基于孪生分支网络的非侵入式冲击负荷辨识方法

传统边缘侧电力设备无法有效检测出对电网影响较大的冲击性负荷的设备类别与功率启停信息。为此,提出一种基于孪生分支网络的非侵入式冲击负荷辨识方法。通过总线入口处的高频采样数据提取波形的V-I轨迹特征和对角高斯谐波特征;预设多种先验信息对不同设备的冲击负荷特性进行训练,特别地,设计一种基于孪生分支结构的卷积神经网络,利用二分类交叉熵损失函数实现冲击负荷的分类辨识,同时引入最小平方误差损失函数对冲击负荷功率进行分解;使用非侵入式的方式并基于ARM Cortex-M4平台进行算法部署与识别测试。对比不同识别算法对冲击负荷的辨识能力,结果表明,当电网发生大功率冲击性波动时,孪生分支网络可以更准确地识别冲击负荷的设备类别,有效提高了对冲击负荷的辨识效果。     

间谐波对全周波傅里叶算法影响研究

随着智能电网的发展,以电力电子装置为代表的非线性负荷在电力系统中得到了广泛的应用,给电网带来大量谐波、间谐波。由于间谐波的存在,使得应用于仪表计量、继电保护特征量提取的全周波傅里叶算法结果产生误差,造成基波和谐波检测误差、保护不正常动作等。文章从理论上推导出了含单一频率间谐波的基波信号的全周波傅里叶变换表达式,从傅里叶变换表达式中提取了基波和二次谐波幅值,绘制了基波和二次谐波幅值波动范围随间谐波频率和含量的变化曲线,得出了间谐波对全周波傅里叶算法提取基波和各次谐波幅值影响的普遍性结论。最后,以变压器差动保护为例进行仿真验证,仿真表明:由于间谐波对全周波傅里叶算法的影响,会导致继电保护特征量提取误差,从而引起保护误动或拒动。     

基于改进鸡群算法的非侵入式负荷监测

监测负荷运行状态有利于加强电网负荷侧管理,引导用户合理消费,实现节能降耗。针对小功率负荷与大功率负荷同时投入时,单一谐波电流特征易受线路电压、电流波动影响导致负荷辨识精度低的问题,提出一种基于改进鸡群算法的负荷监测方法,设计综合考虑稳态谐波电流和功率特征的正态分布度量函数,作为改进鸡群算法的适应度函数。实验结果表明,采用所提方法可有效提高负荷辨识准确率。     

基于云端协同的家用电器负荷辨识能力提升技术研究

居民家用电器类型丰富,具有相似特征量的电器种类往往很多,给非介入辨识带来电器类型不确定、辨识准确度有待提升等问题,所以提出了一种基于多类型特征交互的云端协同的负荷辨识方法.首先端侧基于高频采样进行特征提取及负荷辨识,基于CUSUM事件检测方法提高检测过程中小偏移事件的检测灵敏度,应用轻量级邻近辨识方法进行基本电器辨识并...     

电能计量装置实际运行工况下综合误差评估方法

分析了影响电能计量装置综合误差的各种影响量,主要包括电网谐波、电网频率、二次回路负荷、二次回路压降等影响因素。在此基础上,介绍了电能计量装置综合误差的计算方法,并推导出相应的综合误差计算公式。     

基于三维特征向量的非侵入式电热负荷细分算法

非侵入式负荷监测分解（NILMD）技术是当前居民用能服务深化提升和电力供需互动的重要数据获取手段,然而当前工程上应用广泛的事件驱动型NILMD技术一直无法准确细化分解电热负荷。针对这一问题,文中提出了一种基于三维特征向量的典型电热负荷细化分解算法。首先,基于有功、无功功率和电流谐波等电气负荷特征采用事件检测方法提取电热事件,在有功功率的基础上,引入运行时长、频繁启停次数等非电气负荷特征共同构建三维特征向量电器模型。然后,采用序贯覆盖法设计典型电热负荷细化分解命题学习规则和细化分解算法。最后,基于实证实验数据进行分解验证,发现4种典型电热负荷的细化分解准确率超过85%。实验结果表明,文中所提典型电热负荷细化分解算法有效地提高了4种典型电热负荷分解的准确率。     

基于三线性分解的电力系统谐波与间谐波参数估计算法

随着大量非线性负荷接入电网,电力系统谐波和间谐波污染日趋严重,严重影响了电网安全和电能质量。为提高谐波治理的有效性,保证电网的安全、稳定、可靠运行,提出一种基于三线性分解的电力系统谐波和间谐波参数估计算法。对含有谐波和间谐波分量的电力系统频率信号进行分析,可以利用欧拉公式将其转化为空域信号。在接收端利用多时延输出构造具有三线性特征的信号模型,利用复平行因子分析算法完成三线性拟合。仿真结果表明该算法不仅能辨识固定频率,而且能跟踪动态频率,同时还可以实现幅度和相位的精确估计,是一种超分辨率谐波和间谐波参数估计随着大量非线性负荷接入电网,电力系统谐波和间谐波污染日趋严重,严重影响了电网安全和电能质量。为提高谐波治理的有效性,保证电网的安全、稳定、可靠运行,提出一种基于三线性分解的电力系统谐波和间谐波参数估计算法。对含有谐波和间谐波分量的电力系统频率信号进行分析,可以利用欧拉公式将其转化为空域信号。在接收端利用多时延输出构造具有三线性特征的信号模型,利用复平行因子分析算法完成三线性拟合。仿真结果表明该算法不仅能辨识固定频率,而且能跟踪动态频率,同时还可以实现幅度和相位的精确估计,是一种超分辨率谐波和间谐波参数估计算法。     

基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究

非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据。为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较低等问题,文章首先利用改进迭代K均值聚类提取用电设备运行状态建立负荷特征集,之后将特征集输入构造的序列到序列的一维深层卷积神经网络模型以及序列到序列的单、双向长短时记忆网络等模型中进行负荷分解挖掘各设备运行状态。最后通过REFITPowerData数据集进行验证,一维深层卷积神经网络模型虽然耗时较大但负荷识别准确率达到93%以上,表明基于特征数据集及序列到序列的一维深层卷积神经网络非侵入式负荷分解方法与其他深度学习模型方法、人工神经网络方法相比表现出更显著的信息提取能力以及辨识能力。     

基于自适应融合数据的线路参数辨识

电网频率的变化会导致利用DFT算法计算PMU数据时相角差出现误差,进而影响线路参数辨识精度.因此,提出一种基于加权最小二乘(AFD-WLS)的自适应融合数据辨识线路参数的方法,通过结合峭度因子的互补集合经验模态分解(CEEMD)自适应选取故障录波数据中的高频分量从而实现不同位置故障录波数据和PMU数据的同步;该方法利用...     

基于自适应陷波滤波器的谐波分析法

为提升介损角测量算法对干扰因素的抑制效果,提出了一种结合自适应陷波滤波器(ANF)的谐波分析法.ANF能有效滤除电压、电流波形中的整次谐波、间谐波和噪声分量,准确实现基波分量的跟踪及基波频率的提取.谐波分析法基于ANF提取的基波分量和基波频率进行介损角计算.仿真结果表明,结合ANF的谐波分析法在频率波动、谐波分量变化、白噪声影响、介损角真值变化、初相角变化等情况下都能取得较高测量精度.     

基于边缘计算的用户异常负荷识别方法

针对未知家电负荷背景下基于智能电表采样数据进行异常负荷识别问题,以电动车入户充电负荷为出发点,提出了 一种基于边缘计算的用户异常负荷识别方法。首先通过 Boruta-SHAP 算法对非侵入式负荷数据的14种特征进行排序筛选, 得到在秒级负荷数据下的辨识效果最佳的特征子集;然后采用改进的非平行支持向量机(v-non parallel support vector ma- chine,v-NPSVM) 模型进行异常负荷识别模型的训练;最后结合边缘计算技术将算法部署到边缘计算平台上,实现对典型电 动车充电负荷的识别。实验基于低压台区中智能电表获取的真实负荷数据进行验证,并进一步对数据进行降频处理以验证 更低频数据源下方法的有效性,实验结果表明针对降频后的异常负荷识别的正确辨识率仍在90%以上,证明了在未知家电负 荷背景下方法具有较好的适用性和准确性。     

基于KPCA和XGBoost算法的非侵入式负荷辨识方法

非侵入式负荷监测(Non-Intrusive Load Monitoring,NILM)通过采集用户侧智能电表的电气特征数据,进行数据挖掘与分析,能够有效的实现负荷辨识。在家用电器功率、电流、电压波形及各次谐波特征的数据中,采用核主成分分析方法（Kernel Principal Components Analysis,KPCA）,解决非线性特征提取与降维,最大限度抽取特征信息。再利用一维卷积核提取时序特征并压缩后输入到XGBoost模型,得到负荷辨识结果。在实验数据集上进行了验证,证明文中提出算法的泛化性和执行效率方面有较大优势。     

基于系统模型的家电负荷辨识算法*

家电负荷识别是需求侧管理的关键技术之一,有助于实现用户侧的智能用电。文中结合系统辨识的基本原理和方法,将各家电负荷看作一个独立的系统,以稳态电压、稳态电流为特征,提出一种基于系统模型的家电负荷辨识算法。通过预先获取用电网络中各负荷的稳态数据,构建ARMAX线性模型库和Hammerstein非线性模型库。根据稳态电流波峰系数这一特征值对待识别负荷进行预筛选确定所属模型库类型,通过模型匹配原则进行负荷识别。文章通过实测数据验证了算法的有效性,可以准确地识别线性负荷以及非线性负荷,运算效率高,并且可以有效应对家庭网络中有新负荷加入的情况。     

对称性和波动性约束的居民负荷谐波发射水平评估

背景谐波或三相谐波不平衡均会影响居民负荷谐波发射水平评估的准确性。基于诺顿和戴维南定理,构建了谐波发射水平评估模型,分析了波动量法在居民负荷配电网谐波阻抗估算中存在的问题及三相不平衡对系统谐波阻抗估算的影响机理,提出了融合谐波主序特性提取和波动系数筛选的系统谐波阻抗估算方法,探索了负荷谐波阻抗等效方法及其估算误差对谐波发射水平估算的影响。仿真和工程应用结果均表明,采用对称性和波动性约束后,估算的系统谐波阻抗95%置信区间显著收敛,谐波发射水平评估结果更加准确。     

基于V-I轨迹与高次谐波特征的非侵入式负荷识别方法

针对传统方法无法准确识别含高次谐波家用负荷的问题,文中提出了基于V-I轨迹矩阵、功率及高次谐波多特征融合的负荷辨识方法。首先,分析了11种典型家用负荷的V-I轨迹、功率特征以及谐波特征,提出了基于像素图像转换的混合特征矩阵构建方法,将负荷的功率、高次谐波特征通过二进制编码转换与基本V-I像素轨迹相融合,丰富了样本的特征信息;然后以混合特征矩阵作为卷积神经网络的输入,实现了对家用负荷类型的准确识别。算例中,文中所提算法可准确区分功率特征相似但高次谐波含量不同的加热器与吹风机2种负荷,且其对全类型家用负荷的准确辨识率超过93%。该算法的应用可为实际中准确排查含高次谐波家用负荷的用电安全隐患提供有力的技术支撑。     

PMU小扰动信号下的综合负荷模型参数辨识方法

电力系统日常运行过程中时刻存在类似噪声的小扰动信号，利用小扰动信号开展负荷参数辨识可解决传统总体测辨法无法处理的负荷时变性和分布性难题。基于PMU实测小扰动信号提出一种“Z+IM”综合负荷模型参数辨识方法。该方法采用PMU量测数据滚动识别框架，滚动识别主要包括数据处理和负荷参数辨识两个步骤。首先，针对PMU量测小扰动信号的特点，通过厂站初筛、预处理、可辨识集粗筛和去噪等步骤得到较为优质的PMU小扰动数据集。然后，基于预报误差思想通过两阶段辨识策略辨识负荷时变参数、电磁参数和机电参数。所提方法得到的负荷参数无需折算可直接应用于PSASP、BPA等国内主流仿真程序，具有实际工程应用价值。最后，算例通过3机9节点系统仿真和湖南实际电网验证所提方法的有效性和鲁棒性。     

复杂电能信号谐波时频域特征分析及其对电能计量影响

为准确分析复杂电能信号谐波时频域特性对电能计量的影响,提出了一种零值搜索-短时傅里叶变换时频域电压、电流信号幅度和相位分析算法,利用信号波形过零特征,自适应调整短窗傅里叶变换的时域窗宽,解决了电网频率波动导致的相位累积效应对相位分析的影响,算法的幅值分析误差为10-3、相位分析误差小于1°;建立了复杂电能信号时频域数据表征模型和4类时频域全局化特征矩阵提取算法,解决了时频域特性表征与提取的问题;以典型非线性动态负荷中频炉为分析案例,分析给出了其4类时频域全局化特征,并建立了畸变波形动态电能测试信号特征模型,通过辅助实验验证了4个时频域全局化特征对电能表动态超差的影响,提出了对国际和国内标准修改的建议。     

复杂电网工况下三相并网逆变器的锁频环技术

为解决复杂的电网工况下,传统的并网逆变器锁相环锁相精度不高、锁相速度慢等问题,提出了具有频率自适应滤波器、快速锁频和相序提取功能的双2阶广义积分器的锁频环,并做出伯德图,对滤波器的性能进行了分析;然后在电网电压幅值、频率、相位跳变下,对锁频环的基本性能(电网电压频率、相位、正负序提取)进行了测试,最后在谐波电压背景工况下,对其性能进一步仿真,验证了基于双2阶广义积分器的锁频环具有动态响应快、抗谐波能力较强、精度高、误差小等优点。     

基于异构基Stacking机制的居民负荷特征图像识别方法

负荷识别技术能将不同电器类型有效区分开,对于用电策略制定、需求响应具有重要意义。针对当前负荷识别技术无法有效实现负荷特征融合以及不同识别器模型结合的问题,提出一种基于异构基Stacking机制的居民用电负荷识别特征图像集成学习方法。该方法通过构建特征图像实现特征融合,利用卷积神经网络充分挖掘特征图像中蕴含的深层次特征,解决传统方法对特征挖掘不够深入的问题。同时引入集成学习Stacking方法将多种异质负荷识别模型结合,综合各种模型的优势,解决传统方法模型单一化的问题。最后使用公开数据集PLAID进行验证并在实验室电器设备上完成工程应用。结果表明,所提方法具有较高的识别准确率和应用价值。     

一种用于谐波检测的改进虚拟磁链定向方法

针对传统基于瞬时无功功率理论的ip-iq谐波检测算法对网侧电压畸变应变能力弱的缺点,提出一种基于复合三阶广义积分器的虚拟磁链观测的定向方法,并将其应用于ip-iq谐波检测算法。该方法采用虚拟电网磁链作为锁相环的改进环节,利用复合三阶广义积分器和正负序分量计算模块来实现正序磁链的提取;在准确锁定电网相位角和频率的基础上,消除了传统ip-iq谐波检测算法由于电网电压不对称,波形畸变和直流偏移分量的注入等原因造成的检测误差。仿真和实验表明,改进后的方法基本不受网侧恶劣工况的影响,应用于谐波检测得到的基波电流基本不存在畸变,且能够实时跟踪频率变化,证明了本文提出的基于复合三阶广义积分器的虚拟磁链定向方法的有效性。