[发明专利]一种非侵入式家用电器用电状况在线监测的识别方法

说明书

技术领域

本发明涉及一种家电用电状况识别方法，特别是一种非侵入式家电用电状况在线监测识别方法。

背景技术

随着全球资源环境压力的不断增大，建设更加安全、可靠、环保、经济的智能电网成为全球电力行业的共同目标。目前在发电、输电、配电、用电这一链条中，电网和终端用户的互动相对薄弱，影响了电力系统的整体性能和效率。

要想真正地实现智能电网与用户的互动，使用户真正地参与到电力市场中，为系统的运行和资产管理带来巨大效益，应该为智能电网提供详细的用电设备用电参数，使用户更清晰地了解每种用电设备的平均能耗，确定用电设备的不正常能耗，使用户感觉从智能电表获益。

传统的负荷监测多以侵入式为主，所谓侵入式即为了实现监测目的在每个被监测设备的电流输出端加设硬件装置进行数据采集，再由相关分析软件进行处理以获取故障或其他运行信息。这种方式可能对原设备的正常工作造成影响、且所需的监测硬件装置数量大,增加了其安装、使用、维护的成本。为了解决侵入式负荷监测的问题，专家学者们提出非侵入式负荷监测方法（Non-intrusive Load monitoring，NILM）。

非侵入式负荷监测（NILM）的概念由美国麻省理工学院的乔治.W.哈特教授于1982年首次带入住宅用户家用电器的用电状况监测中。该方法只需在进户干线上装设监测设备，采样用户总电压电流信号，再利用负荷辨识算法提取单个家用电器的用电信息。其目的是采用最少量的设备实现对用户住宅内所有用电设备的用电监测，为电力公司提供用户详细的用电信息。

近年来，很多研究者们对于NILM进行了研究。负荷辨识算法是非侵入式负荷监测系统的核心内容，研究人员提出了很多不同的理论和算法。比较典型的相关研究有：

1)Hart以1Hz采样频率测得负荷的有功无功的阶跃变化，然后将变化量对应到被测系统中的设备。不足之处在于单靠功率变化量辨识设备类型对于功率差异较小的电器设备辨识准确度不够，且需预先获取各家电负荷的运行功率值。

2)Srinivasan等开发了一种基于神经网络的利用不同负荷产生谐波特性进行辨识的方法。

3）麻省理工学院的Fuller提出一种基于恒功率负荷运行的辨识方法的扩展方法。将有功功率和无功功率映射到复平面，不同负荷对应一个复平面上的特征点。这种方法对于功率差异较大的负荷有较好辨识效果但对于特征点接近的负荷就无法有效辨识。

4）麻省理工学院的Steven Leeb研究小组提出基于负荷投切暂态过程信息的辨识方法。该方法可以根据启动暂态电流辨识不同的负荷，该方法通过设计模拟谱包络线分析器估计负荷的有功、无功和谐波功率等信息，并开发出暂态检测和负荷分类的算法。但是由于该方法是通过对暂态特征量的提取、转化来实现负荷辨识，但由于切入点比较单一，考虑到实际环境下暂态特征的不确定性其准确度将受到影响。

5）香港大学提出一种基于多特征参数的家用电器用电状况在线监测算法。该方法对家用电器的特征参数进行宏观和微观层面的分析研究，提取出电流波形、有功、无功、谐波含量、瞬时导纳等家用电器的多特征参数。并提出家用电器启停状态事件检测和负荷分解辨识算法。但论文中缺少对家电暂态特征参数的研究提取。

综上所述，目前关于NILM研究所采用的辨识算法理论原理均较为复杂，例如香港大学的研究采用了最优化和基于人工神经网络的模式识别算法以及委员会决策机制决定算法的组合，运算量较大；在信号采集方面，将稳态参数和暂态参数协同提取的研究较少。

发明内容

本发明的目的就是提供一种非侵入式家用电器用电状况在线监测的识别方法，它通过研究智能电表获取的信号稳态/似稳态参数和暂态参数，来判断家用电器的运行状况，运算量显著减小，辨识精度高。

本发明的目的是通过这样的技术方案实现的，它包括有设置在家庭进户处的用于获取瞬时电流或瞬时功率信号的智能电表，具体识别步骤如下：

1）确定训练样本，对训练样本进行试验，构建特征库；

2）通过智能电表获取待辨识设备信号；

3）对步骤2）中获取的待辨识设备信号进行处理，生成信号包络线，提取信号特征；

4）根据步骤3）中提取的信号特征和特征库内的特征，采用交叉赋权值法对待辨识设备进行辨识；

5）输出待辨识设备的辨识结果。