论文部分内容阅读
摘要：伴随着智能电网技术的普及和居民节能意识的普遍提高，居民的耗电量已经精确到每个电器上。电量的可视化技术为居民的用电安排及电网按需供电提供了更多可能，本文首先分析了面向智能用电的非侵入式居民负荷监测的意义，并探究了非侵入式居民负荷监测的基本原理，同时对其技术模型进行了扼要阐明，以及为面向智能用电的非侵入式居民负荷监测关键技术的更好发展提供参照。
关键词：智能用电;居民负荷监测;关键技术
引言：
随着我国电网在需求侧管理的不断优化，通过在居民侧建立可视化监测界面，能够具体了解家用电器的能耗情况，从而帮助居民更好制定节能策略，对缓解能源紧张情况和高峰期用电不足问题，具有极为重要的意义。非侵入式电力负荷监测在居民电力入口处设置传感器，通过对居民用户总电流和端电压的数据分析，对居民住宅内各类电气器的功率及工作状态进行监测，从而知晓居民室内各项电气的实际用电功率和用电规律，以更好服务于电力公司的电力分配、运行、管理。
一、面向智能用电的非侵入式居民负荷监测的意义
相比于集总式的用电数据，精确到电器或设备的用电信息能够为居民、企业、社会带来诸多经济效益。对于电力公司而言，将居民精确到电器的用电数据录入到计量测试数据管理系统中，在对数据进行处理和分析后，首先能够更为精确地对居民用电的地理尺度和时间尺度进行划分，从而更确切地获得居民负荷密度空间分布图和居民用电总量时间规律图。以此提升配电方案的科学性，更好确保电网体系的安全运行。其次可提升电力负荷仿真模型的精确性，提升仿真稳定极限的精度，从而避免由于精度模型的保守或不健全带来的巨大损失。其三能够帮助电力公司更好地确定动态电价和需求响应激励机制，实现削峰填谷，增强电力资产的利用率和电力系统的经济性、可靠性。紧急情况下，电力公司可通过需求响应协议实现紧控制负荷，来实现电力系统的稳定、避免系统崩溃的情况发生。除此之外，非侵入式居民负荷监测同样能够帮助电力公司识别出隐藏在居民住宅中享受居民电价的小型工商公司，以更好避免盗电现象的发生，维护电力公司自身的合法权益。对于居民用户而言，非侵入式居民负荷监测能够实现对家中各类电气用电规律及所属状况的精确掌握。以此帮助用户及时分辨相关设备中的故障，帮助用户以高性价比电器代替高耗能电气。
二、面向智能用电的非侵入式居民负荷监测技术基本原理
非侵入式负荷监测只需对总负荷进行掌握，即可实现电器设备的自动分解。非侵入式居民负荷监测对于全社会而言，能够有效促进高耗能电器企业对自身产品进行优化，助力市场监管部门做出相关环保政策，实现降低空气污染、减缓温室效应的和谐目标。不需要监测装置的大量安装，即可降低设备购买、安装、维护等相关成本。足够值的注意的是在这种技术情况下，通过對环境下总负荷用电情况进行监测，能够对电压、电流、有电功率、无电功率等要素进行提取，分解总电荷量来测取各分电器用电进行，以此面向运营人员，对电器类别，运行状态进行具体确认。负荷特征的相关概念的提出，对负荷特性对于电网高峰、需求响应、电网规划具有极为显著的影响。原始算法以组合优化技术为基础，其基本思想在于找出被监控设备的最佳运行状态，以使得电表读数与总功耗相一致。但这一方法往往仅适用于状态、数量有限的设备，在状态一致的情况下功耗一致，这同样意味着具备连续可变功耗的设备并不能被纳入监控。随着时代发展，人工智能技术在电力系统中逐步得到深入发展，隐马尔科夫模型、粒子群算法、基于矩阵分解、贝叶斯模型等技术均被陆续应用到NLM监测应用算法中。
三、面向智能用电的非侵入式居民负荷监测技术模型
（一）用电信息采集系统
用电信息采集系统一般由主站、通信通道、信息采集设备所共同构成，采集设备与用户距离最近，具体包括采集器、智能电表、集中器等应用型设备。智能电表作为最为直接的采集设备，负责采集电压、电流、功率等用户基本信息。采集器连接了多个智能电表，起着用电数据集中采集和本地数据基本处理的作用。而集中器则负责与主站间的数据连通，是主站、智能电表、采集器间的连接枢纽。通信线道一般可划分为本地通信线道与远程通信线道这两类，本地通信线道是指智能电表、采集器、集中器之间的线道，主体囊括无线微功率通信、低压载波通信、RS-485通信等模式。远程通信信道则指的是集中器与主站间的通信链路，包括光纤、无线公、专网等。对区域内大规模居民用电信息的采集工作，常常以公用配电变压器台区作为采集点，以集中器与各楼宇、住宅的采集器相连接，从而对该区域所有智能电表信息进行汇总，以此完成用电信息采集工作。
（二）非侵入式居民负荷监测技术模型
在用电信息采集系统的基础上，结合边缘计算概念，能够进行服务于区域范围内大规模居民用户非侵入式居民负荷监测技术的模型构建工作。这一模型由电力信息采集设备、通信信道设备、边缘计算设备及区域级云平台构成，其中本地监测设备是指装载有非侵入式居民负荷监测模块的采集器。各采集器与表箱内的多个智能电表发生本地通道数据联系，智能电表会以报文形式将区域内居民用电信息以一定频率发送给采集器。故而采集器处将出现服务于多个客户的非侵入式居民负荷监测任务队列，边缘计算设备则是指布置于台区集中器边缘的边缘计算服务器，可以在模型中被视为边缘计算节点。相比于本地计算设备，边缘计算设备具备更大的储存容量及更快的计算速率。非侵入式居民负荷监测任务队列的完成既可通过本地计算设备完成，也可通过通信信道上传到边缘计算设备中完成。这要求区域级云平台能够制定合理的分配策略，定义能效代价C为处理完某一区域内全部任务的时延与能耗权重之和。云平台应当兼顾设备计算能力、信道带宽等客观条件，以优化能效代价为目标展开策略制定。
（三）非侵入式居民负荷监测技术分配策略生成方法
边缘计算模型如何以优化能效代价为目标进行策略制定，本质上属于混合整数线性规划类问题，并且已经被证明为是一类NP-Hard问题，故而应当对该问题求解的复杂度进行降低。实践过程中，这一问题可划分为整数规划问题与非线性规划问题两部分，在上述思路基础上，本文提出一种基于深度学习的非侵入式居民负荷监测分配策略。首先将输入的数据量的以k个基于深度神经网络DNN的任务分配策略生成器生成k个候选任务分配策略，然后对各个候选策略的能效代价进行计算，并将最低能耗代价对应的策略标记为x。最后结合输入d与输出x，共同作为任务样本存储在任务队列中。以对k个DNN进行训练，开始阶段，任务策略生成器的生成策略较为随机，这时的最优策略一般为局部最优解，而随着后续DNN的优化，策略生成器的策略逐步得到优化累积，最终达到近似生成全局最优解的目的。
结束语：
本文针对智能电网发展过程中面对的能耗管理问题，在原有非侵入式居民负荷监测监测的技术基础上，实现了基于深度学习的策略优化，对确保电力系统的安全平稳高效运行具有建设性意义。
参考资料：
[1]崔灿.面向智能用电的非侵入式居民负荷监测关键技术研究.2017
[2]单光普.基于HMM的非侵入式居民用电负荷分解研究.2018
[3]刘博.非侵入式电力负荷监测与分解技术.2014
关键词：智能用电;居民负荷监测;关键技术
引言：
随着我国电网在需求侧管理的不断优化，通过在居民侧建立可视化监测界面，能够具体了解家用电器的能耗情况，从而帮助居民更好制定节能策略，对缓解能源紧张情况和高峰期用电不足问题，具有极为重要的意义。非侵入式电力负荷监测在居民电力入口处设置传感器，通过对居民用户总电流和端电压的数据分析，对居民住宅内各类电气器的功率及工作状态进行监测，从而知晓居民室内各项电气的实际用电功率和用电规律，以更好服务于电力公司的电力分配、运行、管理。
一、面向智能用电的非侵入式居民负荷监测的意义
相比于集总式的用电数据，精确到电器或设备的用电信息能够为居民、企业、社会带来诸多经济效益。对于电力公司而言，将居民精确到电器的用电数据录入到计量测试数据管理系统中，在对数据进行处理和分析后，首先能够更为精确地对居民用电的地理尺度和时间尺度进行划分，从而更确切地获得居民负荷密度空间分布图和居民用电总量时间规律图。以此提升配电方案的科学性，更好确保电网体系的安全运行。其次可提升电力负荷仿真模型的精确性，提升仿真稳定极限的精度，从而避免由于精度模型的保守或不健全带来的巨大损失。其三能够帮助电力公司更好地确定动态电价和需求响应激励机制，实现削峰填谷，增强电力资产的利用率和电力系统的经济性、可靠性。紧急情况下，电力公司可通过需求响应协议实现紧控制负荷，来实现电力系统的稳定、避免系统崩溃的情况发生。除此之外，非侵入式居民负荷监测同样能够帮助电力公司识别出隐藏在居民住宅中享受居民电价的小型工商公司，以更好避免盗电现象的发生，维护电力公司自身的合法权益。对于居民用户而言，非侵入式居民负荷监测能够实现对家中各类电气用电规律及所属状况的精确掌握。以此帮助用户及时分辨相关设备中的故障，帮助用户以高性价比电器代替高耗能电气。
二、面向智能用电的非侵入式居民负荷监测技术基本原理
非侵入式负荷监测只需对总负荷进行掌握，即可实现电器设备的自动分解。非侵入式居民负荷监测对于全社会而言，能够有效促进高耗能电器企业对自身产品进行优化，助力市场监管部门做出相关环保政策，实现降低空气污染、减缓温室效应的和谐目标。不需要监测装置的大量安装，即可降低设备购买、安装、维护等相关成本。足够值的注意的是在这种技术情况下，通过對环境下总负荷用电情况进行监测，能够对电压、电流、有电功率、无电功率等要素进行提取，分解总电荷量来测取各分电器用电进行，以此面向运营人员，对电器类别，运行状态进行具体确认。负荷特征的相关概念的提出，对负荷特性对于电网高峰、需求响应、电网规划具有极为显著的影响。原始算法以组合优化技术为基础，其基本思想在于找出被监控设备的最佳运行状态，以使得电表读数与总功耗相一致。但这一方法往往仅适用于状态、数量有限的设备，在状态一致的情况下功耗一致，这同样意味着具备连续可变功耗的设备并不能被纳入监控。随着时代发展，人工智能技术在电力系统中逐步得到深入发展，隐马尔科夫模型、粒子群算法、基于矩阵分解、贝叶斯模型等技术均被陆续应用到NLM监测应用算法中。
三、面向智能用电的非侵入式居民负荷监测技术模型
（一）用电信息采集系统
用电信息采集系统一般由主站、通信通道、信息采集设备所共同构成，采集设备与用户距离最近，具体包括采集器、智能电表、集中器等应用型设备。智能电表作为最为直接的采集设备，负责采集电压、电流、功率等用户基本信息。采集器连接了多个智能电表，起着用电数据集中采集和本地数据基本处理的作用。而集中器则负责与主站间的数据连通，是主站、智能电表、采集器间的连接枢纽。通信线道一般可划分为本地通信线道与远程通信线道这两类，本地通信线道是指智能电表、采集器、集中器之间的线道，主体囊括无线微功率通信、低压载波通信、RS-485通信等模式。远程通信信道则指的是集中器与主站间的通信链路，包括光纤、无线公、专网等。对区域内大规模居民用电信息的采集工作，常常以公用配电变压器台区作为采集点，以集中器与各楼宇、住宅的采集器相连接，从而对该区域所有智能电表信息进行汇总，以此完成用电信息采集工作。
（二）非侵入式居民负荷监测技术模型
在用电信息采集系统的基础上，结合边缘计算概念，能够进行服务于区域范围内大规模居民用户非侵入式居民负荷监测技术的模型构建工作。这一模型由电力信息采集设备、通信信道设备、边缘计算设备及区域级云平台构成，其中本地监测设备是指装载有非侵入式居民负荷监测模块的采集器。各采集器与表箱内的多个智能电表发生本地通道数据联系，智能电表会以报文形式将区域内居民用电信息以一定频率发送给采集器。故而采集器处将出现服务于多个客户的非侵入式居民负荷监测任务队列，边缘计算设备则是指布置于台区集中器边缘的边缘计算服务器，可以在模型中被视为边缘计算节点。相比于本地计算设备，边缘计算设备具备更大的储存容量及更快的计算速率。非侵入式居民负荷监测任务队列的完成既可通过本地计算设备完成，也可通过通信信道上传到边缘计算设备中完成。这要求区域级云平台能够制定合理的分配策略，定义能效代价C为处理完某一区域内全部任务的时延与能耗权重之和。云平台应当兼顾设备计算能力、信道带宽等客观条件，以优化能效代价为目标展开策略制定。
（三）非侵入式居民负荷监测技术分配策略生成方法
边缘计算模型如何以优化能效代价为目标进行策略制定，本质上属于混合整数线性规划类问题，并且已经被证明为是一类NP-Hard问题，故而应当对该问题求解的复杂度进行降低。实践过程中，这一问题可划分为整数规划问题与非线性规划问题两部分，在上述思路基础上，本文提出一种基于深度学习的非侵入式居民负荷监测分配策略。首先将输入的数据量的以k个基于深度神经网络DNN的任务分配策略生成器生成k个候选任务分配策略，然后对各个候选策略的能效代价进行计算，并将最低能耗代价对应的策略标记为x。最后结合输入d与输出x，共同作为任务样本存储在任务队列中。以对k个DNN进行训练，开始阶段，任务策略生成器的生成策略较为随机，这时的最优策略一般为局部最优解，而随着后续DNN的优化，策略生成器的策略逐步得到优化累积，最终达到近似生成全局最优解的目的。
结束语：
本文针对智能电网发展过程中面对的能耗管理问题，在原有非侵入式居民负荷监测监测的技术基础上，实现了基于深度学习的策略优化，对确保电力系统的安全平稳高效运行具有建设性意义。
参考资料：
[1]崔灿.面向智能用电的非侵入式居民负荷监测关键技术研究.2017
[2]单光普.基于HMM的非侵入式居民用电负荷分解研究.2018
[3]刘博.非侵入式电力负荷监测与分解技术.2014