基于用電信息采集的非侵入式居民電力負荷自動監測系統

蘭森林，王葉鋒，陳明，岳克，張嘉堃

（國網上海市電力公司市南供電公司，上海 201100）

隨著我國經濟社會的不斷發展，人們的生產生活越來越離不開電氣設備，目前，居民已經成為電力資源的主要消耗者。由于電力系統規模越來越大，用戶數量也十分巨大，因此導致電力系統的數據量多且復雜。為了更好地了解用戶的電力使用情況，電力負荷監測技術逐步得到發展[1-2]。

負荷監測技術主要有兩種形式：一種是侵入式，需要對監測的電力用戶電器設備安裝傳感器，并入侵到傳感器中進行電力使用情況監測；另一種是非侵入式，這種方法只需要在用戶的通電接口處安裝傳感器，通過負荷監測設備對其進行監測分析。第一種方法實施過程復雜，難度較大，成本也比較高，難以實現[3]。第二種方法的精準度雖不及第一種方法高，但實施過程簡單，容易操作，且可以保障用戶生活[4]。目前我國的電力系統也普遍采用非侵入式負荷監測技術。為了進一步提高負荷自動監測系統的準確性，文中結合信息采集技術進行了研究，設計了基于用電信息采集的非侵入式居民電力負荷自動監測系統。

1 系統硬件設計

文中設計的基于用電信息采集的非侵入式居民電力負荷自動監測系統硬件結構如圖1 所示。

圖1 系統硬件結構

1.1 電力負荷數據采集終端

電力負荷數據采集終端主要負責電力用戶的數據信息采集。數據采集終端安裝在監測用戶的電力接口處，通過電流情況檢測用戶的用電及電力負荷情況。負荷數據采集終端主要由電力采集、信號采集、信息處理與存儲器四部分組成。電力負荷數據采集終端結構如圖2 所示。

圖2 電力負荷數據采集終端結構圖

由圖2 可知，前端的電力和信號采集器配備對應的電流、電壓傳感器和電力功率信號傳感器，接收并采集通過電路的電流、電壓和功率信息。負荷數據采集終端的核心是信息處理與儲存裝置，信息處理裝置配備ATT7053BU 處理芯片、ADM2587 串口芯片、ARM 核心處理器和相匹配的信息傳感器。電流信息和功率信息通過對應的通信線路，傳輸到信息處理器中，處理器通過接口的傳感器接收到與電流相關的數據信息，通過處理芯片對信息數據進行讀取，并通過相關特征對數據進行過濾和分類，再傳輸到處理程序中進行數據處理[5-6]。儲存設備為標準內存配置的存儲器，處理后的數據會備份儲存到存儲器中。

1.2 自動監測系統集中器

自動監測系統的集中器是與負荷數據采集終端、后臺服務器相連接的中間處理平臺，主要負責負荷數據的分解和相關計算。集中器的處理芯片、傳感器等主要配件與負荷采集終端相匹配，除此之外還配備LTE 型號的通信裝置，能夠接收4G、5G 移動網絡信號和無線網絡信號通信[7-8]。集中器示意圖如圖3 所示。

圖3 集中器示意圖

通過通信裝置，集中器能夠接收到來自多個負荷數據采集終端傳輸的數據信息，將負荷數據信息傳輸到集中器中，處理程序會對其進行負荷數據分解，處理后的數據也通過通信裝置傳輸到電力系統后臺的總控制服務器中[9]。此外，負荷采集終端設備的更新升級也需要通過集中器對其進行信息傳輸與指令控制[10-12]。集中器電路如圖4 所示。

圖4 集中器電路

1.3 自動監測系統處理器

文中設置的自動監測系統處理器內部擁有一個PC 端，在PC 端兩側分別加入兩個不同的數據庫，分別是管理數據庫和能量數據庫，不同的數據庫負責記錄不同的數據，管理數據庫負責記錄歷史數據，能量數據庫負責顯示用電數據，方便工作人員查詢用電信息，確保居民用電的內部電表處于正常的工作狀態。自動監測系統處理器電路如圖5 所示。

圖5 自動監測系統處理器電路

2 系統軟件設計

通過采集器對居民的用電信息進行采集，并在處理器內部分析居民點的用電狀況，判斷是否檢測異常，通過冗余處理提高控制信息的采樣頻率和通信效率。

通過用戶電力接口處裝置的電力負荷數據采集終端裝置能夠對用戶電力使用情況進行數據信息監測采集。用戶所用電器的使用電流通過電力線路傳輸流動，采集終端的電流、電壓和功率信號傳感器實時感應接收該用戶的電流情況，根據用戶的特征差異設定傳感器不同采樣頻率的參數，一般情況下采樣頻率不能低于2 000 Hz；然后將采集到的負荷數據信息傳輸到內部處理器進行預處理。處理程序選用集成的海量數據處理算法，對用戶電力負荷數據進行初步檢測，排除受到其他干擾因素影響的數據信息，保留相對完整、正常的負荷數據信息。同時根據系統設定的儲存規則將數據信息按照日期進行信息管理與儲存[13-14]。基于用電信息采集的非侵入式居民電力負荷自動監測系統的軟件工作流程如圖6所示。

圖6 軟件工作流程

由圖6 可知，傳入集中器的用戶電力負荷數據需要進行分解，然后進行更為精確的檢測分析。分解程序將負荷波形進行分離并提取波形特征，得到對應的負荷特征參數數據；然后運算程序按照一定的時間順序對電流信息數據進行檢測，依據壓縮感知方法重構用電負荷數據，實現居民電力負荷特征提取；通過改進模糊聚類法對該時刻的電流、電壓和功率進行運算，實現非侵入式電力負荷的準確識別，進而完成居民電力負荷自動監測。檢測電流存在異常情況的可能性，其運算公式如下：

式中，gn表示負荷數據存在異常情況的可能性，Id表示該時刻的實際電流值，Mm表示運算窗口內部的平均電流值，λ為電流值允許存在的誤差閾值[15-16]。由式（1）的運算可知此刻電流是否超出正常電流指標，進而判斷該數據是否需要排除在檢測范圍內；由式（2）的運算可知電流值是否達到相應的檢測標準，未達到相關標準的數據可將數據排除在電流異常檢測范圍內。切除不符合標準的負荷信息后，提取電流信息數據并進行平均值、極值、波峰幅度和相關系數運算，再利用加權矩陣計算負荷數據特征參數與理想標準的相關性，如式（3）所示：

式（3）中，d0為進行運算的負荷特征參數樣本，sim(f0，fm)表示負荷數據特征參數樣本與理想數據標準的相關性，a、b分別表示總體特征參數樣本中的最大值和最小值。經過式（3）的運算可知各特征參數樣本與理想標準的距離，將運算后的結果根據相關閾值進行判斷辨別，并將數據和電流監測結果一同儲存到監測系統的數據儲存庫中[17-18]。

3 實驗研究

為了驗證基于用電信息采集的非侵入式居民電力負荷自動監測系統的實際應用效果，文中選用傳統的基于貝葉斯準則的非侵入式居民電力負荷監測系統、基于監督學習的非侵入式居民電力負荷監測系統與文中設計的系統進行了對比性的實驗研究。實驗場景為配備不同家用電器的房間，將3 種檢測系統分別對同一狀態下的家用電器用電負荷情況進行檢測。

實驗參數如表1 所示。

表1 實驗參數

根據表1 的實驗參數和實驗場景進行實驗，通過提高檢測精確度來降低高峰負荷，文中研究的實驗精確度結果如表2 所示。

表2 3種系統電力負荷監測精準度

根據表2 可知，文中設計的系統在用戶電力負荷監測辨識方面的精準度明顯高于傳統監測系統。文中選用的電器是人們日常生活中常用的家用電器，且功率較大，電力負荷產生的波動變化較為明顯，尤其是高峰負荷。在這種情況下，文中設計的系統監測精準度始終保持在95%以上，且精準度變化不大，較為穩定；而基于貝葉斯準則的非侵入式居民電力負荷監測系統的負荷監測精準度只有對電冰箱的監測精準度達到了90%以上，精準度變化差距也比較大，監測水平不夠穩定準確；基于監督學習的非侵入式居民電力負荷監測系統監測精準度變化雖然比較穩定，但是精準度相比于前者更低，只有80%左右，監測精準水平并不理想。

用電異常監測耗時如圖7 所示。

圖7 用電異常監測耗時

由此可見，文中設計的監測系統具有較好的電力負荷監測精準性，能夠在短時間內判斷電力負荷，進而減少高峰負荷，整體性能高于傳統的監測系統。

4 結束語

文中針對傳統電力負荷監測系統存在的弊端，設計了基于用電信息采集的非侵入式居民電力負荷自動監測系統，結合用電信息采集技術對電力負荷數據分析算法進行了改進，提高了監測的精準度。并通過實驗證明了該系統對負荷，尤其是高峰負荷有很強的感應和監測能力，能夠及時對負荷狀態和突發事件作出反應。文中設計的系統有利于用戶電力負荷信息的透明化，能夠推動電力監測技術的進一步發展。