摘要
通过非侵入式负荷监测技术,可以更为详细地了解居民各个时段的用电信息,帮助其制订合理的用电计划,以达到科学用电。非侵入式负荷监测技术的重点是暂态事件的监测,本文提出希尔伯特振动分解(Hilbert vibration decomposition,HVD)算法对用电设备开启瞬间的功率、电流等电气参数变化时存在的突变点进行暂态事件的监测。HVD算法负荷监测与双边滑动窗CUSUM变点监测算法相比,不用设定阈值,所以漏检和误检的可能性大大降低。通过MATLAB/Simulink仿真软件搭建相应的电路模型,仿真分析得出HVD算法可以有效地对暂态事件进行辨识。
随着科学技术的快速发展,智能用电在生活中变得越发重要。家用负荷监测是实现智能用电的重要环节,为了获取每种电器的电能消耗情况和运行状态,负荷监测通过对总负荷的数据进行采样与分析,以监测每种电器的详细运行状
传统的负荷监测需要在每个用电设备上安装一个传感器,消耗大量的人力物力。20世纪80年代麻省理工学院的Hart教授提出了非侵入式负荷监测(Non⁃intrusive load monitoring, NILM),NILM仅在用电设备入口处安装监测装置,通过采集入口处的电气参数,以达到对系统内部负荷的种类和运行情况的监测,实现负荷的辨识。非侵入式负荷监测分析方法主要分为稳态特征方法和暂态特征方法,稳态特征主要是指用电设备的稳态基波、谐波功率等特征,暂态特征主要指用电设备开启瞬间的功率、电流值等的变化规律。成功对用电设备的暂态事件进行监测是后期负荷识别及非侵入负荷监测的基
本文针对负荷的电流特征进行暂态监测,电流值的大小会随着负荷开启或关闭时暂态过程而变化,将电流的变化应用到暂态监测的算法中,作为判断是否有暂态事件发生的识别标准。文献[
针对上述算法存在的不足,本文提出了一种希尔伯特振动分解(Hilbert vibration decomposition, HVD)算法。HVD算法是一种非平稳信号处理方法,最早应用于机械的振动故障诊断,后来研究者又对频率波动、幅值突变等暂稳态谐波进行检测都取得了良好的效
随着生活水平的提高,家用负荷的种类越来越多,当负荷在发生故障和投切等运行状态发生改变时,监测到的电流、功率等电气参数会随之发生变化,电气参数变化时会存在着突破
对任何一个连续的非平稳信号X(t)的Hilbert 变换为
(1) |
原始信号X(t)与Hilbert 变换信号Y(t)组成一对共轭复数对,得到X(t)的解析信号为
(2) |
式中A(t)和φ(t)分别为原始信号X(t)的瞬时幅值和瞬时相位,对应的表达式分别为
(3) |
(4) |
因此瞬时频率对应的表达式为
(5) |
由于多分量频率和幅值的非平稳性,信号X(t)可表示为
(6) |
式中:i为当前的分量编号,i=1,2,…,N,N为多分量的个数;Ai(t) 、fi(t)分别为第i个分量的瞬时幅值、频率;θi、φi(t)分别为第i个分量初相位和相位。将信号X(t)经希尔伯特变换得到解析信号Z(t)表达式为
(7) |
当N=2时,解析信号Z(t)可表示为
(8) |
式中j为虚数。由解析信号得到X(t)的瞬时幅值A(t)表达式为
(9) |
瞬时频率为
(10) |
式中包含两部分:(1)幅值最大分量的瞬时频率f1(t),(2)快速变化的不对称振荡高频分量。实际应用中可用低通滤波滤除不对称振荡成分,则f(t)=f1(t)。
将以上估计的瞬时频率看作为参考频率fr(t),同时经同步检测得到瞬时幅值Ar(t)和初相位θr(t),构造两个正交信号、,将原始信号X(t)与正交信号相乘得同相输出X1(t)表达式为
(11) |
正交相输出X2(t)表达式为
(12) |
(13) |
(14) |
从而可得到瞬时幅值Ar(t)和初相位θr的表达式分别为
(15) |
(16) |
选取一个有3个不同频率不同幅值的谐波信号为仿真信号
(19) |
采样频率设为2 kHz,选取1 024个采样点,信号仿真时域波形如

图1 仿真信号时域波形图
Fig.1 Simulation signal time domain waveform
对该仿真信号进行HVD分解可以得出各谐波分量,如

图2 HVD分解后的仿真信号
Fig.2 Simulation signal after HVD decomposition

图3 HVD分解后的瞬时频率和瞬时幅值
Fig.3 Instantaneous frequency and instantaneous amplitude after HVD decomposition
由此可知,仿真信号可以通过HVD进行分解,并正确地提取出原信号的瞬时频率和瞬时幅值,从
在HVD算法中由于Hilbert变换和低通滤波器对截断数据处理将会导致边界效应,输入信号两端出现无规则振荡,产生误差,且在迭代过程中误差会不断累积,影响当前分量的检测精度。因此,本文将采用自适应波形匹配延拓法解决这种边界效
本文选取电视机、冰箱、取暖器3个家用负荷的暂态事件来观察边界效应对检测精度的影响。

图4 3种负荷电流曲线图
Fig.4 Three load current curves

图5 负荷电流幅值曲线图
Fig.5 Load current amplitude curve
通过自适应波形匹配延拓法对负荷的电流幅值曲线进行边界延拓,如

图6 边界延拓后的负荷电流幅值曲线图
Fig.6 Load current amplitude curve after boundary extension
通过MATLAB/Simulink软件搭建热水壶的电路模型,得出频率为50 Hz的电流曲线如

图7 热水壶的电流曲线
Fig.7 Current curve of the kettle

图8 热水壶的有功功率曲线
Fig.8 Active power curve of the kettle

图9 热水壶突变时刻定位检测
Fig.9 Kettle mutation moment location detection
为了验证HVD算法对事件检测的准确性,本文对某用户中的电视机、热水器、取暖器、电风扇、微波炉、冰箱6种负荷的暂态事件进行检测。在MATLAB/Simulink软件中搭建模拟电路如

图10 仿真模型
Fig.10 Simulation model
首先设置对应的负荷动作序号与对应的暂态事件,如

图11 6种负荷电流曲线图
Fig.11 Six load current curves

图12 负荷有功功率曲线图
Fig.12 Load Active power curve
在
由

图13 暂态事件辨识结果图
Fig.13 Graph of transient event identification result
结合电流曲线图(
结合负荷状态序号值和
在智能用电的趋势下,为了帮助用电用户更为详细地了解各个时段的用电情况,做到合理用电,减少电费开支,节约能源,本文提出了基于HVD算法的负荷暂态事件监测方法,通过对某用户的6种电器设备的暂态事件进行监测,并利用MATLAB/Simulink仿真软件搭建了对应的模拟电路。总结得出:该算法可以准确地监测出用电负荷的投入与切除时刻,较好地验证暂态事件辨识的有效性和可行性。电力公司可以根据该方案了解各个区域的用电信息,合理定价,提高电网利用率,减少投资,降低用户的停电概率。
参考文献
崔灿. 面向智能用电的非侵入式居民负荷监测关键技术研究[D]. 北京: 华北电力大学, 2017. [百度学术]
Cui Can. Study on key technologies in non-intrusive residential load monitoring for intelligent power utilization[D].Beijing: North China Electric Power University, 2017. [百度学术]
曲禾笛. 基于暂态特征的负荷非侵入式辨识方法研究与实现[D]. 成都: 电子科技大学, 2018. [百度学术]
Qu Hedi. Research and implementation of non-intrusive identification method based on transient characteristics[D]. Chengdu: Universit of onic Science and Technoloyg of China Electric Engineering, 2018. [百度学术]
牛卢璐, 贾宏杰. 一种适用于非侵入式负荷监测的暂态事件检测算法[J]. 电力系统自动化, 2011, 35(9): 30-35. [百度学术]
Niu Lulu, Jia Hongjie. Transient event detection alogorithm for nor-intrusive load monitoring[J]. Automation of Electric Power Systems, 2011, 35(9): 30-35. [百度学术]
丁世敬, 王晓静. 基于事件检测的非侵入式负荷识别方法研究[J]. 建筑电气, 2017, 36(7): 57-64. [百度学术]
Ding Shijing, Wang Xiaojing. Research on event-based non-intrusive load monitoring method[J]. Building Electricity, 2017, 36(7): 57-64. [百度学术]
林顺富, 于俊苏. 基于二分递推SVD分解的居民电器开关事件检测方法[J]. 电网技术, 2018, 29(80): 1-10. [百度学术]
Lin Shunfu, Yu Junsu. Method of switching events detection of residential appliances based on binary recursive SVD decomposition[J]. Power System Technology, 2018, 29(80): 1-10. [百度学术]
沈跃, 刘国海. 一种暂稳态电力谐波的HVD检测方法[J]. 数据采集与处理, 2011, 26(1): 117-122. [百度学术]
Shen Yue, Liu Guohai. Transient and steady power harmonic analysis based on Hilbert vibration decomposition method[J]. Journal of Data Acquisition & Processing, 2011, 26(1): 117-122. [百度学术]
许月娟. 负荷投切行为的非侵入式监测与辨识[D]. 北京: 华北电力大学, 2018. [百度学术]
Xu Yuejuan. Non-invasive monitoring and identification of loads switching behavior[D]. Beijing: North China Electric Power University, 2018. [百度学术]
谭啸风, 宣婷婷. 基于数据流的非侵入式负荷识别与分类[J]. 电源技术, 2016, 40(5): 1110-1112,1141. [百度学术]
Tan Xiaofeng, Xuan Tingting. Load identification and classification in non-intrusive load monitoring system based on data stream[J]. Chinese Journal of Power Sources, 2016, 40(5): 1110-1112,1141. [百度学术]