[发明专利]一种基于平均负荷和总需量畸变率的非入户负荷识别方法

说明书

本发明公开了一种基于平均负载和总需量畸变率的非入户负荷识别方法，涉及负荷识别技术领域，所述方法包括：采集居民家庭用电入户端的电压和电流信号并进行滤波处理；计算平均电导、平均电纳、平均导纳模值并根据这三个特征量建立单负荷离线特征库；采用平均电导、平均电纳、平均导纳模值和总需量畸变率的差值序列进行负荷投切事件检测与稳态判断；利用稳态运行时的平均电导、平均电纳和平均导纳模值进行负荷分解与识别。本发明引入的平均电导、平均电纳与平均导纳和总需量畸变率特征量较全面的包含了负荷的物理特征，并且在实现负荷识别时计算过程简单。

技术领域

本发明涉及居民家庭用电负荷识别领域，具体涉及一种基于平均负荷和总需量畸变率的非入户负荷识别方法。

背景技术

随着全球能源互联网的建设与发展，我国初步建成了互动化的智能电网服务体系，总居民家庭用电负荷占电力负荷的比重越来越大，智能电网中供电电网与居民用户的双向互动反馈的重要性越来越明显。对居民家庭用电负荷进行识别，不仅可以为用户的合理用电提供指导依据，也有利于电网进行需求侧管理。

目前，负荷识别方法可分为入户与非入户两类。入户负荷识别方法需要为每个家庭用电器都安装上监测装置以获取负荷数据，虽然该方法具有数据处理简单的优点，但硬件成本高且不具有隐私性，用户体验感较差。非入户负荷识别方法只需在居民入户端安装一个监测装置，通过分析居民入户总线的电压和电流数据就可以达到负荷识别的目的，该方法虽然在负荷识别算法上有较高的要求，但大大减少了硬件成本并提高了用户的体验感。

非入户负荷识别方法通常包括数据采集与处理、事件检测、特征提取和负荷分解与识别等五个步骤。数据采集是对电压和电流波形进行采样，通常可通过电能表得到采样数据；数据处理主要实现滤波去噪功能，常用的软件算法有中值滤波、均值滤波和高斯滤波等算法。事件检测是负荷分解识别的重要基础，事件检测是对负荷的投入/切除事件进行检测，目前常用电流有效值和有功功率作为事件检测的负荷特征指标。负荷特征反映了负荷某一方面的物理特性，合适的特征能够直接影响负荷识别的运算时间与准确率，目前负荷特征主要分为暂态特征与稳态特征两类，稳态特征主要包括功率、V-I轨迹和谐波幅值与相角等，暂态特征包括暂态持续时长、冲击电流倍数等。负荷分解与识别是根据负荷特征及相关算法进行负荷分解与识别的，遗传算法、粒子群算法和鸡群算法等常常应用于负荷分解和识别。

本发明提出了一种基于平均负载和总需量畸变率的非入户负荷识别方法，本方法采用代表平均负载的平均电导、平均电纳、平均导纳模值三个特征量建立特征库，并利用平均电导、平均电纳、平均导纳模值和总需量畸变率差值序列进行负荷投切事件检测与稳态判断，同时利用稳态时的平均电导、平均电纳和平均导纳模值进行负荷分解与识别。由于平均电导、平均电纳、平均导纳模值和总需量畸变率包含了电流各次谐波幅值、电压基波幅值与基波功率因数等负荷物理特征信息，因此本发明使用的这些特征量较全面的包含了负荷的物理特征，并且在实现负荷识别的五个步骤中计算过程简单。

发明内容

本发明的目的在于提供一种基于平均负载和总需量畸变率的非入户负荷识别方法，该方法选取了较全面包含了负荷物理特征信息的平均电导、平均电纳与平均导纳模值和总需量畸变率等四个特征量，可以通过较简单的计算过程实现居民家庭用电负荷的识别。为了解决上述目的，本发明采用的技术方案为：

一种基于平均负载和总需量畸变率的非入户负荷识别方法，包括以下步骤：

S0：设置标志位Flag＝0；

S1：对居民家庭用电入户端的电压和电流波形进行M个整周期的数据采集；

S2：对采集到的电流数据进行滤波处理；

S3:计算每个周期平均电导G、平均电纳B、平均导纳模值|Y|和总需量畸变率TDD；

S4:计算相邻两个周期平均电导G、平均电纳B、平均导纳模值|Y|和总需量畸变率TDD的差值序列ΔG、ΔB、Δ|Y|和ΔTDD；