[发明专利]基于低频能耗信息的能耗解聚合方法及家庭能源管理系统

说明书

技术领域

本发明涉及数字家庭能源管理技术领域，具体涉及一种基于低频能耗信息的家电设备的能耗解聚合方法以及采用该方法的家庭能源管理系统。

背景技术

近年来，由于全球气候变化、能源危机等因素的影响，节能问题已经引起世界各国的普遍关注。家庭节能的两个主要途径是家庭能耗削减和能源的有效利用。前者需要一次性投入，比如，更换升级现有家电设备等，后者需要人为持续不断的操作，比如，控制空调、热水器等设备的每日开停时间，通过日积月累的方式达到节约能源的目的。普通家庭用户面临着两个问题：一是家电设备能耗是一个抽象概念，用户对于家用电器如何耗电并不清楚，二是用户不知道如何科学使用家电才能省电。

随着计算机信息技术、传感技术、物联网技术的显著进步，能源管理领域中的一些新技术已逐步应用到数字家庭中来。为家庭能源管理提供实时信息已经成为可能，特别是随着国家智能电网等一系列工程的逐步实施，传统的抄表、读数等人工操作，也逐渐被自动化、智能化的测量手段所取代，从而获取更加准确的信息。因此，家庭能源管理系统需要显示特定家电设备在某个时间段的能耗值，并如下特征：个性化、持续化、可靠性高、给用户清晰和有效的反馈。家庭能源管理领域的研究表明，如果能为用户提供适当的反馈信息，住宅用电（或其他能源）消耗可以降低9%—20%，峰值能耗可削减50%。

    为了获取家电设备详细用电信息，现有家庭能源管理系统需要在每个用电器上加装能耗传感模块，但存在两个问题，一是需要对原有设备的改造，二是随着传感器数量增多，成本增高，使家庭大规模部署变得困难。

    基于“能耗解聚合”方法辨识家电设备并测定其能耗，最初是由Hart提出的“非侵入式设备负载监测”方法。其原理是不同的家用电器工作时所产生的能量信号不同，可在总电表或分电表上观察到这些变化，某些电器开关动作所引起的电信号变化明显，足以对家电进行分辨，而另外一些家电则采用有限状态机（FSM）的方法进行区分。目前，大多数方法是通过对能源聚合信号的幅值、形状、时间、主成分（PCA）等特征进行模式分析，来完成对设备的识别和能耗解聚。此外，不同的家电设备在开关时，会产生具有自身特征的瞬间冲击噪声，可通过分析这些噪声信号可对设备进行识别。上述方法通常需要对电信号进行高频（8000Hz~100KHz以上）采样，以便获取电信号中的高频信息或噪声信号。但是，采集获取这些高频暂态特征，需要工业或科研专用设备，成本高昂，不适合在家庭环境中进行大规模部署。因此，如何用一种经济、高效的方法，去测定一个特定家电设备的能耗，是能源管理领域的一个难点。

发明内容

本发明的目的在于提供一种基于低频能耗信息的能耗解聚合方法，解决了现有的能源解聚合技术采用高频信号分析方法，测量设备昂贵，分析方法复杂的技术问题。

为解决上述技术问题，本发明采用以下技术方案予以实现：一种基于低频能耗信息的能耗解聚合方法，该方法包括如下步骤：

（1）在一段时间内，采集聚合的家电设备的低频能耗信息；

（2）基于扩展的隐马尔科夫模型描述该段时间内各个家电设备的工作状态；

（3）采用最大期望算法求解扩展的隐马尔科夫模型的参数值，即可得到解聚合后各个家电设备在给定时间序列内的状态变量值；

（4）根据解聚合后各个家电设备的状态变量值辨识各个家电设备独立的能耗信息。

优选的，该方法的步骤如下，在                                                时刻内，采集聚合的家电设备的低频能耗信息是，假设家电设备在时刻的工作状态为，设备在状态时对应的输出能耗值为，则在时刻采集到的个设备的聚合能耗为

，

在时刻内，根据采集聚合的家电设备的低频能耗信息，求解家电设备状态序列变化，即：

    。

进一步的，采用最大期望算法求解隐马尔科夫模型的参数值：

第一步，将各个家电设备在时刻的状态进行初始化，即；

第二步，将当前隐马尔科夫模型中的最优化参数进行赋值，包括隐马尔科夫模型中的转移矩阵A和观察概率B，转移矩阵用以表示各个用电设备的状态的跳转概率，其中，S_i和S_j表示设备的工作状态，观察概率用以表示在设备在特定状态下的输出，其中，表示设备在S_j所代表的工作状态下的输出y值的概率；