家庭用电细节监测方案设计与实现

家庭用电细节监测方案设计与实现

曹敏1,4，赵旭1,4，陈 婷2，师智良3，许睿2，沈 鑫

(1.云南电网有限责任公司电力科学研究院，云南昆明650217;

， 2.云南电网有限责任公司，云南昆明 650217：

3.昆明能讯科技有限责任公司，云南昆明650217;

4.中国南方电网电能计量重点实验室，云南昆明650217)

[摘要] 随着社会用电量的持续增长，能耗问题日益突出，居民侧作为电能消费的重要组成部分，对其监测用电细节、优化用电行为具有重要意义。为了实现用电细节监测，设计了家庭能源管理终端，进行非侵入式负荷监测，并完成数据交互和设备管理功能，为分析电器使用信息、制定优化策略提供重要支撑。

关键词 非侵入式负荷监测 负荷特征 适应度函数 特征学习

中图分类号TM76; TP273

0引言

随着经济发展与技术的进步，家庭中的用电设备不断增加，使人民的生活越来越便捷和丰富。但随着用电量的增加、能耗问题的日益突出，监测电器用电细节、进行能源管理重要性逐步凸显。为了提高能源利用效率、方便管理设备，设计家用能源管理终端，作为能源管理系统电量统计、负荷识别、网关的载体，实现电器用电细节的监测和设备管理。

1 能源管理终端逻辑图

能源管理终端逻辑图如图1所示，包括采集、计量、通讯、主控等功能模块。通过采样电路和AD转换模块实时采样电压电流信息，处理模块完成有功功率、功率因素、电压电流的有效值的计算和谐波的提取，并根据负荷特征进行负荷分解。通讯模块包括网口、Wi- Fi、蓝牙、ZigBee模块等，用于实现设备间的数据交互和与用户的互动。分路开关具有量测电参数和遥控开关状态的功能，处理模块通过485总线与分路开关通讯，获取相关电参数信息，遥控开关状态。

2负荷识别

2.1识别方法介绍

负荷识别用于分析电器工作状态，实现电器用电细节的监测，主要包括侵入式和非侵入式两种方式。

侵入式居民电力负荷监测(intrusive residential loadmonitoring，ILM)为总负荷内部每个电器配备带有数字通信功能的传感器，再经本地局域网收集和送出用电信息。

非侵入式居民电力负荷监测与分解(.non - intrusiveload monitoring and decomposition，NILMD)仅在用户入口处安装一个传感器，通过采集用户用电总电流和端电压，根据电器的负荷特征进行分解，监测户内每个电器的工作状态，从而知晓居民家中每个电器的耗电状态和用电规律。非侵入式负荷识别的成本、实施难度较低，虽然准确性比侵入式稍差，但随着信息采集与数据处理技术、人工智能和各种优化算法的发展，准确性也在逐步提高。

负荷特征是用电设备在运行中的电气特性，是非侵入式负荷识别的基础。负荷特征分为瞬态特征和稳态特征。瞬态特征包括瞬时功率、投切瞬态电流波形、能量等。稳态特征包括稳态电流波形、电流谐波、稳态有功功率、无功功率等。

负荷分解算法主要有人工神经网络(包括误差反传神经网络(backpropagation ANN，BP神经网络)、径向基神经网络(radial- base - function ANN.RBF神经网络)等]，构建最优目标函数的优化算法(包括确定性算法，启发式算法如遗传算法、粒子群算法、差分进化算法等）。

2.2特征选取与分解算法设计

由于稳态特征易于采集和检测，而有功功率和电流谐波是稳态特征中比较典型的特征，所以选取稳态有功功率和电流谐波作为负荷特征。电流谐波采用基2快速傅里叶图1能源管理终端框图 变换(Radix -2 FFT)算法求取。

本设计中，根据选取的家电负荷特征，利用功率和电流谐波构建适应度函数F胁。采用整数规划算法，进行负荷分解。

其中，S(n)表示电器工作状态矩阵，PF表示电器的功率特征矩阵，HF表示电器的谐波特征矩阵，￡p、￡h分别表示功率、谐波误差，II.II表示绝对值。

使得适应度函数Fn。。。值最小的解，即为当前状态的最优解。采用邻域搜索的方法，计算电器某种状态组合下的适应度函数值，设计最优值偏差和最大迭代次数两个收敛准则，求取当前状态的解，并根据实际偏差值判断是否陷入局部最优。

2.3程序设计

程序包括特征学习和负荷识别两部分，流程图如图2所示。进入程序后，用户根据需要选择工作模式，i如果采集新电器的负荷特征，选择特征学习;如果对已学习过电器进行识别，选择负荷识别。

特征学习模式下，采集N个周期的电流电压数据，逐周期提取有功功率和谐波，并对N个周期的特征量进行统计，计算平均值、最大/最小值，标准差。根据标准差判断特征量的一致性，如果一致性满足要求，则将平均值作为该电器的负荷特征存储到特征库中。如果特征量一致性不满足要求则提示统计结果，由用户决定是重新学习或退出。

负荷识别模式下，采集M个周期的电流电压数据，逐周期提取有功功率和谐波，并对数据进行预处理，然后根据已经学习的电器特征进行负荷分解，若分解结果的近似度小于阈值且未达到最大分解次数，则重新采集数据后分解，反之则显示识别结果，结束分解。

由于电网电压的扰动和电器载荷的波动，数据预处理时对M个周期的功率进行平滑滤波，并根据电网电压谐波的扰动程度，将电压谐波乘以衰减系数后与电流谐波作差，其绝对值作为电流谐波的修正值。

3数据交互

处理模块完成电参数计量、负荷识别，用电细节监测后，相关数据通过通讯模块与能源管理系统、手机、智能插座等设备通讯，实现设备间的数据交互和与用户的互动。并通过485总线、ZigBee等方式转发系统或用户对分路开关、智能插座的信息查询，工作状态控制等指令。

4结束语

能源管理终端作为能源管理系统的数据采集与辨识、通讯管理的载体，实现电器用电细节的监测和设备管理。能源管理系统和用户根据获取的用电细节信息和设备工作情况，制定并实施改进策略，对实现用电行为优化，提高经济性和安全性具有重要意义。

参考文献

[1]张延宇，曾鹏，臧传治.智能电网环境下家庭能源管理系统研究综述J].电力系统保护与控制，2014(18)：144-154.

[2]Liang J,Ng SK K, Kendall G, et al.Lx3ad Signature Study-PfirtT:Rasic Concept, Structure; and Methodology[J]. IEEE Transactions on Power Delivery, 2010, 25(2):551-560.

[3]Liang J,Ng S K K, Kendall G, et al. Load Signature Stud— y-Part II: Disaggregation Framework, Simulation, and Ap- plications[J]. IEEE Transactions on Power Delivery, 2010,25(2)：561-569.

[4]余贻鑫，刘博，栾文鹏，非侵入式居民电力负荷监测与分解技术Jl.南方电网技术，2013 (4)：1-5.

[5]黎鹏，余贻鑫，非侵入式电力负荷在线分解[Jl.天津大学学报，2009 ,42(4):303-308.

[6]Lin Y H, Tsai M S A novel feature extraction method for the development of nonintrusive load monitoring system based on BP-ANN[C]// International Symposium on Computer Commu- nication Control and Automation IEEE, 2010:215-218.

[7]李如意，黄明山，周东国，等.基于粒子群算法搜索的非侵入式电力负荷分解方法[J].电力系统保护与控制，2016(8)：30-36.

[8]周晨轶，刘松，钟潇，等.基于差分进化算法的居民用电负荷分解方法[J].南方电网技术，2016(6)：62-69.

[9]赵春柳.基于稳态谐波分析的非侵入式电力负荷分解法的应用研究[Dl.天津;天津大学，2009.

10]Inagaki S,Egami T, Suzuki T, et al. Nonintrusive appli-ance load monitoring based on integer programming [J].Electrical Engineering in Japan, 2011, 174(2):18-25.

[11]袜顺富，赵伦加，刘庆强，等.基于0-1二次规划的非干预式负荷识别算法研究[J].电力系统保护与控制，2016(8)：85-91.