[发明专利]一种考虑非电气特征量的分布式能源区域的能源监测方法

说明书

本发明公开了一种考虑非电气特征量的分布式能源区域的非侵入式能源监测方法。本发明基于非侵入式负荷监测的思想，针对包含分布式光伏和电动汽车的分布式能源区域，通过考虑各交互式能源的接入与运行特征，并将时间、温度、太阳辐射度、天气等电气特征量纳入考虑范围，筛选辨识度高的特征量以建立信息特征库。结合基于事件检测算法与BiLSTM神经网络模型进行在线识别。本发明能够解决分布式能源区域交互式能源信息记录匮乏的问题，提高配电网对交互式能源设备的可观测性，且本发明通过将多种非电气特征量纳入特征库的方案，大大提高了辨识的精度。

技术领域

本发明涉及一种考虑非电气特征量的分布式能源区域的非侵入式能源监测方法，属于非侵入交互式能源监测领域。

背景技术

电动汽车作为一种绿色交通工具，也迎来了新的发展机遇，2021年实现产销300万辆。然而大规模分布式光伏与电动汽车(以下统称为交互式能源设备)的接入并网对配电网的潮流、线路损耗、电能质量等产生了不可忽视的影响，给配电网的安全经济运行带来巨大挑战。随着智能电网技术日益成熟，同时，现有研究通过有源配电网、虚拟电厂、需求侧管理等各种方案缓解影响。但这些智能解决方案的一个必要条件是配电网的可观测性，然而，由于一部分交互式能源设备未经授权或未报告而进行安装以及大部分交互式能源设备终端与用户紧密耦合导致对其缺乏单独的计量，配电网实际上对快速增长的交互式能源的可见性非常有限，例如各设备的状态、数量、类型和位置，而因为成本和隐私问题，在每个交互式能源上安装传感器是不切实际的。因此，开发一种无需单独监测且经济高效的方法来估算区域层面的交互式能源连接状态是至关重要的。随着智能电网技术的日益成熟，基于非侵入式负荷监测与分解方法(Non-intrusive load monitoring,NILM)对实现交互式能源的辨识具有良好的发展前景。在智能电表上实施NILM型算法可以为电网或用户提供交互式能源的实时发电/用电信息，提高了配电网的可观测性，减轻配电网中交互式能源不协调增长的负面影响，从而提高系统的灵活性、可靠性和效率，有助于传统电力系统到动态智能电网的有效过渡。

发明内容

本发明旨在提出一种考虑非电气特征量的分布式能源区域的能源监测方法。

本发明采用的技术方案具体如下：

一种考虑非电气特征量的分布式能源区域的能源监测方法，具体为：

实时获取用户的电表信息，并基于获取的电表信息采用事件检测算法检测是否发生投切事件；若发生投切事件，则根据事件前后的电表信息及外界条件信息构建交互式能源设备的输入特征向量，并输入至训练好的交互式能源设备辨识模型，获得辨识结果；

其中，所述输入特征向量包括当前时段及上一时段交互式能源设备的有功功率、无功功率、电压幅值、电流谐波、模式电压、电流波形、天气、太阳辐照度、温度中的一种或多种。

本发明基于非侵入式负荷监测的思想，针对包含分布式光伏和电动汽车的分布式能源区域，通过考虑各交互式能源的接入与运行特征，并将时间、温度、太阳辐射度、天气等电气特征量纳入考虑范围，筛选辨识度高的特征量以建立信息特征库。结合基于事件检测算法与神经网络模型进行在线识别。本发明能够解决分布式能源区域交互式能源信息记录匮乏的问题，提高配电网对交互式能源设备的可观测性，且本发明通过将多种非电气特征量纳入特征库的方案，大大提高了辨识的速度和精度。

进一步地，所述输入特征向量包括当前时段及上一时段交互式能源设备的有功功率、电流谐波、电流波形、天气、太阳辐照度和温度。

进一步地，所述基于获取的电表信息采用事件检测算法检测是否发生投切事件具体为：

基于获取的电表信息构建功率时间序列，再采用带边距的滑动窗口获取功率时间序列的窗口数据，计算窗口数据的决策值g_n，若g_n＞阈值h则未发生投切事件，反之表示发生投切事件。

进一步地，所述训练好的交互式能源设备辨识模型的模型结构为循环神经网络。