基于小电流电器的滑动窗双边CUSUM事件检测改进算法

事件检测是非侵入式负荷监测中的关键部分,然而事件检测方法对于一些小电流电器存在漏检问题。为此,提出一种基于小电流电器的滑动窗双边CUSUM事件检测改进算法,即在均值计算窗和暂态检测窗的基础上,引入方差计算窗区分运行时电流波动小的电器,通过权重参数δ提高检测过程中投入、切出事件的累计和,解决了滑动窗双边CUSUM事件检测算法的小电流电器漏检问题。采用方差阈值判断电器是否进入稳态,提高了电器进入稳态时检测的准确性,有效记录事件投入点和事件切出点。实测验证表明,所提算法不仅能够准确检测到传统算法易忽略的小电流电器的暂态事件,还能准确记录电器完整的事件投切过程,有利于其暂态过程的分析与处理,保证了特征提取的有效性,为事件检测方法的优化方向提供了借鉴。     

基于FBE算法的非侵入式事件检测方法

鉴于基于非侵入式负荷监测(NILM)的智能电表将成为住宅和建筑物的重要组成部分,提出一种应用非侵入式负荷监测环境的滤波器式经验模态分解算法,即将采集到的总电压电流信号自适应地分解成各种窄带信号,从分解的这些窄带信号中提取有关设备开关事件的有用信息,以有效提取模态特征、检测开关事件,克服传统经验模态分解方法对负类事件分类准确度的缺陷,增加了整体负载分类的准确性;最后,在BLUED数据集上进行测试,相比传统算法精度80.56%,所提方法的识别精度为97.39%,验证了算法的实用性和优越性。     

基于Faster R-CNN的非侵入式负荷识别方法

针对非侵入式负荷辨识终端对特征相似电器、小样本数据辨识困难等问题,提出一种利用改进的Faster R-卷积神经网络(convolutional neural networks, CNN)对小样本负荷数据进行高精度辨识的方法。在传统的Faster R-CNN目标检测算法的基础上,增大了模型输入图像尺寸,保留更多负荷图像曲线的细节,提高了对小目标图像细节的识别效果;替换模型特征提取网络VGG16为Inception V2网络,拓宽了网络宽度,减小了差异较大的图像曲线变化尺寸对模型识别造成的干扰,以满足对不同尺度的负荷特征图像曲线的特征提取。在数据集上测试Faster R-CNN对非入侵式负荷设备识别的可行性与准确性,结果表明该方法显著减小了数据处理与识别网络的计算量,使识别的准确率与召回率均有了较大提升。     

浅谈小电流接地系统的单相接地故障检测方法

本文浅谈高压电力网小电流接地,系统单相接地故障的检测方法,并就其故障带来的影响和危害,以及各种方法的工作原理、选线基准、特点等作了简单的分析。     

非侵入式负荷动态识别方法的研究及工程应用

随着非侵入式负荷监测技术应用场景不断扩展,负荷类型日趋多样化,基于单层特征的静态识别方法需要构造更加全面、复杂的特征,难以兼顾负荷识别的准确度及速度。提出一种基于多层特征组的动态识别方法,综合考虑不同负荷特征提取的采样频率、监测窗口宽度、计算复杂度和负荷特征存储量等构建分层特征组,针对负荷群中不同的负荷类型提取不同的特征组作为分类特征以降低特征的综合提取代价,最后基于支持向量机多分类算法实现按需识别负荷类型。BLUED数据库的仿真对比分析和实际某工厂的工程测试结果表明,基于多层特征组的动态识别方法不仅能够提高负荷的综合识别速度,也能提升相似负荷的识别准确度,在负荷相似及投切频繁的场景下能够兼顾负荷识别准确度和速度,具有较好的工程适用性。     

基于暂态过程的非侵入式负荷监测研究

非侵入式负荷分解方法是对系统中的负荷用电行为进行辨识的一种方法,是智能电网体系建设的重要环节。为了达到监测系统中负荷的目的,基于系统的暂态过程,对系统中的负荷进行辨识,即基于负荷的投切和换挡操作,提出用于负荷暂态过程检测和提取的算法;再选取合适的特征量表征每一类暂态过程,将得到的特征量经过归一化处理形成样本集,应用决策树中CART算法通过训练集生成负荷暂态类型判定的决策树,利用测试集来判定系统的暂态过程,以实现监测系统中负荷的目的,并通过改进决策树,提出了多层决策树算法,解决了算法误判的问题;最后通过实测数据验证了所提算法对系统中负荷的有效监测。     

基于通道注意力机制和BIGRU的非侵入式负荷分解方法

针对目前负荷监测领域存在模型分解准确率低、训练周期长、泛化性能差的问题,文章构建了基于通道注意力机制和双向门控循环单元的非侵入式负荷监测模型,利用搭建的序列到点编码–解码结构,将智能电表入口处总功率序列与待测目标设备序列中点在模型上进行映射训练。使用功率嵌入层对负荷序列的输入过程进行优化,将离散的负荷总功率序列通过功率嵌入矩阵映射到高维紧密向量空间;采用一维卷积神经网络提取负荷序列的局部特征,双向门控循环单元提取负荷的长序列依赖关系,同时融合通道注意力机制强化对目标设备重要信号特征的学习,挖掘目标设备状态与负荷功率之间的关联。在基于能量分解模型基准框架下,利用公开数据集REDD和UK-DALE进行实验,与现有两种典型负荷分解模型进行比较分析,实验结果表明,文章构建的模型在减少网络训练时间和参数的前提下,有效检测了目标设备的开关状态,显著提升了负荷分解准确性。     

基于多维Hausdorff距离算法的站域电流回路故障检测

目前电流二次回路检测主要以红外测温和电流互感器二次负载离线检测为主,电流二次回路故障发生后,现场处理仍然依靠人工检测排查,无法及时有效识别并定位二次回路故障。提出基于多维Hausdorff距离算法的站域电流回路故障检测方法,利用电流互感器同源性数据传输的特点,通过检测分析不同装置内采集到的电流二次采样数据,考虑电气量特征时间序列变化的有序性及运动性,检测出二次电流回路异常。实例分析表明,该方法可以有效定位并识别检测电流回路二次接地故障。     

小电流接地保护跳闸给故障检测与保护带来的机遇与挑战

小电流接地系统单相接地故障由"带故障运行"到"快速就近隔离"处理原则的转变,一方面,使小电流接地故障保护问题受到足够的重视,为配电网更加安全可靠地运行提供有力保障;另一方面,也对接地故障检测与保护技术的可靠性提出了更高要求.在小电流接地故障保护领域中,针对已有故障检测算法的适用性不广、高阻接地故障保护方法的可靠性不高、...     

基于复现性和熵权区分度的非侵入式负荷识别方法

非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题。算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率。     

A systematic approach to ON-OFF event detection and clustering analysis of non-intrusive appliance load monitoring

The aim of non-intrusive appliance load monitoring (NIALM) is to disaggregate the energy consumption of individual electrical appliances from total power consumption utilizing non-intrusive methods. In this paper, a systematic approach to ON-OFF event detection and clustering analysis for NIALM were presented. From the aggregate power consumption data set, the data are passed through median filtering to reduce noise and prepared for the event detection algorithm. The event detection algorithm is to determine the switching of ON and OFF status of electrical appliances. The goodness-of-fit (GOF) methodology is the event detection algorithm implemented. After event detection, the events detected were paired into ON-OFF pairing appliances. The results from the ON-OFF pairing algorithm were further clustered in groups utilizing the K-means clustering analysis. The K-means clustering were implemented as an unsupervised learning methodology for the clustering analysis. The novelty of this paper is the determination of the time duration an electrical appliance is turned ON through combination of event detection, ON-OFF pairing and K-means clustering. The results of the algorithm implementation were discussed and ideas on future work were also proposed.     

基于套管屏蔽环的开关柜脉冲电流法在线局部放电检测系统

局部放电检测的脉冲电流法具有灵敏度高、信息丰富、抗干扰性较差的特点,通常应用于电力设备的离线试验中.针对脉冲电流法在线应用的技术要求,研制了基于套管屏蔽环的脉冲电流法局部放电在线检测系统.利用开关柜、环网柜中的对接套管提取局部放电脉冲,并设计配套检测阻抗对其进行参数匹配和仿真优化,同时在10 kV开关柜实验平台上验证了...     

基于复Contourlet和改进数学形态学的火焰图像边缘检测

为进一步改善火焰图像边缘检测性能,提出了一种基于复Contourlet模极大值和改进数学形态学的边缘检测方法.通过复Contourlet变换将火焰图像分解成低频和高频子带,并对边缘细节较少的低频子带分量采用改进的数学形态学方法进行处理,检测出较弱的边缘并保证定位准确,而对高频子带分量采用复Contourlet模极大值法检测边缘,可有效减弱噪声,最后经融合得到火焰图像的完整边缘.结果表明:与Canny方法、小波模极大值方法、Contourlet模极大值方法和Contourlet形态学方法相比,所提方法在主观视觉效果、峰值信噪比等客观定量评价指标2个方面有明显的优势,具有更好的边缘检测效果,边缘轮廓更清晰完整,且具有很强的抗噪性能.