面向智能用電的非侵入式居民負荷監測關鍵技術研究

杜峰

摘要：伴隨著智能電網技術的普及和居民節能意識的普遍提高，居民的耗電量已經精確到每個電器上。電量的可視化技術為居民的用電安排及電網按需供電提供了更多可能，本文首先分析了面向智能用電的非侵入式居民負荷監測的意義，并探究了非侵入式居民負荷監測的基本原理，同時對其技術模型進行了扼要闡明，以及為面向智能用電的非侵入式居民負荷監測關鍵技術的更好發展提供參照。

關鍵詞：智能用電;居民負荷監測;關鍵技術

引言：

隨著我國電網在需求側管理的不斷優化，通過在居民側建立可視化監測界面，能夠具體了解家用電器的能耗情況，從而幫助居民更好制定節能策略，對緩解能源緊張情況和高峰期用電不足問題，具有極為重要的意義。非侵入式電力負荷監測在居民電力入口處設置傳感器，通過對居民用戶總電流和端電壓的數據分析，對居民住宅內各類電氣器的功率及工作狀態進行監測，從而知曉居民室內各項電氣的實際用電功率和用電規律，以更好服務于電力公司的電力分配、運行、管理。

一、面向智能用電的非侵入式居民負荷監測的意義

相比于集總式的用電數據，精確到電器或設備的用電信息能夠為居民、企業、社會帶來諸多經濟效益。對于電力公司而言，將居民精確到電器的用電數據錄入到計量測試數據管理系統中，在對數據進行處理和分析后，首先能夠更為精確地對居民用電的地理尺度和時間尺度進行劃分，從而更確切地獲得居民負荷密度空間分布圖和居民用電總量時間規律圖。以此提升配電方案的科學性，更好確保電網體系的安全運行。其次可提升電力負荷仿真模型的精確性，提升仿真穩定極限的精度，從而避免由于精度模型的保守或不健全帶來的巨大損失。其三能夠幫助電力公司更好地確定動態電價和需求響應激勵機制，實現削峰填谷，增強電力資產的利用率和電力系統的經濟性、可靠性。緊急情況下，電力公司可通過需求響應協議實現緊控制負荷，來實現電力系統的穩定、避免系統崩潰的情況發生。除此之外，非侵入式居民負荷監測同樣能夠幫助電力公司識別出隱藏在居民住宅中享受居民電價的小型工商公司，以更好避免盜電現象的發生，維護電力公司自身的合法權益。對于居民用戶而言，非侵入式居民負荷監測能夠實現對家中各類電氣用電規律及所屬狀況的精確掌握。以此幫助用戶及時分辨相關設備中的故障，幫助用戶以高性價比電器代替高耗能電氣。

二、面向智能用電的非侵入式居民負荷監測技術基本原理

非侵入式負荷監測只需對總負荷進行掌握，即可實現電器設備的自動分解。非侵入式居民負荷監測對于全社會而言，能夠有效促進高耗能電器企業對自身產品進行優化，助力市場監管部門做出相關環保政策，實現降低空氣污染、減緩溫室效應的和諧目標。不需要監測裝置的大量安裝，即可降低設備購買、安裝、維護等相關成本。足夠值的注意的是在這種技術情況下，通過對環境下總負荷用電情況進行監測，能夠對電壓、電流、有電功率、無電功率等要素進行提取，分解總電荷量來測取各分電器用電進行，以此面向運營人員，對電器類別，運行狀態進行具體確認。負荷特征的相關概念的提出，對負荷特性對于電網高峰、需求響應、電網規劃具有極為顯著的影響。原始算法以組合優化技術為基礎，其基本思想在于找出被監控設備的最佳運行狀態，以使得電表讀數與總功耗相一致。但這一方法往往僅適用于狀態、數量有限的設備，在狀態一致的情況下功耗一致，這同樣意味著具備連續可變功耗的設備并不能被納入監控。隨著時代發展，人工智能技術在電力系統中逐步得到深入發展，隱馬爾科夫模型、粒子群算法、基于矩陣分解、貝葉斯模型等技術均被陸續應用到NLM監測應用算法中。

三、面向智能用電的非侵入式居民負荷監測技術模型

（一）用電信息采集系統

用電信息采集系統一般由主站、通信通道、信息采集設備所共同構成，采集設備與用戶距離最近，具體包括采集器、智能電表、集中器等應用型設備。智能電表作為最為直接的采集設備，負責采集電壓、電流、功率等用戶基本信息。采集器連接了多個智能電表，起著用電數據集中采集和本地數據基本處理的作用。而集中器則負責與主站間的數據連通，是主站、智能電表、采集器間的連接樞紐。通信線道一般可劃分為本地通信線道與遠程通信線道這兩類，本地通信線道是指智能電表、采集器、集中器之間的線道，主體囊括無線微功率通信、低壓載波通信、RS-485通信等模式。遠程通信信道則指的是集中器與主站間的通信鏈路，包括光纖、無線公、專網等。對區域內大規模居民用電信息的采集工作，常常以公用配電變壓器臺區作為采集點，以集中器與各樓宇、住宅的采集器相連接，從而對該區域所有智能電表信息進行匯總，以此完成用電信息采集工作。

（二）非侵入式居民負荷監測技術模型

在用電信息采集系統的基礎上，結合邊緣計算概念，能夠進行服務于區域范圍內大規模居民用戶非侵入式居民負荷監測技術的模型構建工作。這一模型由電力信息采集設備、通信信道設備、邊緣計算設備及區域級云平臺構成，其中本地監測設備是指裝載有非侵入式居民負荷監測模塊的采集器。各采集器與表箱內的多個智能電表發生本地通道數據聯系，智能電表會以報文形式將區域內居民用電信息以一定頻率發送給采集器。故而采集器處將出現服務于多個客戶的非侵入式居民負荷監測任務隊列，邊緣計算設備則是指布置于臺區集中器邊緣的邊緣計算服務器，可以在模型中被視為邊緣計算節點。相比于本地計算設備，邊緣計算設備具備更大的儲存容量及更快的計算速率。非侵入式居民負荷監測任務隊列的完成既可通過本地計算設備完成，也可通過通信信道上傳到邊緣計算設備中完成。這要求區域級云平臺能夠制定合理的分配策略，定義能效代價C為處理完某一區域內全部任務的時延與能耗權重之和。云平臺應當兼顧設備計算能力、信道帶寬等客觀條件，以優化能效代價為目標展開策略制定。

（三）非侵入式居民負荷監測技術分配策略生成方法

邊緣計算模型如何以優化能效代價為目標進行策略制定，本質上屬于混合整數線性規劃類問題，并且已經被證明為是一類NP-Hard問題，故而應當對該問題求解的復雜度進行降低。實踐過程中，這一問題可劃分為整數規劃問題與非線性規劃問題兩部分，在上述思路基礎上，本文提出一種基于深度學習的非侵入式居民負荷監測分配策略。首先將輸入的數據量的以k個基于深度神經網絡DNN的任務分配策略生成器生成k個候選任務分配策略，然后對各個候選策略的能效代價進行計算，并將最低能耗代價對應的策略標記為x。最后結合輸入d與輸出x，共同作為任務樣本存儲在任務隊列中。以對k個DNN進行訓練，開始階段，任務策略生成器的生成策略較為隨機，這時的最優策略一般為局部最優解，而隨著后續DNN的優化，策略生成器的策略逐步得到優化累積，最終達到近似生成全局最優解的目的。

結束語：

本文針對智能電網發展過程中面對的能耗管理問題，在原有非侵入式居民負荷監測監測的技術基礎上，實現了基于深度學習的策略優化，對確保電力系統的安全平穩高效運行具有建設性意義。

參考資料：

[1]崔燦.面向智能用電的非侵入式居民負荷監測關鍵技術研究.2017

[2]單光普.基于HMM的非侵入式居民用電負荷分解研究.2018

[3]劉博.非侵入式電力負荷監測與分解技術.2014