汪衛(wèi)剛 黃言態(tài),2,3 張祝良

（1.杭州富生電器有限公司 杭州 310000； 2.浙江科技學(xué)院 杭州 310000；3.浙江工業(yè)大學(xué) 杭州 310000）

引言

家庭能效管理系統(tǒng)可以實現(xiàn)對家庭能量的有效管理，但前提是需要監(jiān)測到電器設(shè)備的具體工作特征，而對電器設(shè)備工作特征的監(jiān)測是一個難題，因為目前的家庭電器設(shè)備都沒有監(jiān)測電量功能，為了實現(xiàn)對電器設(shè)備電量的監(jiān)測，目前主要由侵入式方法和非侵入式方法。侵入式是指在每個負(fù)荷上安裝帶有數(shù)字通信功能的傳感器，通過通訊網(wǎng)絡(luò)采集各用電設(shè)備的用電信息，這種方式稱為侵入式電力負(fù)荷監(jiān)測（intrusive load monitoring，ILM）；另一種叫非侵入式（non-intrusive load monitoring），是僅在電網(wǎng)的用戶入口處安裝一個傳感器，通過采集和分析用戶用電總功率或總電流來監(jiān)測每個或每類用電設(shè)備的用電功率和工作狀態(tài)，從而了解用戶家中每個或每類用電設(shè)備的耗電情況和用電規(guī)律。侵入式方法需要為每個設(shè)備安裝傳感器，這種方法成本高，不容易推廣。因此，學(xué)術(shù)上提出了非侵入式電力監(jiān)測方法，該方法只需要監(jiān)測電力入口的電量，根據(jù)每個設(shè)備的特征識別出各設(shè)備來，節(jié)約了成本，具有較大應(yīng)用價值[1]。

有許多相關(guān)論文發(fā)表了不同的非侵入式電力識別算法。主要有人工神經(jīng)網(wǎng)絡(luò)[2]、支持向量機[3]和最近的鄰居算法[4]等。但是目前這些方法并沒有結(jié)合具體來闡述實現(xiàn)過程，本論文結(jié)合具體硬件來實現(xiàn)非侵入式電力監(jiān)測方法。

在電力監(jiān)測硬件實現(xiàn)的基礎(chǔ)上，建立負(fù)荷特征監(jiān)測及實現(xiàn)方法，從而實現(xiàn)了電力設(shè)備的監(jiān)測及實現(xiàn)。

1 基于非侵入式負(fù)荷監(jiān)測系統(tǒng)的硬件實現(xiàn)方法

本設(shè)備的總體監(jiān)測硬件結(jié)構(gòu)如圖1。本課題的非侵入式電力監(jiān)測的硬件主要包括測量功能及通信功能。

圖1 硬件總體結(jié)構(gòu)圖

1.1 電量監(jiān)測模塊

為了實現(xiàn)對電量的監(jiān)測，本課題主要采用HLW8012芯片來實現(xiàn)電量的監(jiān)測，HLW8012芯片是一種應(yīng)用非常廣的單相的電能計量芯片，它被廣泛的應(yīng)用到各個電量監(jiān)測領(lǐng)域，目前已經(jīng)在智能家居，智能電表，智能插座等領(lǐng)域應(yīng)用，它可以為客戶端提供電量、有功功率、電流的有效值、電壓的有效值等參數(shù)。它的內(nèi)部結(jié)構(gòu)和引腳分別見如圖2和表1。

圖2 HLW8012內(nèi)部結(jié)構(gòu)

表1 HLW8012引腳

文中對HLW8012的控制主要通過STM32F103主控芯片實現(xiàn)。具體的接線方法如下：SEL連接P2.5，CF連接P2.6，CF1連接P2.7。STM32單片機來控制HLW8012的V1P、V1N、V2P測量負(fù)載所在線路電流和電壓的脈沖，設(shè)置SEL等于0或1，輸出電流或電壓的脈沖，然后通過計算公式來計算電流、電壓及功率。測量模塊原理圖如圖3所示。

圖3 測量模塊原理圖

1.2 無線模塊

本文的無線通信模塊采用USR-C215芯片，它的實物如圖4，該芯片集成了無線通信功能，支持目前主流的WiFi協(xié)議和TCP/IP協(xié)議，且體積小，適合應(yīng)用于電器產(chǎn)品上，且主頻較大，達(dá)到166 MHz。該芯片主要通過串口和STM32F103芯片進行數(shù)據(jù)通過，STM32F103與USR-C215的5腳RXD與6腳TXD相連接。并通過AT指令實現(xiàn)對USR-C215芯片的控制。

圖4 通信模塊原理圖

2 非侵入式電器識別方法

本論文的識別方法如圖5，其中包含兩部分，一部分是電器訓(xùn)練，獲取各電器的特征庫；另外一部分是電器識別，根據(jù)提取特征與數(shù)據(jù)庫進行特征匹配，從而實現(xiàn)電器識別過程。

圖5 識別流程圖

對應(yīng)的識別過程如下：

步驟1：對插座上的電信號進行電路變化，變化成計量芯片的輸入值范圍。

步驟2：利用計量芯片計算相關(guān)參數(shù)，其中包括電流、有功功率和無功功率參數(shù)。

步驟3：根據(jù)步驟2中的獲取的第i個設(shè)備的特征數(shù)據(jù)xi，建立公式（1）所示的混合高斯模型（GMM）：

式中：

第i個設(shè)備對應(yīng)混合高斯模型參數(shù)可以通過高斯混合模型算法求得。

步驟4：重復(fù)步驟3獲得所有需識別的電器設(shè)備的混合高斯模型參數(shù)：

D—電器數(shù)量；

Ei—第i個設(shè)備對應(yīng)混合高斯模型的分量數(shù)據(jù)。

θi—第i個設(shè)備的混合高斯模型參數(shù)；

步驟5：根據(jù)步驟4獲得每個設(shè)備的混合高斯模型參數(shù)θi，求得總的混合高斯模型參數(shù)庫θM，θM={θi，θj}，θM由θi，θj兩部分組成，θi表示各電器的混合高斯模型參數(shù)，而θj=θi1+θi2，i1 ,i2∈ [1,D]，表示任意兩個電器設(shè)備同時工作時的混合高斯模型參數(shù)。

步驟6：輸入待識別設(shè)備特征數(shù)據(jù)xi，依次帶入混合高斯模型參數(shù)庫θM，求得概率值，對應(yīng)概率值最大所對應(yīng)的電器設(shè)備就為對應(yīng)的電器類型。

3 實驗過程

實驗以咖啡機、冰箱和移動電話為例。獲取對應(yīng)的數(shù)據(jù)，實驗中咖啡機的數(shù)據(jù)為14組，冰箱的數(shù)據(jù)為120組，移動電話數(shù)據(jù)為127組，總共261組數(shù)據(jù)。通過混合高斯模型，求得三個設(shè)備對應(yīng)的高斯混合模型參數(shù)見圖6。

圖6 三個設(shè)備對應(yīng)的高斯混合模型參數(shù)

根據(jù)上述獲得的混合高斯模型參數(shù)，建立總的混合高斯模型參數(shù)庫θM，本實驗假設(shè)最多同時有兩個設(shè)備一起在工作，因此總的混合高斯模型參數(shù)庫的數(shù)量為28組。

根據(jù)給定的數(shù)據(jù)，帶入混合高斯模型參數(shù)庫中，求得概率值最大所對應(yīng)的設(shè)備類型即為識別電器類型。對步驟1中的261組數(shù)據(jù)進行處理，去掉電流值小于平均電流的數(shù)據(jù)后剩下158組數(shù)據(jù)，帶入這158組數(shù)據(jù)經(jīng)過識別后，識別的準(zhǔn)確度為82.352 4。

4 總結(jié)

隨著社會經(jīng)濟的發(fā)展，越來越多的企業(yè)或者家庭需要了解電器的工作狀態(tài)。為了了解電器設(shè)備的工作狀態(tài)，需要對電器進行監(jiān)測，監(jiān)測電器的工作狀態(tài)。因此，需要一種電器識別算法，能知道何種設(shè)備在工作。本論文提出了一整套基于非侵入式電器識別方法，包含硬件和軟件的實現(xiàn)，具有較強應(yīng)用價值。