專利名稱：基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法
技術領域：
:本發(fā)明涉及智能電網實時監(jiān)測和優(yōu)化控制領域，特別涉及了針對智能電網的用電負載檢測與識別方法。
背景技術：
:智能電網利用信息網絡技術對電力網絡中發(fā)電、配電和耗電設備進行實時監(jiān)測和優(yōu)化控制，實現節(jié)能、減排等目標。電力系統(tǒng)監(jiān)測技術是智能電網的基礎，而負荷監(jiān)測是電力系統(tǒng)監(jiān)測的一個重要組成。負荷監(jiān)測通過對系統(tǒng)負荷進行監(jiān)測，有助于電網了解負荷運行情況，加強負荷側管理實現電網優(yōu)化；在智能電網背景下的負荷監(jiān)測還有利于需求側管理，引導用戶合理消費，降低用電成本，同時也有助于改善電網負荷構成，有利于國家電力資源的優(yōu)化配置。傳統(tǒng)的負荷監(jiān)測系統(tǒng)是侵入式的，需要在所要監(jiān)測的每一個負載上加裝硬件設備，并使用電力載波等技術將信息傳輸至數據中心。雖然這種方法簡單、方便，但在安裝、維護時，需要大量的時間和費用，同時還可能會對電力系統(tǒng)造成影響，降低系統(tǒng)的可靠性。如何高效節(jié)省穩(wěn)定的進行負荷監(jiān)測成為智能電網的一個重要問題。一般的負荷檢測方法只使用單一特征，這有很多缺點，但是由于數據采集設備功能單一，要獲取多維特征就必須安裝多種數據采集設備。隨著智能電表在智能電網中的廣泛安裝，智能電表便捷的通信功能和強大的數據采集能力為電力系統(tǒng)負荷監(jiān)測提供了更好的基礎，同時對負載檢測與識別的方法也提出了更新的要求
發(fā)明內容
:本發(fā)明的主要目的在于提供一種基于穩(wěn)態(tài)和暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法，根據使用環(huán)境需要，選擇典型的智能電網用電負載建立負荷特征庫，從智能電網用戶側的智能電表獲取用戶用電數據，基于可變均值的雙邊CUSUM開關事件檢測算法，對事件采用基于穩(wěn)態(tài)有功-無功二維特征的事件聚類算法，聚類成功的事件基于穩(wěn)態(tài)功率特征匹配識別，聚類未成功事件基于暫態(tài)電流特征的互相關分析識別，對識別事件進行基于穩(wěn)態(tài)諧波電流特征的校驗，更新識別結果，最后按一定規(guī)則進行配對，實現負載的檢測與識別。本發(fā)明的目的通過以下技術方案實現:基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法，包括如下步驟:I)、通過被檢測用戶的智能電表獲取一定時間長度的多維用電數據；2)、對步驟I)獲得的多維用電數據中有功功率數據和無功功率數據進行預處理，利用基于可變均值的雙邊CUSUM算法分析有功功率數據，檢測負載的開關事件；3)、基于穩(wěn)態(tài)有功無功二維特征，利用聚類算法對步驟2)獲得的開關事件進行聚類分析；
4)、對聚類成功和不成功的開關事件，分別進行穩(wěn)態(tài)功率特征匹配和暫態(tài)電流特征分析，標記出識別的開關事件的負載類型；5)、對識別的開關事件進行基于穩(wěn)態(tài)諧波電流特征分析、校驗，更新識別結果；6)、對識別的開關事件進行開、關事件配對，將結果輸出；不能配對的開關事件和未識別的開關事件放在下一個檢測時段繼續(xù)分析。本發(fā)明進一步的改進在于:步驟I)中從智能電表采集的多維用電數據包括穩(wěn)態(tài)有功功率、穩(wěn)態(tài)無功功率、穩(wěn)態(tài)諧波電流和暫態(tài)電流數據。本發(fā)明進一步的改進在于:所述穩(wěn)態(tài)諧波電流包括3次諧波電流和5次諧波電流。本發(fā)明進一步的改進在于:步驟2)對采集的有功功率數據和無功功率數據進行預處理為進行滑動窗口濾波處理；利用基于可變均值的雙邊CUSUM算法對有功數據進行分析，檢測開關事件，記錄下開關事件發(fā)生的時間，開關事件發(fā)生過程中有功功率和無功功率的變化，開關事件對應的電流諧波數據和暫態(tài)電流數據。本發(fā)明進一步的改進在于:步驟2)中利用基于可變均值的雙邊CUSUM算法對有功數據進行分析，檢測開關事件的步驟包括:當步驟I)采集的有功功率序列處于穩(wěn)態(tài)時，CUSUM正統(tǒng)計量和負統(tǒng)計量均以閾值β在O附近波動，此時更新計算算法均值；當有功序列出現正偏移，正統(tǒng)計量不斷增加，當大于閾值h時，認為是開事件；當有功序列出現負偏移，負統(tǒng)計量不斷增加，當大于閾值h時，認為是關事件；其中閾值β為被檢測電網中被檢測用戶負荷功率最大值的10% ;閾值h為被檢測用戶負荷功率的20%。本發(fā)明進一步的改進在于:步驟3)對檢測到的開、關事件，在有功功率-無功功率二維空間上采用聚類算法進行聚類；如果一類中只有一個事件，認為是聚類不成功的事件；如果一類中有多個事件，認為是聚類成功的事件。本發(fā)明進一步的改進在于:步驟3)中所述聚類算法為K均值算法或K中心算法。本發(fā)明進一步的改進在于:步驟4)對聚類不成功的事件，將事件對應的暫態(tài)電流特征與負載特征庫中各負載的暫態(tài)電流特征進行互相關性分析；互相關性大于一定值P則認為開關事件與該負載匹配，P=0.8 ;如果某一開關事件只與一種負載匹配，標記為未識別事件；如果某一開關事件可以檢測到與η種負載匹配，η為正整數，則將該開關事件按照負載特征庫中對應的η種負載的特征數據拆分成對應的η個開關事件，標記出每個開關事件對應的負載類型；所述負載特征庫包括若干種被檢測電網對象中出現的負載設備，負載特征庫中每種負載設備包括以下特征數據:負載穩(wěn)態(tài)工作時的有功功率，無功功率，3次諧波電流，5次諧波電流，開和關時段的暫態(tài)電流數據。本發(fā)明進一步的改進在于:步驟4)對于聚類成功的事件，在每一類中所有的開關事件中，抽取至少一個開關事件按其穩(wěn)態(tài)有功功率和無功功率與負載特征庫中各負載的穩(wěn)態(tài)有功功率和無功功率特征進行匹配，標記出每個類對應的負載類型。本發(fā)明進一步的改進在于:步驟5)對所有標記出負載類型的開關事件，將其對應的諧波電流特征與負載特征庫中各類負載的諧波電流特征進行匹配，如果匹配到的負載類別與標記的負載類別不同，則以諧波電流特征進行匹配所獲得的負載類型對該開關事件對該開關事件重新標記負載類型。本發(fā)明進一步的改進在于:步驟6)中，對步驟4)中負載類型標記正確的開關事件和經過步驟5)重新進行標記負載類型的開關事件，按其負載類型分類，對于每一類中開事件和關事件按照一定原則配對:關事件時間在開事件時間之后；時間間隔最近的開事件和關事件配對；所有配對的開關事件輸出到結果；未配對的開關事件和未識別的開關事件放在下個檢測時段繼續(xù)分析。相對于現有技術，本發(fā)明具有以下優(yōu)點:本發(fā)明中提到的負載檢測與識別技術基于多維特征，包括有功功率、無功功率、諧波電流(3次和5次)以及暫態(tài)電流，多特征聯合匹配，彌補了使用單一特征進行負載檢測與識別的缺點，提聞了檢測的精確度，同時也提聞了檢測能力，對于穩(wěn)態(tài)有功無功~■維特征接近的負載可以有效的識別，對于多負載同時投入或切出的情況也可以進行分析。在多特征聯合匹配機理中，以穩(wěn)態(tài)有功無功特征檢測為主，暫態(tài)電流特征進行輔助分析，諧波電流特征進行結果檢驗，充分發(fā)揮各特征檢測的優(yōu)點并合理安排各模塊的作用，提聞了效率。


:圖1為基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法的技術框圖；圖2為基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法流程簡圖。
具體實施方式
:以下結合附圖，詳細說明本發(fā)明基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法的實施方式。本發(fā)明方法基于穩(wěn)態(tài)和暫態(tài)特征聯合匹配，需要建立負載特征庫。選取典型的智能電網負載設備(可根據使用環(huán)境選擇)，負載特征庫中包括若干種被檢測電網對象中出現的負載設備，負載特征庫中每種負載設備包括以下特征數據:負載穩(wěn)態(tài)工作時的有功功率，無功功率，諧波電流(3次和5次)，開和關時段的暫態(tài)電流數據。圖1、圖2分別為基于穩(wěn)態(tài)和暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法的技術框圖和流程簡圖，顯示了基于穩(wěn)態(tài)和暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法的基本框架。本方法可以實現半實時性，根據對檢測精度和實時性的不同要求，設定一定的采樣頻率和檢測時段，多個檢測時段循環(huán)工作。檢測初始，根據對精度和實時性的不同需要設定檢測時段T (默認15min)和采樣間隔(默認Is);設定開關檢測算法的穩(wěn)態(tài)閾值β (根據檢測對象的不同取不同值，一般可取被檢測電網中被檢測用戶負荷功率最大值的10%)和檢測閾值h(—般可取被檢測電網中被檢測用戶負荷功率的20%)，暫態(tài)電流特征分析的互相關系數P (—般可取0.8);對開關事件庫清零。請參閱圖1及圖2所示，本發(fā)明是一種基于穩(wěn)態(tài)和暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法，具體包括如下步驟:步驟100:從被檢測用戶的智能電表讀取時間長度T的多維負荷數據，包括穩(wěn)態(tài)有功功率，穩(wěn)態(tài)無功功率，穩(wěn)態(tài)諧波電流(取3次和5次)，暫態(tài)電流數據；步驟101:對采集的有功功率數據和無功功率數據進行滑動窗口濾波處理，并利用基于可變均值的雙邊CUSUM算法 對有功功率數據分析，檢測開關事件，記錄下開關事件發(fā)生的時間，開關事件發(fā)生過程中有功功率和無功功率的變化，開關事件對應的電流諧波數據和暫態(tài)電流數據；步驟102:對檢測到的開、關事件，在有功功率-無功功率二維空間上采用聚類算法(K均值算法或K中心算法)進行聚類。一類中只有一個事件，標記為聚類不成功的事件；一類中有多個事件，標記為聚類成功的事件；步驟103:對于聚類不成功的事件，將開關事件對應的暫態(tài)電流特征與負載特征庫中各負載的暫態(tài)電流特征進行互相關性分析，互相關性大于一定值P (—般取0.8)則認為開關事件與該負載匹配。如果某一開關事件只與一種負載匹配，標記為未識別事件；如果某一開關事件可以檢測到與 η種負載匹配(即該開關事件對應η種負載同時開關)，則將該開關事件按照負載特征庫中對應的η種負載的特征數據拆分成對應的η個開關事件，標記出每個開關事件對應的負載類型；步驟104:對于聚類成功的開關事件，在每一類中所有的開關事件中，抽取至少一個開關事件按其穩(wěn)態(tài)功率特征(包·括有功功率和無功功率)與負載特征庫中各負載的穩(wěn)態(tài)功率特征(包括有功功率和無功功率)進行匹配，標記出每個類對應的負載類型；步驟105:對步驟103和步·驟104中標記出負載類型的開關事件，將其對應的諧波電流特征與負載特征庫中各類負載的諧波電流特征進行匹配，如果開關事件匹配到的負載類型與標記的負載類型不同，則以諧波電流特征進行匹配所獲得的負載類型對該開關事件重新標記負載類型；步驟106:對步驟103和步驟104中負載類型標記正確的開關事件和經過步驟105重新進行標記負載類型的開關事件，按標記的負載類型分類，對于每一類中開事件和關事件按照一定原則配對:關事件時間在開事件時間之后；時間間隔最近的開事件和關事件配對。所有配對的開關事件輸出到結果；未配對的開關事件和未識別的開關事件放在下個檢測時段繼續(xù)分析；步驟107:至此完成一個檢測時段的檢測，重復步驟10(Γ106的操作，進入下一個檢測時段，直到檢測結束。
權利要求
1.基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法，其特征在于，包括如下步驟: 1)、通過被檢測用戶的智能電表獲取一定時間長度的多維用電數據； 2)、對步驟I)獲得的多維用電數據中有功功率數據和無功功率數據進行預處理，利用基于可變均值的雙邊CUSUM算法分析有功功率數據，檢測負載的開關事件； 3)、基于穩(wěn)態(tài)有功無功二維特征，利用聚類算法對步驟2)獲得的開關事件進行聚類分析； 4)、對聚類成功和不成功的開關事件，分別進行穩(wěn)態(tài)功率特征匹配和暫態(tài)電流特征分析，標記出識別的開關事件的負載類型； 5)、對識別的開關事件進行基于穩(wěn)態(tài)諧波電流特征分析、校驗，更新識別結果； 6)、對識別的開關事件進行開、關事件配對，將結果輸出；不能配對的開關事件和未識別的開關事件放在下一個檢測時段繼續(xù)分析。
2.根據權利要求1所述的方法，其特征在于，步驟I)中從智能電表采集的多維用電數據包括穩(wěn)態(tài)有功功率、穩(wěn)態(tài)無功功率、穩(wěn)態(tài)諧波電流和暫態(tài)電流數據。
3.根據權利要求2所述的方法，其特征在于，所述穩(wěn)態(tài)諧波電流包括3次諧波電流和5次諧波電流。
4.根據權利要求1所述的方法，其特征在于，步驟2)對采集的有功功率數據和無功功率數據進行預處理為進行滑動窗口濾波處理；利用基于可變均值的雙邊CUSUM算法對有功數據進行分析 ，檢測開關事件，記錄下開關事件發(fā)生的時間，開關事件發(fā)生過程中有功功率和無功功率的變化，開關事件對應的電流諧波數據和暫態(tài)電流數據。
5.根據權利要求4所述的方法，其特征在于，步驟2)中利用基于可變均值的雙邊CUSUM算法對有功數據進行分析，檢測開關事件的步驟包括:當步驟I)采集的有功功率序列處于穩(wěn)態(tài)時，CUSUM正統(tǒng)計量和負統(tǒng)計量均以閾值β在O附近波動，此時更新計算算法均值；當有功序列出現正偏移，正統(tǒng)計量不斷增加，當大于閾值h時，認為是開事件；當有功序列出現負偏移，負統(tǒng)計量不斷增加，當大于閾值h時，認為是關事件；其中閾值β為被檢測電網中被檢測用戶負荷功率最大值的10% ;閾值h為被檢測用戶負荷功率的20%。
6.根據權利要求4或5所述的方法，其特征在于，步驟3)對檢測到的開、關事件，在有功功率-無功功率二維空間上采用聚類算法進行聚類；如果一類中只有一個事件，認為是聚類不成功的事件；如果一類中有多個事件，認為是聚類成功的事件。
7.跟據權利要求6所述的方法，其特征在于，步驟4)對聚類不成功的事件，將事件對應的暫態(tài)電流特征與負載特征庫中各負載的暫態(tài)電流特征進行互相關性分析；互相關性大于一定值P則認為開關事件與該負載匹配，P=0.8 ;如果某一開關事件只與一種負載匹配，標記為未識別事件；如果某一開關事件可以檢測到與η種負載匹配，η為正整數，則將該開關事件按照負載特征庫中對應的η種負載的特征數據拆分成對應的η個開關事件，標記出每個開關事件對應的負載類型；所述負載特征庫包括若干種被檢測電網對象中出現的負載設備，負載特征庫中每種負載設備包括以下特征數據:負載穩(wěn)態(tài)工作時的有功功率，無功功率，3次諧波電流，5次諧波電流，開和關時段的暫態(tài)電流數據。
8.根據權利要求7所述的方法，其特征在于，步驟4)對于聚類成功的事件，在每一類中所有的開關事件中，抽取至少一個開關事件按其穩(wěn)態(tài)有功功率和無功功率與負載特征庫中各負載的穩(wěn)態(tài)有功功率和無功功率特征進行匹配，標記出每個類對應的負載類型。
9.根據權利要求8所述的方法，其特征在于，步驟5)對所有標記出負載類型的開關事件，將其對應的諧波電流特征與負載特征庫中各類負載的諧波電流特征進行匹配，如果匹配到的負載類別與標記的負載類別不同，則以諧波電流特征進行匹配所獲得的負載類型對該開關事件對該開關事件重新標記負載類型。
10.根據權利要求9所述的方法，其特征在于，步驟6)中，對步驟4)中負載類型標記正確的開關事件和經過步驟5)重新進行標記負載類型的開關事件，按其負載類型分類，對于每一類中開事件和關事件按照一定原則配對:關事件時間在開事件時間之后；時間間隔最近的開事件和關事件配對；所有配對的開關事件輸出到結果；未配對的開關事件和未識別的開關事件放在 下個檢測時段繼續(xù)分析。
全文摘要
本發(fā)明公開了一種基于穩(wěn)態(tài)與暫態(tài)特征聯合匹配的智能電網負載檢測與識別方法選擇典型的智能電網負載進行數據采集和特征分析，建立負載特征數據庫；在智能電網終端用戶斷路器層通過智能電表獲取用戶用電數據；對采集數據行預處理并檢測用電開關事件；利用聚類算法對開關事件進行聚類，每個類對應于一種用電負載的啟停行為；將聚類的開關事件進行負載識別；識別結果利用穩(wěn)態(tài)諧波電流特征分析進行結果校驗，并更新識別結果。本發(fā)明可以在不影響智能電網正常運行及用戶正常使用的基礎上，檢測負載設備的類型和使用情況，既有助于智能電網的負荷側管理，也有利于加強需求側管理，這對改善電網負荷構成，實現電力資源與負載的優(yōu)化配置有重大意義。
文檔編號G01R31/00GK103105556SQ20131003617
公開日2013年5月15日 申請日期2013年1月30日 優(yōu)先權日2013年1月30日
發(fā)明者劉烴, 陳思運, 高峰, 管曉宏, 吳江 申請人:西安交通大學