一种精确识别电动自行车充电的非侵入式全负荷识别技术

技术领域

本发明涉及可识别电动车电池充电的全负荷种类识别技术，主要用于自动监测家庭、企业、工厂内的电动自行车充电并即时报警，和使用中的电器的类型识别、功率检测、状态诊断，广泛适用于智能家居、智慧楼宇、智能控制、节能应用等多种领域。

背景技术

电动自行车在室内、楼道、走廊、飞线充电，引起的火灾和爆炸，对人民的生命财产造成了极大的危害。电动车违规充电问题已引起监管部门高度重视，成为社会高度关注的话题，亟待杜绝。

由于电动自行车自身小巧、电池可拆卸的特点，使得对电动自行车的充电进行监管存在很大难度。

目前，国内没有自动识别电动自行车充电的技术和设备。

同时，能够识别负荷类型的技术和产品，特别是多负荷同时工作下的识别，市场上非常少，而且准确率低。

当前负荷识别技术，一般单独选择负荷的暂态特征和稳态特征进行匹配识别。采用的分析技术有基于神经网络算法的机器学习、聚类分析技术等。从面向对象的角度来看，负荷运行是从暂态到稳态的连续过程，人为分割特征区间不符合负荷的自身特性，增加了负荷识别的误差。

当前技术无法解决电参数测量数量和算法准确度、硬件设备性能间的矛盾。采集的电参数数量少时，识别结果非常不准确。采集的电参数数量大时，算法开销巨大，超出了进行边缘计算设备的能力。更主要的是对数据无差别的使用，算法收敛性差，易陷入局部最优，无效数据增加了结果误差，这些都导致负荷识别错误。

发明内容

针对当前市场空白，本发明提供了一种识别电动车电池充电的全负荷种类识别技术。

本发明提出独特的特征加强算法、滑动窗口法优化融合的综合识别算法，经过对采集的电力入口的电流或功率数据进行计算，可准确识别出电力用户是否有电动自行车充电，包括锂电池和铅酸电池电动自行车。发明同时可以精确识别负荷类型和数量，解决了负荷识别类产品极少、现有产品准确度低的问题。

电动自行车充电时同样为电力负荷，下面算法描述电动自行车充电识别时，与使用中电力负荷统一进行说明，不单独指出，对负荷的描述和算法包含电动自行车充电。

发明提出了特征加强算法，采用三阶构造函数法，使得负荷的可辨别特征点得到加强，抑制了数据中非辨别特征点对结果的干扰。经过特征加强算法，负荷的辨别特征点直接决定了最终负荷识别结果。算法选取负荷运行期间的电流或者功率数据。

特征加强算法的三阶构造函数计算过程：

1、原始数据序列a（n）= ｛a1，a2，...，aN｝，

计算b（n）= ｛b1，b2，...，bN｝，b（n） = a（n）^3， n=1，2，...，N。

2、设定观察常数 k，k= 100，斜率宽度常数d，d=10，序列长度N，N = 1000

3、计算a(1)和a（10）点的斜率m（1），a（2）和a（11）点的斜率m（2），a（3）和a（12）点的斜率m（3），...a（n）和a（n+d-1）的斜率m（n），...，计算a（k-d+1）和a（k）点的斜率m（k-d+1）。

4、计算m（n）的标准差σ。

5、|m（n）- m（n-d+1）|<3σ 且 |m（n）- m（n+d-1）|<3σ ，a（n）记为特征点，其他点为干扰点，去除。

6、数据点向后移动100，重复计算特征点，直至计算出全部的特征点。

本发明提出了滑动窗口法寻找最优识别数据区间。具体方法为：

以1k/s的采样率，实时采集电流或功率数据，循环存储6分钟。每6分钟进行识别计算。定义每个识别窗口长度30s，30s的识别窗口同时包括了负荷的暂态特征和稳态特征。

识别步骤1：识别开始，第一个识别窗口包括从起始点向后30s的数据序列，首先进行特征加强算法计算，加强特征值，特征值序列首先与负荷矩阵库中的包含电动自行车的特征值进行贴进度计算，此后依次与负荷矩阵库中的负荷组进行贴进度计算，得出的最高贴进度存储为本窗口的匹配结果K1；

识别步骤2：识别窗口向后移动1s，窗口长度30s，重复识别步骤1的计算，得出的最高贴进度存储为本窗口的匹配结果K2。每次移动识别窗口后计算出最高贴进度，存储为K3、K4...Kn。

识别步骤3：所有窗口的匹配结果中，如果包含电动自行车的负荷组匹配结果最高，则识别出电动自行车充电，否则，最高的匹配结果Kn值对应的负荷组，为当前使用的所有负荷类型。

滑动窗口法中，负荷矩阵库中的负荷组的特征值按下述流程计算：

1、固定负荷类型和总量，采集电流或功率数据序列；

2、进行数据清洗、插补；

3、经过特征加强算法，得出本次样本特征值；

4、大量训练，存储样本的特征值；

5、使用机器学习算法，计算与所有特征值序列具有最优相似度的特征值，作为负荷矩阵库的特征值；

6、设定新的负荷类型和总量，计算全组合负荷组的特征值。

附图说明

图1为本发明的技术应用原理图，主要说明工作流程。

图2为本发明的应用系统组成图，主要说明典型应用场景下，系统的结构组成和硬件、软件、人机交互等各组件间的连接流程。

具体实施方式

本发明最典型应用是监测电力用户是否违规对电动自行车进行充电。

将本发明技术简单植入DSP和MCU中，不需要额外的数据分析技术，通过实时监测的电流或者功率数据，可即时发现电力用户违规对进行电动自行车充电，发送给监管部门进行即时制止，允许同时通知该电力用户立即停止充电。

设备非侵入式安装，即设备不入户、不接入电动车充电线和电器供电线，不连接待测入户电线。安装位置为电力入口处，一般放置在电表箱。

应用场景参考附图1技术应用原理图和附图2应用系统组成图。

另一个典型用途是用电器识别。将DSP和MCU安装在电力入口，可即时发现电力用户新使用和使用中的所有用电器类型，包括每个电器消耗的功率，通过APP或者电脑客户端等方式发送电器类型和功率，用于电力用户的节电管理。

第三种典型用途，作为系统组件，本发明的设备可与物业和电力部门联通，检测到违规电动自行车充电时，即时上报给相关部门。

第四种典型用途，作为系统组件，集成入智能家居类产品，实现家电智能控制，结合电器特性给出节电提示。

另一个用途，本发明算法可以独立使用，对电流和功率的处理方法，同样适用于电压、谐波等电力参数的处理，实现加强特征点和寻找最优识别区间、确定具有最高匹配度的数据。

以上所述仅为本发明的优选实施例，对于本领域的技术人员来说，本发明可以有各种更改和变化。这些实施例仅用于说明本发明，不以任何方式限制本发明的范围。