电设备的有功功率、无功功率、及功率因素的特征量，并采用fft计算得到各次谐波的幅值与相角；
s3，将获得的电气量特征以及提取得到的时间量特征与相应用电设备的运行状态进行关联，并做好记录保存；
s4，对记录的数据进行清洗、排查，以及删除坏数据，补全缺失数据。要素
技术总结
本发明涉及电力用户电器指纹库的创建方法及其系统；其中，电力用户电器指纹库的创建方法，包括以下步骤；S1，选取典型的、具有代表性的用电设备，并对其进行用电数据采集；S2，采集用电设备运行时的电气特征信息，即电器指纹；分析计算得到用电设备的有功功率、无功功率、及功率因素的特征量，并采用FFT计算得到各次谐波的幅值与相角；S3，将获得的电气量特征以及提取得到的时间量特征与相应用电设备的运行状态进行关联，并做好记录保存；S4，对记录的数据进行清洗、排查，以及删除坏数据，补全缺失数据。本发明该电器指纹库的创建是基于秒级数据的，并集成了谐波、时间等信息，提高了辨识性能，且降低了通信成本。
[1]赵时, 张建文, 夏云忠,等. 基于家用电器启动的非侵入式负荷识别算法的研究[J]. 2010.
[1]华亮亮, 黄伟, 杨子力,等. 基于DTW算法的非侵入式家居负荷行为识别方法[J]. 电测与仪表, 2019, 056(014):17-22.
四、泛在电力物联网
在泛在电力物联网的框架下，电网常规业务和战略新兴业务都在数据流的支撑下，不断优化价值流向，通过资源共享共用推动能源生态圈价值共创。能耗监测与安全隐患监测能满足泛在电力物联网用电侧的需求，而电流指纹技术通过AI算法，可以识别电器设备级别的能耗监测、安全隐患监测及电器设备类型，进一步实现最小监测单位的精度从建筑物电表级别到室内电器设备级别的转变。
泛在电力物联网大数据平台架构及应用 - Luminous~ - 博客园 (cnblogs.com)
五、应用
电流指纹技术还可用于预防危险设备火灾、大型设备故障监测预警,做到精准设备识别、线路故障诊断、设备异常诊断、精准的负荷预测。此外，电流指纹技术还为电网系统用电侧基于某区域、某电器设备类型的泛在连接的大数据采集、应用、挖掘，为用电侧用户用电量、安全隐患及违规用电行为、电力系统的管电调控的智能化提供AI技术支撑。
让物联网与人工智能技术深度融合，并结合电力网络可为客户提供最前沿的大数据分析和AI解决方案。整套安全服务系统在为客户提供安全、高效、可维护的全方位电力AI服务的同时，也有助于各地加速推进现代科技与消防、电力、节能等工作的深度融合，全面提高智慧城市建设的科技化、信息化、智能化水平。
智能感知是泛在电力物联网的数据入口;在泛在电力物联网建设中扮演着极其重要的角色;该文通过抽象化泛在物联网的信息论表述;量化比较了泛在电力物联网在数据传输容量上的优势;综合估算了智能感知网络规模;预测需要在此基础上解决海量异构多源数据融合,信息安全防护等问题;探讨了泛在电力物联网边缘算法的可分解性与下沉系数;定义了描述边缘算法可分解程度的范式;举例电力常用算法在泛在物联网边缘分解后的计算效率;讨论了智能感知在时空,类型,准确度的信息增益;以此为数学前提分别叙述了泛在电力物联网智能感知技术在通信网络,边缘计算,深度感知3个维度的发展思路;在此基础上讨论了泛在电力物联网的实际应用场景;
拓深科技
拓深科技-电力数字化转型专家，专注于边缘计算以及人工智能，实现数字化、智能化用电 (tpson.cn)