陸 磊， 梁 喆

(安徽理工大學(xué)電氣與信息工程學(xué)院，安徽 淮南 232001)

0 引 言

隨著國家節(jié)能減排深入推進，負(fù)荷監(jiān)測技術(shù)受到了廣泛關(guān)注。由于侵入式負(fù)荷監(jiān)測方法有諸多缺陷，自上世紀(jì)80年代Hart[1]教授提出了非侵入式負(fù)荷監(jiān)測的相關(guān)概念后，非侵入式負(fù)荷監(jiān)技術(shù)逐步發(fā)展。中國海洋大學(xué)盛夢嬌[2]提出了k-means聚類的改進算法應(yīng)用到負(fù)荷監(jiān)測，完成負(fù)荷識別，但其算法精度并不能保證。張玉天[3]等將電流數(shù)據(jù)轉(zhuǎn)為圖片并建立了能夠識別二維圖像數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)進行負(fù)荷辨識，能夠提取獨特的負(fù)荷特征圖，但運算量較大，算法普遍性不強。

雖然目前對負(fù)荷辨識算法的研究不斷完善，但是對非侵入式負(fù)荷監(jiān)測系統(tǒng)硬件裝置的設(shè)計與研究較少，而該技術(shù)的最終發(fā)展目標(biāo)肯定是商業(yè)化的終端裝置，因此硬件設(shè)計與軟件算法的結(jié)合成為目前非侵入式負(fù)荷監(jiān)測研究的重點。吳萬強[4]等基于SOPC技術(shù)設(shè)計了一種實驗室負(fù)荷智能監(jiān)測裝置，將可編程片上系統(tǒng)應(yīng)用于負(fù)荷監(jiān)測，但其采集裝置簡單，采樣精度較低且易受干擾。王愛囡[5]等采用負(fù)荷采集終端搭配算法設(shè)計了一種基于事件的非侵入式電力負(fù)荷監(jiān)測系統(tǒng)，其主要依靠算法的優(yōu)化提高辨識精度，沒有改善負(fù)荷采集終端的采集精度。

針對上述問題，從硬件設(shè)計的角度思考，為了提高采集精度，更好地分析電力負(fù)荷特性，設(shè)計了一種基于STM32的非侵入式負(fù)荷監(jiān)測系統(tǒng)，利用高精度的信號采集模塊，實現(xiàn)實時穩(wěn)定的負(fù)荷數(shù)據(jù)采集、處理及顯示，并結(jié)合卷積神經(jīng)網(wǎng)絡(luò)算法識別電氣設(shè)備工作狀態(tài)。

1 系統(tǒng)總體設(shè)計

所設(shè)計的非侵入式負(fù)荷監(jiān)測系統(tǒng)由下位機嵌入式系統(tǒng)和上位機處理軟件兩部分構(gòu)成。下位機主要包括互感器，信號調(diào)理單元，AD轉(zhuǎn)換單元，STM32微控制器單元和通信單元等。上位機處理軟件則可以完成采集控制、數(shù)據(jù)顯示、特征提取和負(fù)荷識別的功能。系統(tǒng)的結(jié)構(gòu)框圖如圖1所示。

圖1 系統(tǒng)總體設(shè)計

系統(tǒng)使用互感器進行電信號采集，采集到的信號經(jīng)過信號調(diào)理單元處理后送入AD轉(zhuǎn)換單元進行模數(shù)轉(zhuǎn)換，微處理器通過SPI總線完成對AD轉(zhuǎn)換的控制并獲取信號，上位機與下位機通過USB通信模塊進行雙向通信，并采用Labview虛擬儀器完成數(shù)據(jù)實時顯示，最后再應(yīng)用辨識算法進行負(fù)荷識別。

2 辨識算法設(shè)計

系統(tǒng)采用了卷積神經(jīng)網(wǎng)絡(luò)作為負(fù)荷辨識算法。首先對采集的數(shù)據(jù)進行計算提取負(fù)荷特征量并建立數(shù)據(jù)集，之后搭建卷積神經(jīng)網(wǎng)絡(luò)模型，用數(shù)據(jù)集對模型進行訓(xùn)練，最后將訓(xùn)練好的模型用以負(fù)荷識別。

2.1 負(fù)荷特征參數(shù)選擇及數(shù)據(jù)集建立

負(fù)荷監(jiān)測實現(xiàn)的重要前提就是數(shù)據(jù)應(yīng)覆蓋電器運行的特征信息，負(fù)荷特征的提取也是實現(xiàn)負(fù)荷識別的基礎(chǔ)。采用了穩(wěn)態(tài)下的負(fù)荷特征參數(shù)。

穩(wěn)態(tài)特征大致有以下幾種：

XSS=[I,im,Pb,Qb,Sb,Δφb,Hin]

(1)

I表示電流有效值，im為穩(wěn)態(tài)電流的峰值，Pb、Qb、Sb分別為基波的有功功率，無功功率和視在功率，△φb為基波電壓電流相位差，Hin(n=1，3，5，7)為奇次諧波電流幅值。

電流和電壓有效值計算如式(2)，(3)：

(2)

(3)

對于周期性的電信號，有功功率定義為瞬時功率在一個周期內(nèi)的平均值，同理無功功率也是一樣，具體公式如式(4)，(5)：

(4)

(5)

其中U，I是電壓有效值和電流有效值，φ是相位差。

選用了電流有效值，有功功率、無功功率和功率因數(shù)這四種負(fù)荷特征量。并且 使用十進制的double型數(shù)據(jù)表示負(fù)荷特征參數(shù)數(shù)據(jù)集。選用了4種電氣設(shè)備，有n(n=15)種不同的工作狀態(tài)，每種組合提取m(m=100)組負(fù)荷特征。每個組合負(fù)荷特征向量表示如式(6)：

Xn=[Xn1,Xn2,…,Xnm]

(6)

其中X=[I,P,Q,cosφ]T。

則所有組合的負(fù)荷特征數(shù)據(jù)集如式(7)：

(7)

2.2 卷積神經(jīng)網(wǎng)絡(luò)模型的搭建

卷積神經(jīng)網(wǎng)絡(luò)的模型使用Python語言里的TensorFlow深度學(xué)習(xí)框架作為實現(xiàn)平臺進行搭建。卷積神經(jīng)網(wǎng)絡(luò)模型主要由卷積層，池化層以及密集連接層和Droupout層組成。其中卷積層是由5×5的的矩陣作為卷積核組成，池化層用來降低分辨率從而減小分類誤差，密集連接層用來特征提取完后進行分類任務(wù)，而Droupout主要用來防止過擬合。

其中卷積層計算用公式(8)描述：

(8)

池化層計算用公式(9)描述：

(9)

3 系統(tǒng)硬件設(shè)計

3.1 主控單元

考慮到系統(tǒng)進行實時信號采集需要高速的運算，各個模塊也需要一定的接口，因此系統(tǒng)的主控芯片選用了STM32F103C8T6微處理器。該芯片是用64KB的flash作為程序存儲器，供電電壓2V～3.6V，工作溫度在-40℃～85℃，工作頻率為72MHz，總線寬度為32位，片上擁有37個輸入輸出口，RAM容量是20k×8。能夠滿足系統(tǒng)的工作要求，并且性價比較高。主控單元電路如圖2所示。

圖2 主控電路原理圖

STM32微處理器與AD單元通過SPI總線連接，完成對AD采樣的控制，并對采集的數(shù)據(jù)進行處理。PA11和PA12引腳接通信單元與上位機通信。NRST引腳用于復(fù)位，BOOT0和BOOT1用于選擇復(fù)位后的啟動模式。芯片接地需串聯(lián)濾波電阻保護芯片。

3.2 信號調(diào)理單元

系統(tǒng)的AD轉(zhuǎn)換芯片ADS1256的輸入電壓為0-5V，所以前端通過互感器采集的信號需要經(jīng)過調(diào)理變?yōu)楹线m的信號以便于AD采樣。信號調(diào)理電路是由AD8629運算放大器，AD8476全差分精密放大器和LTC6911-2可變增益放大器組成。其中AD8629是一款寬帶寬、自穩(wěn)零放大器，具有軌到軌輸入和輸出擺幅以及低噪聲特性，并且有超低失調(diào)、漂移和偏置電流特性。系統(tǒng)利用AD8629提供的軌到軌輸入和輸出擺幅能力，降低輸入偏置復(fù)雜度，使信噪比達到最大，使采集的信號更加精準(zhǔn)。AD8476是功耗極低的全差分放大器，可以將單端信號轉(zhuǎn)換為抗干擾能力更強的差分信號。LTC6911-2是一款低噪聲，低輸入失調(diào)電壓，高開環(huán)增益的運算放大器，其采用3位數(shù)字增益控制，可以控制系統(tǒng)程控放大。信號調(diào)理電路如圖3所示。

圖3 信號調(diào)理電路原理圖

根據(jù)采集的不同信號，LTC6911-2提供八種可變增益，增益可以通過3位IO接口進行調(diào)節(jié)，選擇數(shù)值為 0、1、2、4、8、16、32和 64V/V的電壓增益，通過引腳控制進行切換。

3.3 AD轉(zhuǎn)換單元

負(fù)荷監(jiān)測系統(tǒng)的工作場合難免會受到環(huán)境影響，為了保證AD采樣的精度，系統(tǒng)的AD轉(zhuǎn)換單元選用了ADS1256為電路主芯片。ADS1256芯片是高精度低功耗，24位的模數(shù)轉(zhuǎn)換芯片。它測量范圍廣，采集頻率高且精度高，體積小，抗干擾性強，穩(wěn)定性和精度會更優(yōu)于STM32自帶的ADC，更適合用于本系統(tǒng)。AD轉(zhuǎn)換電路如圖4所示。

圖4 AD轉(zhuǎn)換電路原理圖

電路可提供23bits的無噪聲精度以及30kSPS的傳輸速率，為數(shù)據(jù)采集提供了完整且高精度的測量。支持差分4通道輸入，通過SPI總線對其進行控制和通訊，其中CS為片選信號線，SCLK為時鐘信號線，DIN和DOUT為輸入輸出信號線。再加上一根轉(zhuǎn)換狀態(tài)信號線和一根復(fù)位信號線分別接在DRDY引腳和RESET引腳。

ADS1256芯片內(nèi)置診斷特性，系統(tǒng)采用精密帶隙基準(zhǔn)電壓源ADR03對ADS1256的電壓進行校準(zhǔn)，減小ADC的誤差，保證精度，VREFP和VREFN接基準(zhǔn)電壓電路。

3.4 通信單元

通信單元用于嵌入式系統(tǒng)與上位機的雙向通信，通信單元采用微處理器STM32自帶的USB功能進行信號傳輸，并加入光耦器件進行數(shù)字化的電氣隔離。綜合考慮使用環(huán)境等因素，系統(tǒng)選用了TLP521-1光耦器件，并采用了兩光耦的設(shè)計，提高了系統(tǒng)抗干擾能力。通信單元電路如圖5所示。

圖5 通信單元電路原理圖

4 系統(tǒng)軟件設(shè)計

4.1 下位機軟件流程

下位機軟件流程如圖6所示，首先對采集裝置進行初始化的操作，然后開啟中斷進行數(shù)據(jù)采集，通過AD單元的DRDY信號來判斷一次AD采集是否完成，當(dāng)DRDY低電平時即采樣完成，之后進行中值濾波，標(biāo)量還原等處理并將數(shù)據(jù)上傳至上位機，完成一次數(shù)據(jù)采集。

圖6 數(shù)據(jù)采集流程圖

4.2 上位機軟件設(shè)計

上位機使用了虛擬儀器Labview對數(shù)據(jù)采集進行控制并顯示，其提供很多與傳統(tǒng)儀器類似的控件，同時可以下載各種適用于數(shù)據(jù)采集領(lǐng)域的Labview工具包，用戶在此基礎(chǔ)上進行開發(fā)會方便許多。Labview還可以通過控件調(diào)用其他軟件進行混合編程，系統(tǒng)直接調(diào)用Tensorflow訓(xùn)練好的辨識算法模型，并用負(fù)荷特征數(shù)據(jù)集完成對卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，可以得到隨迭代次數(shù)變化的收斂曲線，當(dāng)?shù)螖?shù)到200時，曲線趨于平穩(wěn)，接近于收斂狀態(tài)，正確率為0.943。訓(xùn)練好的模型可以直接用于負(fù)荷識別。

5 實驗及分析

5.1 數(shù)據(jù)采集

將互感器接入線路測試下位機嵌入式系統(tǒng)的性能，設(shè)置采樣范圍±5V，采樣頻率為1000SPS，選擇連續(xù)采樣模式，采樣點數(shù)為1024，然后開始采集。如圖7所示為采集到的電腦主機的電流波形。

圖7 采集裝置實驗結(jié)果

可以看出數(shù)據(jù)采集裝置可以實現(xiàn)數(shù)據(jù)實時采集及顯示的功能。之后通過采集的數(shù)據(jù)計算提取負(fù)荷特征值。

5.2 負(fù)荷識別

采用了獨熱碼的方式對負(fù)荷進行標(biāo)記，當(dāng)系統(tǒng)中負(fù)荷進行工作時標(biāo)簽為“1”，沒有工作時標(biāo)簽為“0”，如表1所示為四個負(fù)荷和他們的標(biāo)簽。通過各個負(fù)荷的不同工作狀態(tài)進行組合，如當(dāng)四個負(fù)荷都工作時標(biāo)簽為“1111”，都不工作時為“0000”，以此類推。

表1 選取的負(fù)荷及標(biāo)簽

用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型進行負(fù)荷識別測試，識別結(jié)果用標(biāo)簽進行輸出，測試結(jié)果如表2：

表2 負(fù)荷識別測試結(jié)果

通過測試結(jié)果可以看出，系統(tǒng)可以完成識別功能，但是隨著工作負(fù)荷增多，正確率會降低，可以通過增加訓(xùn)練集數(shù)據(jù)量或增加負(fù)荷特征參數(shù)來提高其辨識率。

6 結(jié) 語

設(shè)計的基于STM32的非侵入式負(fù)荷監(jiān)測系統(tǒng)，包括下位機嵌入式系統(tǒng)和上位機處理軟件兩個部分。通過實驗驗證，系統(tǒng)可以完成對居民用電負(fù)荷的實時監(jiān)測和有效識別，擁有高精度，高穩(wěn)定性、高可靠性和高性價比的特點。滿足負(fù)荷監(jiān)測需求，并且為非侵入式負(fù)荷監(jiān)測系統(tǒng)的研究提供了硬件基礎(chǔ)。

系統(tǒng)仍有幾點不足和可改進之處，首先用電設(shè)備多種多樣，選用的負(fù)荷不能代表所有的負(fù)荷。其次是系統(tǒng)只在上位機完成了監(jiān)測功能，要將算法移植到嵌入式中才能使系統(tǒng)更完善且利于應(yīng)用。