张红梅　孙洁　许仪勋　李旺　张敬周

摘 要 智能电表的负荷识别技术是智能电网中一项重要的电能分类计量技术，也是实现节能减排的重要措施之一。为了弥补目前大多负荷识别算法根据负荷稳态特征作为特征量来进行负荷识别的不足，本文提出以负荷独特的暂态特征来进行家用负荷识别。该方法首先需建立家用负荷暂态特征标准数据库；然后通过变点检测算法来检测事件，并采集数据和提取事件暂态特征；最后，通过聚类算法来进行负荷识别。该方法原理简单、计算量小，通过试验算例验证了该方法的可行性与准确性。

【关键词】智能电表 负荷识别 暂态特征 聚类算法

目前，国内外学者对家用负荷识别技术已有大量的研究。而现有的文献大多是利用负荷稳态特征来进行负荷识别，其主要参数有电流波形、无功功率、有功功率、谐波、瞬时导纳波形、瞬时功率波形、电流包络线、电压—电流曲线等等。虽然负荷稳态特征易于提取，能够辨识大部分家用负荷，但其不足之处在于当家电稳态特征相近或重叠时，则无法准确对其进行识别分类。因为，现在的学者将重点转移到负荷开关暂态特征的研究上，经过对家用电器的深入研究发现，每一类负荷暂态特征是独特的。因此，本文综合考虑了负荷的稳态特征和暂态特征，提出了以暂态特征为主要特征量，并结合稳态特征，形成家用负荷的特征量，既能够快速进行负荷特征量的提取，也能在识别精度上有所提高。

而家用负荷识别的主要研究方法为非侵入式负荷识别。相对于侵入式法，非侵入式法成本低，安装和维护方便，更有利于推广。然而，随着家用负荷种类日益增多，工作状态愈加复杂，对负荷识别算法的研究也更加深入。现有的应用于负荷识别的算法有聚类分析、微分进化法、小波变换等算法，然而，这些算法均采用负荷稳态特征作为特征值，因此，限制了其应用。本文提出以负荷暂态特征作为特征量，利用K均值聚类分析法，原理简单，易于实现，能够识别出稳态特征相似或重叠的负荷，提高了负荷识别精度。

1 基本原理

1.1 负荷特征选取

每种负荷暂态特征与其物理性质密切相关，具有独特性，如电阻类负荷与非电阻类负荷在暂态持续时间差异明显。因此，利用暂态特征进行负荷识别，能够识别出稳态特征相近的家用负荷，提高识别精度。在图1中，从微波炉中、低火开关负荷暂态特征图中可以看出，不同档位的微波炉其开关暂态特征是相似的，这是因为微波炉各档位功率是一定的，高、中、低档只是控制微波输出时间比例。因此，对于微波炉而言，只需识别其负荷类型，而不需要识别工作状态。

通过对负荷开关暂态特征的深入研究，本文选取暂态过程前后有功功率和无功功率的变化量ΔP、ΔQ，暂态过程时间Δt，以及有功功率最大值与暂态过程后的稳态有功功率的差值ΔPc 和有功功率最大值与暂态过程后的稳态无功功率的差值ΔQc形成特征向量，即X=[ΔP ΔQ Δt ΔPc ΔQc] 。

1.2 K均值聚类算法

模式识别已经成为当代高科技研究的重要领域之一，它已发展为一门独立的新学科，而聚类算法则是模式识别中最重要的算法之一。早在20世纪80年代，麻省理工学院学者Hart利用负荷稳态特征变化量 ΔP、ΔQ利用聚类分析法来进行负荷识别。该方法简单易行，但方法简单易行，但不能识别PQ相近或重叠的设备。针对这一缺点，本文利用负荷开关暂态特征，结合稳态特征进行K均值聚类分析。

K均值聚类算法是以误差平方和准则函数来进行聚类分析的，假如给定数据X分成k个聚类子集X1，X2，…，Xk各个聚类子集中的样本数量分别为n1，n2，…，nk。那么各个聚类子集的均值mi为：

mi= x

K均值误差平方和准则函数其实质利用距离计算公式来度量不同对象之间的差异程度，常用的距离计算公式有欧式距离、马氏距离、明可夫斯基距离等，本文选用欧式距离计算公式。因此，误差平方和准则函数公式为：

σ（p，mi）=

其中p为待测样品特征量，j=1，2，…，L为特征量维数。因此，σ（p，mi）值越小，说明这两者的差异越小，则该待测样品归为聚类子集Xi中。

2 系统实现过程

家用负荷识别系统主要包含事件检测模块、数据采集模块、特征提取模块、数据处理模块和负荷识别模块这几个重要组成部分。

主要模块功能介绍如下。

2.1 负荷特征数据库

家用负荷特征数据库的建立是整个系统的最重要的基础部分，在进行负荷识别前，需要对家用负荷一一进行单独运行试验，并进行实时监测和提取负荷特征向量，以此来建立家用负荷特征数据库，以此作为负荷识别的依据。

2.2 事件检测模块

当系统正常运行时，要全部记录下家庭实时电气相关信息是不现实的，而且也是不必要的。因此，为了减少数据信息的存储，降低硬件成本。本文采用基于滑动窗的双边累积和（CUSUM）算法对暂态事件进行自动检测，根据电气设备投切时所引起的有功功率的突然变化，通过对有功功率变化量的不断累加，当在检测延迟时间内达到或超过阈值时，则暂态事件被检测出来，反之则无暂态事件发生。只有当检测到暂态事件发生时，系统才对事件进行数据记录、特征量提取，以此来提高系统的工作效率。

2.3 数据处理模块

对于数据采集模块所采集到的数据不能直接用来进行负荷识别，需要对所采集到的数据进行电压电流相位调节、滤波等处理，本文采用滑窗均值方法来进行滤波。此外，由于本文所选取负荷特征量的物理量的量纲不同，因此难以直接进行比较。为了消除特征量因量纲不同而造成的影响，更好地比较不同负荷之间的差异，本文采取对数据进行标准化的方法。首先，利用标幺值法将数据进行归一化，假设有n个数据对象，每个对象有包含m个特征量，即xi={xi1 xi2 … xim}，其中i=1，2，…，n，因此，原始数据矩阵为x={x1 x2 … xn}T。选取基准值 xik''=max{x1k，x2k，…，xnk}，其中k=1，2，…，m，所以标准化后的特征量为x'ik=。

2.4 负荷识别

通过对负荷开关暂态特征的深入研究，本文选取暂态过程前后有功功率和无功功率的变首先，根据ΔP符号的正负，可以判定负荷是切除还是投入工作，并由此决定该事件的特征参数与对应的负荷开还是关过程模板进行聚类分析。根据聚类分析的结果，将该事件归类于结果数值最小的类，并对相关信息进行记录分析。

3 实例仿真

为了验证该方法的可行性与正确性，电力测量仪器采用国产HYLB601便携式波形记录仪观测家用负荷的用电情况，采样周期为5000Hz，采样数据按时间顺序进行处理。图2为家用综合功率负荷。

3.1 负荷开过程识别

图2中，在t=38.08s时，根据CUSUM变点检测算法检测到有负荷动作，令该事件为 H1。根据ΔP符号的正负，可以判断出有负荷开始投入工作。此时，对事件H1进行特征参数提取，并与负荷开过程模板进行比较，通过聚类分析算法得到表1。从表1的结果中可以看出，该负荷与吹风机开过程特征参数最接近，因此，可以判定，该负荷为电吹风，并对相关信息进行记录。

3.2 负荷关过程识别

图2中，在t=71.54s时，根据CUSUM变点检测算法检测到有负荷动作，令该事件为 H2。根据ΔP符号的正负可以判断出有负荷被切除。此时，对事件H2进行特征参数提取，并与负荷关过程模板进行比较，通过聚类分析算法得到表1。

从表1的结果中可以看出，该负荷与消毒柜的关过程特征参数最相似，因此，可以判定该负荷为消毒柜，并对相关信息进行记录，统计出消毒柜所消耗的功率。

4 结论

本文在传统的负荷稳态特征的基础上，深入研究了负荷开关暂态特征，结合独特的负荷暂态特征形成负荷特征量，增大了家用负荷之间的区分度；然后，利用变点检测算法进行事件监测；最后，利用K均值聚类法进行负荷识别，且各个特征参数所占比例权重相等。通过实例仿真，证明该方法原理简单，且易于实现。

参考文献

[1]郑小霞，刘庆强，林顺富，李东东，张铭.面向非干预式负荷监测的居民负荷微观特性研究[J].电力系统保护与控制，2014，42（10）：62-70.

作者单位

1.国网蚌埠供电公司 安徽省蚌埠市 233000

2.上海电力学院电气工程学院 上海市 200090

3.上海上科信息技术研究所 上海市 201210