吳 雪，肖 瑩，張 旺，諸德律，盧 璐

（國網(wǎng)江蘇省電力有限公司經(jīng)濟技術研究院，江蘇南京 210008）

電網(wǎng)正逐漸向高速化、集約化、智能化的方向發(fā)展，用戶對用電系統(tǒng)要求日益凸顯，并對其運行的安全性、實用性和經(jīng)濟性提出了更高的要求。由于實現(xiàn)智能用電技術的前提是負荷檢測，越來越多的學者圍繞此方面展開研究，早期主要偏重于侵入式設計研究，以此獲得用電系統(tǒng)的有關信息。但該種方法僅適用于小規(guī)模用電系統(tǒng)，且安裝方式復雜成本高。隨著研究的逐步深入，學者們開始聚焦非侵入型電荷分解，如文獻[1]對用電數(shù)據(jù)進行非侵入式分解，對監(jiān)測過程實現(xiàn)自動化，并實時對用電數(shù)據(jù)進行分析；文獻[2]利用時間卷積精神網(wǎng)絡刻畫用電設備的用電情況，訓練優(yōu)化設備的運算過程。雖然上述方法都能夠初步分解非侵入式負荷，但是研究多聚焦于對獨立電荷片面、孤立的研究，不能確保用戶用電系統(tǒng)的完整性。

此次以大數(shù)據(jù)分析為基礎，從智能用電運行狀態(tài)提取和智能用電非侵入式負荷分解兩方面進行研究，相關結論能為實現(xiàn)全面用電智能化提供數(shù)據(jù)參考。

1 智能用電設備運行狀態(tài)提取

智能用電非侵入式負荷分解首先需要提取智能用電設備運行狀態(tài)?；谟秒娫O備具有長時間穩(wěn)定性的特征，此次采用標簽近似聚類算法提取智能用電設備運行狀態(tài)[3-4]。設智能用電設備的時間序列為A，則有：

其中，a1、a2、an等表示時間區(qū)域斷點內(nèi)的具體數(shù)據(jù)。

在得到時間序列后計算統(tǒng)計均值，以消除冗余數(shù)據(jù)[5-6]。降低運算過程的運算負擔和智能用電數(shù)據(jù)維度，以便符合此次提出方法的運算需求。

由于智能用電非侵入式負荷數(shù)據(jù)仍具有一定的離散性，因此進行標簽化處理，具體方法可以表示為：

其中，ζ表示標簽化處理后的數(shù)據(jù)計算結果；δ1和δ2分別表示不同的負荷增幅；θ表示標簽化計算過程中的標簽數(shù)值[9-10]。

經(jīng)過計算均值和標簽化處理之后，由于智能用電設備的功率波動，產(chǎn)生噪聲數(shù)據(jù)影響最終的計算結果，需要提高聚類的穩(wěn)定程度。此次采取迭代處理的辦法，用中位數(shù)表示數(shù)據(jù)中值，無需根據(jù)不同的電器種類設置不同的計算閾值。初代處理方法如下：

其中，L表示迭代數(shù)目；Dc(L)為迭代的計算結果；為迭代平均值和初始值的比值[11-12]。

得到初代處理計算結果后，數(shù)值越小表明相似度越低；反之則相似度越高，據(jù)此得到智能用電設備運行狀態(tài)的相關性。根據(jù)計算閾值得到設備運行的具體狀態(tài)，判斷設備運行是否出現(xiàn)異常。此外，根據(jù)計算得到的設備運行具體狀態(tài)，對設備未來的運行狀態(tài)進行簡要判斷。數(shù)據(jù)提取過程如圖1 所示。

圖1 數(shù)據(jù)提取過程

根據(jù)圖1 可知，在提取過程中同時設置了負載電路、檢測電路和控制電路，選用合并單元作為核心設備單元實現(xiàn)數(shù)據(jù)提取分析。根據(jù)上述運算過程得到智能用電設備運行狀態(tài)，監(jiān)測智能用電非侵入式負荷的負荷狀態(tài)，根據(jù)負荷狀態(tài)采取正確的分解方法，結合大數(shù)據(jù)運算提高提取準確性。

2 智能用電非侵入式負荷分解

2.1 負荷分解數(shù)學模型

構建智能用電設備負荷分解模型，逐個分解復合形成的混合信號。智能用電設備的信號輸入由未知來源的信號隨機疊加構成，因此需要使用盲源分析法分解智能用電負荷。設信號源為Y，則可得到負荷的線性解碼為：

其中，Y(t)表示解碼前的數(shù)據(jù)；A表示混合解碼數(shù)據(jù)；S(t)表示解碼后的數(shù)據(jù)[13-14]。

在得到線性解碼后的用電設備的信號數(shù)據(jù)后，要再次求得混合函數(shù)W，通過求得混合函數(shù)最終實現(xiàn)智能用電非侵入式負荷分解，并且能夠消除噪聲的影響，完整準確地分離數(shù)據(jù)，將冗余數(shù)據(jù)排除。得到混合函數(shù)W的具體方法如下：

其中，y表示解碼后的數(shù)據(jù)S(t)的數(shù)據(jù)估計值。

重復上述運算過程，得到無冗余信號的信號源[15-16]，便于之后的非侵入式負荷分解，降低運算難度。

2.2 負荷電流信號獨立性分析

引入大數(shù)據(jù)技術在數(shù)據(jù)集中提取不同負荷點的標志性數(shù)據(jù)，檢測負荷數(shù)據(jù)的獨立性，將每種不同的數(shù)據(jù)看做一個獨立的系統(tǒng)，分析電網(wǎng)內(nèi)部側電壓U(t)，以激勵信號的形式向電網(wǎng)內(nèi)部輸入，檢測智能電網(wǎng)運行過程產(chǎn)生的輸出信號，確定輸出信號為電流信號，以I(t)的形式表現(xiàn)出來。根據(jù)輸入信號和輸出信號的特點檢測激勵之間的關系，此次引入傅里葉算法分析負荷電流信號的獨立性，計算公式為：

其中，I(jω)表示輸出電流信號I(t)傅里葉變化結果；U(jω) 表示輸出激勵信號U(t) 傅里葉變化結果；H(jω)表示負荷系統(tǒng)H(t)的傅里葉變化結果。

由于智能電網(wǎng)輸入的信號為正弦信號，因此可以根據(jù)傅里葉變換原理檢測輸出的頻域信號U(jω)。智能電網(wǎng)中不同數(shù)據(jù)都是獨立運行的，因此產(chǎn)生的信號也為獨立信號，負荷系統(tǒng)在運算過程中需要引入獨立函數(shù)，以保證輸出電流的獨立性。根據(jù)分析結果可以確定智能電網(wǎng)內(nèi)部的不同負荷數(shù)據(jù)滿足獨立要求，因此可以在此基礎上實現(xiàn)獨立分解。

2.3 非侵入式負荷分解

在確定信號獨立性后分解負荷，非侵入式負荷分解流程如圖2 所示。

圖2 非侵入式負荷分解流程

根據(jù)圖2 可知，選取智能電網(wǎng)的電流信號，提取信號內(nèi)部均值；通過白化處理實現(xiàn)信號的線性變換，保證信號能夠獨立分析；建立協(xié)方差函數(shù)，根據(jù)得到的函數(shù)求解內(nèi)部特征值，在求解過程中，需要確定電流產(chǎn)生的向量。由于在分解過程中，需要確定分解的最優(yōu)方向，因此依據(jù)權值矢量求得負熵最大化值，計算過程如式（7）所示：

其中，x表示被檢測電流產(chǎn)生的任意變量；v表示電流產(chǎn)生的高斯隨機變量；H(v)表示電流v產(chǎn)生的向量；H(x)表示電流x產(chǎn)生的向量；Ns(x)表示得到的負熵最大化值。

在確定負熵最大化值后，分離電流信號，檢測被分離電流信號的收斂性，如果滿足收斂要求，則需要將檢測的信號求解出來，根據(jù)得到的信號的獨立波形，完成負荷辨識，實現(xiàn)智能電網(wǎng)的非侵入式負荷分解。

3 實驗研究

將文獻[1]基于非侵入式用電數(shù)據(jù)分解的自適應特征庫和文獻[2]基于時間卷積神經(jīng)網(wǎng)絡的非侵入式負荷分解方法作為對比方法設計對比實驗，以驗證所提方法的應用效果。

3.1 實驗準備

實驗過程中分解的非侵入式負荷信號為電流數(shù)據(jù)。設定分解過程的采樣頻率為5 kHz，在智能電網(wǎng)中選取3 000 個采樣點作為實驗數(shù)據(jù)點，選用的分解數(shù)據(jù)不同，共有三種，每種1 000 個，數(shù)據(jù)在智能電網(wǎng)中的分布方式如圖3 所示。

圖3 負荷數(shù)據(jù)分布

三種負荷數(shù)據(jù)波動情況如圖4 所示。

圖4 負荷數(shù)據(jù)波動情況

3.2 實驗結果分析

根據(jù)負荷數(shù)據(jù)波動情況得到相似系數(shù)如表1所示。

表1 相似系數(shù)

根據(jù)表1 可知，第3 類負荷數(shù)據(jù)的相似系數(shù)最低，證明在分解過程中會受到較為嚴重的噪聲影響，容易出現(xiàn)毛刺，因此識別更加復雜。利用三種分解方法分解負荷數(shù)據(jù)，得到收斂曲線如圖5 所示。

圖5 收斂曲線實驗結果

通過圖5 的負荷數(shù)據(jù)幅值的波動情況判斷相關系數(shù)，距離幅值0.0 越遠，相關系數(shù)越小。根據(jù)圖5可知，在面對不同負荷數(shù)據(jù)時，三種分解模型的收斂速度不同，該文提出的分解模型迭代次數(shù)最短，能夠在短時間內(nèi)實現(xiàn)收斂，即使在面對第三類噪聲影響的負荷數(shù)據(jù)也能夠很好地實現(xiàn)收斂，確保分解電流與負荷的電流信號之間的相關系數(shù)均為0.999 9。而基于非侵入式用電數(shù)據(jù)分解的自適應特征庫分解得到的信號相關系數(shù)為0.840 0，基于時間卷積神經(jīng)網(wǎng)絡的非侵入式負荷分解方法的信號相關系數(shù)為0.800 0，在面對第三種負荷數(shù)據(jù)時，收斂速度較慢，收斂能力差，難以達到電網(wǎng)分解工作。

4 結束語

文中以大數(shù)據(jù)分析為基礎，圍繞智能用電非侵入式負荷分解進行討論，提取運行狀態(tài)，建立分解模型，實現(xiàn)非侵入式負荷分解運算。實驗結果表明，文中提出的方法降低了運算成本，節(jié)省了智能用電非侵入式負荷分解消耗了人力物力。今后的主要研究方向為簡化計算量和工作量，推進研究成果進一步應用于實踐，增強此次提出方法的實用價值。