非侵入式负荷监测与辨识方法研究综述

李 争 王 泽 冯 威 安国庆 李 峥 王 强 陈 贺

（1.河北科技大学电气工程学院 石家庄 050018；2.河北省智能配用电装备产业技术研究院（石家庄科林电气股份有限公司）石家庄 050222）

引言

近些年来，非侵入负荷监测（Non-Intrusive Load Monitoring，NILM）发展迅速，引起了关于节能环保技术部门的研究热潮。国家在节能环保方面也出台了许多相关文件，对节能环保方面做出了重要指示，采取合理方案使供需关系平衡发展，促进和响应节能减排的号召。非侵入式负荷检测具有成本低、可行性高等特点[1-3]，是未来负荷检测的发展方向。非侵入式负荷检测不仅可以对用户的用电信息进行科学的对比分析，还可以对用电数据进行深入挖掘。智能电表的普及对非侵入式负荷监测也起到一定的推动作用[4-6]。

电力负荷用电监测（简称负荷监测），是指对于不同类型的用电负荷通过实时数据采集与处理得到相应的电气运行数据，监测并检测其运行状态和能耗情况，是一种具有战略意义的关键性技术[7]。通过了解各类负荷的运行模式、启停时间、用电量等信息，可以提高用户的节电意识。在为电力公司提供相关数据的基础上，促进电力公司负荷模型的优化，实现更高精度的负荷建模，提高电力系统的运行效率。在供需平衡的条件下极大地减少用电消耗，深度挖掘用户行为习惯[8]。在不会对用户隐私侵犯的前提下采集用户的用电信息，为减少能源浪费提供了便利条件[9-11]。

根据检测时负荷特征的获取方式不同，负荷监测可分为侵入式和非侵入式两大类[12]。传统的负荷监测所采用的方法是侵入式负荷监测，通过给每个负荷安装传感器的方式进行负荷用电特征的实时监测，如图1所示。该方法不需要对数据进行处理，对负荷特征数据的获取相对容易。缺点也非常明显，不仅可操作性很差并且实施成本和维护成本也十分高昂，大部分用户无法负担得起。而且安装时需要将设备埋入建筑的内部，不仅存在安全隐患，对于设备的定期维修也造成了一定的困难；另一方面，由于侵入式负荷检测所用传感器较多，虽然具有较少的扰动误差但存在较多的干扰因素，这也会影响到运行负荷的可靠性与数据的准确性。

图1 侵入式负荷监测示意图

非侵入式负荷监测是指仅需通过某电力用户的家用电表就可以对该用户所用负荷类型进行判断，如图2所示。该方法根据传感器获得的数据值序列来精准识别或推理用户负荷的运行档位和用电器参数等信息，不需要在用户的家中安装大量的传感器，优点主要为经济成本较低[13]，不会干扰用户的生产生活，安装成本很低，检测设备的检修较为方便。

图2 非侵入式负荷监测示意图

设备智能化是目前发展的一种趋势，设备的智能化对数据挖掘有较高的要求[14]，而NILM系统可以提供可靠的数据支持，这有利于家居智能化、智慧电网等方向的发展。从成本和监测的性质方面对两种监测方案进行对比，如表1所示[15]。

表1 侵入式负荷监测与非侵入式负荷监测的对比

1 非侵入式负荷监测基本原理

NILM 主要通过负荷分解，分解出用电信息，分解结果可进一步用于反馈给电采集设备和用户，可使用户有计划地节约用电，电网有计划的供电进而达到供需平衡的目的。从发展潜力来看，分解得到的用户用电信息主要包括用电器的档位大小、功率大小等，对这些信息进行汇总、筛选和统计，将有利于电力公司及其用户增强节能节电意识、有计划性的断电达到节能减排的目的，还有利于国家对电价的调控以及鼓励措施，实现多方共赢。

非侵入负荷检测典型框架如图3所示[16]。由于近年来智能家居、智能仪表的等蓬勃发展，需求响应也在逐步增加。非侵入式负荷监测拥有大量的用户群体，同时也对用电信息等数据提出了更高的要求，而NILM 的研究也为实现家居智能化提供了可靠的数据背景。现如今非侵入式负荷检测的研究例如在负荷特征提取、分解辨识等方面均有一定研究基础。

图3 非侵入式负荷检测典型流程图

2 负荷特征的提取方法

随着负荷功能的增加，虽然负荷差异有所增加，但是具有相似负荷特征的用电器也在增加这使得辨识愈发的困难。负荷特征是在辨识和分解中起着至关重要的作用，不仅是作为识别负荷设备的依据，也是实现NILMD原理的关键[17]。在非侵入式负荷监测系统中，负荷特征是区分负荷设备类型的关键，不同负荷运行的启停在非侵入式负荷监测系统中都可以识别出来。虽然不同的负荷设备具有不同的运行特征，但有些负荷具有多种特征，有些负荷之间的特征又十分相似，将对负荷识别的准确性产生影响。为提高负荷识别的准确性，应合理地结合多种负荷特征进行负荷辨识，从而提高系统的工作效率。然而，多种负荷特征的结合对负荷特征数据库的要求较高[18]，需要一定的方法对负荷特征进行区分、存储，从而达到尽可能完善数据库的目的。目前大部分非侵入式识别算法的准确率较高，文献[19]基于暂态特征进行辨识最高准确率为97.4 %；文献[20]基于稳态特征使用GMCE图像作为负荷辨识依据，准确率能达到97 %。

非侵入式负荷监测分析方法一般分为基于稳态和暂态负荷特征两大类，如图4所示。基于暂态负荷特征的获取要求较高[21]，需要通过高频采样观测获取，因此稳态特征较暂态特征更易获取，而且稳态特征有着较好的抗干扰能力。就数据收集的难易程度而言，稳态特性具有良好的可操作性，并且越来越多地用于负荷监测相关研究中。实际上，通常存在两个及其以上的负荷同时进行工作的情形，且不同用电器的负荷特性也都不一样。在噪声必须存在的情况下，功率较大的设备会对功率较小的设备产生一定的影响，这会对识别的精度带来一定的影响。总之，非侵入负荷监测需要考虑的因素较多，不仅需要考虑数据采集的方案是否可行，还必须考虑负荷特征组合对识别效率的影响。 因此合理的负荷特征提取方法是非侵入式负荷监测中的关键。

图4 非侵入式负荷监测分析方法

2.1 暂态特征提取

随着科技的进步智能电表逐渐普及，智能电表的发展使稳态条件下的负荷特性更易获取，促进了非侵入式负荷监测的发展。由于用电器具有很多不同的功能和挡位，因此不同的用电器具有不同的状态。用电器的稳定状态可大致分为三类，并且辨识难度依次增加。第一类为开/关二状态设备（ON/OFF），这类用电器仅有两种运行状态即开和关，是用电器辨识中最简单的一种[22]。第二类为有限多状态设备（Finite State Machine，FSM）该类设备可以大致理解为有多种第一类状态并且可以在不同设备之间进行来回切换，故相比于第一类负载具有一定的复杂性。第三类为连续变状态设备（Continuously Variable Devices，CVD），这种设备具有较大的辨识难度，主要生成该类特征的电器为变频器。该类设备在运行时利用暂态很难进行检测，并且时常会与其他电器进行混淆。在前两种设备进行检测时，功率较大的设备，由于谐波和影响因子较多会产生过多杂波。功率较小的设备因其功率较小，会对小功率暂态特征造成极大的干扰。面对不同的功率进行辨识，需要有多种完善的数据库，才能提高负荷识别的精度。

在日常生活中，用电器占比较大的负荷类别为电阻类，例如热水器、电热毯、电饭煲等，该类负载核心用电装置为电阻丝，该电阻丝如同纯电阻一般进行发热，通过该装置将电能转化为热能，由于有功功率比较大，虽然有少许的感性会产生无功功率但相对于有功功率来讲可忽略不计，并且该用电器暂态特征持续时间较少，电流波形比较接近正弦波没有高次谐波，因此有功功率为该负载的主要特征。对于感性负荷而言，设备的核心用电设备具有较多的线圈，其线圈在运行时大致呈现感性。产生该负荷特征的用电器主要有电扇、洗衣机和水泵等电机类负载，该设备具有一定的无功功率并且相对于有功功率而言不可忽略。以电机为例，带载能力的不同，暂态时无功功率的大小、峰值与形状也不同。因此无功功率可以作为暂态检测指标之一。容性负载较少且主要用于电力电子设备器件中，有时也用于中和感性负载。其目的是为了提高功率因数。综上所述，暂态特征可以提取有功功率和无功功率的幅值和大小，可以对不同的特征进行分类并辨识出最终结果。

不同的负荷具有不同的负荷暂态特征，也具有可以大致确定的开关暂态特性，其中就包括暂态过程的负荷脉冲峰值、持续时间、在暂态期间所消耗的有功功率等。根据不同负荷设备在开启的过程中的暂态特性不同，将其作为非侵入式负荷辨识的指标之一。有相关文献对其进行了详细的描述[23]，通过对用电器瞬态的波形进行小波变换并进行了一定程度上的分析，例如通过对各频段的信息进行提取处理，分别从高低两个频段的信息中得出负荷的工作时间与开启瞬间的谐波能量，基本特征均体现在对应的暂态波形上。

2.2 稳态特征提取

稳态不需要特别高的采样率，相对于检测具有高频采样率的暂态投切而言，该方法所需要的采样频率和硬件的要求相对较低，可以使硬件出现故障的频率大幅度降低，对后续负荷检测设备的稳定性而言具有非常重要的意义。但采样率较低这一特点给后续的分析与处理造成了一定量的难度。

实际情况中，当相同类型用电器开启时，仅利用暂态特性就会出现一定的局限性，此时稳态特征的加入会增大二者之间的差距。且负荷设备稳定工作需要一定的时间，在启动的瞬间电流波形存在差异，对于非线性负荷而言，不同用电器在启动的瞬间会产生大小不同的瞬时脉冲，这种脉冲会具有一定的持续时间。而电阻类负荷设备几乎在启动瞬间就达到了稳定工作状态，当遇到电阻类负荷时暂态提取法可能会由于时间较短无法检测到大致曲线此时的暂态提取法具有较大的优势。

有关稳态特征的提取算法较多，典型的算法有聚类算法，是稳态提取中最常用的一种算法。其它算法例如K-means、Mean shift[24]、AP算法等[25]。上述算法主要是根据有功功率和无功功率的数值进行聚类分析对功率大小相同的用电器认为其为同一种用电器，运算简单、成本低。

稳态数据易获取，但也具有不足之处。不同功率的负荷在同一时刻工作时，稳态负荷辨识的准确度会非常低。由于提取暂态特征时提取的时间段会非常小。不同负荷的暂态具有比较直观的差异，会减小特征重叠问题，可通过负荷分解避免稳态特征重叠问题，这是稳态特征无法比拟的。

为解决以上问题，稳态特征辨识常常与寻优算法相结合可以很大程度上解决多种用电器同时启停的问题，以遗传算法为例[26]，对于两种用电器同时启停的问题可以通过交叉、变异以及通过目标函数计算出最有可能的用电器组合，可以快速分解出用电器启停，从而解决了多种用电器辨识的难题。

2.3 负荷特征组合

根据稳态负荷特征和暂态负荷特征的区别进行辨识，掌握两者各自的优势与不足，并考虑使用场景的局限性是十分必要和科学的。结合目前家用负荷的实际情况对非侵入式负荷监测所存在的问题进行分析，考虑到目前电器产品更新快、功能多、结构复杂等特点，对负荷特征的分解工作造成一定的困难，应采用多种负荷特征结合的方式为非侵入式负荷监测的分解与辨识提供科学的参考依据，从而提高非侵入式负荷监测在复杂场景中的适应性与负荷辨识结果的精度。

具有相同或相近负荷特征的用电器，仅依托一种负荷特征的非侵入式负荷识别结果并不可靠，对辨识结果的精度影响较大[27]。这是因为小功率设备有功和无功功率比较接近差距较小，造成不能够清晰的辨识出两者的不同之处，故容易产生二者相混淆的情况。因此将功率作为负荷特征还需辅助以其它特征诸如小波变换等。此外，同一种用电器不同档位也存在相同的暂态特征，此时可通过功率来进行区分。将不同的特征进行多次辨识可以极大程度上弥补了单一负荷特征所辨识出的不足之处。

另一方面在公共建筑中存在大量不同种类的大功率负荷设备，其中以空调居多，对于小功率的用电设备的特征（如谐波）很容易被大功率用电器的波动所淹没造成检测错误的问题，通过对不同用电器进行多特征辨识可以增加特征量减少误检、漏检的可能。

3 总结与展望

本文围绕非侵入式负荷特征的提取方法进行研究分析，通过对侵入式负荷监测与非侵入式负荷监测进行对比，阐述了传统侵入式负荷监测所存在的不足与非侵入式负荷监测的优势。在分析用电器类别的基础上需要对三类用电器的负荷特征建立起与之相对应的特征数据库，按照数据库提取的方式可以分为暂态特征和稳态特征两类，具体分析并总结了暂态与稳态特征提取在NILM数据辨识中的应用与各自的优势和不足之处。最后分析总结稳态和暂态相结合的算法的优势。

随着智能电网、智能家居、智能电表等技术的发展，以及用电水平改变对负荷侧柔性调控需求的增加，非侵入式负荷特征提取与识别因其具有不需要用户干预、需要安装的硬件监测设备较少、成本低等特点，已逐渐成为负荷监测的重要发展方向。

1）智能家居是目前发展的一个趋势，可以利用非侵入式负荷监测的数据进行相关研究开发，打造一个软硬件结合的平台，提高用户的节能意识。

2）可将稳态和暂态数据相结合的方法对负荷模型进行优化，从而实现更高精度的负荷建模。

3）目前非侵入式负荷监测适应性不强，但可借鉴数学、计算机等相关领域的研究成果进行创新，进一步提高非侵入式负荷监测的适应性与准确度。

未来的研究将以稳态特征为主，暂态特征为辅，增加用电器的特征种类。该方法可以极大程度上增加系统的辨识精度，具有广阔的发展前景。