基于用电信息采集的非侵入式居民电力负荷自动监测系统

兰森林，王叶锋，陈明，岳克，张嘉堃

（国网上海市电力公司市南供电公司，上海 201100）

随着我国经济社会的不断发展，人们的生产生活越来越离不开电气设备，目前，居民已经成为电力资源的主要消耗者。由于电力系统规模越来越大，用户数量也十分巨大，因此导致电力系统的数据量多且复杂。为了更好地了解用户的电力使用情况，电力负荷监测技术逐步得到发展[1-2]。

负荷监测技术主要有两种形式：一种是侵入式，需要对监测的电力用户电器设备安装传感器，并入侵到传感器中进行电力使用情况监测；另一种是非侵入式，这种方法只需要在用户的通电接口处安装传感器，通过负荷监测设备对其进行监测分析。第一种方法实施过程复杂，难度较大，成本也比较高，难以实现[3]。第二种方法的精准度虽不及第一种方法高，但实施过程简单，容易操作，且可以保障用户生活[4]。目前我国的电力系统也普遍采用非侵入式负荷监测技术。为了进一步提高负荷自动监测系统的准确性，文中结合信息采集技术进行了研究，设计了基于用电信息采集的非侵入式居民电力负荷自动监测系统。

1 系统硬件设计

文中设计的基于用电信息采集的非侵入式居民电力负荷自动监测系统硬件结构如图1 所示。

图1 系统硬件结构

1.1 电力负荷数据采集终端

电力负荷数据采集终端主要负责电力用户的数据信息采集。数据采集终端安装在监测用户的电力接口处，通过电流情况检测用户的用电及电力负荷情况。负荷数据采集终端主要由电力采集、信号采集、信息处理与存储器四部分组成。电力负荷数据采集终端结构如图2 所示。

图2 电力负荷数据采集终端结构图

由图2 可知，前端的电力和信号采集器配备对应的电流、电压传感器和电力功率信号传感器，接收并采集通过电路的电流、电压和功率信息。负荷数据采集终端的核心是信息处理与储存装置，信息处理装置配备ATT7053BU 处理芯片、ADM2587 串口芯片、ARM 核心处理器和相匹配的信息传感器。电流信息和功率信息通过对应的通信线路，传输到信息处理器中，处理器通过接口的传感器接收到与电流相关的数据信息，通过处理芯片对信息数据进行读取，并通过相关特征对数据进行过滤和分类，再传输到处理程序中进行数据处理[5-6]。储存设备为标准内存配置的存储器，处理后的数据会备份储存到存储器中。

1.2 自动监测系统集中器

自动监测系统的集中器是与负荷数据采集终端、后台服务器相连接的中间处理平台，主要负责负荷数据的分解和相关计算。集中器的处理芯片、传感器等主要配件与负荷采集终端相匹配，除此之外还配备LTE 型号的通信装置，能够接收4G、5G 移动网络信号和无线网络信号通信[7-8]。集中器示意图如图3 所示。

图3 集中器示意图

通过通信装置，集中器能够接收到来自多个负荷数据采集终端传输的数据信息，将负荷数据信息传输到集中器中，处理程序会对其进行负荷数据分解，处理后的数据也通过通信装置传输到电力系统后台的总控制服务器中[9]。此外，负荷采集终端设备的更新升级也需要通过集中器对其进行信息传输与指令控制[10-12]。集中器电路如图4 所示。

图4 集中器电路

1.3 自动监测系统处理器

文中设置的自动监测系统处理器内部拥有一个PC 端，在PC 端两侧分别加入两个不同的数据库，分别是管理数据库和能量数据库，不同的数据库负责记录不同的数据，管理数据库负责记录历史数据，能量数据库负责显示用电数据，方便工作人员查询用电信息，确保居民用电的内部电表处于正常的工作状态。自动监测系统处理器电路如图5 所示。

图5 自动监测系统处理器电路

2 系统软件设计

通过采集器对居民的用电信息进行采集，并在处理器内部分析居民点的用电状况，判断是否检测异常，通过冗余处理提高控制信息的采样频率和通信效率。

通过用户电力接口处装置的电力负荷数据采集终端装置能够对用户电力使用情况进行数据信息监测采集。用户所用电器的使用电流通过电力线路传输流动，采集终端的电流、电压和功率信号传感器实时感应接收该用户的电流情况，根据用户的特征差异设定传感器不同采样频率的参数，一般情况下采样频率不能低于2 000 Hz；然后将采集到的负荷数据信息传输到内部处理器进行预处理。处理程序选用集成的海量数据处理算法，对用户电力负荷数据进行初步检测，排除受到其他干扰因素影响的数据信息，保留相对完整、正常的负荷数据信息。同时根据系统设定的储存规则将数据信息按照日期进行信息管理与储存[13-14]。基于用电信息采集的非侵入式居民电力负荷自动监测系统的软件工作流程如图6所示。

图6 软件工作流程

由图6 可知，传入集中器的用户电力负荷数据需要进行分解，然后进行更为精确的检测分析。分解程序将负荷波形进行分离并提取波形特征，得到对应的负荷特征参数数据；然后运算程序按照一定的时间顺序对电流信息数据进行检测，依据压缩感知方法重构用电负荷数据，实现居民电力负荷特征提取；通过改进模糊聚类法对该时刻的电流、电压和功率进行运算，实现非侵入式电力负荷的准确识别，进而完成居民电力负荷自动监测。检测电流存在异常情况的可能性，其运算公式如下：

式中，gn表示负荷数据存在异常情况的可能性，Id表示该时刻的实际电流值，Mm表示运算窗口内部的平均电流值，λ为电流值允许存在的误差阈值[15-16]。由式（1）的运算可知此刻电流是否超出正常电流指标，进而判断该数据是否需要排除在检测范围内；由式（2）的运算可知电流值是否达到相应的检测标准，未达到相关标准的数据可将数据排除在电流异常检测范围内。切除不符合标准的负荷信息后，提取电流信息数据并进行平均值、极值、波峰幅度和相关系数运算，再利用加权矩阵计算负荷数据特征参数与理想标准的相关性，如式（3）所示：

式（3）中，d0为进行运算的负荷特征参数样本，sim(f0，fm)表示负荷数据特征参数样本与理想数据标准的相关性，a、b分别表示总体特征参数样本中的最大值和最小值。经过式（3）的运算可知各特征参数样本与理想标准的距离，将运算后的结果根据相关阈值进行判断辨别，并将数据和电流监测结果一同储存到监测系统的数据储存库中[17-18]。

3 实验研究

为了验证基于用电信息采集的非侵入式居民电力负荷自动监测系统的实际应用效果，文中选用传统的基于贝叶斯准则的非侵入式居民电力负荷监测系统、基于监督学习的非侵入式居民电力负荷监测系统与文中设计的系统进行了对比性的实验研究。实验场景为配备不同家用电器的房间，将3 种检测系统分别对同一状态下的家用电器用电负荷情况进行检测。

实验参数如表1 所示。

表1 实验参数

根据表1 的实验参数和实验场景进行实验，通过提高检测精确度来降低高峰负荷，文中研究的实验精确度结果如表2 所示。

表2 3种系统电力负荷监测精准度

根据表2 可知，文中设计的系统在用户电力负荷监测辨识方面的精准度明显高于传统监测系统。文中选用的电器是人们日常生活中常用的家用电器，且功率较大，电力负荷产生的波动变化较为明显，尤其是高峰负荷。在这种情况下，文中设计的系统监测精准度始终保持在95%以上，且精准度变化不大，较为稳定；而基于贝叶斯准则的非侵入式居民电力负荷监测系统的负荷监测精准度只有对电冰箱的监测精准度达到了90%以上，精准度变化差距也比较大，监测水平不够稳定准确；基于监督学习的非侵入式居民电力负荷监测系统监测精准度变化虽然比较稳定，但是精准度相比于前者更低，只有80%左右，监测精准水平并不理想。

用电异常监测耗时如图7 所示。

图7 用电异常监测耗时

由此可见，文中设计的监测系统具有较好的电力负荷监测精准性，能够在短时间内判断电力负荷，进而减少高峰负荷，整体性能高于传统的监测系统。

4 结束语

文中针对传统电力负荷监测系统存在的弊端，设计了基于用电信息采集的非侵入式居民电力负荷自动监测系统，结合用电信息采集技术对电力负荷数据分析算法进行了改进，提高了监测的精准度。并通过实验证明了该系统对负荷，尤其是高峰负荷有很强的感应和监测能力，能够及时对负荷状态和突发事件作出反应。文中设计的系统有利于用户电力负荷信息的透明化，能够推动电力监测技术的进一步发展。