計及低頻采樣用電量信號的電器運行情況識別方法

吳爍民, 張凱鋒, 王 穎, 李亞平, 黃宇乾

(1. 復雜工程系統測量與控制教育部重點實驗室(東南大學), 江蘇省南京市 210096; 2. 中國電力科學研究院有限公司(南京), 江蘇省南京市 210003)

0 引言

電器運行情況識別(EOI)是負荷分解的一個重要研究方面。負荷分解通常是利用電力入口處的總用電信息對其內部各用電設備進行狀態監測與能耗分解;EOI則側重于識別電器的啟停情況。EOI技術有助于構建用戶行為模式,這對電力供給方實現更精細的需求側響應及電力用戶了解自身電能消費,降低用電成本均有重要意義[1]。

目前,以非侵入式方法進行負荷分解受到了很大的重視。自Hart[2]起,國內外大量學者基于高頻(采樣頻率超過10 Hz)負荷采樣數據,利用其豐富的負荷特征實現負荷分解:文獻[3-4]利用有功暫態特征對投切負荷進行辨識。文獻[5-6]將負荷分解問題轉化為由混合電流信號分解出各負荷獨立電流問題。文獻[7-9]利用了高頻采樣下的電流信號、電流的諧波信號以及有功功率特征,完成了負荷分解。

以上方法可以實現精度較高的負荷辨識,但目前大量使用的智能電表,受限于制造成本、傳輸能力、存儲成本等因素,采樣間隔較大。例如:Eagle智能電表采樣間隔為8 s,英國智能電表采樣間隔為10 s[10]。國內智能電表采樣間隔通常為10 min級[11-12]。在低頻采樣下,負荷的有功功率、電流暫態特征等已丟失,上述方法難以實施。

為此,有學者嘗試針對低頻采樣(采樣頻率不超過1 Hz)負荷分解問題進行研究。文獻[13-14]將總負荷有功序列分割為單負荷或多負荷同時運行的子序列,再以動態時間彎曲(dynamic time warping,DTW)距離為相似性量度指標確定識別結果。……