北極星輸配電網(wǎng)訊:主要內(nèi)容

1. 基于NILM居民用電行為分析實施架構(gòu)

利用NILM實現(xiàn)用戶用電行為分析由負(fù)荷分類、用電行為分解及高級應(yīng)用3部分組成。圖1給出了基于NILM的用電行為分析系統(tǒng)架構(gòu)。

（來源：微信公眾號 電網(wǎng)技術(shù) ID：dwjs1957 作者：周明，宋旭帆，涂京，李庚銀，欒開寧）

首先由通過特征提取和負(fù)荷分類實現(xiàn)家庭電器非侵入式識別，再利用用電行為分解算法統(tǒng)計電器的用電信息，包含啟停電器的類型、啟停時間、消耗電能、所用電費等內(nèi)容。最后將監(jiān)測到的各電器的用電信息反饋給用戶，便于用戶進行家庭能量管理及參與電網(wǎng)互動；另一方面為電網(wǎng)公司或其他管理部門制定需求響應(yīng)措施或電價等激勵政策提供服務(wù)。

圖1 基于NILM居民用電行為分析實施架構(gòu)

2. 基于滑動窗的事件探測算法

設(shè)計了含兩次檢測的負(fù)荷投切檢測算法，第一次檢測是判斷功率是否突變及投切過程始點與終點的位置。首先對功率序列取滑動窗S，由于當(dāng)功率突變時，功率序列的波動較大，表現(xiàn)出較大的方差值，對S計算其方差Svar作為功率突變的判斷量。而非電器投切時正常功率波動的大小與功率水平有關(guān)，可將αSmean作為功率是否突變的閾值以避免正常功率波動引起誤檢測，Smean為窗口平均功率，α∈[0,1]為閾值控制系數(shù)，一般地，當(dāng)窗口功率突變時有Svar?αSmean。因此，通過計算滑動窗口功率的方差和均值，可以判斷窗口內(nèi)是否發(fā)生功率突變。并通過不斷滑動窗口，找到功率突變大致始點Pstart和終點Pend，如圖2所示。同時考慮兩側(cè)窗口長度N，可得到較準(zhǔn)確的始點P'start=Pstart+N和P'end=Pend+N終點 。

圖2 基于滑動窗的事件探測示意圖

第二次檢測是進一步判斷是否有投切事件。當(dāng)檢測到有功率突變后，用突變前后穩(wěn)態(tài)功率的差值進一步判斷該突變是投切事件還是其它電器穩(wěn)態(tài)工作時的功率波動。為突變前后穩(wěn)態(tài)功率差值設(shè)置功率閾值θ，若?P>θ，認(rèn)為有投切事件發(fā)生，否則認(rèn)為沒有事件發(fā)生，θ的取值應(yīng)考慮所監(jiān)測電器的功率及其它非電器投切引起的功率波動。

3. Adaboost改進的BP負(fù)荷識別算法

用Adaboost改進的BP負(fù)荷識別算法就是將BP神經(jīng)網(wǎng)絡(luò)作為弱分類器，建立多個BP分類器并用訓(xùn)練集負(fù)荷特征樣本對各個BP分類器逐一進行訓(xùn)練，增加識別精度低的樣本的權(quán)重，減小識別精度高的樣本的權(quán)重，并在訓(xùn)練完成后將多個BP分類器合成一個強分類器，能有效降低算法對訓(xùn)練樣本結(jié)構(gòu)的敏感性，加強對易誤判樣本的識別能力，有助于提高負(fù)荷整體識別準(zhǔn)確率。從美國居民用電實測數(shù)據(jù)庫BLUED中提取9類電器進行驗證，Adaboost-BP負(fù)荷識別算法的識別準(zhǔn)確率如表1所示。

4. 基于NILM的居民用電行為分解

將設(shè)計的事件探測和負(fù)荷識別算法用于居民用電行為在線分解，對電器的啟停時間及種類進行監(jiān)測，在利用NILM技術(shù)識別出電器的啟動時間和電器種類后，即可對該電器運行功率和消耗的電能進行實時監(jiān)測：當(dāng)識別出某電器啟動后，記錄下該電器的啟動時間及啟動前后的功率，并把功率差值作為該電器的運行功率，與時間積分即可實時監(jiān)測電器的用電量；當(dāng)識別出該電器停止后，停止耗電量計算，并記錄下電器停止運行的時間，因此可得出電器此次運行的啟停時間、運行時長、耗電量等用電信息。

根據(jù)事件探測和負(fù)荷識別結(jié)果，利用電器用電量分解方法對電器的用電量進行計算，得到各電器的用能情況。如圖4所示為從總功率信號中進行電能分解，得到各電器功率及耗能情況的示意圖，從表2可以清楚地知道某家庭7種電器在一天內(nèi)的運行次數(shù)、運行時長、耗電量等用電信息。

圖4 電能分解示意圖

后續(xù)研究方向

本文利用非侵入式負(fù)荷監(jiān)測技術(shù)實現(xiàn)居民用電行為的精細(xì)化分析，并根據(jù)分析結(jié)果從家庭節(jié)能和需求側(cè)管理2個方面給出了優(yōu)化用電建議，研究成果對實現(xiàn)居民用戶與電網(wǎng)友好互動提供了決策支持。后續(xù)將研究基于NILM的用戶用電行為分析結(jié)果如何指導(dǎo)用戶優(yōu)化用電行為，并為電網(wǎng)公司制定供需互動策略，更好的實現(xiàn)家庭能量管理和需求側(cè)管理。

參文格式

周明，宋旭帆，涂京，等．基于非侵入式負(fù)荷監(jiān)測的居民用電行為分析[J]．電網(wǎng)技術(shù)，2018，42(10)：3268-3274．

Zhou Ming，Song Xufan，Tu Jing，et al．Residential electricity consumption behavior analysis based on non-intrusive load monitoring[J]．Power System Technology，2018，42(10)：3268-3274(in Chinese)．

相關(guān)文獻

宋旭帆，周明，涂京，等．基于k-NN結(jié)合核Fisher判別的非侵入式負(fù)荷監(jiān)測方法[J]．電力系統(tǒng)自動化，2018，42(6)：73-80．

楊旭英，周明，李庚銀．智能電網(wǎng)下需求響應(yīng)機理分析與建模綜述[J]．電網(wǎng)技術(shù)，2016，40(1)：220-226．

周磊，李揚．分時電價環(huán)境下基于家居能量管理系統(tǒng)的家居負(fù)荷建模與優(yōu)化運行[J]．電網(wǎng)技術(shù)，2015，39(2)：367-374．

作者介紹

周明(1967)，女，博士，教授，博士生導(dǎo)師，華北電力大學(xué)電網(wǎng)研究所所長。全國電力監(jiān)管標(biāo)準(zhǔn)化技術(shù)委員會委員，中國電機工程學(xué)會高級會員，IEEE會員。主要研究領(lǐng)域：新能源電力系統(tǒng)規(guī)劃與運行、電力市場和需求響應(yīng)。目前主持和主研國家重點研發(fā)計劃項目子課題、面上項目縱向和國網(wǎng)公司項目6項。發(fā)表論文200余篇，被SCI/EI檢索150余篇，獲省部級獎勵2項，授權(quán)發(fā)明專利8項。

宋旭帆（1993），男，碩士研究生，研究方向為智能用電與需求響應(yīng)。

涂京（1992），男，博士研究生，主要研究方向為智能用電與大數(shù)據(jù)分析。