基于暫態(tài)特征聚類的家用負荷識別

張紅梅　孫潔　許儀勛　李旺　張敬周

摘 要 智能電表的負荷識別技術(shù)是智能電網(wǎng)中一項重要的電能分類計量技術(shù)，也是實現(xiàn)節(jié)能減排的重要措施之一。為了彌補目前大多負荷識別算法根據(jù)負荷穩(wěn)態(tài)特征作為特征量來進行負荷識別的不足，本文提出以負荷獨特的暫態(tài)特征來進行家用負荷識別。該方法首先需建立家用負荷暫態(tài)特征標準數(shù)據(jù)庫；然后通過變點檢測算法來檢測事件，并采集數(shù)據(jù)和提取事件暫態(tài)特征；最后，通過聚類算法來進行負荷識別。該方法原理簡單、計算量小，通過試驗算例驗證了該方法的可行性與準確性。

【關(guān)鍵詞】智能電表 負荷識別 暫態(tài)特征 聚類算法

目前，國內(nèi)外學(xué)者對家用負荷識別技術(shù)已有大量的研究。而現(xiàn)有的文獻大多是利用負荷穩(wěn)態(tài)特征來進行負荷識別，其主要參數(shù)有電流波形、無功功率、有功功率、諧波、瞬時導(dǎo)納波形、瞬時功率波形、電流包絡(luò)線、電壓—電流曲線等等。雖然負荷穩(wěn)態(tài)特征易于提取，能夠辨識大部分家用負荷，但其不足之處在于當(dāng)家電穩(wěn)態(tài)特征相近或重疊時，則無法準確對其進行識別分類。因為，現(xiàn)在的學(xué)者將重點轉(zhuǎn)移到負荷開關(guān)暫態(tài)特征的研究上，經(jīng)過對家用電器的深入研究發(fā)現(xiàn)，每一類負荷暫態(tài)特征是獨特的。因此，本文綜合考慮了負荷的穩(wěn)態(tài)特征和暫態(tài)特征，提出了以暫態(tài)特征為主要特征量，并結(jié)合穩(wěn)態(tài)特征，形成家用負荷的特征量，既能夠快速進行負荷特征量的提取，也能在識別精度上有所提高。

而家用負荷識別的主要研究方法為非侵入式負荷識別。相對于侵入式法，非侵入式法成本低，安裝和維護方便，更有利于推廣。然而，隨著家用負荷種類日益增多，工作狀態(tài)愈加復(fù)雜，對負荷識別算法的研究也更加深入。現(xiàn)有的應(yīng)用于負荷識別的算法有聚類分析、微分進化法、小波變換等算法，然而，這些算法均采用負荷穩(wěn)態(tài)特征作為特征值，因此，限制了其應(yīng)用。本文提出以負荷暫態(tài)特征作為特征量，利用K均值聚類分析法，原理簡單，易于實現(xiàn)，能夠識別出穩(wěn)態(tài)特征相似或重疊的負荷，提高了負荷識別精度。

1 基本原理

1.1 負荷特征選取

每種負荷暫態(tài)特征與其物理性質(zhì)密切相關(guān)，具有獨特性，如電阻類負荷與非電阻類負荷在暫態(tài)持續(xù)時間差異明顯。因此，利用暫態(tài)特征進行負荷識別，能夠識別出穩(wěn)態(tài)特征相近的家用負荷，提高識別精度。在圖1中，從微波爐中、低火開關(guān)負荷暫態(tài)特征圖中可以看出，不同檔位的微波爐其開關(guān)暫態(tài)特征是相似的，這是因為微波爐各檔位功率是一定的，高、中、低檔只是控制微波輸出時間比例。因此，對于微波爐而言，只需識別其負荷類型，而不需要識別工作狀態(tài)。

通過對負荷開關(guān)暫態(tài)特征的深入研究，本文選取暫態(tài)過程前后有功功率和無功功率的變化量ΔP、ΔQ，暫態(tài)過程時間Δt，以及有功功率最大值與暫態(tài)過程后的穩(wěn)態(tài)有功功率的差值ΔPc 和有功功率最大值與暫態(tài)過程后的穩(wěn)態(tài)無功功率的差值ΔQc形成特征向量，即X=[ΔP ΔQ Δt ΔPc ΔQc] 。

1.2 K均值聚類算法

模式識別已經(jīng)成為當(dāng)代高科技研究的重要領(lǐng)域之一，它已發(fā)展為一門獨立的新學(xué)科，而聚類算法則是模式識別中最重要的算法之一。早在20世紀80年代，麻省理工學(xué)院學(xué)者Hart利用負荷穩(wěn)態(tài)特征變化量 ΔP、ΔQ利用聚類分析法來進行負荷識別。該方法簡單易行，但方法簡單易行，但不能識別PQ相近或重疊的設(shè)備。針對這一缺點，本文利用負荷開關(guān)暫態(tài)特征，結(jié)合穩(wěn)態(tài)特征進行K均值聚類分析。

K均值聚類算法是以誤差平方和準則函數(shù)來進行聚類分析的，假如給定數(shù)據(jù)X分成k個聚類子集X1，X2，…，Xk各個聚類子集中的樣本數(shù)量分別為n1，n2，…，nk。那么各個聚類子集的均值mi為：

mi= x

K均值誤差平方和準則函數(shù)其實質(zhì)利用距離計算公式來度量不同對象之間的差異程度，常用的距離計算公式有歐式距離、馬氏距離、明可夫斯基距離等，本文選用歐式距離計算公式。因此，誤差平方和準則函數(shù)公式為：

σ（p，mi）=

其中p為待測樣品特征量，j=1，2，…，L為特征量維數(shù)。因此，σ（p，mi）值越小，說明這兩者的差異越小，則該待測樣品歸為聚類子集Xi中。

2 系統(tǒng)實現(xiàn)過程

家用負荷識別系統(tǒng)主要包含事件檢測模塊、數(shù)據(jù)采集模塊、特征提取模塊、數(shù)據(jù)處理模塊和負荷識別模塊這幾個重要組成部分。

主要模塊功能介紹如下。

2.1 負荷特征數(shù)據(jù)庫

家用負荷特征數(shù)據(jù)庫的建立是整個系統(tǒng)的最重要的基礎(chǔ)部分，在進行負荷識別前，需要對家用負荷一一進行單獨運行試驗，并進行實時監(jiān)測和提取負荷特征向量，以此來建立家用負荷特征數(shù)據(jù)庫，以此作為負荷識別的依據(jù)。

2.2 事件檢測模塊

當(dāng)系統(tǒng)正常運行時，要全部記錄下家庭實時電氣相關(guān)信息是不現(xiàn)實的，而且也是不必要的。因此，為了減少數(shù)據(jù)信息的存儲，降低硬件成本。本文采用基于滑動窗的雙邊累積和（CUSUM）算法對暫態(tài)事件進行自動檢測，根據(jù)電氣設(shè)備投切時所引起的有功功率的突然變化，通過對有功功率變化量的不斷累加，當(dāng)在檢測延遲時間內(nèi)達到或超過閾值時，則暫態(tài)事件被檢測出來，反之則無暫態(tài)事件發(fā)生。只有當(dāng)檢測到暫態(tài)事件發(fā)生時，系統(tǒng)才對事件進行數(shù)據(jù)記錄、特征量提取，以此來提高系統(tǒng)的工作效率。

2.3 數(shù)據(jù)處理模塊

對于數(shù)據(jù)采集模塊所采集到的數(shù)據(jù)不能直接用來進行負荷識別，需要對所采集到的數(shù)據(jù)進行電壓電流相位調(diào)節(jié)、濾波等處理，本文采用滑窗均值方法來進行濾波。此外，由于本文所選取負荷特征量的物理量的量綱不同，因此難以直接進行比較。為了消除特征量因量綱不同而造成的影響，更好地比較不同負荷之間的差異，本文采取對數(shù)據(jù)進行標準化的方法。首先，利用標幺值法將數(shù)據(jù)進行歸一化，假設(shè)有n個數(shù)據(jù)對象，每個對象有包含m個特征量，即xi={xi1 xi2 … xim}，其中i=1，2，…，n，因此，原始數(shù)據(jù)矩陣為x={x1 x2 … xn}T。選取基準值 xik''=max{x1k，x2k，…，xnk}，其中k=1，2，…，m，所以標準化后的特征量為x'ik=。

2.4 負荷識別

通過對負荷開關(guān)暫態(tài)特征的深入研究，本文選取暫態(tài)過程前后有功功率和無功功率的變首先，根據(jù)ΔP符號的正負，可以判定負荷是切除還是投入工作，并由此決定該事件的特征參數(shù)與對應(yīng)的負荷開還是關(guān)過程模板進行聚類分析。根據(jù)聚類分析的結(jié)果，將該事件歸類于結(jié)果數(shù)值最小的類，并對相關(guān)信息進行記錄分析。

3 實例仿真

為了驗證該方法的可行性與正確性，電力測量儀器采用國產(chǎn)HYLB601便攜式波形記錄儀觀測家用負荷的用電情況，采樣周期為5000Hz，采樣數(shù)據(jù)按時間順序進行處理。圖2為家用綜合功率負荷。

3.1 負荷開過程識別

圖2中，在t=38.08s時，根據(jù)CUSUM變點檢測算法檢測到有負荷動作，令該事件為 H1。根據(jù)ΔP符號的正負，可以判斷出有負荷開始投入工作。此時，對事件H1進行特征參數(shù)提取，并與負荷開過程模板進行比較，通過聚類分析算法得到表1。從表1的結(jié)果中可以看出，該負荷與吹風(fēng)機開過程特征參數(shù)最接近，因此，可以判定，該負荷為電吹風(fēng)，并對相關(guān)信息進行記錄。

3.2 負荷關(guān)過程識別

圖2中，在t=71.54s時，根據(jù)CUSUM變點檢測算法檢測到有負荷動作，令該事件為 H2。根據(jù)ΔP符號的正負可以判斷出有負荷被切除。此時，對事件H2進行特征參數(shù)提取，并與負荷關(guān)過程模板進行比較，通過聚類分析算法得到表1。

從表1的結(jié)果中可以看出，該負荷與消毒柜的關(guān)過程特征參數(shù)最相似，因此，可以判定該負荷為消毒柜，并對相關(guān)信息進行記錄，統(tǒng)計出消毒柜所消耗的功率。

4 結(jié)論

本文在傳統(tǒng)的負荷穩(wěn)態(tài)特征的基礎(chǔ)上，深入研究了負荷開關(guān)暫態(tài)特征，結(jié)合獨特的負荷暫態(tài)特征形成負荷特征量，增大了家用負荷之間的區(qū)分度；然后，利用變點檢測算法進行事件監(jiān)測；最后，利用K均值聚類法進行負荷識別，且各個特征參數(shù)所占比例權(quán)重相等。通過實例仿真，證明該方法原理簡單，且易于實現(xiàn)。

參考文獻

[1]鄭小霞，劉慶強，林順富，李東東，張銘.面向非干預(yù)式負荷監(jiān)測的居民負荷微觀特性研究[J].電力系統(tǒng)保護與控制，2014，42（10）：62-70.

作者單位

1.國網(wǎng)蚌埠供電公司 安徽省蚌埠市 233000

2.上海電力學(xué)院電氣工程學(xué)院 上海市 200090

3.上海上科信息技術(shù)研究所 上海市 201210