基于电力系统的恶性负载识别方法研究

基于电力系统的恶性负载识别方法研究

电气火灾一直是预防火灾的困难。由于宿舍电脑化事故，每年都会发生意见分歧。宿舍安全和能源行业一直是有关部门必须解决的问题。近年来学生公寓事故的调查结果显示,在宿舍使用热得快、电炉子等恶性负载是引起火灾和触电事故的主要原因。1恶意负载的特性从学生公寓用电安全和用电管理的角度出发,将热得快、电炉子等大功率的电热器件称为恶性负载。恶性负载的性质近似呈阻性,其原因在于:(1)从能量角度来看,恶性负载将吸收的电能大部分转化为热能释放出来。(2)从伏安特性来看,恶性负载的伏安特性近似于电阻的伏安特性。不同负载具有不同的特征,而当不同负载混合使用时,要对其进行识别并非易事。学生公寓人员密集、负载类型多、用电管理复杂,如何在确保正常用电的情况下实现恶性负载的识别,对公寓用电管理及用电安全有十分重要的意义。电子技术的发展使全电子式智能计量系统成为现实,但这些智能电表并不具备恶性负载识别功能。尽管某些智能用电管理系统具备了一定的负载识别功能,但其检测精度并未达到令人满意的程度,无法满足工程上的需要。因此,如何实现对恶性负载的精确识别仍是一个有价值的研究方向。2之后域分析方法当前,恶性负载识别的方法大致可分为时域法和频域法两类。时域分析方法主要包括总功率限定法、瞬时功率增加法、波形比较法等;频域分析方法主要包括基于小波变换识别法、基于神经元网络识别法以及小波变换和人工神经元网络结合的方法等。2.1公寓的负荷控制其原理是当学生在公寓里的用电量极大而致使公寓的用电负荷超过限定值时,MCU发出断电命令使宿舍供电中断。一般的学生公寓智能管理系统都使用这种方法对公寓的负荷进行控制,可初步实现恶性负载的识别。当学生公寓的用电功率被限定在一个限定值以下时,MCU不断对公寓的电压、电流进行采样和计算并得到其功率,判定功率是否超出限定值。学生在公寓内使用热得快等负载时,就会被MCU检测到功率超限,如此便实现了恶性负载识别。2.2恶性负载的识别瞬时功率增加法也是应用较为广泛的方法,它通过实时测量电路中的功率来进行恶性负载识别。其基本原理是:检测当前电路中的功率并将功率值及时存储记录,当检测到某一时刻的功率值增加很大时(学生公寓中非恶性负载的功率一般都较小),证明电路中启动了一个大功率负载。2.3基于差值波形法的识别通过硬件电路分别对负载启动前和启动后的电压和电流进行模数转换和采样,然后对负载启动前后的电流波形进行相减得到电流的差值波形,将差值波形乘上一个适当的比例因子,使其峰值与电压波形峰值相等,通过计算差值波形与电压波形围成的面积达到负载识别的目的。判断依据是:如果差值面积近似为零,则有恶性负载接入,否则无恶性负载接入。波形比较法的软件电路和硬件电路的设计均比较复杂,因为负载启动前后两次波形的测量起点必须保证在不同周期的同一时刻开始,否则进行的识别是不可靠的。从工程上看,当电路中出现毛刺干扰时,面积差将会变化,也会导致错误的识别结果。2.4负载小波分析小波分析法具有多分辨率的特点,是一种时间窗和频率窗都可以改变的时频局部化分析方法。研究表明,对于恶性负载的识别利用Dmeyer小波函数和5层分解效果较好。采用Dmeyer小波函数对原始负载信号的电流波形进行5层小波分解,将信号S表示为各层高频部分和低频部分之和,即:a1至a5代表各层的概貌部分,d1至d5代表各层的细节部分。对采样得到的白炽灯、电炉子、日光灯、计算机等负载以及它们混合负载的电流波形进行小波分析,分析后认为采用各负载电流值的平方和Sumpower、细节部分第五层的能量Power5、概貌部分第五层的能量与细节部分第五层的能量的比值R作为特征值进行负载识别可达到较好效果,依据如下:(1)当R≈1.4时,证明是纯计算机负载。(2)当R>25且Sumpower的数量级≥108,说明含大功率的阻性负载。(3)当R≤25且Power5的数量级是105或106时,证明是含计算机的混合负载。2.5结论及输出结果分析在恶性负载识别中的应用神经网络法实现负载识别的基本过程是:把所采集的电压和电流信号进行A/D转换,利用傅立叶变换或小波分析等方法提取特征值,将其作为神经网络的输入并对神经网络进行训练,通过对输出结果的分析实现对恶性负载的识别。目前在负载识别中应用较多的是BP神经网络。采用的BP神经网络的结构为:输入层5个神经元、隐层11个神经元、输出层1个神经元。这样设计的神经元结构对恶性负载的识别效果非常理想:通过对网络的输出结果和期望输出作线性回归分析得到两者的相关系数为0.994。这种方法可以通过对计算机负载的间接识别达到恶性负载识别的目的。神经网络法识别准确度高,但存在需要大量的样本并进行大量的训练,且建网无现成规律可循等缺点,另外其实际中的通用性还有待考证。3负载识别的发展方向上述介绍的识别方法中,实际中应用较多的是总功率限定法、瞬时功率增加法和功率因数法,但这几种方法识别精度有限,难以满足实际要求;波形比较法硬件软件都过于复杂,且容易受到干扰,实用价值有限;基于频域分析的识别方法虽然很准确,识别效果较理想,但工程通用性不强。因此寻找一种基于负载内在规律的、通用的方法是今后负