基于标准差偏离倍数的暂态事件检测算法_张广龙.pdf

基于标准差偏离倍数的暂态事件检测算法张广龙，任建文，周明（华北电力大学，河北 保定）摘要：暂态事件检测是非侵入式负荷监测的重要研究部分。然而已有的暂态事件检测方法需要已知投切负荷的有功功率跃变幅值，并依此设定功率跃变前后功率差的检测阈值，导致无法应用于多个有功功率跃变幅度不同的负荷同时投切的情况。为此，提出了一种基于标准差偏离倍数的暂态事件检测算法。该算法通过有功功率偏离均值相对于标准差的倍数来检测变点是否出现，并通过偏离倍数最近一次穿越零点的时刻来精确定位变点位置。通过仿真对比了偏离倍数法和滑动窗算法的检测速度和精度，用 数据集验证了算法在多个不同特性负荷投切情况下的有效性。该算法相比已有的检测算法，不仅不需要设定功率跃变前后功率差的检测阈值，还能应用于多个不同特性负荷投切的情况。经测试该算法具有更好的检测速度、检测精度，较低的误检率和漏检率。关键词：变点检测；非侵入式负荷监测；数据集；算法统计特性：中图分类号：文献标识码：文章编号：（）o，o（cc ，g，）：o o o o o oo o，o o o o o o o，o o o o o o，o o o o o，o o o o oo o o o o o o o o o o，o o o o o o o o o o o o o o o o o o o o o oo，o o o o o o o o o o o o，o o o o o o o，o，o o o：o o，o o oo，o o o基金项目：国家重点研发计划项目（）引 言智能用电是智能电网发展的重要方向之一，其中，负荷监测是实现智能电网的关键步骤之一。目前的负荷监测系统可以分为两大类：侵入式负荷监测和非侵入式负荷监测。传统的侵入式负荷监测系统，会在每一个负载上都安装传感器，用以监测每个负载的运行情况。该方法硬件花费较高，系统的可靠性偏低，用户的覆盖范围也较小，因此侵入式负荷监测难以广泛应用。非侵入式负荷监测（o ooo，）系统的特点是，只在电源的入口处安装了智能监测装置，这样就可以分析用户的整体内部用电负荷，并提供电气量信息诸如有功功率、无功功第 卷 第 期电测与仪表 年 月 日 ，率、电能消耗、谐波等。非侵入式负荷监测可针对不同的行业，根据行业性质的不同可分为工、商、居民等几类，大部分研究集中在居民用户。通过入户端的智能测量装置，测量相关的电气量后，可以更方便地辨别处用户的负荷组成及状态等有用信息。暂态事件检测是非侵入式负荷监测的重要研究部分，该过程将电力负荷的投切导致的采样序列某些统计特性上的一些突变信息提取出来并记录，为下一步的特征提取和负荷识别工作做预备工作。主流的暂态事件检测法分为似然比测试和序贯概率比检验。采用似然比测试方法的文献中，文献提出通过滑动窗平均值来判断是否存在变点，提高了对噪声的抗干扰能力。采用序贯概率比检验法的文献中，文献提出了基于滑动窗的双边累积和（，）算法，这也是目前最常见的暂态事件检测法。文献提出一种基于改进滑动窗的变点检测算法，能够准确判断负荷投切时间点，文献通过变权重滑动窗来累积采样点与均值的偏差，文献通过计算滑动窗内功率的标准差和电器投切前后稳态功率的差值，对投切事件进行检测。已有的暂态事件检测算法需要已知投切负荷的有功功率跃变幅值，并依此设定功率跃变前后功率差的检测阈值，导致无法应用于多个有功功率跃变幅度不同的负荷同时投切的情况。为此，提出了一种基于标准差偏离倍数的暂态事件检测算法，该算法主要有两个创新性：（）相比起基于滑动窗的变点检测算法，不需要每检测一个负荷的投切变点就根据该负荷重新设置检测阈值，可以检测多个不同特性负荷投切的多个变点；（）相比起基于滑动窗的检测算法，检测速度和检测精度得到了大幅提升。系统的基本流程 的硬件，是一个位置处于入户端的智能测量设备，测量节点的电气量信号。这些电气量信号包含不同的负荷信息，通过将这些电气量的特征提取出来，系统中的负荷分解就可以被实现。系统的基本流程中包括数据量测、数据处理、事件探测、特征提取、负荷识别。的第 步是数据量测，可获得负荷的电气量信号。数据处理是 的第 步，包括噪声滤波、及电气量的处理等。对于处理过后的数据，进行事件探测，以得知用电设备的情况。对于探测到的事件，下一个步骤是特征提取，将事件前后的数据的特征提取出来，为负荷识别所用。负荷识别是 的最后一步，即将探测到的负荷与特征库中的负荷做比较，使用各种机器学习算法如 k 最近邻等进行分类，从而对负荷的种类进行识别。针对事件探测部分进行研究工作，事件探测可归为变点检测问题，变点检测是指测算一个过程或序列所服从的统计模型改变时所对应的时间，该时刻前后将服从不同数学模型。本文选择采取变点检测作为事件探测的方法。变点是指过程或序列的部分统计特性发生改变时所对应的时刻，在非侵入式负荷监测领域，指的是用电设备的运行状态变化或负荷投切过程中出现的暂态事件。变点检测的数学描述如下：对一个给定的观测值数列，判断假设 与 的真伪，其中，总是有：，（）：存在某时刻，使得：，（），（）式中 与 表示假设 与假设；表示参数为向量 的模型。式（）表示该数列全部服从参数为向量 的模型，式（）表示该数列在第 项之前服从参数为 的模型，式（）表示在第 项之后服从参数为 的模型。若假设 成立，还需估计出变点 以及模型参数 和。在事件探测中，主要估计的对象就是变点 的位置。在非侵入式负荷监测的变点检测中，估计的对象为有功功率数据的变点的位置。标准差偏离倍数法的算法原理负荷监测过程中采集到的有功功率数据 可以作如下分解：（）（）（）（）（）式（）的实际意义为：任何一个测得的有功功率数据，都可以分解为该数据的平均值加上该数据的偏离倍数、标准差的乘积。第 卷 第 期电测与仪表 年 月 日 ，式（）中 为从当前位置往前取的功率数据的个数；为前 个功率数据的平均值。式（）中 为前 个功率数据的标准差。式（）中 为当前功率数据的标准差偏离倍数，为功率数据的时间序号。有功功率在各个不同偏离倍数下的分布规律如图 所示。xf(x)+2+3-2-334.2%13.5%2.2%2(,)X N0 图 有功功率在各个不同偏离倍数下的分布规律 o o o o 图 中可知，偏离倍数的绝对值越大，其占据的比例就越低，出现的概率就越小。当有功功率在某位置的偏离倍数的绝对值过大，该情况在稳态情况下出现的概率过小，可由此判断该点已大概率处于变点状态，已不再处于稳态中。因此，偏离倍数是用于判断是否出现变点的重要依据。文中的偏离倍数法，就是以偏离倍数为判断变点的重要依据的。标准差偏离倍数法的算法流程提出的标准差偏离倍数法的流程图如图 所示。数值计算算法的第一步是数值计算。当我们正在对某个电气量数据进行实时检测，或者获取了一段电气量数据之后，这一段数据通常是总功率数据，当系统中有负荷投切时，电气量数据会产生变点，我们可以根据电气量数据的变点位置来确定负荷的投切时刻。该变点出现的真实时刻，文中定义为。按时间依次取每一个数据，并且根据所取的数据之前的一段数据，计算他相对于过去一段数据的偏离倍数。偏离倍数的定义如式（）所示：c（，）（，）（，）（）式中 c（，）为第 个数据相对于过去 个数据的偏离倍数；为第 个功率数据；（，）为第 个数据的前 个数据的平均功率；（，）为第 个数据的前 个数据的标准差。开始结束数值计算:依次取某个电气量数据并计算该数据相对于过去一段数据的标准分数检测变点:标准分数绝对值是否连续几次大于某个阈值定位变点:从检测到变点的时间点,向前寻找最近一次标准分数正负号改变的时间点,记该点为变点位置是否已到数据集末尾误检保护:暂停变点的检测,直到标准分数的绝对值回落到某个阈值以下YNYN图 标准差偏离倍数法流程图 o o o o 检测变点当偏离倍数的绝对值连续几次大于某个阈值时，便可确定变点已经出现了。当功率数据向上突变时，偏离倍数为一个较大的正数；当功率数据向下突变时，偏离倍数为一个较大的负数；当功率数据处于稳定状态时，偏离倍数大部分时间会在 之间来回波动，反复穿越 点。之所以需要连续几次偏离倍数绝对值大于某个阈值，是因为功率数据处于稳定状态时可能会出现几个异常的噪点，该噪点可能会导致误检，而连续几次检测到特征再判断为变点已出现，可以提高检测算法的可靠性，减少误检情况。若未能满足条件，则取下一个功率数据继续检测。将确定变点已经出现时的时刻，定义为 o，那么从变点出现的真实时刻到确定变点已经出现时的时刻所经历的时间即为 o，他代表在实时检测功率数据的变点时，从变点真实出现到检测到变点所消耗的反应时间。定位变点当检测到变点时，确定变点已经出现时数据所处第 卷 第 期电测与仪表 年 月 日 ，的位置，和变点实际精确出现的位置有一段距离。由于功率数据在稳态状态时，偏离倍数在 附近波动且反复穿越 点，那么，当偏离倍数连续几次大于某个正数时，向前寻找最近一次偏离倍数由负数变为正数的位置，该位置即为最精确的出现向上突变的变点的位置；当偏离倍数连续几次小于某个负数时，向前寻找最近一次偏离倍数由正数变为负数的位置，该位置即为最精确的出现向下突变的变点的位置。将精确定位变点位置的时刻，定义为，那么从变点出现的真实时刻到精确定位变点位置的时刻所经历的时间即为 ，其代表精确定位的变点时刻和变点出现的真实时刻之间的误差。误检保护在精确定位了变点的位置后，若此时已经接近数据集的末尾，则数据集已测试完毕，算法结束。若未接近末尾，则进行下一个变点的检测。由于在变点过程中，偏离倍数容易在检测阈值附近出现波动，导致在同一个变点处出现多次误检，为了避免该情况，在检测到变点后，先暂停变点的检测，直到偏离倍数的绝对值回落到某个较小的阈值以下，再重新开始下一个变点的检测。算例研究本节通过算例的研究来验证所述偏离倍数变点检测算法的有效性，将分为 个算例。算例 测量了大型电力工业用户的单个（o o）负荷正常启动情况下的检测用时和检测误差，并与当前最常用的变点检测算法滑动窗双边 算法做对比。算例 验证了小型家庭用户的多个不同特性的负荷同时投切情况下的算法有效性。算例 本算例测量了大型电力工业用户单个 负荷正常启动情况下的检测用时和检测误差，并与当前最常用的变点检测算法滑动窗双边 算法做对比。由于文献是在使用 节点仿真环境下进行的，在对比两种算法的检测用时和检测误差时，为了保证公平，本算例将在与文献相同的测试环境下进行。节点系统如图 所示。通过测量 点的总功率来判断负荷的投切。测量额定电压为 、额定功率为 、功率因数为 的 负荷启动过程中测量点的有功功率，采样频率为 。负荷启动前功率约为，负荷在 采样点处（时）投入，测量点处的有功功率大约发生 的跃变。添加的白噪声标准差为。(a)拓扑结构(b)负荷集群M1M213.8 kV33 kVBus 14RL负荷12133215710T7T5T6T3T2T1负荷集群212025228191815141423691141626302429272817图 节点系统 在 中获得相关仿真数据，然后导入 中进行检验。仿真测试软件平台采用，硬件平台使用 为 o ，内存为 的计算机。算例均采用该环境运行。算法运行前需要进行一些运行参数的假设。参数有：计算偏离倍数时取的数据个数、偏离倍数绝对值的判断阈值及检测次数、重新开始变点检测的偏离倍数阈值。经过多次调整运行参数大小后可以得出：计算偏离倍数时所取的数据个数不宜过小，过小时计算出的功率均值受噪声影响较大，稳定性较弱；过大时计算出的功率均值变化反应过慢，不能准确地反应负荷投切改变后的稳态功率。结合采样频率和一般负荷的上升快慢，数据的个数取 以上为宜。偏离倍数绝对值的判断阈值一般采用“三倍标准差准则”，若过小（如小于）会增加误检率，容易将小噪声误认为负荷投切；过大（如大于）会增加漏检率，小功率负荷的投切过程中偏离倍数可能会无法达到阈值。检测次数若过小，则在稳态运行时容易将噪声误检为负荷投切，若过大则容易因满足条件的次数无法达到检测次数的要求而检测失败，因此一般取 次。重新开始变点检测第 卷 第 期电测与仪表 年