田 欣，王克南，寧 蒙，鄧士偉，李世潔

（1.國(guó)網(wǎng)濟(jì)南供電公司，山東濟(jì)南 250012；2.江蘇智臻能源科技有限公司，江蘇南京 211111）

非侵入式負(fù)荷監(jiān)測(cè)技術(shù)通過安裝在用戶電力總進(jìn)線處的辨識(shí)終端監(jiān)測(cè)電流和電壓數(shù)據(jù)，通過智能分解算法獲取用戶分項(xiàng)電器用電行為［1］。當(dāng)前，國(guó)外主流的算法包括采用事件檢測(cè)的算法提取負(fù)荷的有功和無功序列，通過對(duì)事件聚類再匹配或神經(jīng)模糊分類的方式實(shí)現(xiàn)負(fù)荷的非侵入辨識(shí)［2］。一種將人工神經(jīng)網(wǎng)絡(luò)與開通暫態(tài)能量分析相結(jié)合，提高了非侵入式負(fù)荷辨識(shí)結(jié)果的識(shí)別精度和計(jì)算速度［3］。一種基于可信推理神經(jīng)網(wǎng)絡(luò)的家用電能監(jiān)測(cè)儀的電器辨識(shí)算法，基于單個(gè)電器參數(shù)構(gòu)建了參數(shù)構(gòu)建方案，減輕了組合電器模式的學(xué)習(xí)負(fù)擔(dān)［4］。國(guó)內(nèi)對(duì)于該領(lǐng)域技術(shù)的研究，一種負(fù)荷在線分離算法能夠快速準(zhǔn)確地得到獨(dú)立負(fù)荷數(shù)據(jù)，并提出在實(shí)際運(yùn)行過程中針對(duì)獨(dú)立用戶自適應(yīng)地構(gòu)建用戶專用負(fù)荷特征庫(kù)，防止提前構(gòu)建的負(fù)荷特征庫(kù)與該用戶實(shí)際使用負(fù)荷的特征不匹配的情況，從而可解決預(yù)建立特征數(shù)據(jù)庫(kù)存在的普適性弱而造成的誤判問題，提高辨識(shí)準(zhǔn)確率［5］。還有利用人工神經(jīng)網(wǎng)絡(luò)的高級(jí)特征提取能力，最后以復(fù)合特征作為設(shè)備新的特征訓(xùn)練反向傳播神經(jīng)網(wǎng)絡(luò)進(jìn)行非侵入式負(fù)荷辨識(shí)［6］。

由于實(shí)際工況中電器負(fù)荷電器愈加智能化，運(yùn)行模式愈加復(fù)雜化，現(xiàn)有負(fù)荷識(shí)別技術(shù)的辨識(shí)精度很難達(dá)到工程應(yīng)用水平，故非侵入式負(fù)荷辨識(shí)技術(shù)亟需進(jìn)行更加深入的研究。采用負(fù)荷辨識(shí)模塊化的思路進(jìn)行智能電表改造，將有效減少設(shè)備投資、方便后期維護(hù)擴(kuò)展，能夠突破電力網(wǎng)絡(luò)“最后一公里”采集難題，獲得的細(xì)粒度數(shù)據(jù)能實(shí)現(xiàn)對(duì)電力網(wǎng)絡(luò)拓?fù)渥R(shí)別、故障定位等高級(jí)應(yīng)用的支撐。

1 非侵入式負(fù)荷辨識(shí)與監(jiān)測(cè)系統(tǒng)架構(gòu)

1.1 負(fù)荷辨識(shí)終端監(jiān)測(cè)系統(tǒng)架構(gòu)

本文提出了多層協(xié)作的用電負(fù)荷辨識(shí)系統(tǒng)架構(gòu)，系統(tǒng)架構(gòu)如圖1所示。

圖1中，在終端層初步進(jìn)行數(shù)據(jù)辨識(shí)，結(jié)合主站層復(fù)辨方案，有效提升負(fù)荷辨識(shí)能力：

（1）終端層：在用戶電力總進(jìn)線處安裝一個(gè)采集終端或集成在電能表內(nèi)，采集并分析用戶總電流、電壓等信號(hào)來辨識(shí)單個(gè)電器或同類別電器的啟停時(shí)間和電能消耗。

（2）主站層：除了實(shí)現(xiàn)對(duì)終端上傳數(shù)據(jù)的糾錯(cuò)、數(shù)據(jù)完整性檢查和錯(cuò)誤數(shù)據(jù)處理等清洗工作之外，在海量細(xì)粒度數(shù)據(jù)基礎(chǔ)上，進(jìn)一步分析、挖掘其高級(jí)應(yīng)用功能，包含負(fù)荷二次辨識(shí)、拓?fù)渥R(shí)別、停電定位、責(zé)任研判、線損分析與阻抗估計(jì)［7］。

1.2 多層協(xié)作負(fù)荷辨識(shí)系統(tǒng)架構(gòu)

在辨識(shí)系統(tǒng)監(jiān)測(cè)架構(gòu)基礎(chǔ)上，進(jìn)一步給出圖2所示多層協(xié)作用電負(fù)荷辨識(shí)系統(tǒng)架構(gòu)。

圖2所示多層協(xié)作的用電負(fù)荷辨識(shí)系統(tǒng)架構(gòu)，首先對(duì)用戶用電負(fù)荷數(shù)據(jù)進(jìn)行第一次辨識(shí)，采集用戶總進(jìn)線的電壓和電流數(shù)據(jù)，通過同類負(fù)荷特征量匹配的辨識(shí)算法即可分解出用戶用戶的＜電器類型，啟停時(shí)間，電能消耗＞三元用電序列。同時(shí)，定期將終端側(cè)辨識(shí)數(shù)據(jù)上送至主站，主站對(duì)上送的辨識(shí)數(shù)據(jù)進(jìn)行第二次辨識(shí)，使用包含全部樣本的負(fù)荷特征庫(kù)數(shù)據(jù)，采用半監(jiān)督學(xué)習(xí)的K均值聚類的辨識(shí)方法。一次辨識(shí)將實(shí)現(xiàn)電器的初步辨識(shí)，其中有部分電器沒有辨識(shí)出來或者部分電器僅僅辨識(shí)為大類電器，二次辨識(shí)會(huì)將一次辨識(shí)的異常電器去除、并細(xì)分未知電器，由此極大的提高辨識(shí)效果。

2 分項(xiàng)負(fù)荷特征庫(kù)建立

2.1 終端層負(fù)荷特征庫(kù)構(gòu)建

為了系統(tǒng)性的建立用電設(shè)備的負(fù)荷模型，按用途對(duì)居民用電設(shè)備進(jìn)行分類討論，可分為電熱類、空調(diào)類、洗衣機(jī)類、冰箱類、其他類。前期的實(shí)驗(yàn)數(shù)據(jù)作為終端負(fù)荷的特征庫(kù)，也就是說終端辨識(shí)算法所匹配的終端負(fù)荷特征庫(kù)是已經(jīng)寫入終端里的，通過實(shí)驗(yàn)室數(shù)據(jù)得到。

通過常規(guī)采集終端可獲取多種電器單獨(dú)運(yùn)行的電量數(shù)據(jù)，從而可以計(jì)算得到單個(gè)電器穩(wěn)態(tài)有功功率、穩(wěn)態(tài)無功功率和諧波電流等基本的特征量。為了使終端負(fù)荷特征庫(kù)的數(shù)據(jù)更加全面，針對(duì)一種電器，終端獲取了不同品牌不同功率的電器，使得終端負(fù)荷特征庫(kù)中涵蓋了市面上絕大部分品牌功率各異的電器。

（1）電熱類：電熱類設(shè)備按加熱原理可分為電阻加熱類、電磁感應(yīng)類、微波類。終端負(fù)荷特征庫(kù)中存儲(chǔ)了電熱類負(fù)荷的有功功率，無功功率，電流三次諧波和最大運(yùn)行時(shí)長(zhǎng)。

（2）空調(diào)類：空調(diào)負(fù)荷屬于交流電機(jī)類負(fù)荷，將空調(diào)分為定頻和變頻兩類分別建模。終端負(fù)荷特征庫(kù)中存儲(chǔ)了空調(diào)類負(fù)荷的有功功率，無功功率，電流三次諧波和功率沖擊系數(shù)。

（3）洗衣機(jī)類：洗衣機(jī)內(nèi)部主要工作元件是電機(jī)，但由于洗衣機(jī)工作時(shí)的有功功率波動(dòng)較大，所以將其作為一個(gè)單獨(dú)模型進(jìn)行分析。洗衣機(jī)最大的負(fù)荷特征為有功功率波動(dòng)特性。

（4）冰箱類：家用冰箱的屬于間歇性運(yùn)行電器，按照24小時(shí)內(nèi)的平均耗電量來計(jì)算，冰箱的日耗電量在0.5 kW·h至1 kW·h左右，冰箱可分為定頻類和變頻類。

（5）其他類：對(duì)于出現(xiàn)頻率較低或很低的電器，具有未知特性的新型電器。

2.2 主站層負(fù)荷特征庫(kù)構(gòu)建

終端在本地辨識(shí)電器數(shù)據(jù)后會(huì)定期上送給主站端，主站端的數(shù)據(jù)庫(kù)主要包含三種，第一種是終端能確定電器開始和結(jié)束時(shí)間，且能給定具體標(biāo)簽的電器辨識(shí)數(shù)據(jù)；第二種只能確定負(fù)荷大類特征的辨識(shí)數(shù)據(jù)，這些數(shù)據(jù)可按電器大類及功率分類；第三種是攜帶新型特征的電器辨識(shí)數(shù)據(jù)。

終端上傳到主站的數(shù)據(jù)包括＜有功功率，無功功率，電流三次諧波，最大運(yùn)行時(shí)長(zhǎng)，有功波動(dòng)，有功緩變，功率沖擊，辨識(shí)標(biāo)簽＞的八維數(shù)據(jù)。若電器在終端數(shù)據(jù)庫(kù)中不存在某負(fù)荷特征則置零。辨識(shí)標(biāo)簽為電器標(biāo)簽、大類電器標(biāo)簽或者未知。

3 多層協(xié)作非侵入式負(fù)荷辨識(shí)技術(shù)

3.1 終端側(cè)辨識(shí)算法

如圖5所示，終端層負(fù)荷辨識(shí)技術(shù)的主要步驟，其中辨識(shí)過程三個(gè)關(guān)鍵技術(shù)為事件檢測(cè)、特征提取和負(fù)荷識(shí)別。其中負(fù)荷特征提取是負(fù)荷識(shí)別的基礎(chǔ)，負(fù)荷識(shí)別是算法核心。

3.1.1 事件檢測(cè)

事件檢測(cè)是將采集到的有功功率（或視在功率）通過檢側(cè)功率的差值將時(shí)間序列分為穩(wěn)定階段和暫態(tài)階段，因此特征量包括穩(wěn)態(tài)特征量和暫態(tài)特征量。其依據(jù)是一定時(shí)間段內(nèi)負(fù)荷特征量的變化情況，具體有規(guī)則判斷和變點(diǎn)檢測(cè)兩種方法［8-9］。通過計(jì)算相鄰時(shí)間點(diǎn)或時(shí)間段的負(fù)荷特征量變化，并將其與設(shè)定的閾值相比較，當(dāng)變化值超過閾值時(shí)，即判定有事件發(fā)生。

3.1.2 特征提取與分析

將負(fù)荷辨識(shí)特征量定義為能夠表征負(fù)荷辨識(shí)特征的計(jì)算值［10］。

（1）穩(wěn)態(tài)功率增量。穩(wěn)態(tài)功率特征主要有：穩(wěn)態(tài)有功功率P和穩(wěn)態(tài)無功功率Q，在正弦穩(wěn)態(tài)情況下穩(wěn)態(tài)功率計(jì)算式：

式中：P為有功功率，Q為無功功率，U為電壓有效值，I為電流有效值，u（t）和 i（t）為電壓和電流的瞬時(shí)值，t為時(shí)間，T為工頻周期，n為參與積分的周期數(shù)量，φ＝φu-φi是電壓與電流的相位差，cosφ為功率因數(shù)。

用電設(shè)備運(yùn)行期間穩(wěn)態(tài)功率的變化通過有功功率增量ΔP和無功功率增量ΔQ來表征。功率增量是通過對(duì)采集到的離散穩(wěn)態(tài)功率Pi、Qi序列進(jìn)行差運(yùn)算得到，公式如下所示：

式中，i為功率序列的編號(hào)，j為所設(shè)的正整數(shù)。其中j值的選取有限，因?yàn)檫^大會(huì)抓取不到極短時(shí)間內(nèi)的投切事件；過小會(huì)使得功率變化的過程抓取的不完整，且會(huì)大大降低程序的運(yùn)算速度。負(fù)荷有功功率和無功功率特征圖如圖6所示［11］。

由圖6可以看出，對(duì)于某些小功率電器來說，只靠功率P、Q負(fù)荷特征很難將功率相似的電器分解出來。且對(duì)與某些有功功率相近的電阻加熱類電器，僅僅靠有功功率，無功功率很難準(zhǔn)確分解。故本文增加了電流諧波作為負(fù)荷特征。

（2）三次諧波增量。非線性負(fù)荷在運(yùn)行過程中會(huì)出現(xiàn)諧波分量，而3次諧波電流幅值相對(duì)其他頻次諧波最大，這是由于3次諧波的諧波率更大。3次諧波電流增量的計(jì)算公式如下：

式中I3m是穩(wěn)態(tài)電流3次諧波分量，m是穩(wěn)態(tài)電流序列的編號(hào)，j是正整數(shù)，j值的選擇有限制。

圖7為經(jīng)過FFT變換后某電器的諧波幅值圖。

從圖7可以看出，偶次諧波幅值明顯小于奇次諧波幅值，因此，本文選擇3次諧波作為負(fù)荷分類的另一維度特征。對(duì)于非線性電器如微波爐、電磁爐等等來說，運(yùn)行期間3次諧波電流變化明顯，尤其在啟停的暫態(tài)過程中，非同類負(fù)荷的3次諧波幅值相差較大，故可將3次諧波電流增量作為其非侵入辨識(shí)的主要判定依據(jù)。

（3）負(fù)荷時(shí)間特性。不同用電設(shè)備的負(fù)荷時(shí)間特性大相徑庭，按工作模式可將負(fù)荷分為持續(xù)運(yùn)行負(fù)荷和間歇運(yùn)行負(fù)荷，負(fù)荷時(shí)間特性與其工作模式是相對(duì)應(yīng)的。

3.1.3 辨識(shí)算法

非侵入負(fù)荷辨識(shí)算法基于層次分類的準(zhǔn)則對(duì)負(fù)荷樣本進(jìn)行多維度的特征量識(shí)別，通過同類負(fù)荷的特征量匹配達(dá)到負(fù)荷辨識(shí)的目的。單相用戶的非侵入式負(fù)荷辨識(shí)算法具體步驟如下所示：

（1）通過采集終端對(duì)用戶總進(jìn)線處的電壓、電流進(jìn)行監(jiān)測(cè)，獲取負(fù)荷基本特征量［12］：有功功率序列Pm、無功功率序列Qm、三次諧波電流序列I3m。

（2）首先要對(duì)負(fù)荷樣本進(jìn)行有功功率波動(dòng)性和有功功率緩變性檢測(cè)，從而將波動(dòng)類負(fù)荷、緩變類負(fù)荷、定頻類負(fù)荷進(jìn)行區(qū)分。

（3）提取負(fù)荷辨識(shí)特征量：有功功率增量序列ΔPm、無功功率增量序列ΔQm、電流三次諧波增量序列 ΔI3m。

（4）通過檢測(cè)定頻類負(fù)荷的暫態(tài)過程和負(fù)荷特征量的匹配完成負(fù)荷辨識(shí)。

（5）完成各類負(fù)荷辨識(shí)的同時(shí)可得到負(fù)荷運(yùn)行期間的平均功率以及工作時(shí)長(zhǎng)，進(jìn)而求得該負(fù)荷的電能消耗，完成用戶的分類能耗計(jì)量。

3.2 終端層負(fù)荷辨識(shí)流程

非侵入負(fù)荷辨識(shí)算法基于層次分類準(zhǔn)則對(duì)負(fù)荷樣本進(jìn)行多維度的特征量識(shí)別，通過同類負(fù)荷的特征量匹配達(dá)到負(fù)荷辨識(shí)的目的。具體步驟為：

（1）通過采集終端對(duì)用戶總進(jìn)線處的電壓、電流進(jìn)行監(jiān)測(cè)，獲取負(fù)荷基本特征量：有功功率序列Pm、無功功率序列Qm、三次諧波電流序列I3m；

（2）首先要對(duì)負(fù)荷樣本進(jìn)行有功功率波動(dòng)性和有功功率緩變性檢測(cè)，從而將波動(dòng)類負(fù)荷、緩變類負(fù)荷、定頻類負(fù)荷進(jìn)行區(qū)分；

（3）提取負(fù)荷辨識(shí)特征量，有功功率增量序列ΔPm、無功功率增量序列ΔQm、電流三次諧波增量序列 ΔI3m；

（4）通過檢測(cè)定頻類負(fù)荷的暫態(tài)過程和負(fù)荷特征量的匹配完成負(fù)荷辨識(shí)；

（5）完成各類負(fù)荷辨識(shí)的同時(shí)可得到負(fù)荷運(yùn)行期間的平均功率以及工作時(shí)長(zhǎng)，進(jìn)而求得該負(fù)荷的電能消耗，完成用戶的分類能耗計(jì)量。

3.3 主站側(cè)辨識(shí)流程

主站側(cè)主要實(shí)現(xiàn)三個(gè)功能：異常電器的去除、未知電器的辨識(shí)和大類電器的細(xì)分。因此，本文提出了一種基于K均值聚類［13］的主站側(cè)辨識(shí)算法。對(duì)主站側(cè)特征庫(kù)做K均值聚類，離群點(diǎn)即是終端側(cè)辨識(shí)的異常電器，予以去除。對(duì)未知電器和大類電器一同與主站側(cè)特征庫(kù)做K均值聚類，未知電器和大類電器則辨識(shí)為該簇的標(biāo)簽。若未知電器單獨(dú)聚成一個(gè)簇，則說明出現(xiàn)了一個(gè)全新的電器，由人工干預(yù)確定這個(gè)電器的標(biāo)簽。

主站側(cè)辨識(shí)算法的流程如下：

（1）建立K均值算法樣本集。以終端上傳能確定電器的具體標(biāo)簽的電器辨識(shí)數(shù)據(jù)作為樣本集。

（2）確定K的取值。以樣本集中的不同電器的個(gè)數(shù)作為K的取值。不同品牌，不同功率的同一種電器視為多個(gè)電器。

（3）異常電器去除。對(duì)樣本集進(jìn)行K均值聚類。離群點(diǎn)視為異常電器，刪除。

（4）大類電器細(xì)分。大類電器樣本和樣本集一同參與聚類，大類電器細(xì)分后的電器標(biāo)簽即為所屬簇的電器標(biāo)簽，并且將辨識(shí)出來的樣本補(bǔ)充進(jìn)樣本集。歸為離群點(diǎn)的大類電器樣本保留，等待終端上傳新的數(shù)據(jù)擴(kuò)充樣本集后再次做聚類細(xì)分辨識(shí)。

（5）未知電器細(xì)分。未知電器樣本和樣本集一同參與K均值聚類，未知電器辨識(shí)后的電器標(biāo)簽即為所屬簇的電器標(biāo)簽。并且將辨識(shí)出來的樣本補(bǔ)充進(jìn)樣本集。歸為離群點(diǎn)的未知電器樣本保留，等待終端上傳新的數(shù)據(jù)擴(kuò)充樣本集后再次做聚類細(xì)分辨識(shí)。若未知電器單獨(dú)聚成一個(gè)簇，說明出現(xiàn)了新型電器，需要人為干預(yù)確定此未知電器的標(biāo)簽。

4 新型智能電表研制及應(yīng)用驗(yàn)證

電力物聯(lián)網(wǎng)的發(fā)展對(duì)終端側(cè)的精細(xì)數(shù)據(jù)提出了更高需求，將非侵入負(fù)荷辨識(shí)技術(shù)移植入智能電表能夠突破電力網(wǎng)絡(luò)“最后一公里”采集難題。但當(dāng)前，相關(guān)智能電表的研究主要集中在電能表狀態(tài)評(píng)估等整體運(yùn)行態(tài)勢(shì)方面［14］。

為驗(yàn)證本文所提出方法的效果，項(xiàng)目團(tuán)隊(duì)在OIML IR46國(guó)際建議［15-17］基礎(chǔ)上重構(gòu)了包含計(jì)量芯、管理芯、辨識(shí)芯（負(fù)荷辨識(shí)模塊）的新型模塊化電能表架構(gòu)，整合融入非侵入式負(fù)荷辨識(shí)模塊，如圖8所示。負(fù)荷辨識(shí)模塊通過高速SPI數(shù)據(jù)通道獲取電能表計(jì)量芯采集的高頻電壓電流值，利用本文上述負(fù)荷辨識(shí)算法進(jìn)行分離出用戶內(nèi)部各類家用電器類型和負(fù)荷值，并擴(kuò)展DL645規(guī)約透?jìng)鹘K端負(fù)荷辨識(shí)結(jié)果至主站，實(shí)現(xiàn)對(duì)新型未知電器的協(xié)作辨識(shí)及結(jié)果展示。

本文對(duì)于新型智能電表的驗(yàn)證方式包含兩種：

方式一，搭建模擬實(shí)證平臺(tái)進(jìn)行驗(yàn)證。在典型廚電、空調(diào)電器復(fù)雜運(yùn)行工況分析［18］基礎(chǔ)上，搭建包含電水壺、空調(diào)、微波爐、電磁爐、空調(diào)等典型家用電器的實(shí)證環(huán)境，其中每種電器通過一個(gè)分項(xiàng)電能表進(jìn)行電量計(jì)量，在總?cè)肟谔幇惭b上文所述的支持非侵入式負(fù)荷辨識(shí)功能的模塊化電能表進(jìn)行負(fù)荷辨識(shí)，如圖9所示。

模擬真實(shí)用戶的使用習(xí)慣，測(cè)試時(shí)長(zhǎng)為1周，運(yùn)行場(chǎng)景包括：10時(shí)-14時(shí)使用空調(diào)；12時(shí)-13時(shí)使用電飯鍋；12時(shí)-12時(shí)10分使用微波爐；18時(shí)-19時(shí)使用洗衣機(jī)；20時(shí)-20時(shí)8分使用電水壺。每天啟動(dòng)關(guān)閉隨機(jī)控制在1小時(shí)內(nèi)，辨識(shí)結(jié)果如表1。

表1 非侵入式負(fù)荷辨識(shí)結(jié)果Tab.1 Results of non-intrusive load identification

由表1可以看出，空調(diào)、微波爐和洗衣機(jī)等具有明顯的無功和電流諧波特征的電器，在終端辨識(shí)階段就已經(jīng)成功辨識(shí)出來。而一些電熱設(shè)備，比如電飯鍋和電水壺，幾乎沒有無功和電流諧波，僅僅具有有功負(fù)荷特征，在終端難以準(zhǔn)確辨識(shí)出來；把相關(guān)負(fù)荷特征上傳到主站之后，主站根據(jù)K均值算法成功辨識(shí)出電水壺，并校正了電飯鍋的電量，有效驗(yàn)證了本文提出的多層協(xié)作的非侵入負(fù)荷辨識(shí)方法的有效性，驗(yàn)證了搭載多層協(xié)作負(fù)荷辨識(shí)算法的智能電表負(fù)荷辨識(shí)能力的可靠性。

方式二，現(xiàn)場(chǎng)安裝終端及數(shù)據(jù)應(yīng)用驗(yàn)證。在山東濟(jì)南歷城區(qū)孫村小區(qū)選取24戶用戶安裝新型模塊化智能電表，在電表獲得的海量細(xì)粒度數(shù)據(jù)基礎(chǔ)上進(jìn)一步通過細(xì)粒度用電數(shù)據(jù)融合應(yīng)用平臺(tái)，實(shí)現(xiàn)電器成分分析、用電規(guī)律分析等高級(jí)應(yīng)用。如圖10所示為孫村小區(qū)實(shí)時(shí)用能監(jiān)測(cè)界面。

由居民分項(xiàng)負(fù)荷曲線圖可知，家用電器在早上6時(shí)30分左右有明顯的廚房電器、電熱類電器使用小高峰，初步推測(cè)用戶的早起時(shí)間及行為規(guī)律；此外，家用電器在中午11時(shí)30分左右達(dá)到用電高峰，且以空調(diào)類電器、廚房電器類電器、電熱類電器、其他類電器使用為主。由居民分項(xiàng)用電量堆疊圖可知，早上、中午高峰時(shí)段的用電量以空調(diào)類、電熱類電器為主。本文新型模塊化智能電能表獲得的分項(xiàng)細(xì)粒度數(shù)據(jù)能夠有效支撐臺(tái)區(qū)高級(jí)功能應(yīng)用，使得海量細(xì)粒度數(shù)據(jù)獲得增值。

5 結(jié)論

本文構(gòu)建了多層協(xié)作負(fù)荷辨識(shí)系統(tǒng)架構(gòu)，通過在用戶電力入口處和主站端分別部署負(fù)荷辨識(shí)設(shè)備，建立終端側(cè)和主站側(cè)的負(fù)荷特征庫(kù)，并通過事件檢測(cè)、特征提取和辨識(shí)算法的過程，實(shí)現(xiàn)多層協(xié)作的非侵入式用戶電力負(fù)荷辨識(shí)，解決了非侵入負(fù)荷辨識(shí)中出現(xiàn)的穩(wěn)態(tài)特征有限、實(shí)際工況復(fù)雜等難點(diǎn)。此外，設(shè)計(jì)了負(fù)荷辨識(shí)模塊化新型智能電表，并通過搭建包含多種典型電器的實(shí)證平臺(tái)對(duì)智能電表的非侵入負(fù)荷辨識(shí)效果進(jìn)行了驗(yàn)證，示例驗(yàn)證了多層協(xié)作負(fù)荷辨識(shí)算法及智能電表負(fù)荷辨識(shí)能力的有效性和可靠性。此外，選擇了一定規(guī)模的用戶進(jìn)行新型智能電表安裝應(yīng)用，結(jié)合海量細(xì)粒度用電數(shù)據(jù)融合應(yīng)用平臺(tái)開發(fā)，進(jìn)一步證明了辨識(shí)算法的有效性、新型智能電表功能的可靠性，以及海量細(xì)粒度數(shù)據(jù)對(duì)于臺(tái)區(qū)高級(jí)增值應(yīng)用服務(wù)的支撐性。