非侵入式电力大数据服务公共社会安全研究

薛菁 谭泽富 蔡黎 李帅 雷国平 张望 王海

(1.重庆三峡学院 重庆 404100;2.重庆市万州区公安局 重庆 404000)

在数字化产业时代，任何细微的数据都贮藏着无穷的能量。大数据凭借其多样、海量、迅捷的特性拥有广阔前景。通过大数据分析用户的用电情况探知用户的活动对于夯实社会安全意义重大。在这方面，需要准确而不引人注目地识别和监测电器的使用情况[1]。目前，非侵入负荷监测（Non-Intrusive Load Monitoring，NILM）是用于监管电量消耗的有效方案。

非侵入式负荷监测技术的早期探索可以溯源至1982 年，该技术由麻省理工的Hart 教授创造性的提出，其实质就是负载辨识[2-4]。即提取监测区域用户使用负载的详细电量信息，进而获取用户的耗电量情况。

事实上，尽管非侵入式负荷监测与分解技术（Non-Intrusive Load Monitoring and Disaggregation,NILMD）被认为是实现低成本负载监测与分解的有效方案。现有的NILMD 系统仍然局限于辨识种类有限的负荷，因此NILMD系统如果能高精度识别市场上种类繁多的负荷，必将为服务公共社会安全提供有效的技术支撑。

该文设计了一种非侵入式电力大数据采集终端，扩展了传统的NILMD 系统[5-6]。从非侵入负荷辨识的技术、网络拓扑自动识别和数据采集终端等多维视角下研究NILMD系统在大数据时代的应用方案。

1 非侵入式电力大数据负荷辨识技术

1.1 大数据概述

大数据是信息时代的新兴产物，它可对海量、分布不匀称、类型复杂的数据进行采集、管理以及多维度的关联分析。将各种警务数据在大数据平台上进行集中处理，可从时间和空间维度实时分析监测区域电能情况，及时处理突发状况，为服务公共社会安全提供科学决策依据。除此之外，大数据也已经在零售业、互联网、电信、金融、交通等诸多方面展现出优势，带来了巨大的效益。

1.2 非侵入负荷辨识技术简介

非侵入式负荷辨识技术，是在建筑物电力分布的总进线处配置智能终端，通过总电流、电压等蕴含的信息获得用户的单个设备能耗情况。相比传统的侵入式负荷辨识，非侵入式负荷辨识不进入用户施工，适合规模化推广，且对数据进行内网传输，确保信息的安全。非侵入式负荷辨识技术如图1所示。

图1 非侵入式负荷辨识技术

1.3 电力负荷识别

负载不同，其结构和功能也不相同，因而负载在运转过程中会表现出不同的用电特性。对负载特征量进行提取是电力结构分析的重要一环。

为了在提升负荷识别准确率的同时确保数据采集装置的安全运行，我们选择组合运用稳态特征和瞬态特征中的多个特征量。通过一组稳定的连续样本（其值在给定的阈值内）组成的信号中的两个稳态信号的差值推导出来稳态特征，结合电器开关导致电信号中产生噪声引起的瞬态特征进行负荷识别[7-9]。

提取特征量后，依据特征量对电力负荷进行识别。目前，电力负荷辨识的模型与算法可分成基于组合优化的方法和基于模式识别的方法两大类[10-11]。基于组合优化的算法并未在负荷与总线特征之间建立直接联系，而是通过反复迭代、检验的方式得出最优解。但解的个数会随着负荷的增多呈指数式增长，始终无法保证组合优化方法的效率。

相对于组合优化方法，基于模式识别的方法则可以依据已存的数据类型更换模型中的参数，继而分析电信号识别出电器的全部状态。在模式识别技术中，采用半监督学习对现有的标记数据进行训练的同时，利用无标记数据对模型进行优化，降低模型冗余度，实现负荷识别。相比传统的监督学习和非监督学习，半监督学习不仅避免标记各负荷的运行情况，减少人为采集造成的数据误差，也增强非侵入式采集系统的实用性，提高了系统的监测精度。

因此，半监督学习方法能够在用户设备冗余度较低的条件下实现高精度的负载识别。这也为非侵入式电力大数据终端服务公共社会安全建立牢靠的支撑。

2 网络拓扑的自动识别

网络拓扑是电网分析和计算的基础，通过网络拓扑的自动识别可以获知整个网络的连接状态和运行情况。将分布式电源接入配电网拓扑，就是为了有效实现对当前网络结构的评估。它可以根据网络的实时变化而更新拓扑分析，同时增强配电网结构的可靠性、运行裕度以及结构鲁棒性[12]。

分布式电源馈线自动化将智能配电终端的监测设备看作微型变电站，同时为了实现对监测区域负荷的自动辨识和定位，进一步扩展主站以外的网络拓扑模型，从而确保分布式馈线自动化装置与主站设备的准确关联。且分布式电源使主站不再承担大量的计算，减轻主站的压力，采用局部网络拓扑分析可实现故障快速处理。局部网络拓扑模型使得配电终端之间建立联系，实现配电装置的即插即用。

网络拓扑的自动识别为非侵入式采集系统的拓展奠定夯实的信息化基础。

3 非侵入式电力大数据采集系统的设计

3.1 总体架构

非侵入式电力大数据采集系统由主站层、网络层、量测层和设备层四部分组成。量测层部署非侵入负荷辨识终端，辨识结果通过采用专网接入主站，主站支持透明电、绿色电、互动电、安全电、防窃电、停电责任严判、电网状态评估、大数据融合、国家安全九大功能。非侵入电力大数据采集终端系统架构如图2所示。

图2 非侵入式电力大数据采集终端系统架构

3.2 系统构成

非侵入负荷辨识技术在量测层用户电力总进线处集成负荷辨识智能电表，此实现负荷辨识。负荷辨识智能电表如图3所示。

图3 负荷辨识智能电表

该智能电表采用边缘计算架构，计量芯是智能电表的基础功能，具备数据采集，存储和传输的功能，可输出1.6 K 采样值给辨识芯。辨识芯在得到采样数据后，可快速计算、分析用户负荷的使用情况，实现负荷辨识。辨识结果由管理芯上传主站。且管理芯可在不更换电表的情况下，更好地适应体制改革，降低运维成本，实现资源合理配置。智能电表三芯独立运行，提升智能电表的容错机制，为服务公共社会安全再添全方位、全过程、全覆盖的安全防护体系。

4 非侵入式电力大数据应用实例

非侵入式电力大数据采集系统的研究为服务公共社会安全提供可靠的平台。

X 县公安系统通过安装电力大数据分析终端，建立规模化手机充电和计算机使用数据库，监测民房内同一时间段同种负载的使用情况，破获多起租用民房实施电信诈骗案件。同时，该地区警方也通过该系统建立电解+搅拌+提纯设备大数据库，监管大功率负载的使用，一旦发现可疑设备的运转，便采取行动，通过此大数据库，破获12起家庭作坊制毒案件[13]。

X 市通过安装电力大数据分析终端，建立电热水器使用大数据库，依据负载的时间特性监测家庭热水器的使用频率及运作情况，重点清查数据异常的住户，做到精准打击违法行为，坚决杜绝卖淫嫖娼行为的发展。

X 市通过安装电力大数据分析终端，建立楼道电动车充电特征大数据库，监测负载的运行情况，一旦追踪到住户数据异常，直接切断电源，降低安全事故的发生率[14]。

非侵入式电力大数据采集系统可协助警方保护人民群众的生命财产安全，筑起社会治安新防线。该系统可有效应用于服务公共社会安全一线，为建设安定、有序、和谐的社会提供无与伦比的作用。

5 总结与展望

面对大数据时代数量庞大的管控服务对象，该文根据非侵入负荷辨识技术的原理以及方法提出非侵入式电力大数据采集终端的设计，该采集终端采用分解算法替代传感器网络，实现低成本的能耗监测与管理，经测试表明，该采集终端可靠性强，可直观查看监测区域用户负荷的细粒度分析，对用户负荷辨识的精度可达到90%以上。为助力公安系统服务公共社会安全再添保障。

实际上，非侵入式负荷识别是一项系统的研究，任何一个环节的研究进展都可能影响到整个系统的性能。因此，在接下来的工作中，我们将进一步对采集系统的数据集开发和多状态负荷识别精度的提升展开研究。未来随着非侵入式电力负荷识别技术的不断成熟，非侵入式电力大数据采集系统也将运用到多个领域，除该文研究的服务公共社会安全以外，也可应用于智能电网需求管理系统和充电桩计量，建成通信网格化，满足大数据运行需求。