[发明专利]一种可在多环境下搜集电器指纹的负荷感知方法及装置

说明书

本发明公开了一种可在多环境下搜集电器指纹的负荷感知方法及装置，其中装置包括前端采样和信号调理模块、SPI通信模块、指纹采集模块、CAN通信模块、ARM模块、特征库模块、第二蓝牙模块、WiFi模块和第二电源模块；指纹采集模块包括信号滤波放大模块、高频采集模块、单片机模块、特征存储模块、时钟模块、第一蓝牙模块和第一电源模块。方法是通过指纹采集模块对一种电器进行高频采集，一个指纹采集模块可以在不同的环境对多个同一种电器进行特征采集，完成采集后，将指纹采集模块回插到装置上，通过ARM模块进行特征聚类建模，并完成后续在总口处的负荷辨识。本发明可最大限度的保证负荷特征模板库的可信度和稳定性。

技术领域

本发明涉及电力系统监测领域，尤其是一种可在多环境下搜集电器指纹的负荷感知方法及装置。

背景技术

近年来，非侵入式电力负荷监测与辨识技术已经成为用电侧分析用户负荷成分构成、用户精细化用电行为分析的主流技术，基于该技术，在市场上已经形成了多款产品，其中包含只采用就地边缘计算的负荷辨识产品，也有只采用云端大数据分析的负荷辨识产品，还有云-端结方式的负荷辨识产品。无论基于哪种技术路线的产品，其核心方法是搜集电器的指纹特征，同时形成特征模板库，为后续负荷辨识提供依据。

目前特征模板的形成的方式主要依靠负荷辨识终端，采集总口的负荷状态变化量，从中归纳总结出每种电器较为一致的运行轨迹参数特征量，经过典型特征量的积累形成特征模板库。但由于特征量的采集是在各个电器功率总线采集，其信号纯度和表征的一致性受到线路本身干扰和其他电器启停的干扰比较大，因此所形成的特征模板库置信度和可靠性存在一定问题，在实际负荷感知或者辨识的过程中，经常出现电器误辨识或漏辨识的情况，对于某些复杂电器和陌生环境电器，其辨识准确度并不能达到理想要求。

因此，当前需要一种依靠硬件或软件的手段，为电器指纹特征的提取以及特征模板库的形成提供一套纯净和稳定的建模环境，保证在特征提取和建模的置信度和可靠性，全面提高系统辨识精度。

发明内容

本发明的目的在于弥补现有技术的不足之处，提供一种可在多环境下搜集电器指纹的负荷感知方法及装置，其能够最大限度的保证负荷特征模板库的可信度和稳定性。

为了解决上述技术问题，本发明采用如下技术方案：

一种可在多环境下搜集电器指纹的负荷感知方法，包括以下步骤：

S1、侵入式搜集某一种电器在多种品牌型号、多种工作状态、多种运行环境下所体现的负荷指纹特性，并存储为该种电器的负荷指纹特征簇；

S2、对该种电器的负荷指纹特征簇进行聚类运算，形成稳定的特征模板库；

S3、按照步骤S1和步骤S2，对多种电器单独创建出相应的特征模板库，并集中存储以备调用；

S4、采集电器用电功率总口处的总线数据并进行特征分解和提取，获得一组未知的负荷指纹特性，将该未知的负荷指纹特性逐一遍历匹配已形成的特征模板库，辨别出与其最吻合的一个特征模板库，即可判断出该未知的负荷指纹特性的电器种类。

进一步地，所述步骤S1的具体过程为：在不同的环境中利用客户端下载所需建模的某一种电器的标签信息，标签信息包括品牌型号、运行档位模式、不同档位模式的额定功率，同时启动负荷指纹特征簇采集，开始对该种电器在预设周期内进行负荷指纹特性的采集及存储。

进一步地，所述步骤S2的具体过程为：针对于某一种电器的负荷指纹特征簇，利用客户端启动特征模板库学习功能，不断扫描负荷指纹特征簇中所有状态的特征量，特征量包括电压、电流、有功功率、无功功率以及谐波，同时采用聚类算法，生成特征模板库并以该种电器的名称对其进行命名。

进一步地，在所述步骤S3中，多种电器所各自对应的特征模板库集中存储后，按照先前已经学习成功的特征模板库进行编号，形成特征模板库序列。