摘 要：本文闡明了學(xué)生公寓惡性負(fù)載的概念，闡述了已經(jīng)在實踐中取得應(yīng)用的幾種惡性負(fù)載識別方法，對其優(yōu)缺點進行了分析。在此基礎(chǔ)上提出筆者對于惡性負(fù)載識別研究的看法，并對其今后的發(fā)展方向作了展望。

關(guān)鍵詞：惡性負(fù)載；總功率限定；瞬時功率；小波變換

中圖分類號：TM714

電氣火災(zāi)歷來是火災(zāi)的防控難點，每年全國各地因宿舍電器火災(zāi)導(dǎo)致的傷亡事故屢有發(fā)生，宿舍安全用電管理一直是有關(guān)部門力圖破解的難題。近年來學(xué)生公寓事故的調(diào)查結(jié)果顯示，在宿舍使用熱得快、電爐子等惡性負(fù)載是引起火災(zāi)和觸電事故的主要原因[1]。

1 惡性負(fù)載識別意義

從學(xué)生公寓用電安全和用電管理的角度出發(fā)，將熱得快、電爐子等大功率的電熱器件稱為惡性負(fù)載[2]。

惡性負(fù)載的性質(zhì)近似呈阻性，其原因在于：

（1）從能量角度來看，惡性負(fù)載將吸收的電能大部分轉(zhuǎn)化為熱能釋放出來。

（2）從伏安特性來看，惡性負(fù)載的伏安特性近似于電阻的伏安特性。

不同負(fù)載具有不同的特征，而當(dāng)不同負(fù)載混合使用時，要對其進行識別并非易事。學(xué)生公寓人員密集、負(fù)載類型多、用電管理復(fù)雜，如何在確保正常用電的情況下實現(xiàn)惡性負(fù)載的識別，對公寓用電管理及用電安全有十分重要的意義。電子技術(shù)的發(fā)展使全電子式智能計量系統(tǒng)成為現(xiàn)實，但這些智能電表并不具備惡性負(fù)載識別功能。盡管某些智能用電管理系統(tǒng)具備了一定的負(fù)載識別功能，但其檢測精度并未達到令人滿意的程度，無法滿足工程上的需要。因此，如何實現(xiàn)對惡性負(fù)載的精確識別仍是一個有價值的研究方向[3]。

2 惡性負(fù)載識別方法

當(dāng)前，惡性負(fù)載識別的方法大致可分為時域法和頻域法兩類。時域分析方法主要包括總功率限定法、瞬時功率增加法、波形比較法等；頻域分析方法主要包括基于小波變換識別法、基于神經(jīng)元網(wǎng)絡(luò)識別法以及小波變換和人工神經(jīng)元網(wǎng)絡(luò)結(jié)合的方法等[4.5]。

2.1 總功率限定法

其原理是當(dāng)學(xué)生在公寓里的用電量極大而致使公寓的用電負(fù)荷超過限定值時，MCU發(fā)出斷電命令使宿舍供電中斷。一般的學(xué)生公寓智能管理系統(tǒng)都使用這種方法對公寓的負(fù)荷進行控制，可初步實現(xiàn)惡性負(fù)載的識別。當(dāng)學(xué)生公寓的用電功率被限定在一個限定值以下時，MCU不斷對公寓的電壓、電流進行采樣和計算并得到其功率，判定功率是否超出限定值。學(xué)生在公寓內(nèi)使用熱得快等負(fù)載時，就會被MCU檢測到功率超限，如此便實現(xiàn)了惡性負(fù)載識別。

2.2 瞬時功率增加法

瞬時功率增加法也是應(yīng)用較為廣泛的方法，它通過實時測量電路中的功率來進行惡性負(fù)載識別。其基本原理是：檢測當(dāng)前電路中的功率并將功率值及時存儲記錄，當(dāng)檢測到某一時刻的功率值增加很大時（學(xué)生公寓中非惡性負(fù)載的功率一般都較?。?，證明電路中啟動了一個大功率負(fù)載。

2.3 波形比較法

通過硬件電路分別對負(fù)載啟動前和啟動后的電壓和電流進行模數(shù)轉(zhuǎn)換和采樣，然后對負(fù)載啟動前后的電流波形進行相減得到電流的差值波形，將差值波形乘上一個適當(dāng)?shù)谋壤蜃樱蛊浞逯蹬c電壓波形峰值相等，通過計算差值波形與電壓波形圍成的面積達到負(fù)載識別的目的。判斷依據(jù)是：如果差值面積近似為零，則有惡性負(fù)載接入，否則無惡性負(fù)載接入。

波形比較法的軟件電路和硬件電路的設(shè)計均比較復(fù)雜，因為負(fù)載啟動前后兩次波形的測量起點必須保證在不同周期的同一時刻開始，否則進行的識別是不可靠的。從工程上看，當(dāng)電路中出現(xiàn)毛刺干擾時，面積差將會變化，也會導(dǎo)致錯誤的識別結(jié)果。

2.4 小波變換識別法

小波分析法具有多分辨率的特點，是一種時間窗和頻率窗都可以改變的時頻局部化分析方法。研究表明，對于惡性負(fù)載的識別利用Dmeyer小波函數(shù)和5層分解效果較好。

采用Dmeyer小波函數(shù)對原始負(fù)載信號的電流波形進行5層小波分解，將信號S表示為各層高頻部分和低頻部分之和，即：

S=a1+d1=a2+d2+d1=a3+d3+d2+d1=a4+d4+d3+d2+d1=a5+d5+d4+d3+d2+d1

a1至a5代表各層的概貌部分，d1至d5代表各層的細(xì)節(jié)部分。對采樣得到的白熾燈、電爐子、日光燈、計算機等負(fù)載以及它們混合負(fù)載的電流波形進行小波分析，分析后認(rèn)為采用各負(fù)載電流值的平方和Sumpower、細(xì)節(jié)部分第五層的能量Power5、概貌部分第五層的能量與細(xì)節(jié)部分第五層的能量的比值R作為特征值進行負(fù)載識別可達到較好效果，依據(jù)如下：

（1）當(dāng)R≈1.4時，證明是純計算機負(fù)載。

（2）當(dāng)R>25且Sumpower的數(shù)量級≥108，說明含大功率的阻性負(fù)載。

（3）當(dāng)R≤25且Power5的數(shù)量級是105或106時，證明是含計算機的混合負(fù)載。

2.5 神經(jīng)網(wǎng)絡(luò)識別法

神經(jīng)網(wǎng)絡(luò)法實現(xiàn)負(fù)載識別的基本過程是：把所采集的電壓和電流信號進行A/D轉(zhuǎn)換，利用傅立葉變換或小波分析等方法提取特征值，將其作為神經(jīng)網(wǎng)絡(luò)的輸入并對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，通過對輸出結(jié)果的分析實現(xiàn)對惡性負(fù)載的識別。

目前在負(fù)載識別中應(yīng)用較多的是BP神經(jīng)網(wǎng)絡(luò)。采用的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為：輸入層5個神經(jīng)元、隱層11個神經(jīng)元、輸出層1個神經(jīng)元。這樣設(shè)計的神經(jīng)元結(jié)構(gòu)對惡性負(fù)載的識別效果非常理想：通過對網(wǎng)絡(luò)的輸出結(jié)果和期望輸出作線性回歸分析得到兩者的相關(guān)系數(shù)為0.994。這種方法可以通過對計算機負(fù)載的間接識別達到惡性負(fù)載識別的目的。

神經(jīng)網(wǎng)絡(luò)法識別準(zhǔn)確度高，但存在需要大量的樣本并進行大量的訓(xùn)練，且建網(wǎng)無現(xiàn)成規(guī)律可循等缺點，另外其實際中的通用性還有待考證。

3 結(jié)束語

上述介紹的識別方法中，實際中應(yīng)用較多的是總功率限定法、瞬時功率增加法和功率因數(shù)法，但這幾種方法識別精度有限，難以滿足實際要求；波形比較法硬件軟件都過于復(fù)雜，且容易受到干擾，實用價值有限；基于頻域分析的識別方法雖然很準(zhǔn)確，識別效果較理想，但工程通用性不強。因此尋找一種基于負(fù)載內(nèi)在規(guī)律的、通用的方法是今后負(fù)載識別的發(fā)展方向。

目前情況下，筆者認(rèn)為把幾種方法相結(jié)合是一條比較好的實現(xiàn)方法。例如將時域分析方法和頻域分析方法結(jié)合起來，利用總功率限定等方法進行初步識別，利用小波分析方法或神經(jīng)網(wǎng)絡(luò)方法進行精細(xì)識別，可達到比較經(jīng)濟、理想的效果。

參考文獻：

[1]徐忠，蘇曉明，程加標(biāo).集體宿舍安裝智能限電識別裝置的必要性分析[J].消防技術(shù)與產(chǎn)品信息，2012（12）：81-82+78.

[2]侯培中，李偉波.基于神經(jīng)網(wǎng)絡(luò)的負(fù)載識別[J].科學(xué)技術(shù)與工程，2009（05）：1284-1286）+1289.

[3]陳建章，嚴(yán)仰光.無差拍控制逆變器負(fù)載性質(zhì)識別及參數(shù)估算方法[J].電力電子技術(shù)，1997（02）：61-63.

[4]王娟，高蒙，亢海偉.基于BP神經(jīng)網(wǎng)絡(luò)的負(fù)載識別和C語言實現(xiàn)[J].河北科學(xué)院學(xué)報，2005（01）：11-14.

[5]馮潔，高蒙.基于小波神經(jīng)網(wǎng)絡(luò)的負(fù)載類型識別[J].電氣技術(shù)，2008（02）：47-49.

作者簡介：張超（1988.03-），男，山東平陰人，在讀碩士，研究方向：電力系統(tǒng)繼電保護與故障識別。

作者單位：遼寧工業(yè)大學(xué) 電氣工程學(xué)院，遼寧錦州 121001；國家電網(wǎng)中電裝備山東電子有限公司，濟南 250100。