[发明专利]非侵入式家庭用电设备在线监测系统与故障辨识方法

说明书

本发明涉及电力数据分析技术领域，公开了一种非侵入式家庭用电设备在线监测系统与故障辨识方法，非侵入式用电信号采集装置与实时用电信息多元特征提取系统完成家庭用电设备产生的波形信号的采集与多元用电特征的提取，自回归滑动平均模型ARMA、多目标优化模型、LSTM分类系统对多元用电特征进行分析处理，得到每种多元时序用电特性向量下的每个当前运行的用电设备或其所在线路的异常概率与正常概率，最后再由联合判决模型根据联合概率判断是否故障：当联合异常概率＞联合正常概率，则判断当前运行的用电设备或其所在线路发生故障。本发明解决难以根据包含多种电器成分的信号对家庭用电设备进行故障辨识的技术问题，降低故障辨识成本，提高辨识准确率。

技术领域

本发明涉及电力数据分析技术领域，具体涉及非侵入式家庭用电设备在线监测系统与故障辨识方法。

背景技术

统计结果表明，家庭火灾事故中七成以上由电气原因引起，惨痛的事故教训成为电力从业者的痛点。电器性能劣化造成的故障，大多会出现器件损坏、短路、局部放电等现象，从而在负荷特性上出现异常。如果能对家庭用电负荷进行实时监测，对故障状况进行有效辨识，就可以在故障初期及时响应，切断电源，进行预警，避免事故发生或扩大。传统的负荷监测需要在每个被监测设备的信号输出端设置信号采样装置，然后再对采样数据进行分析处理，在被监测设备数量大的时候，传统的监测方式表现出成本高、监测装置的安装和维护不便等缺点。

目前有个别研究者在电力系统的大型设备在线监测中引入了非侵入式的概念，即在进户线或母线上采集电压、电流等信息。但针对住宅用户用电状况非侵入式监测的研究还有不足，主要停留在用电负荷的分析上，针对家庭用电设备的故障辨识几乎还是一片空白。

家庭用电设备有照明电器、烹饪电器、空调、洗衣机等，每种电器都有其独特的运行特征，同种电器启动、运行、关闭时的电压、电流曲线相似，但同一时刻不可能总是只有同一种电器运行，因此非入侵式设备监测到的信号中往往包含了多种电器的成分，这也是用电设备故障辨识的难点之一。

发明内容

针对上述现有技术的不足，本发明提供一种非侵入式家庭用电设备的在线监测系统，解决难以根据包含多种电器成分的信号对家庭用电设备进行故障辨识的技术问题。

为了解决上述技术问题，本发明采用了如下的技术方案：一种非侵入式家庭用电设备在线监测系统，包括非侵入式用电信号采集装置、数据前置处理系统、LSTM分类系统与联合判决模型；

所述非侵入式用电信号采集装置，用于监测家庭用电设备产生的实时波形信号；并通过通信系统上传至数据前置处理系统；

所述数据前置处理系统用于从实时波形信号中提取当前多元用电特征数据，并根据当前多元用电特征数据对当前运行的用电设备进行辨识；多元用电特征数据是包含电压、电流、功率与相角在内的多种时域用电特征数据的集合；

所述LSTM分类系统包括时序用电特征提取单元与若干LSTM分类器；所述时序用电特征提取单元用于将当前多元用电特征数据处理成相应的当前多元时序用电特征数据；多元时序用电特征数据是包含电压、电流、功率与相角在内的多种时序用电特征向量的集合；

所述LSTM分类器用于计算在当前多元时序用电特征数据中的每种多元时序用电特性向量下的每个当前运行的用电设备或其所在线路的异常概率与正常概率；LSTM分类器的类型包括针对单个用电设备运行的单设备LSTM分类器与针对不同设备同时运行的多设备LSTM分类器；LSTM分类系统能够根据当前运行的用电设备的辨识结果来选择相应的LSTM分类器；

所述联合判决模型用于判断每个当前运行的用电设备是否发生故障，对于每个当前运行的用电设备，均按如下准则判断：若联合异常概率＞联合正常概率，则判断当前运行的用电设备或其所在线路发生故障；联合异常概率等于在每种时序用电特征向量下当前运行的用电设备或其所在线路的异常概率之和；联合正常概率等于每种时序用电特征向量下当前运行的用电设备或其所在线路的正常概率之和。