非侵入式在線實時電力負荷識別方法及識別系統的制作方法

非侵入式在線實時電力負荷識別方法及識別系統的制作方法
【專利摘要】本發明屬于物聯網和大數據技術領域，涉及一種非侵入式在線實時電力負荷識別方法及識別系統。它解決了現有設計不夠合理等技術問題。本方法包括下述步驟：A、獲得實時電力信號；B、非侵入式負荷識別分析；C、結果反饋。系統包括至少一個連接在居民側配電箱上的嵌入式設備終端，嵌入式設備終端與云端相連，云端與后臺服務器相連，后臺服務器上連接數據存儲器且能將分析結果傳送至對應于居民側配電箱的終端設備。優點在于：對于居民側用戶使用成本低廉、不需要大量有標簽的樣本即可進行訓練、對小負荷電器也非常敏感、同時能解決電能震蕩問題、且保證負荷識別的準確率；能為家庭提供整體的能源解決方案；算法效率可以達到在線和實時的效果。
【專利說明】
非侵入式在線實時電力負荷識別方法及識別系統
技術領域
[0001] 本發明屬于物聯網和大數據技術領域，設及電能消耗監測和狀態檢測，尤其是設 及一種非侵入式在線實時電力負荷識別方法及識別系統。
【背景技術】
[0002] 負荷識別在19世紀80年代，由麻省理工學院化d提出。為了減輕全球能源問題和 環境問題，近期負荷識別技術越來越受到重視。負荷識別的目的是檢測家庭中每個電器的 能耗和實時狀態。負荷識別能夠幫助電網企業為居民側提供負荷側響應服務，家電故障檢 測服務。其中負荷識別又分為侵入式負荷監測技術和非侵入式負荷識別技術。對于侵入式 負荷監測，是在每個家用電器上加裝傳感器W實時測量電器功耗和狀態。非侵入式負荷識 別技術僅需測量家庭總的實時用電功率，通過機器學習和人工智能算法來識別所有家用電 器狀態和功耗。相對于侵入式負荷監測，非侵入式負荷識別具有成本低廉，安裝方便等有 點。目前大部分解決方案是利用聚類算法，隱形馬爾科夫模型，神經網絡和支持向量機完成 識別的過程。
[0003] 目前負荷識別技術具有W下局限性：需要大量有標簽的樣本做訓練；只能識別大 負荷用電設備，例如冰箱，空調等；由于缺乏大量的訓練樣本，識別準確率相對較低;硬件成 本高昂，無法部署在居民住所;算法效率不高，通常無法達到實時和在線的效果。為此，人們 進行了長期的探索，提出了各種各樣的解決方案。例如，中國專利文獻公開了一種非侵入式 電力負荷監測與分解技術實施的體系架構[申請號:201410389560.0],包括:部署在技術服 務提供方一端的非侵入式電力負荷監測與分解技術服務管理模塊，部署在用戶一端的非侵 入式電力負荷監測與分解功能模塊，分布式網絡拓展功能模塊和雙向通信網絡傳輸模塊。 本發明從NILMD技術系統應用的層面和市場普及的角度出發，首次嘗試在分析NILMD技術的 實用化需求的基礎上建立了能夠支持NILMD技術廣泛實用的非侵入式電力負荷監測與分解 技術實施的體系架構(NILMDSI)，該發明可W填補本領域內運方面的研究空白，而且可W指 導技術提供方為NILMD技術的實用化與推廣制定切實有效的系統性實施方案，W期能夠很 好地解決NI LMD技術實用化所遇到的相關問題。
[0004] 上述方案雖然在一定程度上優化了非侵入式電力負荷監測與分解的硬件架構，但 是并不能從根本上解決現有技術存在的技術問題。

【發明內容】

[0005] 本發明的目的是針對上述問題，提供一種使用成本低廉、不需要大量有標簽的樣 本即可進行訓練、對小負荷電器也非常敏感、同時能解決電能震蕩問題、且保證負荷識別的 準確率的非侵入式在線實時電力負荷識別方法。
[0006] 本發明的另一目的是提供一種使用成本低廉、不需要大量有標簽的樣本即可進行 訓練、對小負荷電器也非常敏感、同時能解決電能震蕩問題、且保證負荷識別的準確率的非 侵入式在線實時電力負荷識別系統。
[0007] 為達到上述目的，本發明采用了下列技術方案:本非侵入式在線實時電力負荷識 別方法，其特征在于，本方法包括下述步驟：
[0008] A、獲得實時電力信號：實時采集居民側配電箱的實時電力數據，然后將采集到的 實時電力數據進行轉換W獲得實時電力信號；
[0009] B、非侵入式負荷識別分析:將實時電力信號進行小波變換去噪、核密度估計檢測 事件、判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號、聚類電力信號、 提取電力信號特征，從而獲得對應于居民側配電箱的每個家用電器的功耗數據和實時狀態 f目息；
[0010] C、結果反饋:將分析獲得的居民側配電箱的每個家用電器的功耗數據和實時狀態 信息反饋給與居民側配電箱相應的居民側用戶。
[0011] 在上述的非侵入式在線實時電力負荷識別方法中，在上述的步驟B中，
[0012] ①小波變換去噪：設定實時電力信號yi與真實電力信號f (Xi)關系為:yi = f (Xi) + ei，iG {1，. . .，n}，其中，ei為誤差，n為自然數；
[0013] 根據小波變換的原理：
[0014]
[0015]
[0016] (}) (X) = I(Oii)(X);
[0017] 其中，
為尺度系數：
為細節系數，鮮片） 為基函數；
[0018] 設定誤差ei服從均值為0的高斯分布，設定閥值從而對實時電力信號去噪；
[0019] 選取閥值為
[0020] 其中，N為信號長度，t^?為魯棒估計量;小波變換去噪通過時頻分析，去掉高頻噪聲 信號，保留低頻信號。
[0021] ②核密度估計檢測事件:將去噪后的實時電力信號用核密度估計方法估計信號分 布情況，
[0022] 密度函數如下：
[0023] 其中，K為密度函數，y是原始信號，Xi是密度函數的期望值，h是密度函數的帶寬， 若信號分布具有兩個或兩個W上的峰值點，則判斷結果為有事件發生，否則無事件；
[0024] ③判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號:對于有事 件發生的實時電力信號，判斷是否有周期性信號存在，
[00巧]計算信號的自相關系數：
[00%]若信號內部存在相關性，即自相關系數不小于0.95,則采用化drick-Prescott fi IteH尤化算法求解去周期性信號，具體實現過程如下：
[0027]
[002引求解結果巧Hf為去周期性信號，其中，y為原始信號，X為懲罰系數;所述的去周期 性信號去掉能量震蕩信號，保留隱藏在能量震動下的趨勢信號，從而實現提取趨勢信號；
[0029] ④聚類電力信號:根據提取到的趨勢信號，再用基于密度聚類的算法求解出離群 點，所述的離群點本質就是事件的暫態信號，具體過程如下：將所有點標記為核屯、點、邊界 點或噪聲點;刪除噪聲點;為距離在閥值之內的所有核屯、點之間賦予一條邊;每組連通的核 屯、點形成一個簇;將每個邊界點指派到一個與之關聯的核屯、點的簇中；從而實現用基于密 度的聚類方法來分離暫態信號和穩態信號，實現定位暫態信號；
[0030] ⑤提取電力信號特征:利用深度學習進行特征壓縮及無監督的基于密度的聚類算 法進行特征識別。
[0031] 在上述的非侵入式在線實時電力負荷識別方法中，在上述的步驟A中，所述的實時 電力數據包括實時電壓和實時電流;所述的實時電力數據轉換為實時有功功率和實時無功 功率信號。
[0032] 在上述的非侵入式在線實時電力負荷識別方法中，所述的實時電力信號通過無線 和/或有線通訊方式傳輸至云端，再通過無線和/或有線通訊方式從云端傳輸至后臺服務 器，所述的非侵入式負荷識別分析在后臺服務器中進行。
[0033] 在上述的非侵入式在線實時電力負荷識別方法中，所述的實時電力信號通過W太 網和/或WiFi通信協議傳輸至云端，再通過因特網從云端傳輸至后臺服務器。
[0034] 一種應用上述非侵入式在線實時電力負荷識別方法的非侵入式在線實時電力負 荷識別系統，其特征在于，本系統包括至少一個連接在居民側配電箱上且用于獲得實時電 力信號的嵌入式設備終端，所述的嵌入式設備終端通過無線和/或有線通訊方式與云端相 連，所述的云端通過無線和/或有線通訊方式與能夠對實時電力信號進行非侵入式負荷識 別分析的后臺服務器相連，所述的后臺服務器上連接有數據存儲器且能夠通過無線和/或 有線通訊方式將分析結果傳送至對應于居民側配電箱的終端設備。
[0035] 在上述的非侵入式在線實時電力負荷識別系統中，所述的實時電力信號通過W太 網和/或WiFi通信協議傳輸至云端，再通過因特網從云端傳輸至后臺服務器。
[0036] 在上述的非侵入式在線實時電力負荷識別系統中，所述的嵌入式設備終端有多個 且采用分布式連接方式與云端相連。
[0037] 在上述的非侵入式在線實時電力負荷識別系統中，所述的終端設備為移動式終端 設備和/或PC。
[0038] 在上述的非侵入式在線實時電力負荷識別系統中，所述的家用電器包括大負荷用 電設備和/或小負荷用電設備。
[0039] 與現有的技術相比，非侵入式在線實時電力負荷識別方法及識別系統的優點在 于:對于居民側用戶使用成本低廉、不需要大量有標簽的樣本即可進行訓練、對小負荷電器 也非常敏感、同時能解決電能震蕩問題、且保證負荷識別的準確率;繼而能為家庭提供整體 的能源解決方案;此外，算法效率可W達到在線和實時的效果。
【附圖說明】
[0040]圖1為本發明提供的結構框圖。
[0041 ]圖2為本發明提供的事件檢測算法流程原理圖。
[0042] 圖3為本發明提供的深度學習的網架結構原理圖。
[0043] 圖4為本發明提供的原始電力信號圖。
[0044] 圖5為本發明提供的核方法判斷事件效果圖。
[0045] 圖6為本發明提供的嵌入式設備終端的部分結構框圖。
[0046] 圖7為本發明提供的嵌入式設備終端的部分電路圖。
[0047] 圖中，居民側配電箱1、交流電壓源11、交流電流源相連12、云端2、后臺服務器3、嵌 入式設備終端4、第一運算電路41、第二運算電路42、供電電源43、變壓器44、整流電路45、濾 波電路46、穩壓電路47、平滑輸出電壓電路48、數據存儲器6、終端設備7。
【具體實施方式】
[0048] 如圖1-7所示，本非侵入式在線實時電力負荷識別方法，包括下述步驟：
[0049] A、獲得實時電力信號:實時采集居民側配電箱1的實時電力數據，然后將采集到的 實時電力數據進行轉換W獲得實時電力信號;其中實時電力數據包括實時電壓和實時電流 等運行數據;實時電力數據轉換為實時有功功率和實時無功功率信號。
[0050] B、非侵入式負荷識別分析:將實時電力信號進行小波變換去噪、核密度估計檢測 事件、判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號、聚類電力信號、 提取電力信號特征，從而獲得對應于居民側配電箱1的每個家用電器的功耗數據和實時狀 態信息；
[0051] C、結果反饋:將分析獲得的居民側配電箱1的每個家用電器的功耗數據和實時狀 態信息反饋給與居民側配電箱1相應的居民側用戶。
[0052] 運里的實時電力信號通過無線和/或有線通訊方式傳輸至云端2,再通過無線和/ 或有線通訊方式從云端2傳輸至后臺服務器3,所述的非侵入式負荷識別分析在后臺服務器 3中進行。實時電力信號通過W太網和/或WiFi通信協議傳輸至云端2,再通過因特網從云端 2傳輸至后臺服務器3。
[0化3] 更具體地說，在上述的步驟B中，
[0054] ①小波變換去噪：設定實時電力信號yi與真實電力信號f (Xi)關系為:yi = f (Xi) + ei，iG {1，. . .，n}，其中，ei為誤差，n為自然數；
[0055] 根據小波變換的原理：
[0化6]
[0化7]
[0化引
[0059] 數，
為細節系數，明(了） 為基函數；
[0060]設定誤差ei服從均值為0的高斯分布，設定閥值從而對實時電力信號去噪；
[0061 ] 選取閥值為
[0062] 其中，N為信號長度，途為魯棒估計量;小波變換去噪通過時頻分析，去掉高頻噪聲 信號，保留低頻信號。
[0063] ②核密度估計檢測事件:將去噪后的實時電力信號用核密度估計方法估計信號分 布情況，
[0064] 密度函數如下；
[0065] 其中，K為密度函數，y是原始信號，Xi是密度函數的期望值，h是密度函數的帶寬， 若信號分布具有兩個或兩個W上的峰值點，則判斷結果為有事件發生，否則無事件；
[0066] ③判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號:對于有事 件發生的實時電力信號，判斷是否有周期性信號存在，
[0067] 計算信號的自相關系數；
[0068] 若信號內部存在相關性，即自相關系數不小于0.95，則采用化drick-Prescott fi IteH尤化算法求解去周期性信號，具體實現過程如下：
[0069]
[0070] 求解結果巧為去周期性信號，其中，y為原始信號，A為懲罰系數;所述的去周期 性信號去掉能量震蕩信號，保留隱藏在能量震動下的趨勢信號，從而實現提取趨勢信號；
[0071] ④聚類電力信號:根據提取到的趨勢信號，再用基于密度聚類的算法求解出離群 點，所述的離群點本質就是事件的暫態信號，具體過程如下：將所有點標記為核屯、點、邊界 點或噪聲點;刪除噪聲點;為距離在閥值之內的所有核屯、點之間賦予一條邊;每組連通的核 屯、點形成一個簇;將每個邊界點指派到一個與之關聯的核屯、點的簇中；從而實現用基于密 度的聚類方法來分離暫態信號和穩態信號，實現定位暫態信號；
[0072] ⑤提取電力信號特征:利用深度學習進行特征壓縮及無監督的基于密度的聚類算 法進行特征識別。
[0073] 一種應用非侵入式在線實時電力負荷識別方法的非侵入式在線實時電力負荷識 別系統，其特征在于，本系統包括至少一個連接在居民側配電箱1上且用于獲得實時電力信 號的嵌入式設備終端4,所述的嵌入式設備終端4通過無線和/或有線通訊方式與云端2相 連，所述的云端2通過無線和/或有線通訊方式與能夠對實時電力信號進行非侵入式負荷識 別分析的后臺服務器3相連，所述的后臺服務器3上連接有數據存儲器6且能夠通過無線和/ 或有線通訊方式將分析結果傳送至對應于居民側配電箱1的終端設備7。實時電力信號通過 W太網和/或WiFi通信協議傳輸至云端2,再通過因特網從云端2傳輸至后臺服務器3。嵌入 式設備終端4有多個且采用分布式連接方式與云端2相連。終端設備4為移動式終端設備和/ 或PC。例如智能手機、PAD、筆記本電腦等。家用電器包括大負荷用電設備和/或小負荷用電 設備，即冰箱，空調，手機充電器，點燈，電腦等。
[0074] 本申請不需要大量有標簽的樣本做訓練;能識別大負荷及小負荷用電設備;利用 少量的訓練樣本，識別準確率相對較高;硬件成本低廉，容易部署在居民住所。本申請專利 是基于信號處理，機器學習，人工智能等技術做非侵入式負荷識別，繼而為家庭提供整體的 能源解決方案。其中包括的核屯、技術主要有用小波分析去噪，核密度檢測事件，用自相關系 數和優化方法去周期性信號并提取趨勢信息，用基于密度的聚類方法來分離暫態信號和穩 態信號W及用深度學習中稀疏自編碼技術提取電力信號特征等。
[0075] 如圖6和7所示，嵌入式設備終端4包括相互連接的第一運算電路41和第二運算電 路42,所述的第一運算電路41和第二運算電路42均與供電電源43相連。第一運算電路41和 第二運算電路42分別連接于居民側配電箱1(即第一運算電路41和第二運算電路42分別與 交流電壓源11和交流電流源相連12)。交流電壓源11依次連接有變壓器44、整流電路45、濾 波電路46、穩壓電路47和平滑輸出電壓電路48。
[0076] 本文中所描述的具體實施例僅僅是對本發明精神作舉例說明。本發明所屬技術領 域的技術人員可W對所描述的具體實施例做各種各樣的修改或補充或采用類似的方式替 代，但并不會偏離本發明的精神或者超越所附權利要求書所定義的范圍。
[0077] 盡管本文較多地使用了居民側配電箱1、交流電壓源11、交流電流源相連12、云端 2、后臺服務器3、嵌入式設備終端4、第一運算電路41、第二運算電路42、供電電源43、變壓器 44、整流電路45、濾波電路46、穩壓電路47、平滑輸出電壓電路48、數據存儲器6、終端設備7 等術語，但并不排除使用其它術語的可能性。使用運些術語僅僅是為了更方便地描述和解 釋本發明的本質;把它們解釋成任何一種附加的限制都是與本發明精神相違背的。
【主權項】
1. 一種非侵入式在線實時電力負荷識別方法，其特征在于，本方法包括下述步驟： A、 獲得實時電力信號:實時采集居民側配電箱（1)的實時電力數據，然后將采集到的實 時電力數據進行轉換以獲得實時電力信號； B、 非侵入式負荷識別分析:將實時電力信號進行小波變換去噪、核密度估計檢測事件、 判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號、聚類電力信號、提取電 力信號特征，從而獲得對應于居民側配電箱（1)的每個家用電器的功耗數據和實時狀態信 息； C、 結果反饋:將分析獲得的居民側配電箱（1)的每個家用電器的功耗數據和實時狀態 信息反饋給與居民側配電箱(1)相應的居民側用戶。2. 根據權利要求1所述的非侵入式在線實時電力負荷識別方法，其特征在于，在上述的 步驟B中， ① 小波變換去噪:設定實時電力信號7:與真實電力信號f(Xl)關系為= {1，. . .，n}，其中，ei為誤差，η為自然數； 根據小波變換的原理：5 為基 函數；設定誤差61服從均值為O的高斯分布，設定閥值從而對實時電力信號去噪； 選取閥值為：其中，N為信號長度，σ為魯棒估計量；② 核密度估計檢測事件:將去噪后的實時電力信號用核密度估計方法估計信號分布情 況， 密度函數如 其中，K為密度函數，y是原始信號，^是密度函數的期望值，h是密度函數的帶寬，若信號 分布具有兩個或兩個以上的峰值點，則判斷結果為有事件發生，否則無事件； ③ 判斷是否存在周期信號并計算周期、去周期性信號和提取趨勢信號：對于有事件發 生的實時電力信號，判斷是否有周期性信號存在， 計算信號的自相關系數若信號內部存在相關性，即自相關系數不小于〇. 95，則采用Hodrick-Prescott f ilter 優化算法求解去周期性信號，具體實現過程如下：求解結果Γγ；^·為去周期性信號，其中，y為原始信號，λ為懲罰系數;所述的去周期性信 號去掉能量震蕩信號，保留隱藏在能量震動下的趨勢信號，從而實現提取趨勢信號； ④ 聚類電力信號:根據提取到的趨勢信號，再用基于密度聚類的算法求解出離群點，所 述的離群點本質就是事件的暫態信號，具體過程如下:將所有點標記為核心點、邊界點或噪 聲點;刪除噪聲點;為距離在閥值之內的所有核心點之間賦予一條邊;每組連通的核心點形 成一個簇;將每個邊界點指派到一個與之關聯的核心點的簇中；從而實現用基于密度的聚 類方法來分離暫態信號和穩態信號，實現定位暫態信號； ⑤ 提取電力信號特征:利用深度學習進行特征壓縮及無監督的基于密度的聚類算法進 行特征識別。3. 根據權利要求1或2所述的非侵入式在線實時電力負荷識別方法，其特征在于，在上 述的步驟A中，所述的實時電力數據包括實時電壓和實時電流;所述的實時電力數據轉換為 實時有功功率和實時無功功率信號。4. 根據權利要求1或2所述的非侵入式在線實時電力負荷識別方法，其特征在于，所述 的實時電力信號通過無線和/或有線通訊方式傳輸至云端(2)，再通過無線和/或有線通訊 方式從云端(2)傳輸至后臺服務器(3)，所述的非侵入式負荷識別分析在后臺服務器(3)中 進行。5. 根據權利要求4所述的非侵入式在線實時電力負荷識別方法，其特征在于，所述的實 時電力信號通過以太網和/或WiFi通信協議傳輸至云端（2)，再通過因特網從云端(2)傳輸 至后臺服務器(3)。6. -種應用權利要求1-5中任意一項所述的非侵入式在線實時電力負荷識別方法的非 侵入式在線實時電力負荷識別系統，其特征在于，本系統包括至少一個連接在居民側配電 箱（1)上且用于獲得實時電力信號的嵌入式設備終端(4)，所述的嵌入式設備終端(4)通過 無線和/或有線通訊方式與云端(2)相連，所述的云端(2)通過無線和/或有線通訊方式與能 夠對實時電力信號進行非侵入式負荷識別分析的后臺服務器(3)相連，所述的后臺服務器 (3)上連接有數據存儲器(6)且能夠通過無線和/或有線通訊方式將分析結果傳送至對應于 居民側配電箱(1)的終端設備(7)。7. 根據權利要求6所述的非侵入式在線實時電力負荷識別系統，其特征在于，所述的實 時電力信號通過以太網和/或WiFi通信協議傳輸至云端（2)，再通過因特網從云端(2)傳輸 至后臺服務器(3)。8. 根據權利要求7所述的非侵入式在線實時電力負荷識別系統，其特征在于，所述的嵌 入式設備終端(4)有多個且采用分布式連接方式與云端(2)相連。9. 根據權利要求6或7或8所述的非侵入式在線實時電力負荷識別系統，其特征在于，所 述的終端設備(4)為移動式終端設備和/或PC。10. 根據權利要求6或7或8所述的非侵入式在線實時電力負荷識別系統，其特征在于， 所述的家用電器包括大負荷用電設備和/或小負荷用電設備。
【文檔編號】H02J3/00GK106022645SQ201610397458
【公開日】2016年10月12日
【申請日】2016年6月7日
【發明人】李祖毅, 鮑鎮, 莊蒙蒙
【申請人】李祖毅, 鮑鎮, 莊蒙蒙