張紅梅　孫潔　許儀勛　李旺　張敬周

摘 要 智能電表的負(fù)荷識(shí)別技術(shù)是智能電網(wǎng)中一項(xiàng)重要的電能分類計(jì)量技術(shù)，也是實(shí)現(xiàn)節(jié)能減排的重要措施之一。為了彌補(bǔ)目前大多負(fù)荷識(shí)別算法根據(jù)負(fù)荷穩(wěn)態(tài)特征作為特征量來(lái)進(jìn)行負(fù)荷識(shí)別的不足，本文提出以負(fù)荷獨(dú)特的暫態(tài)特征來(lái)進(jìn)行家用負(fù)荷識(shí)別。該方法首先需建立家用負(fù)荷暫態(tài)特征標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；然后通過(guò)變點(diǎn)檢測(cè)算法來(lái)檢測(cè)事件，并采集數(shù)據(jù)和提取事件暫態(tài)特征；最后，通過(guò)聚類算法來(lái)進(jìn)行負(fù)荷識(shí)別。該方法原理簡(jiǎn)單、計(jì)算量小，通過(guò)試驗(yàn)算例驗(yàn)證了該方法的可行性與準(zhǔn)確性。

【關(guān)鍵詞】智能電表 負(fù)荷識(shí)別 暫態(tài)特征 聚類算法

目前，國(guó)內(nèi)外學(xué)者對(duì)家用負(fù)荷識(shí)別技術(shù)已有大量的研究。而現(xiàn)有的文獻(xiàn)大多是利用負(fù)荷穩(wěn)態(tài)特征來(lái)進(jìn)行負(fù)荷識(shí)別，其主要參數(shù)有電流波形、無(wú)功功率、有功功率、諧波、瞬時(shí)導(dǎo)納波形、瞬時(shí)功率波形、電流包絡(luò)線、電壓—電流曲線等等。雖然負(fù)荷穩(wěn)態(tài)特征易于提取，能夠辨識(shí)大部分家用負(fù)荷，但其不足之處在于當(dāng)家電穩(wěn)態(tài)特征相近或重疊時(shí)，則無(wú)法準(zhǔn)確對(duì)其進(jìn)行識(shí)別分類。因?yàn)?，現(xiàn)在的學(xué)者將重點(diǎn)轉(zhuǎn)移到負(fù)荷開(kāi)關(guān)暫態(tài)特征的研究上，經(jīng)過(guò)對(duì)家用電器的深入研究發(fā)現(xiàn)，每一類負(fù)荷暫態(tài)特征是獨(dú)特的。因此，本文綜合考慮了負(fù)荷的穩(wěn)態(tài)特征和暫態(tài)特征，提出了以暫態(tài)特征為主要特征量，并結(jié)合穩(wěn)態(tài)特征，形成家用負(fù)荷的特征量，既能夠快速進(jìn)行負(fù)荷特征量的提取，也能在識(shí)別精度上有所提高。

而家用負(fù)荷識(shí)別的主要研究方法為非侵入式負(fù)荷識(shí)別。相對(duì)于侵入式法，非侵入式法成本低，安裝和維護(hù)方便，更有利于推廣。然而，隨著家用負(fù)荷種類日益增多，工作狀態(tài)愈加復(fù)雜，對(duì)負(fù)荷識(shí)別算法的研究也更加深入?，F(xiàn)有的應(yīng)用于負(fù)荷識(shí)別的算法有聚類分析、微分進(jìn)化法、小波變換等算法，然而，這些算法均采用負(fù)荷穩(wěn)態(tài)特征作為特征值，因此，限制了其應(yīng)用。本文提出以負(fù)荷暫態(tài)特征作為特征量，利用K均值聚類分析法，原理簡(jiǎn)單，易于實(shí)現(xiàn)，能夠識(shí)別出穩(wěn)態(tài)特征相似或重疊的負(fù)荷，提高了負(fù)荷識(shí)別精度。

1 基本原理

1.1 負(fù)荷特征選取

每種負(fù)荷暫態(tài)特征與其物理性質(zhì)密切相關(guān)，具有獨(dú)特性，如電阻類負(fù)荷與非電阻類負(fù)荷在暫態(tài)持續(xù)時(shí)間差異明顯。因此，利用暫態(tài)特征進(jìn)行負(fù)荷識(shí)別，能夠識(shí)別出穩(wěn)態(tài)特征相近的家用負(fù)荷，提高識(shí)別精度。在圖1中，從微波爐中、低火開(kāi)關(guān)負(fù)荷暫態(tài)特征圖中可以看出，不同檔位的微波爐其開(kāi)關(guān)暫態(tài)特征是相似的，這是因?yàn)槲⒉t各檔位功率是一定的，高、中、低檔只是控制微波輸出時(shí)間比例。因此，對(duì)于微波爐而言，只需識(shí)別其負(fù)荷類型，而不需要識(shí)別工作狀態(tài)。

通過(guò)對(duì)負(fù)荷開(kāi)關(guān)暫態(tài)特征的深入研究，本文選取暫態(tài)過(guò)程前后有功功率和無(wú)功功率的變化量ΔP、ΔQ，暫態(tài)過(guò)程時(shí)間Δt，以及有功功率最大值與暫態(tài)過(guò)程后的穩(wěn)態(tài)有功功率的差值ΔPc 和有功功率最大值與暫態(tài)過(guò)程后的穩(wěn)態(tài)無(wú)功功率的差值ΔQc形成特征向量，即X=[ΔP ΔQ Δt ΔPc ΔQc] 。

1.2 K均值聚類算法

模式識(shí)別已經(jīng)成為當(dāng)代高科技研究的重要領(lǐng)域之一，它已發(fā)展為一門獨(dú)立的新學(xué)科，而聚類算法則是模式識(shí)別中最重要的算法之一。早在20世紀(jì)80年代，麻省理工學(xué)院學(xué)者Hart利用負(fù)荷穩(wěn)態(tài)特征變化量 ΔP、ΔQ利用聚類分析法來(lái)進(jìn)行負(fù)荷識(shí)別。該方法簡(jiǎn)單易行，但方法簡(jiǎn)單易行，但不能識(shí)別PQ相近或重疊的設(shè)備。針對(duì)這一缺點(diǎn)，本文利用負(fù)荷開(kāi)關(guān)暫態(tài)特征，結(jié)合穩(wěn)態(tài)特征進(jìn)行K均值聚類分析。

K均值聚類算法是以誤差平方和準(zhǔn)則函數(shù)來(lái)進(jìn)行聚類分析的，假如給定數(shù)據(jù)X分成k個(gè)聚類子集X1，X2，…，Xk各個(gè)聚類子集中的樣本數(shù)量分別為n1，n2，…，nk。那么各個(gè)聚類子集的均值mi為：

mi= x

K均值誤差平方和準(zhǔn)則函數(shù)其實(shí)質(zhì)利用距離計(jì)算公式來(lái)度量不同對(duì)象之間的差異程度，常用的距離計(jì)算公式有歐式距離、馬氏距離、明可夫斯基距離等，本文選用歐式距離計(jì)算公式。因此，誤差平方和準(zhǔn)則函數(shù)公式為：

σ（p，mi）=

其中p為待測(cè)樣品特征量，j=1，2，…，L為特征量維數(shù)。因此，σ（p，mi）值越小，說(shuō)明這兩者的差異越小，則該待測(cè)樣品歸為聚類子集Xi中。

2 系統(tǒng)實(shí)現(xiàn)過(guò)程

家用負(fù)荷識(shí)別系統(tǒng)主要包含事件檢測(cè)模塊、數(shù)據(jù)采集模塊、特征提取模塊、數(shù)據(jù)處理模塊和負(fù)荷識(shí)別模塊這幾個(gè)重要組成部分。

主要模塊功能介紹如下。

2.1 負(fù)荷特征數(shù)據(jù)庫(kù)

家用負(fù)荷特征數(shù)據(jù)庫(kù)的建立是整個(gè)系統(tǒng)的最重要的基礎(chǔ)部分，在進(jìn)行負(fù)荷識(shí)別前，需要對(duì)家用負(fù)荷一一進(jìn)行單獨(dú)運(yùn)行試驗(yàn)，并進(jìn)行實(shí)時(shí)監(jiān)測(cè)和提取負(fù)荷特征向量，以此來(lái)建立家用負(fù)荷特征數(shù)據(jù)庫(kù)，以此作為負(fù)荷識(shí)別的依據(jù)。

2.2 事件檢測(cè)模塊

當(dāng)系統(tǒng)正常運(yùn)行時(shí)，要全部記錄下家庭實(shí)時(shí)電氣相關(guān)信息是不現(xiàn)實(shí)的，而且也是不必要的。因此，為了減少數(shù)據(jù)信息的存儲(chǔ)，降低硬件成本。本文采用基于滑動(dòng)窗的雙邊累積和（CUSUM）算法對(duì)暫態(tài)事件進(jìn)行自動(dòng)檢測(cè)，根據(jù)電氣設(shè)備投切時(shí)所引起的有功功率的突然變化，通過(guò)對(duì)有功功率變化量的不斷累加，當(dāng)在檢測(cè)延遲時(shí)間內(nèi)達(dá)到或超過(guò)閾值時(shí)，則暫態(tài)事件被檢測(cè)出來(lái)，反之則無(wú)暫態(tài)事件發(fā)生。只有當(dāng)檢測(cè)到暫態(tài)事件發(fā)生時(shí)，系統(tǒng)才對(duì)事件進(jìn)行數(shù)據(jù)記錄、特征量提取，以此來(lái)提高系統(tǒng)的工作效率。

2.3 數(shù)據(jù)處理模塊

對(duì)于數(shù)據(jù)采集模塊所采集到的數(shù)據(jù)不能直接用來(lái)進(jìn)行負(fù)荷識(shí)別，需要對(duì)所采集到的數(shù)據(jù)進(jìn)行電壓電流相位調(diào)節(jié)、濾波等處理，本文采用滑窗均值方法來(lái)進(jìn)行濾波。此外，由于本文所選取負(fù)荷特征量的物理量的量綱不同，因此難以直接進(jìn)行比較。為了消除特征量因量綱不同而造成的影響，更好地比較不同負(fù)荷之間的差異，本文采取對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的方法。首先，利用標(biāo)幺值法將數(shù)據(jù)進(jìn)行歸一化，假設(shè)有n個(gè)數(shù)據(jù)對(duì)象，每個(gè)對(duì)象有包含m個(gè)特征量，即xi={xi1 xi2 … xim}，其中i=1，2，…，n，因此，原始數(shù)據(jù)矩陣為x={x1 x2 … xn}T。選取基準(zhǔn)值 xik''=max{x1k，x2k，…，xnk}，其中k=1，2，…，m，所以標(biāo)準(zhǔn)化后的特征量為x'ik=。

2.4 負(fù)荷識(shí)別

通過(guò)對(duì)負(fù)荷開(kāi)關(guān)暫態(tài)特征的深入研究，本文選取暫態(tài)過(guò)程前后有功功率和無(wú)功功率的變首先，根據(jù)ΔP符號(hào)的正負(fù)，可以判定負(fù)荷是切除還是投入工作，并由此決定該事件的特征參數(shù)與對(duì)應(yīng)的負(fù)荷開(kāi)還是關(guān)過(guò)程模板進(jìn)行聚類分析。根據(jù)聚類分析的結(jié)果，將該事件歸類于結(jié)果數(shù)值最小的類，并對(duì)相關(guān)信息進(jìn)行記錄分析。

3 實(shí)例仿真

為了驗(yàn)證該方法的可行性與正確性，電力測(cè)量?jī)x器采用國(guó)產(chǎn)HYLB601便攜式波形記錄儀觀測(cè)家用負(fù)荷的用電情況，采樣周期為5000Hz，采樣數(shù)據(jù)按時(shí)間順序進(jìn)行處理。圖2為家用綜合功率負(fù)荷。

3.1 負(fù)荷開(kāi)過(guò)程識(shí)別

圖2中，在t=38.08s時(shí)，根據(jù)CUSUM變點(diǎn)檢測(cè)算法檢測(cè)到有負(fù)荷動(dòng)作，令該事件為 H1。根據(jù)ΔP符號(hào)的正負(fù)，可以判斷出有負(fù)荷開(kāi)始投入工作。此時(shí)，對(duì)事件H1進(jìn)行特征參數(shù)提取，并與負(fù)荷開(kāi)過(guò)程模板進(jìn)行比較，通過(guò)聚類分析算法得到表1。從表1的結(jié)果中可以看出，該負(fù)荷與吹風(fēng)機(jī)開(kāi)過(guò)程特征參數(shù)最接近，因此，可以判定，該負(fù)荷為電吹風(fēng)，并對(duì)相關(guān)信息進(jìn)行記錄。

3.2 負(fù)荷關(guān)過(guò)程識(shí)別

圖2中，在t=71.54s時(shí)，根據(jù)CUSUM變點(diǎn)檢測(cè)算法檢測(cè)到有負(fù)荷動(dòng)作，令該事件為 H2。根據(jù)ΔP符號(hào)的正負(fù)可以判斷出有負(fù)荷被切除。此時(shí)，對(duì)事件H2進(jìn)行特征參數(shù)提取，并與負(fù)荷關(guān)過(guò)程模板進(jìn)行比較，通過(guò)聚類分析算法得到表1。

從表1的結(jié)果中可以看出，該負(fù)荷與消毒柜的關(guān)過(guò)程特征參數(shù)最相似，因此，可以判定該負(fù)荷為消毒柜，并對(duì)相關(guān)信息進(jìn)行記錄，統(tǒng)計(jì)出消毒柜所消耗的功率。

4 結(jié)論

本文在傳統(tǒng)的負(fù)荷穩(wěn)態(tài)特征的基礎(chǔ)上，深入研究了負(fù)荷開(kāi)關(guān)暫態(tài)特征，結(jié)合獨(dú)特的負(fù)荷暫態(tài)特征形成負(fù)荷特征量，增大了家用負(fù)荷之間的區(qū)分度；然后，利用變點(diǎn)檢測(cè)算法進(jìn)行事件監(jiān)測(cè)；最后，利用K均值聚類法進(jìn)行負(fù)荷識(shí)別，且各個(gè)特征參數(shù)所占比例權(quán)重相等。通過(guò)實(shí)例仿真，證明該方法原理簡(jiǎn)單，且易于實(shí)現(xiàn)。

參考文獻(xiàn)

[1]鄭小霞，劉慶強(qiáng)，林順富，李東東，張銘.面向非干預(yù)式負(fù)荷監(jiān)測(cè)的居民負(fù)荷微觀特性研究[J].電力系統(tǒng)保護(hù)與控制，2014，42（10）：62-70.

作者單位

1.國(guó)網(wǎng)蚌埠供電公司 安徽省蚌埠市 233000

2.上海電力學(xué)院電氣工程學(xué)院 上海市 200090

3.上海上科信息技術(shù)研究所 上海市 201210