一种基于在线特征库的家用电器运行状态监测方法与流程

1.本发明涉及非侵入式负荷监测技术，特别涉及一种基于在线特征库的家用电器运行状态监测方法。


背景技术：

2.随着社会经济的发展，居民用电正朝着用电设备种类多、用电行为复杂等方向发展，这使电网公司获取居民用电信息变的困难，需要研究适合居民端的负荷监测系统。负荷监测的目的是通过实时采集电力负荷的电气参数来在线监测负荷类型、运行状态以及能耗大小。
3.居民端的电力负荷监测主要分为侵入式和非侵入式两种，相比于侵入式负荷监测方法的硬件成本高，维护不便，非侵入式负荷监测方法只在居民用电入口处安装负荷监测设备，对居民日常生活影响较小。目前，非侵入式负荷监测技术已成为国内外众多学者的研究热点之一。
4.负荷状态监测作为非侵入负荷监测过程中的重要环节，其监测精度将直接影响后续的负荷分解及辨识准确率。现有的家用电器运行状态监测方法在连续变状态电器(如变频空调)的状态监测上精度不高，导致居民端总线的负荷辨识效果较差，所辨识结果与实际电器类型存在较大的差异。


技术实现要素：

5.本发明的目的在于提供一种基于在线特征库的家用电器运行状态监测方法。
6.实现本发明的技术解决方案为：一种基于在线特征库的家用电器运行状态监测方法，包括以下步骤：
7.步骤一，利用pearson相似系数，建立周期电流波形相似函数及滑窗函数；
8.步骤二，基于家用电器运行状态监测过程中的周期电流数组，建立在线特征库，并根据状态变化需要实时更新在线特征库中的数组；
9.步骤三，基于周期电流波形相似函数和在线特征库，对家用电器运行状态进行监测。
10.步骤一，利用pearson相似系数，建立周期电流波形相似函数及判断家用电器运行状态的滑窗函数，具体方法为：
11.步骤1.1，定义两个周期级电流数组间的pearson相似系数函数，记为周期电流波形相似函数，如式(1)所示：
[0012][0013]
式中，x为当前时刻被采样设备的周期电流数组，xi为与周期电流数组x时间上邻近的前一个连续周期电流数组；
[0014]
步骤1.2，在周期电流波形相似函数的基础上，建立滑窗函数，如式(2)所示；
[0015][0016]
式中，{x
1,
...,xm}为判断当前时刻周期电流数组x状态的滑窗中电流数组集合，m为滑窗中电流数组个数的动态索引，α为滑窗衰减系数，m-i为当前时刻周期电流数组x与滑窗中电流数组xi间衰减系数的指数；f(x)为当前时刻周期电流数组x与滑窗中的各个连续周期电流数组的相似系数与衰减系数乘积的累计和，有效取值范围在0～1之间，当f(x)大于阈值时，判定当前家用电器运行状态连续，否则判定运行状态变化，如式(3)所示：
[0017][0018]
步骤二，基于家用电器运行状态监测过程中的典型周期电流数组，建立在线特征库，并根据状态变化需要实时更新在线特征库中的数组，具体方法为：
[0019]
步骤2.1，采集居民家中电器的高频电流数据，将采集到的首个周期电流数组封装为(x1,y1)，并将(x1,y1)添加到在线特征库中进行初始化，其中y1为x1对应的特征衰减系数，初始值设为1；
[0020]
步骤2.2，对在线特征库中与当前时刻周期电流数组x相似的周期电流数组进行更新处理，更新函数如式(4)所示，而特征库中剩余电流数组需要进行衰减系数更新，如式(5)所示；
[0021][0022][0023]
其中，k为在线特征库中电流数组索引值，n为当前时刻在线特征库中的周期电流数组个数；
[0024]
步骤2.3，若当前时刻周期电流数组x与特征库中周期电流数组的滑窗函数值均小于相似度阈值，且各衰减系数值均大于设定的在线特征库冗余阈值，则将(x,y)添加到在线特征库，在线特征库中的周期电流数组个数变为(n 1)，其中y为x对应的特征衰减系数，否则不更新在线特征库。
[0025]
步骤三，基于周期电流波形相似函数和在线特征库，对家用电器运行状态进行监测，具体方法为：
[0026]
(1)当(x,y)与在线特征库中某一周期电流数组(xi,yi)相似，且在线特征库中所有周期电流数组的衰减系数值都大于设定的在线特征库冗余阈值时，则判定当前家用电器运行状态连续；
[0027]
(2)当(x,y)与在线特征库中所有周期电流数组(xi,yi)均不相似时，将(x,y)添加到在线特征库内，若在线特征库有周期电流数组的衰减系数值小于设定的在线特征库冗余阈值，则判定当前家用电器运行状态中断，反之则判定为连续；
[0028]
(3)当在线特征库中某一周期电流数组(xi,yi)的衰减系数yi小于设定的在线特征库冗余阈值，则说明在线特征库中的特征数组集合{(x1,y1),
…
,(xn,yn)}已经不适合当前家用电器运行状态的监测使用，即家用电器运行过程中连续电流波形或规律发生了改变，此时无需考虑(x,y)与在线特征库中周期电流数组的相似性，判定当前时刻家用电器运行状态发生变化，同时重新初始化在线特征库。
[0029]
一种基于在线特征库的家用电器运行状态监测系统，通过所述的基于在线特征库的家用电器运行状态监测方法，实现基于在线特征库的家用电器运行状态监测。
[0030]
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现所述的基于在线特征库的家用电器运行状态监测方法。
[0031]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的基于在线特征库的家用电器运行状态监测方法。
[0032]
本发明与现有技术相比，其显著优点是通过计算实时采集的周期电流数组与在线特征库中周期电流数组间的pearson相似系数，有效解决了具有缓变化运行特性的家用电器运行状态监测问题，提高了监测精度、减少了漏检率。
附图说明
[0033]
图1为本发明一种基于在线特征库的家用电器运行状态监测方法的流程示意图；
[0034]
图2为三类家用电器设备的电流波形实测图；
[0035]
图3为电水壶的滑窗函数计算示意图；
[0036]
图4为电水壶的运行状态监测结果图；
[0037]
图5为电吹风的运行状态监测结果图；
[0038]
图6为变频空调的运行状态监测结果图。
具体实施方式
[0039]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本技术，并不用于限定本技术。
[0040]
如图1所示，一种基于在线特征库的家用电器运行状态监测方法，根据家用电器运行状态的不同，可以将家用电器分为启停二状态设备、有限多状态设备和连续变状态设备。针对连续变状态家用电器运行状态监测存在的漏检和误检问题，家用电器运行状态监测包括以下步骤：
[0041]
步骤一，利用pearson相似系数，设计周期电流波形相似函数及判断家用电器运行状态连续性的滑窗函数；
[0042]
首先，定义两个周期级电流数组间的pearson相似系数函数，记为周期电流波形相似函数，如式(1)所示：
[0043][0044]
式中，x为当前时刻被采样设备的周期电流数组，xi为x电流数组时间上邻近的前
一个连续周期电流数组。周期电流波形相似函数能够反映两个周期电流数组间波形及幅值的相似性，相似性值的判别标准如表1所示。
[0045]
表1相似性判别标准
[0046]
f(x,xi)相似性1.0～0.8极强相似0.8～0.6强相似0.6～0.4中等程度相似0.4～0.2弱相似0.2～0.0极弱相似或不相似
[0047]
然后，在周期电流波形相似函数的基础上，建立滑窗，通过计算滑窗内电流数组相似性，对当前家用电器运行状态进行监测，滑窗函数如式(2)所示。
[0048][0049]
式中，{x
1,
...,xm}可看作判断当前时刻电流数组x状态的滑窗中电流数组集合，m为滑窗中电流数组个数的动态索引值(从1计起的自然数，也是当前滑窗大小)，若在相对长时间内的电流数组属于相同工作状态，则m值将不断增大，考虑计算机性能和负荷状态的在线监测速度，取m＝10。α为滑窗衰减系数，m-i为电流数组x与滑窗中电流数组xi间衰减系数的指数(0《α《1，不妨设α＝0.9)。
[0050]
最后，f(x)为当前时刻电流数组x与滑窗中的各个连续周期电流数组的相似系数与衰减系数乘积的累计和，通过计算f(x)的值，对家用电器运行状态进行监测。f(x)的有效取值范围在0～1之间。如式(3)所示，0.9*α为判断f(x)是否连续的阈值，0.9在表1中为极强相似性值，α为滑窗衰减系数。当f(x)大于阈值时，说明当前周期电流数组x与滑窗中的周期电流数组相似，此时判定家用电器处于连续运行状态，反之则表明家用电器运行状态发生变化。
[0051][0052]
步骤二，建立在线特征库，该在线特征库中包含家用电器运行状态监测过程中的典型周期电流数组，并根据状态变化需要实时更新在线特征库中的数组；
[0053]
各家用电器由于设备类型不同，在运行过程中，连续周期电流波形呈现出不同的规律性，提出一种数据结构(x,y)，其中x为周期电流数组，y为x对应的特征衰减系数，针对连续变状态设备的连续周期电流波形的规律性波动，将步骤一中的滑窗改进为在线特征库，从而实现该类型家用电器运行状态的监测。
[0054]
第一步，采集居民家中电器的高频电流数据，将采集到的首个周期电流数组封装为(x1,y1)，其中y1初始值设为1，并将(x1,y1)添加到在线特征库中进行初始化。若当前电流数组x与在线特征库不相似，则该在线特征库与当前电流数组x的状态无关，对y1进行衰减处理，若此种情况持续一段时间后，y1衰减为很小的值，则说明该在线特征库不仅与当前电流数组x的状态无关，且与一段时间内的家用电器运行状态无关，此时需要对在线特征库进行更新操作，更新操作见步骤二中第二步。
[0055]
第二步，设计常系数0.01和0.99，读取实时高频电流数据时，对在线特征库中与x相似的周期电流数组进行更新处理。由式(3)可知，当f(x)k(k为在线特征库中电流数组索引值)大于相似度阈值时，需要更新对应在线特征库中的数组，更新函数如式(4)所示。
[0056][0057]
而特征库中剩余电流数组需要进行衰减系数更新，如式(5)所示。
[0058][0059]
第三步，当n个f(x)滑窗函数值均小于相似度阈值时，且各衰减系数值均大于设定的在线特征库冗余阈值，可将当前周期电流数组(x,y)添加到在线特征库，即在线特征库中的周期电流数组个数变为(n 1)。
[0060]
步骤三，基于周期电流波形相似函数和在线特征库，对家用电器运行状态进行监测。
[0061]
(1)若(x,y)与在线特征库中某一周期电流数组相似，且在线特征库中周期电流数组对应衰减系数值都大于设定的在线特征库冗余阈值时(在实施例中将在线特征库冗余阈值设为0.01)，则判定当前电器状态连续。
[0062]
(2)若在线特征库中存在电流数组的衰减系数值yi《0.01时，则说明当前在线特征库中的特征数组集合{(x1,y1),
…
,(xn,yn)}(n为在线特征库中数组个数)已经不适合当前家用电器运行状态的监测使用，家用电器运行时的连续电流波形或规律发生了改变，由此判定当前时刻家用电器运行状态发生变化，同时初始化在线特征库，初始化方法见步骤二中第一步。
[0063]
(3)若(x,y)与在线特征库中所有周期电流数组均不相似时，将(x,y)添加到在线特征库内，同时根据式(5)计算在线特征库中各周期电流数组对应的衰减系数值，若有y《0.01，则判定当前电力负荷运行状态发生变化，反之则判定为连续。
[0064]
实施例
[0065]
为了验证本发明方案的而有效性，进行如下实验。
[0066]
各类家用电器由于其内部电路结构和用途的不同，在连续工作状态下的稳态周期电流波形存在各自的典型特征，图2中展示了三种设备正常工作状态下的电流波形。根据居民设备工作时所处的不同运行状态，可将电器分为以电水壶为代表的启停二状态设备(记作on/off)、以电吹风为代表的有限多状态设备(finnite state machin，记作fsm)和以空调为代表的连续变状态设备(continuously varing state machin，记作cvsm)。本实施例采用国家电网公司nilm居民负荷录波装置对家用电器进行采样，采样频率为1.6khz。
[0067]
利用滑窗函数，对on/off设备(以电水壶为例)一段时间内的电流数据进行状态监测，计算过程中的滑窗函数如图3所示，可视化结果如图4所示。图4中深黑色部分为电水壶一段时间内的连续电流数据，分析电流幅值可知，电水壶只有启停两种工作状态，相同的工作状态在一定时域内会因电器使用方式而重复出现，且相同工作状态下的周期电流波形及
幅值具有一致性。表2为从图4中提取的电水壶状态特征电流波形及幅值范围。
[0068]
表2电水壶状态特征电流波形
[0069][0070]
对于fsm设备，其工作状态有限，且相同工作状态下的周期电流波形及幅值具有一致性，可以将它当作广义的on/off设备，同样利用滑窗函数对特定时域内的电流数据进行状态监测，得到各运行状态的投切时间点，使用不同灰度色块进行标记，且相同灰度色块的电流波形及幅值具有相似性。以具有冷、热两种不同工作状态的电吹风为例，由滑窗函数对设备运行状态进行监测后，将冷风运行状态、热风运行状态和停机状态的电流数据分别用不同灰度色块进行标记，可视化结果如图5所示。
[0071]
对于cvsm设备，其运行状态多变，且相同工作状态下的周期电流波形及幅值不具有一致性，因此不能将其用上述方法进行负荷监测。根据该类设备工作时周期电流的规律性波动，如图2中的空调连续电流所示，将滑窗改进为在线特征库，使在线特征库作为滑窗函数中判断家用电器运行状态的参考数据，以空调为例，其可视化辨识结果如图6所示
[0072]
由上述研究材料可知，本发明方法能够较好的实现cvsm设备的运行状态监测任务，同时适用于on/off设备、fsm设备的运行状态监测场景。
[0073]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0074]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。