张玉天 陈盛 尤兰

摘  要：随着智能电网的发展和节能意识的提高，居民家庭的总耗电量已经细化到每个电器上。电力可视化服务对居民的负荷使用安排和电网需求响应计划实施具有重要意义。文章在非侵入式负荷监测方法研究的基础上，根据电流叠加特性，建立估计方程组和约束条件对电力入口处总电流进行分解，然后利用最小二乘法优化求解上述方程组，引导用户合理用电，优化能源结构。

关键词：非侵入式采集;估计方程;最小二乘法

中图分类号：TM76         文献标志码：A         文章编号：2095-2945（2019）16-0038-03

Abstract： With the development of smart grid and the improvement of energy saving awareness， the total power consumption of households has been refined to each electrical appliance. Power visualization service is of great significance to the load use arrangement of residents and the implementation of power grid demand response plan. In this paper， based on the research of non-intrusive load monitoring method， according to the superposition characteristics of current， the estimation equations and constraint conditions are established to decompose the total current at the power entrance， and then the least square method is used to optimize the solution of the above equations， so as to guide users to use electricity reasonably and optimize the energy structure.

Keywords： non-intrusive acquisition; estimation equation; least square method

引言

为了解决能源短缺造成的经济和社会发展问题，用可再生能源代替传统的化石能源，并结合信息技术翻新现有的能源使用系统，以最大化电网系统的能源效率。随着需求侧管理工作的推进，在居民侧建立可视化界面监测家用电器能耗情况，能帮助用户拟定策略节约用电，对缓解能源压力具有重要意义。传统的负荷可视化系统只能显示某家庭总体能耗，而单个电器能耗无法得知;另一种采用分立式传感器监测电器的方法，虽然可以快速准确监控每台设备的运行状态，但系统必须为每个电器配备一个传感器，传感器网络复杂，成本高昂，不利于推广。为了解决分立式住宅电力可视化系统的问题，非侵入式负荷监测技术开始进入人们的视线[1]。最开始由Hart教授提出的非侵入式负荷监测技术是指只需在电源电力入口处安装监控设备，根据每个电器不同的负荷特征分离并识别单个电器的运行情况。

目前国外针对非侵入的研究，文献[2]应用突变信號检测方法对暂态功率信息进行非侵入式电力负荷监测。Norford等人将非侵入式电力负荷监测到的暂态事件分类并与系统辨识技术结合到一起应用于电力系统监测与设备判别[3]。国内的研究中，文献[4]基于非侵入负荷监测研究微电网的电能管理方法，采用模糊C均值聚类方法处理负荷参数，并采用近程方法识别负荷;文献[5]采用了基于最近邻法和支持向量机对住宅用电负荷识别进行研究。但是这些文献只提出了负荷信息分解识别算法，并没有根据用户能耗建立可视化系统引导用户用电习惯，参与电力系统节能减排工作。

本文在非侵入式负荷信息采集系统的基础上，对各家用电器负荷特征进行研究，建立负荷特征先验分析系统，再根据电流的线性叠加特性，采用估计方程对采集的总电流进行分解获得单个电器运行信息，显示每个用电设备详细的电能消耗情况和能耗占比，引导用户合理用电。

1 基于非侵入式负荷监测系统的分解算法

1.1 非侵入式负荷监测系统

非侵入式负荷监测（Non-intrusive Load Monitoring， NILM）技术是只在电力入口处安装信号采集装备，根据每个电器不同的负荷特征分离并识别单个电器的运行情况。非侵入式负荷监测系统由采集系统、先验分析系统和负荷快速辨识系统组成，技术路线如图1所示。

上图中最靠近负载端的子系统为非侵入式数据采集系统，它完成电源入口处电流信号的采样，且将采样得到的信号进行AD转换。每个用电设备的负荷特征不尽相同是NILM系统进行负荷辨识的基础。所以在负荷快速辨识系统进行负荷辨识之前，需要在负荷特征先验分析系统中明确每个用电设备的负荷特征。在采集系统中我们已经采集了包含电器开、关以及正常运行在内的各种电流数据。现在将在负荷特征先验分析系统对采集到的数据进行暂态及稳态分析。分析电器开、关时突变的电流为暂态分析方法，通过此方法可以获得相关函数、协方差以及WV谱等负荷特性。而有功无功功率、功率谱和频谱分量等负荷特征则需要对电器设备所提取的稳定运行时电流信号进行分析，为稳态分析方法。最后，将提取到的电器设备的负荷特性收集传送到负荷快速辨识系统中。

家用电器通常分为以下几种类型：电阻器具，带泵操作的电器，由电动机驱动的器具，电子器件设备，电力电子控制器具和荧光灯。根据负载特性的实际测量结果，几类电器的负载特性和功耗特性归类如表1所示。

快速负荷辨识系统所做的工作是将数据采集系统采集到的混合电流数据进行分解，辨识出共同运行的电器设备。在负荷特征先验分析系统中，将提取的用电设备的负荷特性汇总成多维负荷特性空间。负荷快速识别系统利用此多维特征空间与数据采集系统采集到的混合电流数据进行计算，实现特征去冗余和空间降维。最后，完成操作设备的识别工作。

1.2 非侵入式负荷分解实现

根据电流叠加特性，电器设备正常运行时的稳态电流可以近似为所包含的主要电器设备电流的线性叠加。所以我们提出一种基于稳态电流（包括基波和谐波）的非侵入式负荷分解算法，该算法只需计算稳态数据在定期间隔（如15min）内所形成的不相容估计方程组的最优解以实现负荷的分解。为了清楚显示各个电流分量的相对比例，本文使用标幺值，即所有电流分量都使用相同的电流基值。当待分解负荷有n种主要的电器设备同时运行时，其电流可被这n种电器设备的电流线性叠加近似估计。

负荷分解算法基本步骤如下：

（1）根据家庭使用电器的实际情况，选择主要电器设备的类别。

（2）采集电器设备的电流，通过编程线下测得电器设备单元电流参数矩阵。

（3）对实际测得的电力负荷的电流、电压进行谐波分析，得到负荷单元电流列向量。

（4）形成带约束不相容方程组。

（5）采用最小二乘法优化算法，对上述方程组计算电流权重系数的最优解。

2 實验结果

2.1 负荷特征提取

2.1.1 稳态电流特征提取

根据图2提取电器设备稳态运行时电流曲线特性的特征值。可以看出，对于线性负载，即像电水壶这种电流波形为正弦曲线，其峰值系数接近1.4。当非线性度越高时，电流越不接近正弦曲线，峰值系数越大;不同的电器由于电流波形不同，具有不同的峰值，很容易识别;若根据均方根进行负载识别则容易识别出微波炉和吸尘器。由于不同用电设备的电流特征值不同，所以若基于以上求出的参数进行负载识别，在理论上可以实现。

2.1.2 谐波特征提取

根据图3提取每个谐波的幅值和THD作为谐波特性，可以看出，畸变率较高的电器为电风扇和微波炉，THD值分别为9%和8%，但二者幅值差距极大;畸变最小的是电水壶和吸尘器，电水壶的THD值为4%，吸尘器的THD值为3%，二者可通过比较各谐波幅度识别。因此，根据谐波分析的特点进行负荷识别是可行的。

2.1.3 包络特征提取

对于具有电动机的用电设备来说，例如空调、吸尘器等，电流波形特性非常明显。为了捕获它们的动态特性，提取器件的电流包络以反映器件的工作特性，电脑、冰箱、电热壶、电风扇、空调制冷和空调制热的电流包络如图4所示。

由图4可知不同设备的电流包络很不同。空调制冷，电脑，冰箱存在短时脉冲电流;热水器与风扇都有明显的波纹;空调的制冷与制热模式有很长的不稳定状态。统计以下数据作为包络特征：电流包络的脉冲电流幅度（绝对值）、稳态运行时的平均值、启动时的阶跃高度。可知，电流阶跃高度最大的电器为空调的制冷模式，其高度为10.36A;电流阶跃高度为0.25A的电风扇是阶跃高度最小的电器。电流阶跃高度因为电器的不同而数值差异明显，所以，负载识别技术基于此特点来实现是可行的。

2.1.4 开关特征提取

本文从电脑、冰箱、电热壶、电风扇、空调制冷和空调制热等负荷中提取出从关到开然后到正常工作期的数据，并计算每个负载的过渡时间和脉冲电流，结果如图5所示。空调制热模式是电器中所需过渡时间最久的;其次所需过渡时间较久的电器为空调制冷模式;再其次需要过渡时间比较久的电器是电热壶;电脑、冰箱和电风扇所需要的过渡时间较为接近，都比较短，但是这三个电器的脉冲电流差异极大，容易识别。综上所述，利用过渡时间和脉冲电流两个特征参数可以实现负载识别。

2.2 负荷分解

分解算法可行性验证

为了验证上述分解算法的有效性，本文选取了六种常见的家用电器设备作为实验对象，包括：iphone、冰箱、笔记本电脑、台式电脑、风扇（高档）以及打印机，并对上述六种电器设备的电流进行f=5000Hz的采样。利用最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配，其求解结果见表2。

观察表2中的仿真结果，可以发现使用最小二乘法对混合电流分解出来的结果与真实的用电比例偏差不大，所以，最小二乘法可以对混合信号进行分离。

3 结论

本文针对智能电网发展中存在的能耗管理问题，提出了一种在非侵入式负荷监测技术基础上的居民用户可视化系统。本系统结合非侵入式负荷分解算法，将采集的总电流信号根据建立的目标函数和约束条件进行优化求解，对引导居民用户合理用电，避开用电高峰期，保证电力系统的安全稳定运行具有重要意义。

参考文献：

[1]汪四仙，毕忠勤.非侵入式电力负荷监测技术研究[J].上海电力学院学报，2017，33（04）：357-361.

[2]牛卢璐，贾宏杰.一种适用于非侵入式负荷监测的暂态事件检测算法[J].电力系统自动化，2011，35（9）：30-35.

[3]Norford L K， Leeb S B， Non-intrusive electrical load monitoring in commercial buildings based on steady-state and transient load-detection algorithms[J]. Energy & Buildings， 1995，24（1）：51-64.

[4]谢家宝.基于非侵入式负载监测的微电网电能管理研究[D].秦皇岛：燕山大学，2012.

[5]刘然.结合改进最近邻法与支持向量机的住宅用电负荷识别研究[D].重庆：重庆大学，2014.