[发明专利]一种末端电网用户设备辨识、安全管控方法

说明书

本发明涉及一种末端电网用户设备辨识、安全管控方法，本发明属于机器学习和电力负荷分解技术领域。本发明首先采用末端网络的插座开关和负荷计量数据采集技术，获得某些用电器电力负荷特征的样本数据，并逐一建立所在开关支路所有主要电器的负荷特征样本数据库。在实际工作状态时，在电力负荷开关处计量采集的是整条支路的汇总数据，采用负荷分解辨识算法，当每种电器开启时都进行设备的辨识；确定支路上是否有新电器接入，是否属于正常用电状态。本发明同时还可以采用不同的组合方法对支路电器设备工作状态进行辨识，提高了用电设备工作场景状态的辨识准确度，并通过实际样例测试决策算法的效果。

技术领域

本发明涉及一种电网用户设备辨识、安全管控方法，具体涉及一种基于智能空气开关和插座的末端电网用户设备辨识、安全管控方法。

背景技术

随着社会经济的发展，终端用电占比，尤其是工业用电占比和城乡居民生活用电占比近年来在稳步增加。除此之外，智能电网的末端发展也是当今时代的重头戏。智能化用电终端是时代发展的必然结果，它有助于改善人民生活，提高居民生活用电比例，提升用电效益。智能化用电终端中所必备的一项技术就是负荷分解，该项技术是利用电力关键节点处的负荷信息对该节点下游包含的所有用电设备或用电区域进行运行状态监测和状态分解。

由于非侵入式负荷分解的精度一直有所欠缺，导致很难实际应用。而在如今智能家居快速发展的背景下，新型的基于智能空气开关和插座的负荷分解可以进一步地应用到实际生活中。

发明内容

本发明针对现有技术的不足，提出了一种末端电网用户设备辨识、安全管控方法。

本发明所公开的体系结构局限于安装智能插座以及智能空气开关的家庭内。智能插座联网后可以上传插座自带开关状态；智能空气开关联网可以上传该家庭总负荷特征。本发明的前提假设是，智能插座上所连接电器不会频繁变动。绝大部分家庭大功率电器基本位置不会变动，该假设是合理的。

在上述应用场景下，本发明功能分为两部分；

第一部分，空气开关处采集的总负荷特征和智能插座采集的开关状态上传至云端。云端利用递归查询策略构建插座的支路负荷特征集；

第二部分，利用空气开关处采集获得的总负荷特征与智能插座开关状态作为先验知识，使用开关先验的因子隐马尔科夫模型进行负荷分解，获得各插座的支路负荷。通过比较插座支路负荷特征集与分解获得的支路负荷结果，判断电器运行状态。分解所得运行状态若不在插座特征集里，跟据后续时间内同开关状态下该运行状态是否重复发生，进行安全管控。

因子隐马尔科夫模型(FHMM)是HMM的扩展，该模型系统存在着多条马尔可夫链，每根链都由该链所含隐状态构成，所有链共同构建因子网络。隐状态序列不能被直接观测，只有观测序列可直接被观测，观测序列由时长T个观测向量组成，每个观测向量都是通过以隐状态为条件的概率密度分布表现，每一个观测向量都是由隐状态序列遵循发射概率分布产生的结果，而隐状态序列由转移概率进行构造。

本发明还提供了一种面向安全智能家庭的插座指纹系统，该系统总体而言分为两个集合，分别为支路负荷特征集和异常运行特征集。

所述支路负荷特征集对每个家庭是独立的，应能够展示每个插座支路的有功功率，无功功率，功率因数和谐波含量特征。特征集具体应包含有功功率和无功功率特征隐状态转移概率，以及遵循正态分布的两个发射概率，分别指向有功功率和无功功率。除此之外，每个隐状态对应一个功率因数和一系列谐波含量。

所述异常运行特征集是公用的，在云端不断丰富的，它将记录整个系统中每一次功率异常时的功率和谐波特征。同时，按照开关型负荷异常、有限状态型负荷异常以及周期状态型负荷异常进行分类。

一种末端电网用户设备辨识、安全管控方法，该方法具体包括以下步骤：