第六届挑战赛A3-基于非侵入式负荷检测与分解的电力数据挖掘

发布时间:2018-11-01 作者:BdRaces 浏览量:1415

摘要:

电力分项计量不仅对于电力公司准确预测电力负荷、科学制定电网调配方案、提高电网系统的稳定性具有重要意义,而且有助于用户了解用电设备的耗能情况、及时发现电器故障 及异常检测。基于非入侵式电力负荷检测与分解技术容易实现、成本低,而且效果比较好,适合大范围推广。运用非侵入式负荷检测与分解方法,对建筑物内的用电设备的电力能耗进 行监测。采用电力数据分析与挖掘的方法,实现各个用电设备电能分项计量。

针对问题一,通过对设备数据中的电流数据进行可视化分析,判断 11 种用电设备在各 个对应的操作区间内电流发生何种变化,从中提取出各个设备在暂态以及稳态下的电流特 征;与此同时,对周波数据中的电流与电压数据进行整合处理,对 128 个采样点的电流数据 与电压数据组合成坐标,绘制出电流-电压轨迹图。电流-电压轨迹图是各种设备的独特负荷 印迹,对于单个设备区分具有重要意义。实时用电量的计算我们参照公式进行求解。

针对问题二,为实现单个设备的自动识别,我们提出针对于不同情况下的 2 种解决思 路。第一,基于多分类 SVM 的判别模型。一方面,谐波电压数据具有在同一设备的不同状 态下差异小,不同设备间差异大的特性。其次,题设 11 种设备的工作参数差异巨大。因此 采用 50 频次的谐波电压数据结合实时用电量数据作为判别特征,运用多分类 SVM 进行判 别分析。第二,基于最近邻的判别方法。在实际数据当中存在谐波电压数据缺失的情况,会 使得基于最近邻的判别模型具有更准确的判别效果。将每个用电器对应最大功率的稳态运行状态下有功无功的值绘制到坐标系中,计算待估计设备(P, Q)与 11 中设备(P, Q)的欧式距离,将其判别为距离最近的设备类型。最后,绘制待测设备电流-电压轨迹图作为可视化验证方法。

针对问题三,为实现已知设备组混合运行状态分析,首先对 11 种用电设备进行分类, 分为“ON/OFF”、“有限多状态”、“连续变状态”三种类别,在此基础上提取出稳态下电流 保持相对平稳的设备,并提取设备在各种运行状态下的稳态电流值。对于稳态下不平稳的设 备需要针对设备特性进行单独处理。因为设备组运行状态的电流值,是各个单独设备的不同 状态下电流值的叠加。因此可以采用线性组合的思想对其进行求解,从而实现对各用电器的 状态的判别。状态突变时间可以通过事件检测实现,运用前后时刻电流差值进行判别。

针对问题四,为实现未知设备组的混合运行状态分析,首先需判别出设备组用电设备的 类型。在对各个设备电流数据可视化不难发现各种设备具有独特的电流波形特征,从中提取 出暂态和稳态波形特征构造特征库。将设备组电流波形特征进行拆解与特征库进行匹配,可 以实现用电设备类型判别。通过准确判别出设备类型就可将问题四转化为问题三,在此基础 上运用上述问题三中所述设备分类和线性组合的思想就可以实现对问题四的求解。


关键词:可视化;SVM;最近邻;线性组合;事件检测



阅读全文