基于相位角差異化辨識用電設備的智能插座探討

許 壯 柯寒文 呂小兵

（浙江德力西國際電工有限公司 杭州 310024）

引言

智能插座是實現全屋智能的重要組成部分，與傳統的電源插座相比除了具有分配多路電源的作用還具有多種智能化功能，如遠程控制、電量監測、開關定時等[1]。在家居分布式插座的場景下，用戶僅可以通過APP上的自主備注對某些固定位置的家用電器如熱水器，空調等用電設備進行辨識, 對于其他的分布式插座當在遠程控制時會處于一種“盲”控制狀態，基于此原因為智能插座增加一種輔助性的用電設備辨識功能對用戶體驗性及便捷性具有重要意義。

1 軟件算法設計

用電設備根據負載類型的不同通常分為三種類型，感性負載、阻性負載、容性負載。感性負載，如：電機、日光燈及其他靠氣體導通發光的燈具等。阻性負載，如：電烤箱、電熱水器、白熾燈及其他靠電阻發光的燈具等。容性負載，如：部分日光燈。

圖1 不同負載下的電壓電流波形圖

構建負載電路模型后通過Multlism仿真如圖1所示。從仿真波形圖可以直觀看出，對于阻性負載電壓相位與電流相位一致，感性負載電壓相位超前電流相位，容性負載電壓相位滯后電流相位。進而通過仿真的電路模型進行理論參數采集，作為泛化辨識用電設備模型的理論依據。

基于上述分析，辨識系統基礎的構建在于對用電設備回路電壓電流的相位檢測。對于電壓電流的相位檢測方式常用的有檢相電路，零點相角法與線性插值法[2]和基于軟件的FFT算法。由于電子元器件的非線性及其參數固有的誤差導致用電設備回路存在多次諧波，單純的模擬電路檢測會由于外界的不確定性產生干擾誤差。因此本設計采用基于傅里葉變換的軟件相位檢測方式可較準確求得信號的基波幅值，基波相位，基波頻率以及電壓電流超前滯后等信息。

式（1）和式（2）分別為交流電壓信號和交流電流信號，兩信號頻率相同均為50 Hz故其角頻率ω相同，推導得電壓電流的相位差φ如式（3）所示，由式（3）可知相位差φ只與電壓電流的初始相位有關。

式中：

U—被測信號的電壓幅值；

I—被測信號的電流幅值；

ω—被測信號的角頻率。

由于電力系統中存在部分干擾源且電子產品中元器件的非線性造成系統中存在許多的諧波分量故被測的信號可以表達為,

式中：

nω—被測信號的角頻率，其中ω=2πf，f為基波頻率。

式中：

根據上述的理論推導即可分別計算出電壓和電流的相位。將所得到的電壓電流相位作為辨識系統的輸入，識別出負載的類別。將負載的類別標志位通過Wi-Fi上傳到云應用平臺，與APP進行交互，輔助用戶遠程對產品的認知與控制，識別軟件流程圖如圖2所示。例如當家庭兩個不同設備同時在工作，用戶想要遠程關閉掉其中的一個設備時則可以通過智能插座的輔助辨識功能選擇需要正確開斷的插座進行控制。

2 硬件設計

硬件方案選擇Mn-Cu電阻，電流互感器，電壓互感器進行回路電流電壓采集，然后傳輸到處理器進行AD轉換。為保證產品的價格低廉及產品性能，采用具有DSP庫函數的STM32F429型號單片機作為核心處理器，外圍增加時鐘電路，復位電路，電源電路構建系統核心控制板。通信模塊采用Wi-Fi模塊。硬件架構如圖3所示。

3 系統設計構思

上述方案模型僅具有輔助性電器類別辨識功能，無法對用電設備進行準確的辨識，也無法對系統識別模型進行優化迭代。因此構建一套可自主監督學習的神經網絡優化迭代算法對提升用戶的自我體驗性及模型系統的便利性具有重要的意義。

構建新模型的關鍵首先要進行數據采集，數據采集部分根據原基礎的電路系統進行相位差數據采集，將采集到的數據去除粗大誤差后代入神經網絡學習框架進行訓練生成識別模型，生成好模型后進行測試優化。最后將識別模型部署到云端，如圖4所示[4]。

圖2 辨識系統軟件流程圖

圖3 硬件架構框圖

圖4 云端識別模型部署流程圖

圖5 應用識別框圖

應用識別部分如圖5所示，當插排終端采集到相位數據后將相位差上傳到云端的識別模型。識別模型輸出后反饋給客戶APP平臺，隨后客戶將實際的用電器與平臺的反饋進行對比，再反饋給云端正確的決策，云端通過與用戶APP端的交互反饋，以達到不斷優化迭代識別模型的目的。

4 結論

本文通過對感性、阻性、容性負載建立電路仿真模型得出三者電壓電流相位角差異化結論，并將其作為區分用電設備類型的重要依據。論述軟硬件對相位差計算的優缺點得出經過FFT變換得出相位角較精確化，同時具有較好的抗干擾能力。全文通過基礎模型論述對智能插座的負載識別方法提供參考。