负荷识别及多传感器融合感知方法及装置与流程

1.本发明属于电力监测技术领域，具体地说，涉及负荷识别及多传感器融合感知方法及装置。


背景技术：

2.随着电力体制改革、能源革命的推进，以及云计算、能源互联网、大数据、人工智能等相关科技不断进步，未来能源行业的新模式都将随之不断出现。其中，高级测量体系能够测量、存储、收集和分析用户的用电信息，ami能够通过广域通信网络将用户和电力公司联系起来，为以后的智能电网，配电智能化奠定基础，通过对ami提供的用户的用电数据进行分析，是提高电能利用率和电能管理的基础，基于ami提供的用电数据，进一步对用电负荷进行分解、识别归类，进而对电能的消耗情况进行分项统计，用户可以根据分项统计的数据，清楚的知道电量用在哪些设备上及其占比情况，能够更加有效的管理用电行为，提高电能利用率。
3.现有的非侵入式负荷识别在利用传感器进行监测的过程中，在电力入口处安装一个传感器，不改变用户现有的电路结构，利用智能电表采集到的数据信息进行分析，实现用户内部用电设备的用电设备种类，但是单个的传感器并不能完全的对电力进行监测，各用户的家庭电器数量不一，且功率大小也不尽相同，单个的传感器不能实时的对所有用电单元进行监测，会造成数据偏差以及数据缺失。


技术实现要素：

4.发明目的：针对现有的负荷识别利用单个传感器对用户的用电单元进行监测会造成数据偏差以及数据缺失问题，本发明提供一种负荷识别及多传感器融合感知方法及装置，在nilm的基础上设置多个不同类型的传感器进行监测，从而解决传统的在用户电力入口处安装一个传感器对电力进行监测会导致数据不能实时完全的记录的缺陷。
5.技术方案：本发明公开了一种负荷识别及多传感器融合感知方法，包括如下步骤：步骤1：在现有的电力电网上安装一个或者多个智能传感器，对电流和电压进行监控采集；步骤2：对采集信息进行处理，与资料库里的负荷模型进行匹配以辨识负荷种类；步骤3：利用智能传感器获取关于电力的完全信息，运用传感器数据融合方法对传感器获取的数据进行数据融合。
6.进一步地，所述步骤1具体过程如下：通过在电力入口处安装一个或多个传感器，不改变用户现有的电路结构，利用智能电表和传感器对采集到的数据信息进行分析，实现用户内部用电设备的用电设备种类、用电设备分项耗电量监测和数据的采集，通过这些不同的电器开关瞬态，去预测运行的所有电器，并估计它们的功耗，非侵入式负荷识别只需要截取事件发生前后的电气数据，通过前后做差即可得到该事件特征，将事件检测算法写入终端，仅上传事件发生前后电器数据。
7.进一步地，所述智能电表根据用电量信息收集开展传输早期数据采集,智能电表都配备无线通讯透传模块，能够完成电度表数据采集，根据模块自主网络，并将数据通过协议传输，所述传感器为电量传感器，能感受到被测电量的信息，并能将检测感受到的信息，变换成为电信号或其他所需形式的信息输出。
8.进一步地，所述步骤3具体过程如下：传感器对电力数据进行采集，利用有源或者无源传感器将其安装在入户电网上，在保证隐私的情况下对所需观测电力进行数据收集；对传数据进行特征提取，对传感器输出的数据进行特征提取或者矢量的提取，对传感器的输出数据离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明，进行特征提取的变换，提取代表观测数据的特征矢量；矢量识别处理，网络或其他能将特征矢量，变换成目标属性判决的统计模式识别法等完成各传感器关于目标的说明；分组，将各传感器关于目标的说明数据按同一目标进行分组，即关联；融合一致，利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。
9.进一步地，对传数据进行特征提取的方法为：利用传感器设备采集数据，通过栅格数据转换而来，通过纸质地图数字化得到，所述数字化方式有手扶跟踪数字化和扫描矢量化两种方式，利用已有的数据通过模型运算得到，如叠加复合分析、缓冲区分析等空间模型运算都可以生成新的矢量数据，优选地采用传感器收集的数据通过模型运算得到。
10.进一步地，，融合算法基本原理如下：将传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释，在这个过程中要充分利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息，这不仅是利用了传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
11.本发明还公开一种负荷识别及多传感器融合感知装置，包括：电力监测单元，用于在现有的电力电网上安装一个或者多个智能传感器，对电流和电压进行监控采集；信息处理单元，用于对采集信息进行处理，与资料库里的负荷模型进行匹配以辨识负荷种类；传感融合单元，利用智能传感器获取关于电力的完全信息，运用传感器数据融合方法对传感器获取的数据进行数据融合。
12.优选地，所述传感融合单元包括传感识别模块、特征提取模块、矢量识别模块以及数据分组模块，且传感识别模块、特征提取模块、矢量识别模块以及数据分组模块之间信号连接，所述传感识别模块、特征提取模块、矢量识别模块以及数据分组模块均与控制中心进行连接；传感识别模块，用于传感器对电力数据进行采集，利用有源或者无源传感器将其安装在入户电网上，在保证隐私的情况下对所需观测电力进行数据收集；特征提取模块，用于对传数据进行特征提取，对传感器输出的数据进行特征提取
或者矢量的提取，对传感器的输出数据离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明，进行特征提取的变换，提取代表观测数据的特征矢量；矢量识别模块，用于矢量识别处理，网络或其他能将特征矢量，变换成目标属性判决的统计模式识别法等完成各传感器关于目标的说明；数据分组模块，用于将各传感器关于目标的说明数据按同一目标进行分组，即关联。
13.优选地，还包括nilm，所述电力监测单元、信息处理单元以及传感融合单元均建立在nilm上，所述nilm同时还连接有控制中心，且控制中心和nilm通过无线网络进行连接，所述控制中心涵盖电力检测单元、信息处理单元以及传感融合单元，且电力检测单元、信息处理单元以及传感融合单元和nilm进行信号连接。
14.有益效果相比于现有技术，本发明的有益效果为：（1）本发明中，对入户电力进行监测是基于nilm的，nilm即为侵入式负荷监测，是指在电力入口处安装监测设备，通过监测该处的电压、电流等信号就可以分析得到负荷集群中单个负荷的种类和运行情况，电力负荷的暂态响应特性是与其执行的物理任务密切相关的，不同类型的负荷在投切等过程中，通常会表现出独特的暂态特征信息，据此暂态特征信息，nilm能够实现对入户电网的分解与分析，进一步获得有用的信息，它一定程度上能克服利用负荷稳态特征信息进行负荷辨识时的局限性，能够提高负荷辨识率，nilm系统应该能够自动检测负荷投切等所引起的暂态过程，并触发相关程序把暂态信息记录下来，然后送给后台高级应用程序做进一步处理，非侵入式负荷监测可以方便地进行负荷监测，节省安装和维护所需要的时间和金钱，符合目前整个社会所提倡的建设节约型社会的要求，常配置简单的硬件和复杂的分析软件，分析软件能够对采集数据进行复杂的数学分析，获得有用的信息，只需要在电力供给的入口处安装监测设备就可以对整个系统内部的负荷进行监测，相较于传统的侵入式负荷监测方法，nilm不需要大量的检测设备，同时节省了购买、安装和维护这些硬件设备所需要的金钱和时间，当然，nilm还可以进行能源监测，故障监测，故障分析等多种类型的电能质量控制分，nilm系统在对负荷运行情况进行监测时，是利用不同负荷在开关状态变化时所引起的功率变化等信息来进行分类的，nilm系统可以根据这些信息来辨识或者估计出每个负荷的类型、运行情况及其相关参数等信息，根据系统分析的结果可以建立出更加符合实际的系统模型，以方便进行有关电网优化，负荷监控，电能管理等方面的研究，同时，nilm还可以具有诊断功能，例如nilm能够辨识感应电动机参数，一旦感应电动机发生故障，相关参数会发生变化，从而通过跟踪参数能够辨识电动机是否发生故障；nilm未来还将实现居民用电信息远程自动实时采集、智能双向互动用电服务等功能，nilm也将是未来智能电网、智能电网的一部分。
15.（2）本发明中，通过设置的多传感器对电力数据进行收集监测，同时利用融合算法对数据进行融合，数据融合又称作信息融合或多传感器数据融合，对数据融合还很难给出一个统一、全面的定义，随着数据融合和计算机应用技术的发展，根据国内外研究成果，多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系
统获得比它的各组成部分更充分的信息，利用多个传感器获取的关于电力的完全信息，运用多个传感器数据融合技术在解决探测、跟踪以及电力识别方面具有增强电力系统的生存能力，提高整个电力系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间，空间覆盖率，增强电力系统的实时性和信息利用率，多传感器数据融合技术的基本原理就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述，数据采集的目的是为事件检测和负荷识别提供数据基础，因此，所提出的数据采集设计方案应满足从总负载信号中有效识别电器的数据采集要求，通过这些不同的电器开关瞬态，去预测运行的所有电器，并估计它们的功耗，一个高性价比的数据采集硬件设计，用于从电力干线获取高分辨率的能量数据，以观察电器开关瞬态，因为本技术提出的负荷识别方案是基于事件型的非侵入式负荷识别，所以只需要截取事件发生前后的电气数据，通过前后做差即可得到该事件特征，将事件检测算法写入终端，仅上传事件发生前后电器数据，该做法减少了数据量，减轻了存储以及传输压力。
附图说明
16.图1为本发明中负荷识别框架示意图；图2为本发明中多传感器融合框架示意图。
具体实施方式
17.下面结合具体实施方式对本发明进一步进行描述。
18.本发明公开的一种负荷识别及多传感器融合感知方法及装置，包括：电力监测单元，在现有的电力电网上安装一个或者多个智能传感器对电流和电压进行监控采集；信息处理单元，运用不同理论的算法对采集信息进行处理，与资料库里的负荷模型进行匹配以辨识负荷种类；传感融合单元，利用多个传感器获取的关于电力的完全信息，运用多个传感器数据融合技术在解决探测、跟踪以及电力识别方面具有增强电力系统的生存能力，提高整个电力系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间，空间覆盖率，增强电力系统的实时性和信息利用率。
19.本实施例中，具体为：电力监测，通过在电力入口处安装传感器，不改变用户现有的电路结构，利用智能电表和传感器对采集到的数据信息进行分析，实现用户内部用电设备的用电设备种类、用电设备分项耗电量监测和数据的采集，智能电表根据用电量信息收集开展传输早期数据采集,智能电表都配备无线通讯透传模块，能够完成电度表数据采集，根据模块自主网络，并将数据通过协议传输，传感器为电量传感器，能感受到被测电量的信息，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，数据采集的目的是为负荷识别提供数据基础，所提出的数据采集设计方案应满足从总负载信号中有效识别电器的数据采集要求，通过这些不同的电器开关瞬态，去预测运行的所有电器的总功耗，总负载信号保持平稳，当电器使用时，信号会有波动，从而测得电器使用时的电力数据，非侵入式负荷识别只需要截取事件发生前
后的电气数据，通过前后做差即可得到该事件特征，将事件检测算法写入终端，仅上传事件发生前后电器数据，该做法减少了数据量，减轻了存储以及传输压力。
20.信息处理单元，将监测获得信息数据进行提取分析，并运用不同理论的算法对采集信息进行处理，与资料库里的负荷模型进行匹配以辨识负荷种类，通过对处理后的信息。
21.传感融合单元，利用传感器获取的关于电力的完全信息，采用终端设备对按时间序列获得的多个观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得更充分的信息。
22.关于非入侵式的负荷识别中的电力监测单元、信息处理单元以及传感融合单元这三个步骤需要通过nilm运行完成，所述nilm同时还连接有控制中心，且控制中心和nilm通过无线网络进行连接，所述控制中心涵盖电力检测单元、信息处理单元以及传感融合单元，且电力检测单元、信息处理单元以及传感融合单元和nilm进行信号连接。
23.传感融合单元包括传感识别模块、特征提取模块、矢量识别模块以及数据分组模块，且传感识别模块、特征提取模块、矢量识别模块以及数据分组模块之间信号连接，传感识别模块、特征提取模块、矢量识别模块以及数据分组模块均与控制中心进行连接。
24.需要说明的是，电力监测步骤由电力监测单元自主控制，通过传感器进行实现，信息处理步骤由信息处理单元自主控制，由控制中心实现信息处理，传感融合步骤由传感融合单元实现自主运行，通过对电力监测单元的数据在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。
25.传感识别模块包括数据收集以及数据输出，数据收集通过传感器进行实现，且数据输出直接和控制中心信号连接，传感器能感受到被测量的电网信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，通过传感器就能获得电力数据，同时进行监测和数据的传输存储。
26.传感器融合的具体步骤为：首先，传感器对电力数据进行采集，利用有源或者无源传感器将其安装在入户电网上，在保证隐私的情况下对所需观测电力进行数据收集。
27.其次，对传数据进行特征提取，对传感器输出的数据进行特征提取或者矢量的提取，对传感器的输出数据离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明，进行特征提取的变换，提取代表观测数据的特征矢量，现有的矢量数据提取通常采用以下办法：利用传感器设备采集数据；通过栅格数据转换而来；通过纸质地图数字化得到，通常的数字化方式有手扶跟踪数字化和扫描矢量化两种方式，利用已有的数据通过模型运算得到，如叠加复合分析、缓冲区分析等空间模型运算都可以生成新的矢量数据，本技术中采用传感器收集的数据通过模型运算得到。
28.再者，矢量进识别处理，网络或其他能将特征矢量，变换成目标属性判决的统计模式识别法等完成各传感器关于目标的说明，该手段属于现有技术，常用于信息数据计算中。
29.分组，将各传感器关于目标的说明数据按同一目标进行分组，即关联；融合一致，利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述，融合算法基本原理如下：将传感器进行多层次、多空间的信息互补和优化组
合处理，最终产生对观测环境的一致性解释，在这个过程中要充分利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息，这不仅是利用了传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
30.工作原理：本技术提出的负荷识别方案是基于事件型的非侵入式负荷识别，所以只需要截取事件发生前后的电气数据，通过前后做差即可得到该事件特征，将事件检测算法写入终端，事件检测算法是模拟可能会发生的事件，从而检测整个感知系统在运行时对事件的处理能力，以及发现事件的准确性，仅上传事件发生前后电器数据，该做法减少了数据量，减轻了存储以及传输压力，nilm主要采用基于负荷稳态特性的分析方法，这种分析方法主要利用负荷的稳态特征，对监测系统的硬件水平要求较低，系统的采样频率和计算能力都比较低，其基本原理是，不同负荷在运行时都有其特征，例如负荷运行时的有功功率、无功功率及谐波功率等对于不同类型的负荷是不同的，被监测系统内单个负荷投入、切除时通常会使电力供给入口处系统总的有功功率、无功功率等信号发生相应的变化，反过来，根据电力供给入口处系统总的有功功率、无功功率、谐波功率等信号的变化信息，可以判断系统内负荷投入或切除的变化，并可以根据功率的大小等信息判断出负荷的类型，以非侵入式负荷监测标准进行负荷辨别主要可以分为两个步骤：第一步：使用检测装置，对负荷的电压、电流、功率、开关事件等信息进行采集，第二步：运用不同理论的算法对采集信息进行处理，与资料库里的负荷模型进行匹配以辨识负荷种类，非侵入式负荷监测系统所需硬件安装少，在家庭单元的电力监测系统中更适用，基于上述说明，本技术在操作时具体流程如下：在家庭单元的电网上安装多个传感器，不改变现有的电路结构，当nilm和用户电网连接时，传感器对电流速度和电压起伏进行实时记录和监测，由于家庭单位的电器功率和数量均不尽相同，因此为了消除误差设置多个传感器，其主要原因在于，现场电器种类多且复杂，背景噪音大，仅通过单个传感器进行监测为负荷特征提供数据基础则无法实现负荷识别，多传感器不仅可以对电力数据进行二次验证，同时传感器连接不同家庭电网区域还能够多数据进行纠偏，使用同一种硬件同时发布触发采集命令，实现各传感器采集、测量的时间同步，做到同一时刻采集相同的信息，通过统一的主机给各个传感器提供基准时间，各传感器根据已经校准后的各自时间为各自独立采集的数据加上时间戳信息，可以做到所有传感器时间戳同步，但由于各个传感器各自采集周期相互独立，无法保证同一时刻采集相同的信息，将不同传感器坐标系的测量值转换到同一个坐标系中，其中激光传感器在高速移动的情况下需要考虑当前速度下的帧内位移校准，每个传感器各自独立处理生成的目标数据，当所有传感器完成目标数据生成后，再由主处理器进行数据融合，对多种信息的获取、表示及其内在联系进行综合处理和优化的技术，它从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化，也为智能电网的监测提供可靠的数据基础。
31.多传感器融合在结构上按其在融合系统中信息处理的抽象程度，主要划分为三个层次: 数据层融合、特征层融合和决策层融合，也称像素级融合，首先将传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别，数据层融合需要传感器是同质的，传感器观测的是同一物理现象，如果多个传感器是异质的，即：观测的不是同一个物理
量，那么数据只能在特征层或决策层进行融合，数据层融合不存在数据丢失的问题，得到的结果也是最准确的，但计算量大，且对系统通信带宽的要求很高，特征层融合属于中间层次，先从每种传感器提供的观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理，决策层融合属于高层次的融合，由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它的计算量及对通信带宽的要求最低，对于特定的多传感器融合系统工程应用，应综合考虑传感器的性能、系统的计算能力、通信带宽、期望的准确率以及资金能力等因素，以确定哪种层次是最优的，另外，在一个系统中，也可能同时在不同的融合层次上进行融合，融合算法是融合处理的基础，它是将多元输入数据根据信息融合的功能要求，在不同融合层次上采用不同的数学方法，对数据进行综合处理，最终实现融合，由多种传感器所获得的客观环境的多组数据就是客观环境按照某种映射关系形成的像，传感器信息融合就是通过像求解原像，即对客观环境加以了解，用数学语言描述就是，即使所有传感器的全部信息，也只能描述环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应惟一的环境，就必须对映射的原像和映射本身加约束条件，使问题能有惟一的解，证据组合法认为完成某项智能任务是依据有关环境某方面的信息做出几种可能的决策，而多传感器数据信息在一定程度上反映环境这方面的情况，因此，分析每一数据作为支持某种决策证据的支持程度，并将不同传感器数据的支持程度进行组合，即证据组合，分析得出现有组合证据支持程度最大的决策作为信息融合的结果，证据组合法是为完成某一任务的需要而处理多种传感器的数据信息，它先对单个传感器数据信息每种可能决策的支持程度给出度量(即数据信息作为证据对决策的支持程度)，再寻找一种证据组合方法或规则，使在已知两个不同传感器数据(即证据)对决策的分别支持程度时，通过反复运用组合规则，最终得出全体数据信息的联合体对某决策总的支持程度，得到最大证据支持决策，即传感器信息融合的结果，人工神经网络通过模仿人脑的结构和工作原理，设计和建立相应的机器和模型并完成一定的智能任务，神经网络根据当前系统所接收到的样本的相似性，确定分类标准，这种确定方法主要表现在网络权值分布上，同时可采用神经网络特定的学习算法来获取知识，得到不确定性推理机制，采用神经网络法的多传感器信息融合，根据智能系统要求及传感器信息融合的形式，选择其拓扑结构，各传感器的输入信息综合处理为一总体输入函数，并将此函数映射定义为相关单元的映射函数，通过神经网络与环境的交互作用把环境的统计规律反映网络本身的结构，对传感器输出信息进行学习、理解，确定权值的分配，进而对输入模式作出解释，将输入数据向量转换成高级逻辑。
32.以上内容是结合具体实施方式对本发明作进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。