[发明专利]一种基于家居负荷分解的用电控制系统

摘要

本发明公开了一种基于家居负荷分解的用电控制系统，包括一台智能电表、若干采集模块以及若干智能插座；通过智能插座与钳形电流采集器获取到的设备状态变换信息能够为负荷分解提供时间点数据，编号分类过的智能插座及钳形电流采集器能够为负荷分解提供部分先验知识，这两大措施能大大提高负荷分解的准确度，有助于识别难以被传统非侵入式负荷分解方法识别出的用电设备，同时也能够降低对传感器采样频率，采样类型等的性能要求。此外，结合智能插座的通断电功能，通过智能电表的控制实现电源的按需投切。

主权项

1.一种基于家居负荷分解的用电控制系统，其特征在于，包括一台智能电表、若干采集模块以及若干智能插座；所述的采集模块包括钳形电流采集器和嵌于智能插座中的数据采集部分，所述采集模块采集一个或多个用电器的总电流；所述的智能插座对与它连接的所有用电器提供电能并统一控制；所述的控制系统中，存在部分孤立用电器不被采集模块测量电流，或不被智能插座控制仅由普通插座提供电能；所述智能电表中存储有采集模块的布局图和预期孤立用电器类别，布局图记录各个采集模块的编号、各个采集模块对应的预期用电器及预期总电流；智能电表采集该家庭用户的总电流DM，同时获取所有采集模块采集的电流信号DR，将DM和DR输入到预先训练好的神经网络模型，根据神经网络模型的输出生成用电报告，并控制智能插座的通断，进而控制连接的所有用电器的开关。所述神经网络模型通过如下步骤得到：(1‑1)样本获取：在布局有上述控制系统的模拟家庭环境下，针对任一台用电器d′，获取其实际实时电流Y′；智能电表实时采集总电流D′M，采集模块r1′,r2′,r3′,...,rh′实时采集电流，分别得到电流序列D′R1,D′R2,D′R3,...,D′Rh，h为采集模块数量；D′R1,D′R2,D′R3,...,D′Rh构成D′R(h×p，p为采样次数)，D′R1,D′R2,D′R3,...,D′Rh按采样时刻分别求和构成D′S(h×1),D′S即各采集模块所测电流数据之和。若用电器d包含在采集模块ri′所采集的若干用电器中，则将D′M和D′Ri合并为X′，否则将D′M和D′S合并为X′；(1‑2)设计包含有递归神经网络层，卷积神经网络层、全连接层的深度神经网络；(1‑3)训练模型：将X′和Y′划分为训练集和测试集，定义损失函数，利用训练集中的X′和Y′训练模型。特别的，Y′中时间点t的数据基于X′中时间点t‑T到t的数据训练得到；(1‑4)测试模型：以测试集的X′和Y′测试步骤(3)中模型对用电器d的分解效果；(1‑5)调整模型：根据步骤(1‑4)调整步骤(1‑2)中的各深度神经网络参数。通过所述步骤(1‑1)到(1‑5)对每种用电器建立神经网络模型，所述神经网络模型分为A、B两类，A类模型对应该用电器电流数据被采集模块采集情形，B类模型对应该用电器电流数据未被任何采集模块采集情形。所述的根据神经网络模型的输出生成用电报告通过如下步骤得到：(2‑1)数据获取：在实际家庭环境下，循环获取T时间段内智能电表采集的总电流DM，采集模块r1,r2,r3,...,rh采集的电流DR1,DR2,DR3,...,DRh构成DR(h为采集模块数量)，DR1,DR2,DR3,...,DRh按采样时刻求和构成DS,DS即各采集模块所测电流数据之和。(2‑2)模型检测：对DR中的每一行DRi，与DM合并为Xi，输入到各用电器的A类模型中，输出各类用电器的功率Yi，其中，i的取值范围为1～h，Yi为一矩阵，其行数为A类模型中用电器类别数量，每行表示该类用电器的功率变化；将DS与DM合并为XS，输入到各用电器的B类模型中，输出各类用电器的功率YS，YS为一矩阵，其行数为B类模型中用电器类别数量，每行表示该类用电器的功率变化。(2‑3)用电器筛选：各类用电器的功率Yi与采集模块ri对应，根据布局图中ri的预期用电器种类选择Yi中的用电器，得出采集模块ri所采集用电器功率曲线及流经实际总电流Ii；根据预期孤立用电器类别筛选功率YS，得到各孤立用电器的功率曲线。(2‑4)生成用电报告：根据(2‑3)的结果得到各用电器功率曲线及流经采集模块ri的总电流Ii智能电表对智能插座的控制通过如下步骤进行：(3‑1)电流数据异常检测：智能电表分析DR中来自于智能插座的电流数据，若超过预期总电流的50％，则判定产生异常，将该智能插座断开；(3‑2)模型输出异常检测：分析用电报告中经智能插座控制的用电器功率曲线，若瞬时功率超过用电器额定功率的2倍，则判定产生异常，将对应的智能插座断开；(3‑3)用户自定义控制：在步骤(3‑1)、(3‑2)未检测到异常的情况下，根据用户预设的定时任务开关相应智能插座。