非介入式負荷辨識感知技術及其典型應用場景

陳駿星溆，徐先勇，孟軍，肖劍，陳卓

(1.國網湖南省電力有限公司電力科學研究院，湖南長沙410007；2.國網湖南省電力有限公司長沙供電分公司，湖南長沙410015)

2019年初，國家電網有限公司 (以下簡稱國網公司)提出 “三型兩網，世界一流”戰略目標，啟動泛在電力物聯網建設。其本質內涵是要適應社會形態、打造行業生態、培育新興業態，利用標準化、規范化的數據產品和基礎設施，延伸業務范圍，拓展服務對象，創新商業模式。經過近十年的信息化建設和當前泛在電力物聯網建設推進，國網公司電力設備的泛在感知已成效初現，但在用戶側卻面臨著 “最后一公里”數據缺失的問題。以電網的視角來看，用戶負荷是一個未知的黑箱子，通過電表計量可以采集用戶的總耗電量，滿足最基本的電量計費需求。然而，用戶的具體負荷類型不可獲知，整體的電網負荷組成也不甚明確，這將帶來以下幾個突出問題:①無法建立準確的電網即時動態負荷模型，大電網峰值供電能力受限；②無法對電力用戶的用電行為進行深入分析和精準畫像，客戶服務的優化提升缺失關鍵信息。因此，必須突破電力用戶負荷數據獲取的瓶頸，加強用戶用電行為感知能力建設，支撐雙向互動服務與智能用能服務。

傳統的電力負荷監測采取介入式的方法，利用智能插座等終端設施在用戶戶內分別采集各電器啟停和功耗信息。該方法監測數據準確可靠，但存在實施成本高昂、施工復雜、資產歸屬不明確等問題，導致電力用戶接受程度很低，無法推廣應用[1]。

非介入式負荷辨識最早由美國學者Hart于20世紀90年代提出[2]，其核心思想是采集用戶入口總電流、電壓數據，利用算法對總負荷波形進行分解和辨識，從而判斷戶內每個電器的用電功率和工作狀態。與傳統的電力負荷監測相比，非介入式負荷辨識技術經濟投入小，可實施性強，其獲得的用電信息具有很高的應用價值，因此該技術自提出以來便引起了行業內的廣泛關注[3]，在智能家居等商業應用領域蓬勃發展。

國網公司擁有極其龐大的電力用戶群體，非介入式負荷辨識和用電行為感知技術的推廣應用具有可觀的市場前景和得天獨厚的優勢。本文簡述了非介入式負荷辨識技術當前的主流技術路線，分析并展望了該技術面向電網企業和客戶的典型應用場景，并對湖南電網的應用情況進行了介紹。

1 非介入式負荷辨識技術

非介入式負荷辨識技術的典型架構如圖1所示，包括數據采集、數據處理、事件探測、特征提取、負荷識別等五個步驟[4]，以及建立在負荷辨識結果基礎之上的面向電網企業和用戶的各種場景應用。數據采集是非介入式負荷辨識的第一步，通常由安裝于用戶入戶端的負荷辨識終端完成，其安裝示意如圖2所示，采用穿心式電流互感器測量入戶端總電流，并跨接火線和零線測量實時電壓波形，無需在戶內針對每個電器裝設獨立的傳感裝置[5]。為了抓取電器負荷啟停過程中的暫態波形特征，負荷辨識終端的數據采集頻率一般高于1 kHz。隨著新一代模組化電能表的逐步推廣使用，數據采集也可藉由電表完成，而負荷辨識終端則可簡化為負荷識別模塊插入電表擴充卡槽中，實現用戶電力負荷辨識的功能。

圖1 非介入式負荷辨識技術總體架構

圖2 非介入式負荷辨識終端安裝示意圖

數據處理是與數據采集同步進行的第二個步驟，包括負荷波形的去噪、電氣量的計算和數據標準化等，以盡量減少電能質量波動和外部電磁干擾帶來的信號噪聲影響，提升后續步驟的準確度。

在實際應用中，對高頻采樣的負荷數據進行實時處理和分析是十分耗費硬件資源的，因此引入事件探測步驟來監測電器運行狀態的變化情況，如圖3所示的電器啟動、關閉和模式切換等。僅當檢測到負荷狀態變化時，才針對當前采樣序列激活特征提取和負荷辨識流程，可大幅提高算法的運行效率。目前常見的事件探測方法主要有規則判斷和變點檢測兩種。規則判斷選取合適的監測參數 (例如功率、電流有效值、諧波分量等)作為判斷依據，當參數在相鄰兩個采樣點之間的變化超過一定的閾值時判斷負荷事件發生[6]。該方法原理簡單易于實現，但參數和閾值的選取依賴人為經驗，適應性較差。變點檢測方法則采用似然比測試、序貫概率比檢驗等算法分析采樣序列統計特性的突變節點[7]，對采樣要求更高，抗干擾能力更強。

圖3 電器運行狀態變化過程的波形示例

在探測到電器投切狀態發生變化時，進一步提取負荷波形的特征量，即每一個負荷電器所獨有的“身份信息”，用于負荷類型的辨識。特征提取的原則是選擇規律性好、適應性強、敏感性強、可分性好的特征值，盡量減少冗余信息，構造維數低的特征向量空間[8]。負荷特征可分為穩態特征和暫態特征兩大類。穩態特征是利用負荷電器平穩運行波形提取的特征量，主要包括有功功率、無功功率、電流基波分量、諧波分量、波形相角等。該類特征易于計算，但在較多電器同時運行時容易被湮沒。暫態特征是利用負荷電器投切的過渡階段波形提取的特征量，主要包括脈沖電流、脈沖持續時間、暫態諧波能量等。暫態特征對復雜場景下負荷電器的區分能力優于穩態特征，二者通常結合使用。

通過提取負荷波形中的特征量，利用模式識別算法如隱馬爾科夫模型、遺傳算法、Adaboost、K近鄰算法等[9]，將其與預先建立的負荷特征庫中的樣本模板進行比對匹配，即可從總負荷中辨識出分項電器負荷構成以及各負荷的工作狀態。對于在負荷特征庫中未找到最優匹配的未知負荷類型，則采用人工標記或非監督學習的分類方法，將未知負荷特征新增到負荷特征庫中。隨著負荷波形樣本的積累，負荷特征庫中涵蓋的負荷種類逐漸豐富，對負荷電器的識別精度也將逐步提高。當前經濟社會發展迅速，居民用戶各類家庭電器尤其是低功耗電器層出不窮，這類電器負荷的特征區分度通常較低，且極易湮沒于大功率電器負荷波形中。為提高低功耗電器負荷辨識精度，可采用云端協同辨識的方法，利用深度學習算法和云端算力對終端未能準確辨識的負荷波形進行二次識別。

2 典型應用場景

利用非介入式負荷辨識技術獲得分時分類的負荷電量明細數據，結合客戶服務、營銷、電網運維、調控等實際場景需求，可衍生出很多高價值的數據應用，舉以下幾例做簡單闡述。

2.1 分類能耗詳單

電費是大部分電網用戶尤其是高能耗工商業客戶較為關心的問題之一，客戶因對高額電費的產生來源有異議而投訴至95598的情況時有發生。基于非介入式負荷辨識技術，可通過APP、微信小程序等渠道面向電力用戶提供 “移動話單式”電量詳單和電費清單，將負荷辨識的結果以統計報表的形式呈現給客戶，如圖4—5所示。可按日、月、年等時間跨度對電器耗電量進行分類統計和展示，覆蓋空調、電熱水器、廚房電器、冰箱、洗衣機等常見電器負荷，用電規律和能耗重點一目了然，電能消費更加透明，大大提高客戶的用電體驗和滿意度。

圖4 用戶分布圖

圖5 用電趨勢

2.2 能效分析診斷

將用戶各項電器負荷的能耗水平與地區的平均能耗情況進行排名比對，則可更直觀地反映用戶電能消費的能效等級，有效促進用戶的節能意識。對熱水器、空調等高能耗電器以及冰箱、電燈等長時待機電器進行能效診斷分析，根據用戶家中該類電器的使用習慣給出針對性的節能診斷建議，如圖6所示，提醒峰谷電量和階梯電量狀態，可避免無端電能浪費，提升用戶的應用服務黏性，激勵用戶積極響應電網削峰填谷需求[10]，同時實現全社會節能減排。

圖6 用戶能效分析診斷

2.3 異常能耗分析

常見電器負荷的運行均呈現出特定規律或處于一定的范圍之內，例如家用電熱水壺單次燒水時間一般為5～15 min，電磁爐通常僅在白天時間段使用等，超出正常規律范圍的負荷運行均可視為異常用電情況。利用居民用戶的非介入式負荷辨識數據，通過功率特征閾值判別和標準負荷模型比對等方法，可實現戶內的短路事故預判、漏電檢測、異常能耗預警等提醒功能，杜絕電氣火災和觸電隱患。智能識別居民用戶用電行為模式，精準判別群租房、居民區長期商業用電等不符合負荷模型的非法用電行為，為政府和電力企業集中治理整治提供數據依據。

2.4 用電行為分析

根據用戶的能耗占比、用能時段、用能分布等特性，可對用戶用電行為進行深度分析，以標簽的形式對客戶進行行為畫像。例如根據主要用能時段的不同可將用戶區分為上班族、居家型等活動類別，根據家用電器的數量和更新頻次可分析用戶對于電器技術更新換代的接受程度，從而制定差異化的服務策略，支撐客戶的精準營銷和優化服務，如圖7所示。

圖7 客戶用電行為畫像

2.5 配電臺區輔助運維

在配變、出線柜和用戶表箱三級部署非介入式負荷辨識終端，利用分級負荷波形特征的模式匹配，可實現臺區拓撲和用戶相序的自適應識別及自動成圖；明確界定戶內外停電責任，實現臺區故障自動定位、主動推送和故障工單快速生成；監測分支箱級別的線損情況，進行理論線損和統計線損對比分析，精準定位線損異常區域，有效降低配電網運維成本。

3 重點應用發展方向

隨著非介入式負荷辨識技術產品線延伸和覆蓋范圍擴大，還可納入工業園區、商業中心、企事業單位等各類型電力用戶的個性化場景需求，通過跨行業數據深度融合，形成豐富全面的應用生態鏈。以下為未來可期的幾個重點應用方向。

3.1 專變客戶定制化服務

專變用戶是我國國民經濟發展的推進器，其負荷主要為多樣化的工業設備，具有高隨機的功率特征和遷移變化的電流頻率、幅值。利用非介入式負荷辨識技術可實現專變用戶運行情況的全面感知、細粒度掌握負荷能耗規律、內部設備運轉情況、故障風險隱患和違規違約用電情況，為專變用戶的技術轉型升級、淘汰落后產能、清潔能源改造提供廣泛指導，為綜合能源服務、上下游產業鏈、設備維修制造、高質量電力供應提供數據接口。可有效擴充供電企業對高壓專變用戶的服務維度與深度，提升客戶對供電服務的參與感與獲得感，推進電力營銷高質量全面發展。

3.2 大電網動態負荷建模

現代電力系統的發展使其穩定性問題日趨重要，特別是特高壓交直流輸電線路接入電網后，受端電網的暫態穩定問題日益凸顯[11-12]。因電網側無法感知電力負荷的具體組成，湖南電網暫態穩定分析一直采用較為保守的35%恒定阻抗加65%感應電動機的簡化負荷模型。為應對高比例的感應電動機暫態穩定無功需求，省內發電機組在運行中預留了較大的旋轉備用容量，大電網峰值供電能力受限。運用非介入式負荷辨識技術精準識別、統計電網負荷類型比例，可支撐建立在線即測-即辯-即用的動態負荷參數云庫，構建多層級的區域電網時變仿真模型，提升大電網安全穩定運行分析的準確性。

3.3 能源消費熱力圖分析

基于跨行業的細粒度電力負荷辨識結果，可繪制全省范圍能源消費熱力圖。精準分析區域配電網承載力和電能替代潛力，為配電網基建投資提供決策指導；根據區域電力用戶畫像統計，實時感知和預測居民能源消費習慣變化趨勢，分析區域負荷移峰填谷能力，為制定合理優化的分時階梯電價提供依據，如圖8所示。

圖8 能源消費習慣的變化趨勢

3.4 商業模式拓展

按照 “用戶用電數據泛在感知、智慧應用賦能企業優化運行、跨界融合打造新型生態”的思路，通過細粒度負荷大數據跨界融合，可支撐企業風險欺詐、商業熱度挖掘、維保信息推送等新業務，打造新興業態。

4 湖南電網應用情況

經過近年來的不斷發展，非介入式負荷辨識技術已逐步建立了工程實用化基礎。國內數家研究機構陸續推出了負荷辨識終端產品，對于家庭常用大功率電器的識別準確率可達90%以上，但在小功率電器負荷識別、工商業用戶負荷識別和負荷辨識算法的泛用性等方面仍有較大的提升空間。湖南地區居民用戶家中老舊電器存量較多，老式的非變頻冰箱、空調等電器與目前市面上流行的電器型號相比功耗異常偏高，且烤火爐、麻將機等地區特色電器持有量較大，這些情況都給非介入式負荷辨識帶來了一定的挑戰。

國網湖南省電力有限公司電力科學研究院率先在湖南電網展開了非介入式負荷辨識技術的研究，目前已在長沙市長島路網格站開展了小范圍試點應用，覆蓋居民用戶247戶，面向客戶提供“透明電”“綠色電” “安全電”等商業增值服務，實現了細粒度的居民電力負荷預測及響應潛力評估。

在今年初新冠肺炎疫情防控的關鍵時期，湖南電科院利用社區/居民家庭的細粒度用電特性數據，構建了小區/家庭疫情防控態勢研判模型，分析了各社區、家庭的人員聚集程度以及流動情況，并采用三級四類標簽對家庭人員活動情況進行了標記。該分析結果可用于指導社區專人進行精準的風險排查和回訪，以降低社區居民的感染風險。

5 結語

非介入式負荷辨識技術與國網公司當前泛在電力物聯網建設方向深度契合，具有廣闊的應用前景。本文論述了實現非介入式負荷辨識所需的數據采集、數據處理、事件探測、特征提取和負荷識別等五大技術步驟，并列舉了分類能耗詳單、能效分析診斷、異常能耗分析、用電行為分析等基于該技術建立的典型場景應用。針對湖南電網用戶側實際情況，對非介入式負荷辨識技術展開深入研究和應用探索，可在客戶優質服務、大電網安全穩定等方面發揮更大的價值。