基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法

摘要

本发明公开了一种基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法：选择典型的智能电网负载进行数据采集和特征分析，建立负载特征数据库；在智能电网终端用户断路器层通过智能电表获取用户用电数据；对采集数据行预处理并检测用电开关事件；利用聚类算法对开关事件进行聚类，每个类对应于一种用电负载的启停行为；将聚类的开关事件进行负载识别；识别结果利用稳态谐波电流特征分析进行结果校验，并更新识别结果。本发明可以在不影响智能电网正常运行及用户正常使用的基础上，检测负载设备的类型和使用情况，既有助于智能电网的负荷侧管理，也有利于加强需求侧管理，这对改善电网负荷构成，实现电力资源与负载的优化配置有重大意义。

说明书

技术领域：

本发明涉及智能电网实时监测和优化控制领域，特别涉及了针对智能电网的用电负载检 测与识别方法。

背景技术：

智能电网利用信息网络技术对电力网络中发电、配电和耗电设备进行实时监测和优化控 制，实现节能、减排等目标。电力系统监测技术是智能电网的基础，而负荷监测是电力系统监 测的一个重要组成。负荷监测通过对系统负荷进行监测，有助于电网了解负荷运行情况，加强 负荷侧管理实现电网优化；在智能电网背景下的负荷监测还有利于需求侧管理，引导用户合理 消费，降低用电成本，同时也有助于改善电网负荷构成，有利于国家电力资源的优化配置。

传统的负荷监测系统是侵入式的，需要在所要监测的每一个负载上加装硬件设备，并使用 电力载波等技术将信息传输至数据中心。虽然这种方法简单、方便，但在安装、维护时，需要 大量的时间和费用，同时还可能会对电力系统造成影响，降低系统的可靠性。如何高效节省稳 定的进行负荷监测成为智能电网的一个重要问题。

一般的负荷检测方法只使用单一特征，这有很多缺点，但是由于数据采集设备功能单一， 要获取多维特征就必须安装多种数据采集设备。随着智能电表在智能电网中的广泛安装，智能 电表便捷的通信功能和强大的数据采集能力为电力系统负荷监测提供了更好的基础，同时对负 载检测与识别的方法也提出了更新的要求。

发明内容：

本发明的主要目的在于提供一种基于稳态和暂态特征联合匹配的智能电网负载检测与识 别方法，根据使用环境需要，选择典型的智能电网用电负载建立负荷特征库，从智能电网用户 侧的智能电表获取用户用电数据，基于可变均值的双边CUSUM开关事件检测算法，对事件采 用基于稳态有功-无功二维特征的事件聚类算法，聚类成功的事件基于稳态功率特征匹配识别， 聚类未成功事件基于暂态电流特征的互相关分析识别，对识别事件进行基于稳态谐波电流特征 的校验，更新识别结果，最后按一定规则进行配对，实现负载的检测与识别。

本发明的目的通过以下技术方案实现：

基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法，包括如下步骤：

1）、通过被检测用户的智能电表获取一定时间长度的多维用电数据；

2）、对步骤1）获得的多维用电数据中有功功率数据和无功功率数据进行预处理，利用基 于可变均值的双边CUSUM算法分析有功功率数据，检测负载的开关事件；

3）、基于稳态有功无功二维特征，利用聚类算法对步骤2）获得的开关事件进行聚类分析；

4）、对聚类成功和不成功的开关事件，分别进行稳态功率特征匹配和暂态电流特征分析， 标记出识别的开关事件的负载类型；

5）、对识别的开关事件进行基于稳态谐波电流特征分析、校验，更新识别结果；

6）、对识别的开关事件进行开、关事件配对，将结果输出；不能配对的开关事件和未识 别的开关事件放在下一个检测时段继续分析。

本发明进一步的改进在于：步骤1）中从智能电表采集的多维用电数据包括稳态有功功率、 稳态无功功率、稳态谐波电流和暂态电流数据。

本发明进一步的改进在于：所述稳态谐波电流包括3次谐波电流和5次谐波电流。

本发明进一步的改进在于：步骤2）对采集的有功功率数据和无功功率数据进行预处理为 进行滑动窗口滤波处理；利用基于可变均值的双边CUSUM算法对有功数据进行分析，检测开 关事件，记录下开关事件发生的时间，开关事件发生过程中有功功率和无功功率的变化，开关 事件对应的电流谐波数据和暂态电流数据。

本发明进一步的改进在于：步骤2）中利用基于可变均值的双边CUSUM算法对有功数据 进行分析，检测开关事件的步骤包括：当步骤1）采集的有功功率序列处于稳态时，CUSUM 正统计量和负统计量均以阈值β在0附近波动，此时更新计算算法均值；当有功序列出现正偏 移，正统计量不断增加，当大于阈值h时，认为是开事件；当有功序列出现负偏移，负统计量 不断增加，当大于阈值h时，认为是关事件；其中阈值β为被检测电网中被检测用户负荷功率 最大值的10%；阈值h为被检测用户负荷功率的20%。

本发明进一步的改进在于：步骤3）对检测到的开、关事件，在有功功率-无功功率二维空 间上采用聚类算法进行聚类；如果一类中只有一个事件，认为是聚类不成功的事件；如果一类 中有多个事件，认为是聚类成功的事件。

本发明进一步的改进在于：步骤3）中所述聚类算法为K均值算法或K中心算法。

本发明进一步的改进在于：步骤4）对聚类不成功的事件，将事件对应的暂态电流特征与 负载特征库中各负载的暂态电流特征进行互相关性分析；互相关性大于一定值ρ则认为开关事 件与该负载匹配，ρ=0.8；如果某一开关事件只与一种负载匹配，标记为未识别事件；如果某 一开关事件可以检测到与n种负载匹配，n为正整数，则将该开关事件按照负载特征库中对应 的n种负载的特征数据拆分成对应的n个开关事件，标记出每个开关事件对应的负载类型；所 述负载特征库包括若干种被检测电网对象中出现的负载设备，负载特征库中每种负载设备包括 以下特征数据：负载稳态工作时的有功功率，无功功率，3次谐波电流，5次谐波电流，开和 关时段的暂态电流数据。

本发明进一步的改进在于：步骤4）对于聚类成功的事件，在每一类中所有的开关事件中， 抽取至少一个开关事件按其稳态有功功率和无功功率与负载特征库中各负载的稳态有功功率 和无功功率特征进行匹配，标记出每个类对应的负载类型。

本发明进一步的改进在于：步骤5）对所有标记出负载类型的开关事件，将其对应的谐波 电流特征与负载特征库中各类负载的谐波电流特征进行匹配，如果匹配到的负载类别与标记的 负载类别不同，则以谐波电流特征进行匹配所获得的负载类型对该开关事件对该开关事件重新 标记负载类型。

本发明进一步的改进在于：步骤6）中，对步骤4）中负载类型标记正确的开关事件和经 过步骤5）重新进行标记负载类型的开关事件，按其负载类型分类，对于每一类中开事件和关 事件按照一定原则配对：关事件时间在开事件时间之后；时间间隔最近的开事件和关事件配对； 所有配对的开关事件输出到结果；未配对的开关事件和未识别的开关事件放在下个检测时段继 续分析。

相对于现有技术，本发明具有以下优点：

本发明中提到的负载检测与识别技术基于多维特征，包括有功功率、无功功率、谐波电流 （3次和5次）以及暂态电流，多特征联合匹配，弥补了使用单一特征进行负载检测与识别的 缺点，提高了检测的精确度，同时也提高了检测能力，对于稳态有功无功二维特征接近的负载 可以有效的识别，对于多负载同时投入或切出的情况也可以进行分析。

在多特征联合匹配机理中，以稳态有功无功特征检测为主，暂态电流特征进行辅助分析， 谐波电流特征进行结果检验，充分发挥各特征检测的优点并合理安排各模块的作用，提高了效 率。

附图说明：

图1为基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法的技术框图；

图2为基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法流程简图。

具体实施方式：

以下结合附图，详细说明本发明基于稳态与暂态特征联合匹配的智能电网负载检测与识别 方法的实施方式。

本发明方法基于稳态和暂态特征联合匹配，需要建立负载特征库。选取典型的智能电网负 载设备（可根据使用环境选择），负载特征库中包括若干种被检测电网对象中出现的负载设备， 负载特征库中每种负载设备包括以下特征数据：负载稳态工作时的有功功率，无功功率，谐波 电流（3次和5次），开和关时段的暂态电流数据。

图1、图2分别为基于稳态和暂态特征联合匹配的智能电网负载检测与识别方法的技术框 图和流程简图，显示了基于稳态和暂态特征联合匹配的智能电网负载检测与识别方法的基本框 架。

本方法可以实现半实时性，根据对检测精度和实时性的不同要求，设定一定的采样频率和 检测时段，多个检测时段循环工作。检测初始，根据对精度和实时性的不同需要设定检测时段 T（默认15min）和采样间隔（默认1s）；设定开关检测算法的稳态阈值β（根据检测对象的不 同取不同值，一般可取被检测电网中被检测用户负荷功率最大值的10%）和检测阈值h(一般可 取被检测电网中被检测用户负荷功率的20%)，暂态电流特征分析的互相关系数ρ（一般可取 0.8）；对开关事件库清零。请参阅图1及图2所示，本发明是一种基于稳态和暂态特征联合匹 配的智能电网负载检测与识别方法，具体包括如下步骤：

步骤100：从被检测用户的智能电表读取时间长度T的多维负荷数据，包括稳态有功功率， 稳态无功功率，稳态谐波电流（取3次和5次），暂态电流数据；

步骤101：对采集的有功功率数据和无功功率数据进行滑动窗口滤波处理，并利用基于可 变均值的双边CUSUM算法对有功功率数据分析，检测开关事件，记录下开关事件发生的时间， 开关事件发生过程中有功功率和无功功率的变化，开关事件对应的电流谐波数据和暂态电流数 据；

步骤102：对检测到的开、关事件，在有功功率-无功功率二维空间上采用聚类算法（K均 值算法或K中心算法）进行聚类。一类中只有一个事件，标记为聚类不成功的事件；一类中 有多个事件，标记为聚类成功的事件；

步骤103：对于聚类不成功的事件，将开关事件对应的暂态电流特征与负载特征库中各负 载的暂态电流特征进行互相关性分析，互相关性大于一定值ρ（一般取0.8）则认为开关事件 与该负载匹配。如果某一开关事件只与一种负载匹配，标记为未识别事件；如果某一开关事件 可以检测到与n种负载匹配（即该开关事件对应n种负载同时开关），则将该开关事件按照负 载特征库中对应的n种负载的特征数据拆分成对应的n个开关事件，标记出每个开关事件对应 的负载类型；

步骤104：对于聚类成功的开关事件，在每一类中所有的开关事件中，抽取至少一个开关 事件按其稳态功率特征（包括有功功率和无功功率）与负载特征库中各负载的稳态功率特征（包 括有功功率和无功功率）进行匹配，标记出每个类对应的负载类型；

步骤105：对步骤103和步骤104中标记出负载类型的开关事件，将其对应的谐波电流特 征与负载特征库中各类负载的谐波电流特征进行匹配，如果开关事件匹配到的负载类型与标记 的负载类型不同，则以谐波电流特征进行匹配所获得的负载类型对该开关事件重新标记负载类 型；

步骤106：对步骤103和步骤104中负载类型标记正确的开关事件和经过步骤105重新进 行标记负载类型的开关事件，按标记的负载类型分类，对于每一类中开事件和关事件按照一定 原则配对：关事件时间在开事件时间之后；时间间隔最近的开事件和关事件配对。所有配对的 开关事件输出到结果；未配对的开关事件和未识别的开关事件放在下个检测时段继续分析；

步骤107：至此完成一个检测时段的检测，重复步骤100~106的操作，进入下一个检测时 段，直到检测结束。