非介入式负荷辨识感知技术及其典型应用场景

陈骏星溆，徐先勇，孟军，肖剑，陈卓

(1.国网湖南省电力有限公司电力科学研究院，湖南长沙410007；2.国网湖南省电力有限公司长沙供电分公司，湖南长沙410015)

2019年初，国家电网有限公司 (以下简称国网公司)提出 “三型两网，世界一流”战略目标，启动泛在电力物联网建设。其本质内涵是要适应社会形态、打造行业生态、培育新兴业态，利用标准化、规范化的数据产品和基础设施，延伸业务范围，拓展服务对象，创新商业模式。经过近十年的信息化建设和当前泛在电力物联网建设推进，国网公司电力设备的泛在感知已成效初现，但在用户侧却面临着 “最后一公里”数据缺失的问题。以电网的视角来看，用户负荷是一个未知的黑箱子，通过电表计量可以采集用户的总耗电量，满足最基本的电量计费需求。然而，用户的具体负荷类型不可获知，整体的电网负荷组成也不甚明确，这将带来以下几个突出问题:①无法建立准确的电网即时动态负荷模型，大电网峰值供电能力受限；②无法对电力用户的用电行为进行深入分析和精准画像，客户服务的优化提升缺失关键信息。因此，必须突破电力用户负荷数据获取的瓶颈，加强用户用电行为感知能力建设，支撑双向互动服务与智能用能服务。

传统的电力负荷监测采取介入式的方法，利用智能插座等终端设施在用户户内分别采集各电器启停和功耗信息。该方法监测数据准确可靠，但存在实施成本高昂、施工复杂、资产归属不明确等问题，导致电力用户接受程度很低，无法推广应用[1]。

非介入式负荷辨识最早由美国学者Hart于20世纪90年代提出[2]，其核心思想是采集用户入口总电流、电压数据，利用算法对总负荷波形进行分解和辨识，从而判断户内每个电器的用电功率和工作状态。与传统的电力负荷监测相比，非介入式负荷辨识技术经济投入小，可实施性强，其获得的用电信息具有很高的应用价值，因此该技术自提出以来便引起了行业内的广泛关注[3]，在智能家居等商业应用领域蓬勃发展。

国网公司拥有极其庞大的电力用户群体，非介入式负荷辨识和用电行为感知技术的推广应用具有可观的市场前景和得天独厚的优势。本文简述了非介入式负荷辨识技术当前的主流技术路线，分析并展望了该技术面向电网企业和客户的典型应用场景，并对湖南电网的应用情况进行了介绍。

1 非介入式负荷辨识技术

非介入式负荷辨识技术的典型架构如图1所示，包括数据采集、数据处理、事件探测、特征提取、负荷识别等五个步骤[4]，以及建立在负荷辨识结果基础之上的面向电网企业和用户的各种场景应用。数据采集是非介入式负荷辨识的第一步，通常由安装于用户入户端的负荷辨识终端完成，其安装示意如图2所示，采用穿心式电流互感器测量入户端总电流，并跨接火线和零线测量实时电压波形，无需在户内针对每个电器装设独立的传感装置[5]。为了抓取电器负荷启停过程中的暂态波形特征，负荷辨识终端的数据采集频率一般高于1 kHz。随着新一代模组化电能表的逐步推广使用，数据采集也可藉由电表完成，而负荷辨识终端则可简化为负荷识别模块插入电表扩充卡槽中，实现用户电力负荷辨识的功能。

图1 非介入式负荷辨识技术总体架构

图2 非介入式负荷辨识终端安装示意图

数据处理是与数据采集同步进行的第二个步骤，包括负荷波形的去噪、电气量的计算和数据标准化等，以尽量减少电能质量波动和外部电磁干扰带来的信号噪声影响，提升后续步骤的准确度。

在实际应用中，对高频采样的负荷数据进行实时处理和分析是十分耗费硬件资源的，因此引入事件探测步骤来监测电器运行状态的变化情况，如图3所示的电器启动、关闭和模式切换等。仅当检测到负荷状态变化时，才针对当前采样序列激活特征提取和负荷辨识流程，可大幅提高算法的运行效率。目前常见的事件探测方法主要有规则判断和变点检测两种。规则判断选取合适的监测参数 (例如功率、电流有效值、谐波分量等)作为判断依据，当参数在相邻两个采样点之间的变化超过一定的阈值时判断负荷事件发生[6]。该方法原理简单易于实现，但参数和阈值的选取依赖人为经验，适应性较差。变点检测方法则采用似然比测试、序贯概率比检验等算法分析采样序列统计特性的突变节点[7]，对采样要求更高，抗干扰能力更强。

图3 电器运行状态变化过程的波形示例

在探测到电器投切状态发生变化时，进一步提取负荷波形的特征量，即每一个负荷电器所独有的“身份信息”，用于负荷类型的辨识。特征提取的原则是选择规律性好、适应性强、敏感性强、可分性好的特征值，尽量减少冗余信息，构造维数低的特征向量空间[8]。负荷特征可分为稳态特征和暂态特征两大类。稳态特征是利用负荷电器平稳运行波形提取的特征量，主要包括有功功率、无功功率、电流基波分量、谐波分量、波形相角等。该类特征易于计算，但在较多电器同时运行时容易被湮没。暂态特征是利用负荷电器投切的过渡阶段波形提取的特征量，主要包括脉冲电流、脉冲持续时间、暂态谐波能量等。暂态特征对复杂场景下负荷电器的区分能力优于稳态特征，二者通常结合使用。

通过提取负荷波形中的特征量，利用模式识别算法如隐马尔科夫模型、遗传算法、Adaboost、K近邻算法等[9]，将其与预先建立的负荷特征库中的样本模板进行比对匹配，即可从总负荷中辨识出分项电器负荷构成以及各负荷的工作状态。对于在负荷特征库中未找到最优匹配的未知负荷类型，则采用人工标记或非监督学习的分类方法，将未知负荷特征新增到负荷特征库中。随着负荷波形样本的积累，负荷特征库中涵盖的负荷种类逐渐丰富，对负荷电器的识别精度也将逐步提高。当前经济社会发展迅速，居民用户各类家庭电器尤其是低功耗电器层出不穷，这类电器负荷的特征区分度通常较低，且极易湮没于大功率电器负荷波形中。为提高低功耗电器负荷辨识精度，可采用云端协同辨识的方法，利用深度学习算法和云端算力对终端未能准确辨识的负荷波形进行二次识别。

2 典型应用场景

利用非介入式负荷辨识技术获得分时分类的负荷电量明细数据，结合客户服务、营销、电网运维、调控等实际场景需求，可衍生出很多高价值的数据应用，举以下几例做简单阐述。

2.1 分类能耗详单

电费是大部分电网用户尤其是高能耗工商业客户较为关心的问题之一，客户因对高额电费的产生来源有异议而投诉至95598的情况时有发生。基于非介入式负荷辨识技术，可通过APP、微信小程序等渠道面向电力用户提供 “移动话单式”电量详单和电费清单，将负荷辨识的结果以统计报表的形式呈现给客户，如图4—5所示。可按日、月、年等时间跨度对电器耗电量进行分类统计和展示，覆盖空调、电热水器、厨房电器、冰箱、洗衣机等常见电器负荷，用电规律和能耗重点一目了然，电能消费更加透明，大大提高客户的用电体验和满意度。

图4 用户分布图

图5 用电趋势

2.2 能效分析诊断

将用户各项电器负荷的能耗水平与地区的平均能耗情况进行排名比对，则可更直观地反映用户电能消费的能效等级，有效促进用户的节能意识。对热水器、空调等高能耗电器以及冰箱、电灯等长时待机电器进行能效诊断分析，根据用户家中该类电器的使用习惯给出针对性的节能诊断建议，如图6所示，提醒峰谷电量和阶梯电量状态，可避免无端电能浪费，提升用户的应用服务黏性，激励用户积极响应电网削峰填谷需求[10]，同时实现全社会节能减排。

图6 用户能效分析诊断

2.3 异常能耗分析

常见电器负荷的运行均呈现出特定规律或处于一定的范围之内，例如家用电热水壶单次烧水时间一般为5～15 min，电磁炉通常仅在白天时间段使用等，超出正常规律范围的负荷运行均可视为异常用电情况。利用居民用户的非介入式负荷辨识数据，通过功率特征阈值判别和标准负荷模型比对等方法，可实现户内的短路事故预判、漏电检测、异常能耗预警等提醒功能，杜绝电气火灾和触电隐患。智能识别居民用户用电行为模式，精准判别群租房、居民区长期商业用电等不符合负荷模型的非法用电行为，为政府和电力企业集中治理整治提供数据依据。

2.4 用电行为分析

根据用户的能耗占比、用能时段、用能分布等特性，可对用户用电行为进行深度分析，以标签的形式对客户进行行为画像。例如根据主要用能时段的不同可将用户区分为上班族、居家型等活动类别，根据家用电器的数量和更新频次可分析用户对于电器技术更新换代的接受程度，从而制定差异化的服务策略，支撑客户的精准营销和优化服务，如图7所示。

图7 客户用电行为画像

2.5 配电台区辅助运维

在配变、出线柜和用户表箱三级部署非介入式负荷辨识终端，利用分级负荷波形特征的模式匹配，可实现台区拓扑和用户相序的自适应识别及自动成图；明确界定户内外停电责任，实现台区故障自动定位、主动推送和故障工单快速生成；监测分支箱级别的线损情况，进行理论线损和统计线损对比分析，精准定位线损异常区域，有效降低配电网运维成本。

3 重点应用发展方向

随着非介入式负荷辨识技术产品线延伸和覆盖范围扩大，还可纳入工业园区、商业中心、企事业单位等各类型电力用户的个性化场景需求，通过跨行业数据深度融合，形成丰富全面的应用生态链。以下为未来可期的几个重点应用方向。

3.1 专变客户定制化服务

专变用户是我国国民经济发展的推进器，其负荷主要为多样化的工业设备，具有高随机的功率特征和迁移变化的电流频率、幅值。利用非介入式负荷辨识技术可实现专变用户运行情况的全面感知、细粒度掌握负荷能耗规律、内部设备运转情况、故障风险隐患和违规违约用电情况，为专变用户的技术转型升级、淘汰落后产能、清洁能源改造提供广泛指导，为综合能源服务、上下游产业链、设备维修制造、高质量电力供应提供数据接口。可有效扩充供电企业对高压专变用户的服务维度与深度，提升客户对供电服务的参与感与获得感，推进电力营销高质量全面发展。

3.2 大电网动态负荷建模

现代电力系统的发展使其稳定性问题日趋重要，特别是特高压交直流输电线路接入电网后，受端电网的暂态稳定问题日益凸显[11-12]。因电网侧无法感知电力负荷的具体组成，湖南电网暂态稳定分析一直采用较为保守的35%恒定阻抗加65%感应电动机的简化负荷模型。为应对高比例的感应电动机暂态稳定无功需求，省内发电机组在运行中预留了较大的旋转备用容量，大电网峰值供电能力受限。运用非介入式负荷辨识技术精准识别、统计电网负荷类型比例，可支撑建立在线即测-即辩-即用的动态负荷参数云库，构建多层级的区域电网时变仿真模型，提升大电网安全稳定运行分析的准确性。

3.3 能源消费热力图分析

基于跨行业的细粒度电力负荷辨识结果，可绘制全省范围能源消费热力图。精准分析区域配电网承载力和电能替代潜力，为配电网基建投资提供决策指导；根据区域电力用户画像统计，实时感知和预测居民能源消费习惯变化趋势，分析区域负荷移峰填谷能力，为制定合理优化的分时阶梯电价提供依据，如图8所示。

图8 能源消费习惯的变化趋势

3.4 商业模式拓展

按照 “用户用电数据泛在感知、智慧应用赋能企业优化运行、跨界融合打造新型生态”的思路，通过细粒度负荷大数据跨界融合，可支撑企业风险欺诈、商业热度挖掘、维保信息推送等新业务，打造新兴业态。

4 湖南电网应用情况

经过近年来的不断发展，非介入式负荷辨识技术已逐步建立了工程实用化基础。国内数家研究机构陆续推出了负荷辨识终端产品，对于家庭常用大功率电器的识别准确率可达90%以上，但在小功率电器负荷识别、工商业用户负荷识别和负荷辨识算法的泛用性等方面仍有较大的提升空间。湖南地区居民用户家中老旧电器存量较多，老式的非变频冰箱、空调等电器与目前市面上流行的电器型号相比功耗异常偏高，且烤火炉、麻将机等地区特色电器持有量较大，这些情况都给非介入式负荷辨识带来了一定的挑战。

国网湖南省电力有限公司电力科学研究院率先在湖南电网展开了非介入式负荷辨识技术的研究，目前已在长沙市长岛路网格站开展了小范围试点应用，覆盖居民用户247户，面向客户提供“透明电”“绿色电” “安全电”等商业增值服务，实现了细粒度的居民电力负荷预测及响应潜力评估。

在今年初新冠肺炎疫情防控的关键时期，湖南电科院利用社区/居民家庭的细粒度用电特性数据，构建了小区/家庭疫情防控态势研判模型，分析了各社区、家庭的人员聚集程度以及流动情况，并采用三级四类标签对家庭人员活动情况进行了标记。该分析结果可用于指导社区专人进行精准的风险排查和回访，以降低社区居民的感染风险。

5 结语

非介入式负荷辨识技术与国网公司当前泛在电力物联网建设方向深度契合，具有广阔的应用前景。本文论述了实现非介入式负荷辨识所需的数据采集、数据处理、事件探测、特征提取和负荷识别等五大技术步骤，并列举了分类能耗详单、能效分析诊断、异常能耗分析、用电行为分析等基于该技术建立的典型场景应用。针对湖南电网用户侧实际情况，对非介入式负荷辨识技术展开深入研究和应用探索，可在客户优质服务、大电网安全稳定等方面发挥更大的价值。