Inteligentna identyfikacja obciążenia sieci za pomocą technologii inteligentnych liczników

Wstęp

Od XXI wieku energia elektryczna stała się kluczowym czynnikiem wspierającym rozwój gospodarczy mojego kraju i odgrywa niezastąpioną rolę w przetrwaniu i rozwoju człowieka. Inteligentne sieci wykorzystują nowoczesne technologie, aby w pełni wykorzystywać energię odnawialną, jednocześnie dostarczając energię do urządzeń końcowych, umożliwiając elastyczne planowanie i inteligentne zarządzanie energią elektryczną. W miarę ciągłego rozwoju inteligentnych sieci rośnie liczba-energochłonnych-urządzeń po stronie użytkownika, co prowadzi do coraz bardziej rygorystycznych wymagań w zakresie usług rafinacji energii elektrycznej. Identyfikacja obciążenia użytkownika ma kluczowe znaczenie przy projektowaniu-strategii oszczędzania energii dla inteligentnych sieci. Identyfikacja obciążenia polega przede wszystkim na próbkowaniu i analizowaniu danych-o zużyciu energii elektrycznej przez użytkownika w celu zidentyfikowania urządzeń-energochłonnych-, pomagając w ten sposób użytkownikom poprawić ich istniejące wzorce zużycia energii elektrycznej. Obecnie większość inteligentnych sieci w moim kraju korzysta z technologii identyfikacji obciążenia inwazyjnego, wdrażając czujnik dla każdego obciążenia bocznego użytkownika-w celu gromadzenia informacji o zużyciu energii. Jednak ta technologia identyfikacji jest nie tylko-czasochłonna i pracochłonna-, ale także utrudnia zapewnienie wydajnego gromadzenia informacji o mocy, co utrudnia prawidłowy rozwój inteligentnych sieci. Dlatego w tym artykule wykorzystano technologię inteligentnych liczników do zbadania-nieinwazyjnej metody identyfikacji obciążenia inteligentnej sieci w celu promowania rozwoju prac związanych z identyfikacją obciążenia inteligentnej sieci w kierunku inteligencji.

Projekt identyfikacji obciążenia inteligentnej sieci oparty na technologii inteligentnych liczników

Gromadzenie danych dotyczących inteligentnych sieci w oparciu o inteligentne liczniki

Obecnie powszechną uwagę przyciąga rosnąca liczba-energochłonnych-urządzeń elektrycznych, które spełniają różnorodne potrzeby ludzi w zakresie stylu życia. Po stronie użytkownika inteligentnej sieci każde gospodarstwo domowe może posiadać kilka, a nawet kilkadziesiąt urządzeń elektrycznych. Ze względu na odmienną zasadę działania i charakterystykę elektryczną tych urządzeń, identyfikacja obciążenia wymaga znacznego czasu i wysiłku w celu zebrania danych o mocy z tych urządzeń, co w pewnym stopniu ogranicza rozwój inteligentnych sieci. W tym celu w tym artykule przedstawiono technologię inteligentnych liczników w celu zaprojektowania nieinwazyjnej techniki identyfikacji obciążenia. Po pierwsze, inteligentne liczniki służą do gromadzenia danych o zużyciu energii po stronie użytkownika inteligentnej sieci. Inteligentnych liczników nie trzeba instalować w domu użytkownika; można je po prostu zainstalować na magistrali-użytkownika inteligentnej sieci. Układ pomiarowy w inteligentnym liczniku zbiera dane dotyczące zasilania, takie jak napięcie, prąd i moc, z urządzeń domowych użytkownika i przesyła te dane za pośrednictwem interfejsu SPI. W przypadku korzystania z inteligentnych liczników do gromadzenia danych o zużyciu energii po stronie użytkownika inteligentnej sieci, podczas stabilnej pracy tych urządzeń obserwuje się charakterystykę stanu ustalonego. Dlatego konieczne jest określenie wartości skutecznych napięcia i prądu tych urządzeń, reprezentujących te charakterystyki stanu ustalonego:

W formule I₀jest wartością skuteczną prądu po stronie użytkownika inteligentnej sieci; U₀to efektywna wartość napięcia po stronie użytkownika inteligentnej sieci; N to okres próbkowania inteligentnego licznika; I(t) to sygnał prądowy-po stronie użytkownika zebrany przez inteligentny licznik; U(t) to sygnał napięciowy-po stronie użytkownika zebrany przez inteligentny licznik.

Moc urządzeń elektrycznych po stronie użytkownika inteligentnej sieci nie może być bezpośrednio pobierana przez inteligentny licznik. Należy go obliczyć według wzoru (1) i wzoru (2). Wzór obliczeniowy to:

W formule P₀to wartość efektywna mocy czynnej po stronie użytkownika inteligentnej sieci; f to częstotliwość próbkowania inteligentnego licznika; a M to częstotliwość próbkowania inteligentnego licznika. Podczas działania urządzeń elektrycznych-po stronie użytkownika inteligentnej sieci charakterystyki mocy różnych urządzeń elektrycznych przybierają różne postacie i znacznie różnią się od siebie. Dlatego w artykule wykorzystano wartość efektywną mocy uzyskaną według wzoru (3) jako jedną z ważnych danych do identyfikacji obciążenia inteligentnej sieci.

Inteligentne liczniki można dostosować do różnych urządzeń elektrycznych w gospodarstwach domowych różnych użytkowników. Zebrane obciążenie mocy charakteryzuje się wysoką dokładnością i stabilnością, dzięki czemu nadają się do inteligentnej identyfikacji obciążenia sieci.

Wstępne przetwarzanie danych inteligentnych sieci

Podczas korzystania z inteligentnych liczników do gromadzenia-danych dotyczących energii elektrycznej po stronie użytkownika na potrzeby inteligentnych sieci nie da się uniknąć zakłóceń ze strony zewnętrznych czynników środowiskowych, co skutkuje szumem i anomaliami w gromadzonych danych. Dlatego konieczne jest wstępne przetwarzanie zebranych danych przed identyfikacją ładunku, aby poprawić jej skuteczność. Ponadto, aby zapewnić możliwość uogólnienia technologii identyfikacji obciążenia inteligentnych sieci, w idealnym przypadku zbiór danych o obciążeniu wykorzystywany do identyfikacji powinien składać się z różnych typów urządzeń elektrycznych pochodzących z dwóch lub większej liczby gospodarstw domowych użytkowników. Zapewnia to, że zbiór danych o obciążeniu używany do identyfikacji obejmuje bardziej kompleksowy zestaw danych o obciążeniu, ułatwiając identyfikację.

Po pierwsze, filtr S-G służy do odszumiania danych dotyczących mocy-po stronie użytkownika w inteligentnej sieci. Filtr S-G to filtr dolnoprzepustowy-, który dopasowuje sygnał danych mocy w dziedzinie czasu przez przesuwane okno, uzyskując w ten sposób wygładzenie i odszumienie sygnału danych mocy. Zakładając, że zbiór danych dotyczących mocy użytkownika-zbieranych przez inteligentny licznik to X=(x1, x2, …, xi, …, xn), w tym artykule konstruowano wielomian ak-1-rzędowego, aby dopasować go do zebranego zbioru danych. Wyrażenie odszumiające filtr SG to:

W formule Y_ito dane-użytkownika dotyczące mocy inteligentnej sieci po przefiltrowaniu i wygładzeniu; a0, a1, a2, …, ak-1 to współczynniki wielomianu. Po przetworzeniu według wzoru (4) impuls danych obciążenia jest w pewnym stopniu wygładzany, co skutecznie redukuje zakłócenia szumowe. Następnie dane są filtrowane i przetwarzane. Kiedy inteligentny licznik zbiera dane dotyczące obciążenia po stronie użytkownika, nagłe awarie sprzętu i inne czynniki spowodują nieprawidłowe wartości w zebranych danych. Te nieprawidłowe wartości w pewnym stopniu wpływają na efekt identyfikacji obciążenia. Dlatego przed wykonaniem inteligentnej identyfikacji obciążenia sieci konieczne jest usunięcie nieprawidłowych wartości w zebranych przykładowych danych. W artykule wykorzystano metodę progową do usuwania nieprawidłowych danych. Mówiąc najprościej, z góry ustalany jest rozsądny próg, a zebrane dane dotyczące obciążenia są przekraczane. W procesie przejazdu ładunek przekraczający zadany próg jest zatrzymywany, a ładunek nieprzekraczający progu jest usuwany, a zachowane dane podlegają standaryzacji. Wzór obliczeniowy standaryzacji to:

Gdzie Y′ to ujednolicone dane-użytkownika inteligentnej sieci; Y to średnia danych-o mocy pierwotnego użytkownika inteligentnej sieci; i Y₀to odchylenie standardowe pierwotnych danych dotyczących zasilania-użytkownika inteligentnej sieci. Na koniec dane dotyczące mocy użytkownika-inteligentnej sieci, wstępnie przetworzone w powyższym procesie, są łączone w celu utworzenia-wysokiej jakości zbioru danych obciążenia na potrzeby późniejszej identyfikacji obciążenia.

Konstruowanie tymczasowego modelu sieci splotowej do identyfikacji obciążenia

Ogólnie rzecz biorąc, dane dotyczące mocy użytkowników-inteligentnej sieci zebrane przez inteligentne liczniki wykazują silną korelację czasową. Dlatego też w artykule skonstruowano czasowy model sieci splotowej do identyfikacji obciążenia inteligentnej sieci. Tymczasowa sieć splotowa jest ulepszeniem podstawowej sieci splotowej, składającej się głównie z dwóch elementów: przyczynowego splotu rozszerzonego i połączeń resztkowych. Przyczynowy splot rozszerzony jest strukturą jednokierunkową. Mówiąc najprościej, sygnał czasu w następnej warstwie można uzyskać jedynie w oparciu o sygnał czasu w poprzedniej warstwie, bez ryzyka wycieku danych obciążenia w innych momentach. Dlatego model rozpoznawania skonstruowany przy użyciu czasowej sieci splotowej jest również modelem-z ograniczeniami informacyjnymi. Ponadto na wynik warstw splotowych modelu wpływa głębokość sieci. Dlatego w praktycznej identyfikacji obciążenia konieczne jest zmniejszenie liczby warstw splotu przyczynowego lub zwiększenie wielkości kroku próbkowania splotu rozszerzonego, aby uniknąć eksplozji gradientu spowodowanej głębszymi sieciami. Jeśli chodzi o pozostałe połączenia w modelu, w tym artykule wykorzystano połączenia pomijane, aby zapobiec słabej wydajności uczenia modelu. Zakładając, że wejście tymczasowego modelu sieci splotowej to a, a wyjście pierwszej warstwy to f(a), przednią sieć neuronową bloku resztkowego czasowego modelu sieci splotowej można opisać jako:

Gdzie ω1 i ω2 to odpowiednio wagi pierwszej i drugiej warstwy splotowej w czasowym modelu rozpoznawania sieci splotowej; δ jest funkcją aktywacji. Następnie zgodnie ze wzorem (6) można otrzymać wynik drugiej warstwy splotowej modelu:

Gdzie g(a) jest wynikiem drugiej warstwy splotowej tymczasowego modelu rozpoznawania sieci splotowej. Proces uzyskiwania identyfikacji obciążenia inteligentnej sieci przy użyciu czasowego modelu sieci splotowej opisany w tym artykule jest następujący: najpierw do modelu wprowadzane są dane-użytkownika inteligentnej sieci zebrane przez inteligentne liczniki, a moduł ekstrakcji cech modelu wyodrębnia cechy danych dotyczących zużycia energii elektrycznej. Następnie rozpoczyna się faza uczenia modelu, podczas której ustawiane są parametry, takie jak wagi i błędy systematyczne. Jednocześnie odbywa się propagacja danych do przodu i do tyłu przy użyciu funkcji straty w celu wyprowadzenia etykiety identyfikacyjnej docelowego obciążenia. Podsumowując, w tym artykule osiągnięto nieinwazyjną identyfikację-inwazyjnych obciążeń po stronie użytkownika-inteligentnej sieci przy użyciu technologii inteligentnych liczników.

Analiza eksperymentalna

Przygotowanie eksperymentalne

W celu sprawdzenia efektywności technologii inteligentnych liczników w inteligentnych sieciach przeprowadzono eksperyment symulacyjny z wykorzystaniem zbioru danych REDDD. Ponieważ statystyki zużycia energii elektrycznej przez każdego użytkownika w zbiorze danych są różne, zbiór danych został sprawdzony i podzielony w celu uzyskania eksperymentalnego zbioru danych przedstawionego w Tabeli 1.

Tabela 1 Zbiór danych eksperymentalnych

Jak pokazano w tabeli 1, w tym eksperymencie identyfikacji obciążenia wykorzystano sześć typów obciążeń sprzętu elektrycznego ze zbioru danych REDD jako dane eksperymentalne, łącznie dla 1064 próbek. Przebiegi prądu przejściowego różnych eksperymentalnych obciążeń elektrycznych pokazano na rysunku 1.

图１ 实验电器负荷暂态电流波形

W tym eksperymencie prąd przejściowy każdego obciążenia sprzętu elektrycznego wyodrębniono na podstawie-wielwymiarowych cech kształtu fali, a następnie do klasyfikacji i identyfikacji wykorzystano metodę identyfikacji obciążenia opracowaną w tym artykule. Jednocześnie jako grupy kontrolne wybrano technologię identyfikacji obciążenia inteligentnej sieci w oparciu o LSTM oraz technologię identyfikacji obciążenia inteligentnej sieci w oparciu o sieć neuronową, a wyniki identyfikacji uzyskano, a następnie porównano i poddano analizie.

Analiza wyników

Aby porównać klasyfikację obciążenia i wydajność identyfikacji każdej technologii, jako miernik oceny wykorzystano średni błąd bezwzględny (MAE), a jego wyrażenie to:

Gdzie MAE jest średnim błędem bezwzględnym (MAE) wyników identyfikacji obciążenia dla inteligentnych sieci; T to czas detekcji; y_ijest rzeczywistą wartością obciążenia w chwili i; oraz x jest wynikiem identyfikacji obciążenia w chwili i. Metryka ta odzwierciedla przede wszystkim błąd między wynikiem identyfikacji a rzeczywistym obciążeniem w określonym momencie w określonym okresie wykrywania i może być wykorzystana do pomiaru dokładności technologii identyfikacji obciążenia inteligentnej sieci.

Tabela 2 pokazuje, że w porównaniu z technologią identyfikacji obciążeń grupy kontrolnej, proponowana technologia osiąga pewien stopień poprawy w identyfikacji obciążeń wszystkich sześciu typów urządzeń elektrycznych. Zaproponowana technologia identyfikacji obciążenia osiąga średni błąd bezwzględny na poziomie 1,135 kWh, co oznacza redukcję odpowiednio o 0,793 kWh i 1,435 kWh w porównaniu z technologią grupy kontrolnej. Pokazuje to, że technologia inteligentnych liczników badana w tym artykule jest odpowiednia do-nieinwazyjnej identyfikacji obciążenia w inteligentnych sieciach i zapewnia doskonałe możliwości gromadzenia informacji i zastosowań. W porównaniu z innymi technologiami identyfikacji obciążenia, technologia badana w tym artykule może skutecznie wyodrębniać dane dotyczące mocy od strony użytkownika inteligentnej sieci i zachować szczegółowe informacje, takie jak prąd przejściowy, w danych dotyczących mocy. Ostatecznie zastosowano go do czasowego modelu sieci splotowej w celu klasyfikacji, poprawiając w ten sposób zdolność identyfikacji obciążenia.