程細南
(廣東匯源通集團有限公司,佛山 528000)
隨著現代化建設進程的不斷加快,我國居民用電逐漸呈現增速高、行為復雜、能耗高以及感知水平低的特征[1-3]。居民用電行為深度感知技術屬于智能電網技術,可以辨識居民電器種類、電量消耗以及啟停時間,通過清晰的記錄居民用電情況,可以避免出現電能的浪費。深度感知技術包括侵入式和非侵入式兩種模式,侵入式需要入戶安裝監測設備,而非侵入式則在入戶前安裝[4-5]。本次研究結合非侵入方式,采用負荷辨識算法,制定裝置樣機,通過測試,發現啟停時間測量精度超過88%,而且時間誤差在1s以下。具有較高的研究價值。
侵入式監測技術在應用中,需要入戶安裝,在用戶家庭安裝網關和智能插座,其具有通信功能,該技術可以監測用戶家庭的各個電器,具有較高的測量精度,但是在實際應用中,需要安裝在用戶家庭,并且智能插座存在一定的耗電量,因而難以有效的推廣。另外,網關以及智能插座在應用過程中,存在較高的建設成本,并且居民家庭無線信號的覆蓋率存在盲區,導致智能插座的應用存在一定的不穩定性。
非侵入式監測技術在工程應用中,在電表位置安裝采集電流和電壓的裝置,通過高級算法,可以分析用戶的用電規律,在安裝過程中,用戶并不存在感知,并且無需在用戶的家庭開展施工,便于應用和推廣[6]。監測設備的終端安裝在電表箱,由電力公司統一負責,監測設備的終端安裝在電表上方,耗電量由電力公司承擔,監測裝置配置了多個傳感器,可以識別多個用戶家庭的用電量,監測裝置會將信息傳遞到主站,這樣可以降低硬件設備的投入,另外,其較高的辨識精度可以滿足系統的應用需求[7]。因此,與侵入式監測技術對比而言,非侵入式監測技術具有較高的應用價值。
非侵入式負荷監測裝置在應用過程中,會提取電器電壓和電流的特征,將其稱之為辨識特征量[8]。本次研究中,結合家庭電熱水器、電熱水壺以及定頻空調的獨立運行來進行分析,其功率曲線分別如圖1、圖2和圖3所示,在結合電器的基礎上,對功率曲線以及辨識特征量組進行分析。

圖1 電熱水器功率曲線圖
(1)電熱水器。通過電阻發熱原理制造熱水,啟動時不存在功率沖擊,將Ps、Qs、Kp和Td作為特征量組,通過試驗發現,Ps超過1200W,Qs<50Var,Td<10min且Kp<1.05的情況下,可以確定電熱水器處于短時間加熱的狀態,而Pe和Ps相等時,電器停止運動。

圖2 電熱水壺功率曲線圖

圖3 定頻空調功率曲線圖
(2)電熱水壺采用電阻加熱,其運行過程中,Ps超過1000W,Qs<50Var,Td<10min且Kp<1.05的情況下,可以確定電熱水壺處于短時間加熱的狀態,而Pe和Ps相等時,電器停止運動。
(3)定頻空調是根據啟停壓縮機來實現對溫度的調節,并且由異步電動機驅動,在啟動后,沖擊通常會持續0.3-0.5s,選擇Ps功率超過300W作為啟動判定標準,忽略Qs增量,其主要是由于無法確定無功增量;忽略Td增量,主要是由于空調運行時間與室內溫度存在直接的關聯。隨著空調的啟動,有功功率會出現漂移,因此,Pe=KePs,Ke的系數選擇1-2,經過分析,其運行帶能量可以通過W=PeTd來運算。
非侵入式負荷監測裝置屬于智能化設備,在應用設計中,包括硬件設計和軟件設計兩個組成部分,具體表現如下:
非侵入式負荷監測裝置在硬件設計中,主要包括定制機箱、通信模塊、主板、數據采集卡以及采集單元等模塊,其具體硬件設計如下所示:
(1)采集單元的設計。該模塊主要負責變換和調理用戶電流和電壓,將電信號轉換成為模擬信號,在監測系統配置電壓和電流傳感器,可以實現對多個用戶用電情況的監測,本次設計中,電壓傳感器選擇QNENG QBV200A02型號,電流傳感器選擇CSM100AP型號。
(2)數據采集卡設計。該模塊主要負責采集輸出信號,且進行AD采樣處理,系統會將電壓以及電流傳遞到主板,會精確的計算有功功率、無功功率和3次諧波特征量,另外,將數據采集卡功率設置為1KH,型號選擇NI公司的6008型號。
(3)工業主板設計。該模塊主要負責信號的處理以及辨識用戶的負荷,其主要功能如下:①計算用戶家庭用電功率;②FFT分析;③分析穩態功率抬升功率Ps;④計算跌落功率Pe;⑤計算沖洗系數Kp;⑥計算持續時間Td;⑦完成信息維護和電量結算等工作。在本次硬件設計中,選擇安勤ECM-QM77型號,系統CPU選擇Intel I5-5200,系統內存為8G,硬盤容量為500G,通過上述硬件,可以滿足系統的數據存儲和分析需求。(4)通信模塊設計,該模塊主要負責將辨識度結果傳遞到主站,可以通過多種方式來傳遞信息,如485以及GPRS通信等情況,本次設計中,采用GPRS通信模式。
非侵入式監測裝置在設計中,需要對軟件進行設計,其總體流程如圖4所示。

圖4 軟件設計流程圖
通過上圖的分析,發現其流程設計主要體現在以下幾個方面:
(1)對辨識特征量的提取。在本次設計中,提取辨識特征量,可以對負荷進行精確的分析,并且采用公式P=∫uidt來計算有功功率,在公式中,u表示電壓,i表示瞬時電流,在獲取電流和電壓信息后,運用FFT可以對電流諧波以及無功功率進行計算,對0.1s粒度功率曲線進行掃描,可以提取功率的沖擊,并且在提取數據后,會將電器信息傳遞到特征庫,以此來實現對用戶電量的辨識。
(2)匹配算法啟動點。在運行過程中,可以檢測功率的抬升,包括跌落算法下的啟動點以及具有沖擊的有功抬升。
(3)電器匹配算法。在電器功率抬升之后,按照算法邏輯來進行計算,如果電器附帶沖擊,企業Ps>300W,持續0.3-0.5s以上,且Kp>2的情況下,則可以判定空調屬于啟動狀態,并且監測系統會將信息傳遞到列表中。如果不附帶沖擊,同時監測系統滿足Kp<1.05,Ps>1000以及Qs<50Var,則電熱設備處于啟動狀態。
在功率跌落時,通過算法邏輯對系統進行檢測,監測系統會對電器列表的歷史特征進行分析,在匹配功率的情況下,查找抬升功率Ps、歷史特征以及跌落功率Pe,并且獲取持續時間Td,在計算判定中,如果Pe=KePs,則可以判定電器屬于定頻空調,另外,在Td>15min的情況下,則可以判定為電熱水器加工。而Ps=PWH的情況下,且Td<10min,則可以判定工作狀況為熱水器保溫。在熱水壺加熱狀態下,Td<10min,Ps≠PWH。
(4)處理辨識結果。在監測系統處理完成信息后,會將辨識結果進行處理,并且將電量以及持續時間發送到主站,以此來實現對信息的協調處理。
本次研究中,將監測裝置安裝在某公司員工宿舍,在定頻空調、電熱水器以及熱水壺上安裝智能插座,分析啟停時間和電量。另外,宿舍包括電腦以及洗衣機等電器,構成復雜環境。測試選擇當天13-14點,在測試過程中,發現熱水器啟動2次,熱水壺啟動3次,空調啟動3次,結果如表1所示。通過現場測試發現,監測裝置的啟停次數正確,誤差在1s以內,而總體精度超過88%,另外,其存在的誤差可能是由于電腦以及洗衣機功率的變化而產生的差異,但是總體而言,其對于負荷的辨識具有較高的精度和準確性。

表1 非侵入裝置采集數據結果表
非入侵式辨識技術屬于智能電網的監測技術,本次研究設計了辨識算法以及監測裝置,并且對現場家用電器進行監測,通過分析發現,該方式可以確定電量,并且精度超過88%,誤差時間小于1s,具有較高的監測效果。