蔡婷婷,吳俊堯,李佳奕
(1.南京信息工程大學人工智能學院,江蘇南京,210044;2.南京信息工程大學電子與信息工程學院,江蘇南京,210044)
隨著時代的發展,用電器已經遍廣泛應用于生活的各個領域。根據調查顯示,由于熱水壺、取暖器、電熱毯等電器無人監管所引起的事故占據火災事故的很大比例。因此,用電器的安全使用也成為亟待解決的問題,對用電器分析識別的研究,具有重要意義。
目前常見的用電器識別的方案:一是用電壓電流互感器、ADE7763電能計量芯片測量7種電器的排列組合,根據這些數據來獲取用電器狀態。該方案思路較為簡單,但需要測量的數據較多,中間存在很多不確定因素,容易造成較大誤差。二是基于ADE7763芯片、電壓與電流的相位差和各種不同用電器混疊使用時的電參數獲取用電器狀態。此類方法雖然較方案一加入了相位差的因素,準確率有所上升,但和方案一存在的問題相同。結合上述背景,本文提出一種基于STM32和FFT的用電器分析識別裝置,通過電流互感器和I-V轉換電路,將檢測到的電流轉換成電壓后進行FFT變換,得到信號的頻譜和諧波特性。同時通過SUI-101A電能計量模塊檢測電路的實時特性,得到電路中的實時數據。進而精確識別用電器的工作狀態,用WiFi模塊將數據傳輸給手機,實時顯示工作狀態。
選用OPA657進行IV轉換,后接一個四階低通濾波器濾除工頻干擾,如圖1、2所示。

圖1 OPA657IV轉換電路

圖2 40Hz低通濾波器
選用OP07使用12V供電,一個OP07做加法電路,將IV轉換輸出電壓轉換為0-8V,另一個OP07做跟隨器起到隔離的作用。如圖3所示。

圖3 輸出調理模塊
使用電能采集芯片,通過電流互感線圈和電壓互感線圈,可以測量有用功率和負載電流等。能量采集模塊核心電路如圖4所示。

圖4 電能采集模塊
系統的整體架構分為8個部分,即STM32、外置AD模塊ADS8688、IV模塊、電能計量模塊、電流互感線圈、TFT彩屏、WiFi模塊和插座。將用電器插在插座上,使用電流互感器和IV模塊將電流轉換成電壓,再用外置AD模塊進行采集傳到STM32后進行FFT變換,同時采用電能計量模塊,結合以上數據得到用電器目前狀態,將結果顯示在TFT彩屏上,并使用WiFi模塊將結果傳到手機。系統總體結構框圖和結構示意圖如下。

圖5 系統流程圖
本系統默認上電是識別模式,且已預先存入七種電器的數據,可以直接測量自己的電器,只需打開排插對應口開即可顯示當前參數和電器種類。若需要更換用電器,僅需按下學習按鈕,則可進入學習模式,在學習模式下給需要學習的電器通電,再次按下學習按鈕,屏幕會彈出學習完成的彈窗,當當前電器學習完成時,由于操作不當等原因導致數據異常,可以按取消鍵取消上次錄入的數據,然后重新錄入。當七種數據錄入結束后,按下識別按鍵即可回到識別模式。

圖6 系統流程圖
首先將電器進行二進制編碼,例如1電器和7電器打開時編碼結果為10000001,在學習模式下記錄各個電器的參數,并建立一個簡單的數據庫,將有功功率等理論數值通過公式算出,在識別模式下計算負載的各項電參數,將該負載的每一個參數在數據庫中進行遍歷,找出最近的這組數情況的編碼。本系統通過7種參數進行判斷,最終得出七種電器組合,當七種電器組合的某一位出現有4次以上為1的情況,則認為該電器正在工作中,同理其他6位相同處理,最終可以得到計算判斷結果。
通過接入多種不同的電器,測量其各種電參數。數據如表1所示。

表1 七種電器各項電參數
然后我們通過選取多種組合進行作品測試。

表2 組合測試的準確率
本系統通過學習7種電器的電參數,然后對多種電器進行多次測試,隨機在1-5種小電流用電器、1-3種用電器、4-7種電器各實驗100次,最終準確率分別為98.54%、97.8%、96.9%。
實驗數據表明,用電器分析測量是十分準確的,本系統的諧波可以測量到五階諧波,與理論值相近,展現出了算法的優越性。本設計將電流特性和電功率等參數顯示以及頻譜圖顯示在TFT彩屏上,可以更直觀的看到各個用電器的電參數,便于研究分析。還采用了WIFI無線傳輸模塊,可以將本系統的數據無線傳輸給移動端,提高了系統的實用性。
本設計后續可以優化功耗,使用低功率器件如TI公司的MSP432單片機等,使得該作品可以更加適合生活應用背景。同時可以優化學習算法模型,使用支持狀態機等合適的方法,同時將計算部分部署云端,提高算法效率和功耗損失。最后還可以優化移動設備顯示部分,交互界面更加人性化,使用流暢,參數種類更多。