[发明专利]一种用电系统的非侵入式负荷异常识别方法及系统

说明书

本发明提供一种用电系统的非侵入式负荷异常识别方法，包括实时采集电气负荷信号并降噪；基于降噪后的电气负荷信号，检测是否发生投切事件；若发生，则负荷工作状态达到稳定后，周期性采集相应的负荷电压和负荷电流并预处理；利用网格映射法，将每周期V‑I轨迹分别根据无功功率、功率因数和电流序列分布数值特征映射到RGB彩色图像三通道像素矩阵中；提取每周期负荷电流各高次谐波幅值并根据像素矩阵大小进行二进制转换后，与映射后的RGB彩色图像三通道像素矩阵融合成彩色混合图像；将彩色混合图像输入到事先训练好的卷积神经网络中识别负荷异常。实施本发明，不仅能区分V‑I轨迹相似且功率大小差异较小的负荷，以提高识别精度，还能降低识别算法的运算复杂度，提高准确性。

技术领域

本发明涉及用电负荷识别技术领域，尤其涉及一种用电系统的非侵入式负荷异常识别方法及系统。

背景技术

近年来，随着电气化设备的高度普及，电气火灾的发生概率也不断提高。其中，较大以上火灾则有三分之一是电气原因引起，且以电气线路故障居多。通过这些数据揭示了用电安全的严峻形势，作为人群聚集的高校宿舍，电气火灾时常发生，因此对高校宿舍电气火灾的防范研究是必不可少的。

现今，对于电气火灾的防护主要是通过现有的硬件设施，如各类烟雾报警器等，需感应到相关的物理现象的基础上，再依靠人工的方式来避免火灾的发生，但该方法必须有已发生燃烧现象的大前提。因此，有必要在未发生电气火灾的情况下，从电气线路安全风险评估的角度来减小火灾发生概率。

目前，电气线路安全风险评估的一个重要手段是用电系统的非侵入式负荷监测(NILM)。但是，该方式存在以下不足之处，具体包括： (1)随着负载基本特征原始数据量逐步增大，使得识别处理过程更加复杂，导致识别效率也随之降低；(2)鉴于部分电器功率、电流等负载特征相似度变高，导致出现特征重叠现象，识别效果较差。即便是利用负荷稳态时的V-I轨迹特征来改进负荷识别，也仅保留了电压-电流信号的形状特征，但还是无法提现设备之间的功率等数值差异，丢失了大量有价值的信息，使得识别精度有限。

因此，有必要提出一种新的非侵入式负荷监测方式，不仅能区分 V-I轨迹相似且功率大小差异较小的负荷，以提高识别精度，还能降低识别算法的运算复杂度，提高准确性。

发明内容

本发明实施例所要解决的技术问题在于，提供一种用电系统的非侵入式负荷异常识别方法及系统，不仅能区分V-I轨迹相似且功率大小差异较小的负荷，以提高识别精度，还能降低识别算法的运算复杂度，提高准确性。

为了解决上述技术问题，本发明实施例提供了一种用电系统的非侵入式负荷异常识别方法，所述方法包括以下步骤：

实时采集用电系统的负荷总线上的电气负荷信号并进行降噪处理；

基于降噪处理之后的电气负荷信号，检测是否发生投切事件；

若检测到发生投切事件，则待负荷工作状态达到稳定后，周期性采集相应的负荷电压和负荷电流，并预处理得到每周期V-I轨迹均以连续网格表征的负荷电压和负荷电流；

基于每周期V-I轨迹均以连续网格表征的负荷电压和负荷电流，利用网格映射法，将每周期V-I轨迹分别根据无功功率、功率因数和电流序列分布数值特征映射到预设的RGB彩色图像三通道像素矩阵中；

提取每周期负荷电流各高次谐波幅值，并待根据像素矩阵大小进行相应位数的二进制转换后，进一步与映射后的RGB彩色图像三通道像素矩阵进行融合，形成彩色混合图像；

将所述彩色混合图像输入到事先训练好的卷积神经网络中，识别出负荷异常。

其中，对所述电气负荷信号进行降噪处理的步骤具体为：