基于多特征目标函数PCA-ILP的非侵入式负荷分解方法

doi:10.12204/j.issn.1000-7229.2020.08.001

电力建设 ›› 2020, Vol. 41 ›› Issue (8): 1-8.doi: 10.12204/j.issn.1000-7229.2020.08.001

• 非侵入式负荷监测技术及其应用 ·栏目主持高山副教授、刘宇讲师· • 上一篇下一篇

基于多特征目标函数PCA-ILP的非侵入式负荷分解方法

刘赛¹，刘宇²，高山²，郭昊旻³，宋天成²，蒋伟毅¹，李正¹，王俊成¹，徐逸民¹

1.国网江苏省电力有限公司检修分公司，南京市 211102；2.东南大学电气工程学院，南京市 210096；3.国网福建省电力有限公司厦门供电公司，福建省厦门市 361004

出版日期:2020-08-07 发布日期:2020-08-07
作者简介:刘赛（1993），男，硕士，主要研究方向为交直流配电网调度与综合能源系统，主要从事电力设备运维检修工作；刘宇（1990），男，博士，讲师，通信作者，主要研究方向为电力系统规划运行、综合能源系统与非侵入式负荷监测；高山（1973），男，博士，副教授，主要研究方向为电力系统规划运行与主动配电网及交直流系统分析；郭昊旻（1994），男，硕士，主要从事电力设备运行维护工作；宋天成（1990），男，博士研究生，主要研究方向为电力市场竞价机制与需求响应；蒋伟毅（1974），男，高级工程师，高级技师，主要从事变电设备检修、维护工作；李正（1994），男，硕士，主要从事电力设备运维检修工作；王俊成（1985），男，硕士，高级工程师，主要从事电力设备运维检修工作；徐逸民（1991），男，硕士，主要从事电力设备运维检修工作。
基金资助:
国家自然科学基金项目（51907024）

Non-intrusive Load Monitoring Method Based on PCA-ILP Considering Multi-feature Objective Function

LIU Sai¹, LIU Yu², GAO Shan², GUO Haomin³, SONG Tiancheng², JIANG Weiyi¹, LI Zheng₁, WANG Juncheng¹, XU Yimin¹

1. State Grid Jiangsu Electric Power Co., Ltd. Maintenance Branch Company, Nanjing 211102, China； 2. School of Electrical Engineering, Southeast University, Nanjing 210096, China； 3. State Grid Fujian Electric Power Co., Ltd. Xiamen Power Supply Company, Xiamen 361004, Fujian Province, China

Online:2020-08-07 Published:2020-08-07
Supported by:
This work is supported by National Natural Science Foundation of China（No. 51907024）.

摘要/Abstract

摘要： 非侵入式负荷监测（non-intrusive load monitoring, NILM）能够在不影响用户正常用电的前提下，低成本地获取用电信息，实现用电设备的类型识别和负荷分解，而大量智能电表的安装也为用户进行NIML提供了数据与技术支撑。首先，在研究常见家用电器的功率特征、电流波形及其频域谐波特征的基础上，采用主成分分析方法（principal components analysis, PCA）对高维谐波特征空间进行降维，提取主要谐波信息，与基本功率特征结合形成多特征目标函数。然后，基于整数线性规划（integer linear programming, ILP）模型，提出了考虑多特征目标函数的PCA-ILP的NILM方法。算例分析表明，所提方法对不同信噪比（signal to noise ratio, SNR）下的不同家用电器应用场景均具有良好的负荷分解效果。

关键词: 非侵入式负荷监测, 主成分分析, 多特征目标函数, 整数线性规划

Abstract: Non-intrusive load monitoring （NILM） acquires power consumption information in low cost. It can realize household load recognition and decomposition without affecting the normal power consumption. The installation of smart meters also provides data and technical support for NILM. Firstly, by researching power characteristics, current waveforms and harmonic characteristics of common household appliances, principal component analysis （PCA） is used to reduce the dimension of high-dimensional harmonic feature space and extract the main harmonic information. It is combined with basic power characteristics to form multi-feature objective function. Then, on the basis of integer linear programming （ILP） model, NILM method of PCA-ILP considering multi-feature objective function is established to realize load decomposition and recognition for different electrical appliances. Finally, case study indicates that the proposed method has a sound performance for load decomposition in different scenarios of household appliances under different signal-to-noise ratio （SNR）.

Key words: non-intrusive load monitoring, principal components analysis, multi-feature objective function, integer linear programming

中图分类号:

TM 714

刘赛, 刘宇, 高山, 郭昊旻, 宋天成, 蒋伟毅, 李正, 王俊成, 徐逸民. 基于多特征目标函数PCA-ILP的非侵入式负荷分解方法[J]. 电力建设, 2020, 41(8): 1-8.

LIU Sai, LIU Yu, GAO Shan, GUO Haomin SONG Tiancheng, JIANG Weiyi, LI Zheng, WANG Juncheng, XU Yimin. Non-intrusive Load Monitoring Method Based on PCA-ILP Considering Multi-feature Objective Function[J]. ELECTRIC POWER CONSTRUCTION, 2020, 41(8): 1-8.

参考文献［25］

［1］	程祥, 李林芝, 吴浩, 等. 非侵入式负荷监测与分解研究综述［J］. 电网技术, 2016, 40（10）: 3108-3117.
	CHENG Xiang, LI Linzhi, WU Hao, et al. A survey of the research on non-intrusive load monitoring and disaggregation［J］. Power System Technology, 2016, 40（10）: 3108-3117.
［2］	武昕, 王震. 基于负熵估计的居民用电负荷非侵入式分解算法［J］. 电网技术, 2017, 41（3）: 931-937.
	WU Xin, WANG Zhen. A non-intrusive decomposition algorithm for resident power load based on negative entropy estimation［J］. Power System Technology, 2017, 41（3）: 931-937.
［3］	WU X, HAN L, WANG Z, et al. A nonintrusive fast residential load identification algorithm based on frequency-domain template filtering［J］. IEEJ Transactions on Electrical and Electronic Engineering, 2017, 12: S125-S133.
［4］	吴郅君, 殷新博, 陈中, 等. 基于模糊聚类曲线相似度的负荷用户识别方法［J］. 电力工程技术, 2019, 38（3）: 151-156.
	WU Zhijun, YIN Xinbo, CHEN Zhong, et al. Identification method of load customers based on similarity of fuzzy clustering curves［J］. Electric Power Engineering Technology, 2019, 38（3）: 151-156.
［5］	牛卢璐. 基于暂态过程的非侵入式负荷监测［D］. 天津: 天津大学, 2010.
	NIU Lulu. Non-intrusive load monitoring based on transient characteristics［D］. Tianjin: Tianjin University, 2010.
［6］	HART G W. Nonintrusive appliance load monitoring［J］. Proceedings of the IEEE, 1992, 80（12）: 1870-1891.
［7］	余贻鑫. 智能电网的技术组成和实现顺序［J］. 南方电网技术, 2009, 3（2）: 1-5.
	YU Yixin. Technical composition of smart grid and its implementation sequence［J］. Southern Power System Technology, 2009, 3（2）: 1-5.
［8］	FROEHLICH J, LARSON E, GUPTA S, et al. Disaggregated end-use energy sensing for the smart grid［J］. IEEE Pervasive Computing, 2011, 10（1）: 28-39.
［9］	崔亮节, 孙毅, 刘耀先, 等. 考虑分时段状态行为的非侵入式负荷分解方法［J］. 电力系统自动化, 2020, 44（5）: 215-222.
	CUI Liangjie, SUN Yi, LIU Yaoxian, et al. Non-intrusive load disaggregation method considering time-phased state behavior［J］. Automation of Electric Power Systems, 2020, 44（5）: 215-222.
［10］	EGARTER D, ELMENREICH W. Load disaggregation with metaheuristic optimization［C］// Poster Session of Energieinformatik. Germany: IEEE, 2015: 1-12.
［11］	孙毅, 张璐, 赵洪磊, 等. 基于动态自适应粒子群算法的非侵入式家居负荷分解方法［J］. 电网技术, 2018, 42（6）: 1819-1826.
	SUN Yi, ZHANG Lu, ZHAO Honglei, et al. A non-intrusive household load monitoring method based on dynamic adaptive particle swarm optimization algorithm［J］. Power System Technology, 2018, 42（6）: 1819-1826.
［12］	孙毅, 崔灿, 陆俊, 等. 基于遗传优化的非侵入式家居负荷分解方法［J］. 电网技术, 2016, 40（12）: 3912-3917.
	SUN Yi, CUI Can, LU Jun, et al. A non-intrusive household load monitoring method based on genetic optimization［J］. Power System Technology, 2016, 40（12）: 3912-3917.
［13］	YU Y X, LI P, ZHAO C L. Non-intrusive method for on-line power load decomposition［C］//2008 China International Conference on Electricity Distribution. 10-13 Dec. 2008, Guangzhou, China. IEEE, 2008: 1-8.
［14］	殷桂梁, 谢家宝, 邵同盟. 基于模糊C均值聚类的非侵入式负荷监测的研究［C］//中国高等学校电力系统及其自动化专业第二十七届学术年会, 2011. 秦皇岛: 燕山大学, 2011: 52-55.
［15］	徐青山, 娄藕蝶, 郑爱霞, 等. 基于近邻传播聚类和遗传优化的非侵入式负荷分解方法［J］. 电工技术学报, 2018, 33（16）: 3868-3878.
	XU Qingshan, LOU Oudie, ZHENG Aixia, et al. A non-intrusive load decomposition method based on affinity propagation and genetic algorithm optimization［J］. Transactions of China Electrotechnical Society, 2018, 33（16）: 3868-3878.
［16］	TABATABAEI S M, DICK S, XU W. Toward non-intrusive load monitoring via multi-label classification［J］. IEEE Transactions on Smart Grid, 2017, 8（1）: 26-40.
［17］	CHANG H H, LIN L S, CHEN N M, et al. Particle-swarm-optimization-based nonintrusive demand monitoring and load identification in smart meters［J］. IEEE Transactions on Industry Applications, 2013, 49（5）: 2229-2236.
［18］	KONG W C, DONG Z Y, MA J, et al. An extensible approach for non-intrusive load disaggregation with smart meter data［J］. IEEE Transactions on Smart Grid, 2018, 9（4）: 3362-3372.
［19］	余贻鑫, 刘博, 栾文鹏. 非侵入式居民电力负荷监测与分解技术［J］. 南方电网技术, 2013, 7（4）: 1-5.
	YU Yixin, LIU Bo, LUAN Wenpeng. Nonintrusive residential load monitoring and decomposition technology［J］. Southern Power System Technology, 2013, 7（4）: 1-5.
［20］	LIANG J, NG S K K, KENDALL G, et al. Load signature study: Part I: Basic concept, structure, and methodology［J］. IEEE Transactions on Power Delivery, 2010, 25（2）: 551-560.
［21］	LIN Y H, TSAI M S. Development of an improved time–frequency analysis-based nonintrusive load monitor for load demand identification［J］. IEEE Transactions on Instrumentation and Measurement, 2014, 63（6）: 1470-1483.
［22］	陈昊, 廖英祺, 张连芹, 等. 基于自适应滤波的信号分离与窄带干扰抑制［J］. 电力工程技术, 2019, 38（2）: 129-134.
	CHEN Hao, LIAO Yingqi, ZHANG Lianqin, et al. A method of signal separation and narrowband interference suppression based on adaptive filter［J］. Electric Power Engineering Technology, 2019, 38（2）: 129-134.
［23］	黄金鑫, 李华强, 陆杨. 基于蒙特卡洛模拟和频谱分析法的孤岛微电网储能容量配置［J］. 电网技术, 2020, 44（5）: 1622-1629.
	HUANG Jinxin, LI Huaqiang, LU Yang. Energy storage capacity configuration of isolated microgrid based on Monte Carlo simulation and spectrum analysis［J］. Power System Technology, 2020, 44（5）: 1622-1629.
［24］	涂京, 周明, 宋旭帆, 等. 基于监督学习的非侵入式负荷监测算法比较［J］. 电力自动化设备, 2018, 38（12）: 128-134.
	TU Jing, ZHOU Ming, SONG Xufan, et al. Comparison of supervised learning-based non-intrusive load monitoring algorithms［J］. Electric Power Automation Equipment, 2018, 38（12）: 128-134.
［25］	陈勇, 李鹏, 张忠军, 等. 基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型［J］. 电力系统保护与控制, 2019, 47（10）: 110-119.
	CHEN Yong, LI Peng, ZHANG Zhongjun, et al. Online prediction model for power transmission line icing load based on PCA-GA-LSSVM［J］. Power System Protection and Control, 2019, 47（10）: 110-119.

[1]	艾欣，杨子豪，胡寰宇，王智冬，彭冬，赵朗. 基于改进k-means算法的VPP负荷曲线聚类方法及应用[J]. 电力建设, 2020, 41(5): 28-36.
[2]	孙毅，李昊洋，刘耀先，祁兵，李彬，张旭东，李飞. 基于改进隐马尔科夫模型的非侵入式家居负荷识别#br#[J]. 电力建设, 2020, 41(4): 73-80.
[3]	孙雨潇，朱俊澎，袁越. 基于动态孤岛混合整数线性规划模型的主动配电网可靠性分析[J]. 电力建设, 2019, 40(5): 90-97.
[4]	杨智超，孙磊，丁明. 计及关键恢复路径的机组启动次序优化策略[J]. 电力建设, 2019, 40(10): 28-35.
[5]	程瑜，王望. 产消型智能社区储能系统配置与运行联合优化[J]. 电力建设, 2019, 40(10): 118-125.
[6]	祁兵，夏琰，李彬，李德智，崔高颖. 基于MILP的装配企业参与需求响应的调控策略[J]. 电力建设, 2018, 39(9): 1-8.
[7]	孙志攀, 刘会兰，栗然，陈宇，霍启敬，郑豪东. 考虑电动汽车用户意愿的热电联供型微电网优化调度[J]. 电力建设, 2018, 39(9): 95-104.
[8]	黄裕春，王宏，王珂，文福拴. 考虑电动汽车充电设施接入的居民配电系统供电容量最优规划[J]. 电力建设, 2018, 39(6): 1-.
[9]	周宏宇，薛友，刘祚宇，沈洁，俞敏，文福拴. 特高压变电站设备运维检修费用影响因素度量与分析[J]. 电力建设, 2018, 39(1): 19-.
[10]	谭嫣，孙磊，齐峰，向丽玲，龙霏，林振智，文福拴. 配电系统中变电站智能化升级策略 [J]. 电力建设, 2017, 38(7): 114-.
[11]	牛东晓，马天男，王海潮，刘鸿飞，黄雅莉. 基于KPCA和NSGAII优化CNN参数的电动汽车充电站短期负荷预测[J]. 电力建设, 2017, 38(3): 85-.
[12]	和敬涵，卢育梓，陆金耀，胡波，杨方，何博. 基于“进化”主成分分析法的用户分类及其应用[J]. 电力建设, 2017, 38(3): 101-.
[13]	李嘉逸，张宏刚，夏雪，宁康红，彭明伟，陈慧妙，胡泽春3. 市内电动汽车快速充电设施的最优规划[J]. 电力建设, 2017, 38(1): 17-.
[14]	孟金岭，胡嘉骅，文福拴，林国营，党三磊. 利用电参数的工业用户能效模糊综合评估[J]. 电力建设, 2016, 37(11): 16-.
[15]	崔巍，都秀文，杨海峰. 基于主成分分析法的电力需求影响因素分析[J]. 电力建设, 2013, 34(8): 34-39.

基于多特征目标函数PCA-ILP的非侵入式负荷分解方法

Non-intrusive Load Monitoring Method Based on PCA-ILP Considering Multi-feature Objective Function

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［25］

相关文章 15

编辑推荐

Metrics

本文评价

基于多特征目标函数PCA-ILP的非侵入式负荷分解方法

Non-intrusive Load Monitoring Method Based on PCA-ILP Considering Multi-feature Objective Function

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［25］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［25］