小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统

李想; 刘宇航; 张琪; 武昕

doi:10.7500/AEPS20230425001

您当前的位置：

首页 >

文章列表页 >

小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统

研制与开发 | 更新时间：2025-06-16

- 小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统
- Non-intrusive Real-time Monitoring System for Electric Bicycle Charging Based on Wavelet Detection and Feature Graph Decision
- 电力系统自动化 2023年47卷第19期页码：177-186
- 作者机构：
  
  1.华北电力大学电气与电子工程学院，北京市 102206
  2.国家节能中心，北京市 100045
- 作者简介：
  
  李想(1999—)，女，博士研究生，主要研究方向：非侵入式负荷智能量测与感知。E-mail：lx2429109351@163.com
  刘宇航(1999—)，男，硕士研究生，主要研究方向：电力系统及其自动化。E-mail：shaonianlyh@163.com
  张琪(1991—)，女，博士，主要研究方向：非侵入式负荷智能量测与感知。E-mail：zhangqi@chinanecc.cn
  武昕(1986—），女，通信作者，博士，副教授，博士生导师，主要研究方向：智能用电及信息处理、电力系统通信与信号处理技术。E-mail：wuxin07@ncepu.edu.cn
- 基金信息：
  
  国家电网公司科技项目(5100-202113564A-0-5-SF);中央高校基本科研业务费专项资金资助项目(2020MS002)
- DOI：10.7500/AEPS20230425001
  中图分类号：
- 收稿：2023-04-25，
  
  修回：2023-06-13，
  
  网络出版：2023-09-12，
  
  纸质出版：2023-10-10
- 稿件说明：
移动端阅览
李想,刘宇航,张琪等.小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统[J].电力系统自动化,2023,47(19):177-186.

LI Xiang,LIU Yuhang,ZHANG Qi,et al.Non-intrusive Real-time Monitoring System for Electric Bicycle Charging Based on Wavelet Detection and Feature Graph Decision[J].Automation of Electric Power Systems,2023,47(19):177-186.
李想,刘宇航,张琪等.小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统[J].电力系统自动化,2023,47(19):177-186. DOI： 10.7500/AEPS20230425001.

LI Xiang,LIU Yuhang,ZHANG Qi,et al.Non-intrusive Real-time Monitoring System for Electric Bicycle Charging Based on Wavelet Detection and Feature Graph Decision[J].Automation of Electric Power Systems,2023,47(19):177-186. DOI： 10.7500/AEPS20230425001.

摘要

电动自行车违规入户充电行为具有时间随机性以及空间隐蔽性，存在较大安全隐患且难以有效管理。利用非侵入式监测系统具有实时自主执行和便捷易推广的特性，文中提出了基于小波检测和特征图谱决策的非侵入式电动自行车充电实时监测系统。考虑电动自行车负荷的物理结构和充电特性，从暂态和稳态两方面分析电动自行车负荷的典型共性特征；预先构建具有强可分性和通用性的电动自行车专有特征图谱实现电动自行车稳态共性特征的一致性结构化表征；实际监测过程中，为了降低系统的算力需求和数据传输压力，基于小波变换精确定位具有高频分量的电动自行车专有暂态现象完成类电动自行车充电事件检测。最后，提取事件波形并通过图谱训练高效分类器进行负荷认定并实时上传。通过对实际用户进行监测，验证了监测系统的有效性，可以有效解决电动自行车进楼入户充电的问题。

Abstract

The illegal charging behavior of electric bicycles (EBs) in households has temporal randomness and spatial concealment

which poses significant safety hazards and is difficult to effectively manage. A non-intrusive real-time monitoring system for EB charging based on wavelet detection and feature graph decision is proposed

utilizing the characteristics of real-time autonomous execution and promotion-friendly non-intrusive monitoring systems. Considering the physical structure and charging characteristics of EB loads

the typical common characteristics of EB loads are analyzed from both transient and steady-state perspectives. The EB proprietary feature map with strong distinguishability and universality is constructed in advance to realize consistent and structured expression of EB steady-state common features. In the actual monitoring process

in order to reduce the computational power demand and data transmission pressure of the system

EB specific transient phenomena with high-frequency components are accurately located based on wavelet transform to complete EB like charging event detection. Finally

the monitoring system extracts event waveforms and trains efficient classifiers through graphs for load identification and real-time upload. By monitoring actual users

the effectiveness of the monitoring system has been verified

which can effectively solve the problem of charging EBs in buildings and households.

关键词

Keywords

references

我国电动自行车社会保有量接近 3 亿辆［EB/OL］.（ 2020-11-20 ）［ 2023-04-01 ］. https：//www.gov.cn/xinwen/2020-11/20/content_5562997.htm https://www.gov.cn/xinwen/2020-11/20/content_5562997.htm .

There are nearly 300 million electric bicycles in China ［EB/OL］. （ 2020-11-20 ）［ 2023-04-01 ］. https：//www.gov.cn/xinwen/2020-11/20/content_5562997.htm https://www.gov.cn/xinwen/2020-11/20/content_5562997.htm .

谢耀华 . 电动自行车安全风险分析［J］. 电动工具， 2020 （ 4 ）： 23 - 26 .

XIE Yaohua . Safety risk analysis of electric bicycle ［J］. Electric Tool ， 2020 （ 4 ）： 23 - 26 .

来艳利 . 典型电动自行车火灾特征与防范对策［D］. 西安：西安科技大学， 2019 .

LAI Yanli . Characteristics of typical electric bicycle fire and its preventive countermeasures ［D］. Xi'an ： Xi'an University of Science and Technology ， 2019 .

林顺富，于俊苏，李东东，等 . 基于二分递推SVD分解的居民电器开关事件检测方法［J］. 电网技术， 2020 ， 44 （ 4 ）： 1534 - 1543 .

LIN Shunfu ， YU Junsu ， LI Dongdong ， et al . Method of switching events detection of residential appliances based on binary recursive SVD decomposition ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1534 - 1543 .

周东国，张恒，周洪，等 . 基于状态特征聚类的非侵入式负荷事件检测方法［J］. 电工技术学报， 2020 ， 35 （ 21 ）： 4565 - 4575 .

ZHOU Dongguo ， ZHANG Heng ， ZHOU Hong ， et al . Non-intrusive load event detection method based on state feature clustering ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 21 ）： 4565 - 4575 .

VAZ R ， MORAES G R ， ARRUDA E H Z ， et al . Event detection and classification through wavelet-based method in low voltage wide-area monitoring systems ［J］. International Journal of Electrical Power & Energy Systems ， 2021 ， 130 ： 106919 .

JIA D N ， LI Y X ， DU Z H ， et al . Non-intrusive load identification using reconstructed voltage-current images ［J］. IEEE Access ， 2021 ， 9 ： 77349 - 77358 .

ZHANG L ， SHI S W . A non-intrusive load monitoring method based on multi-scale wavelet packet optimization and transient feature matching ［C］// 2021 IEEE 12th International Conference on Software Engineering and Service Science （ICSESS）， August 20-22 ， 2021 ， Beijing， China ： 113 - 117 .

REHMAN A U ， LIE T T ， VALLES B ， et al . Comparative evaluation of machine learning models and input feature space for non-intrusive load monitoring ［J］. Journal of Modern Power Systems and Clean Energy ， 2021 ， 9 （ 5 ）： 1161 - 1171 .

王守相，郭陆阳，陈海文，等 . 基于特征融合与深度学习的非侵入式负荷辨识算法［J］. 电力系统自动化， 2020 ， 44 （ 9 ）： 103 - 110 .

WANG Shouxiang ， GUO Luyang ， CHEN Haiwen ， et al . Non-intrusive load identification algorithm based on feature fusion and deep learning ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 9 ）： 103 - 110 .

解洋，梅飞，郑建勇，等 . 基于 V - I 轨迹颜色编码的非侵入式负荷识别方法［J］. 电力系统自动化， 2022 ， 46 （ 4 ）： 93 - 102 .

XIE Yang ， MEI Fei ， ZHENG Jianyong ， et al . Non-invasive load identification method based on V - I trajectory color coding ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 4 ）： 93 - 102 .

YUAN J ， WANG H L ， WU P ， et al . A novel current signal feature and its application in noninvasive load monitoring ［J］. IEEE Transactions on Instrumentation and Measurement ， 2021 ， 70 ： 1 - 10 .

臧海祥，许瑞琦，刘璟璇，等 . 基于多维融合特征和卷积神经网络的多任务用户短期负荷预测［J］. 电力系统自动化， 2023 ， 47 （ 13 ）： 69 - 77 .

ZANG Haixiang ， XU Ruiqi ， LIU Jingxuan ， et al . Short-term load forecasting of multi-task users based on multidimensional fusion features and convolutional neural network ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 13 ）： 69 - 77 .

段晶，李勇，张振宇，等 . 考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 65 - 72 .

DUAN Jing ， LI Yong ， ZHANG Zhenyu ， et al . Identification method for type-Ⅲ industrial and commercial load considering identification result continuity ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 65 - 72 .

牟魁翌，杨洪耕 . 基于PLA-GDTW支持向量机的非侵入式负荷监测方法［J］. 电网技术， 2019 ， 43 （ 11 ）： 4185 - 4193 .

MOU Kuiyi ， YANG Honggeng . Non-intrusive load identification method based on PLA-GDTW support vector machine ［J］. Power System Technology ， 2019 ， 43 （ 11 ）： 4185 - 4193 .

廖荣文，刘刚，肖刚 . 基于时间模糊化长短时记忆的非侵入式负荷分解方法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 73 - 80 .

LIAO Rongwen ， LIU Gang ， XIAO Gang . Non-intrusive load decomposition method based on time-fuzzified long short-term memory ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 73 - 80 .

罗平，樊星驰，章坚民，等 . 基于电器运行状态和深度学习的非侵入式负荷分解［J］. 电力系统自动化， 2021 ， 45 （ 12 ）： 49 - 56 .

LUO Ping ， FAN Xingchi ， ZHANG Jianmin ， et al . Non-intrusive load decomposition based on operation state of electrical appliances and deep learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 12 ）： 49 - 56 .

武昕，焦点，高宇辰 . 基于非侵入式用电数据分解的自适应特征库构建与负荷辨识［J］. 电力系统自动化， 2020 ， 44 （ 4 ）： 101 - 109 .

WU Xin ， JIAO Dian ， GAO Yuchen . Construction of adaptive feature library and load identification based on decomposition of non-intrusive power consumption data ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 4 ）： 101 - 109 .

REHMAN A U ， TJING LIE T ， VALLÈS B ， et al . Low complexity non-intrusive load disaggregation of air conditioning unit and electric vehicle charging ［C］// 2019 IEEE Innovative Smart Grid Technologies-Asia （ISGT Asia）， May 21-24 ， 2019 ， Chengdu， China ： 2607 - 2612 .

施雨松，徐青山，郑建 . 基于特征选择与增量学习的非侵入式电动自行车充电辨识方法［J］. 电力系统自动化， 2021 ， 45 （ 7 ）： 87 - 94 .

SHI Yusong ， XU Qingshan ， ZHENG Jian . Non-intrusive charging identification method for electric bicycles based on feature selection and incremental learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 7 ）： 87 - 94 .

韩笑，邓春宇，张玉天，等 . 基于高频数据 V - I 特性的延时反馈负荷在线快速辨识算法［J］. 电力系统自动化， 2019 ， 43 （ 9 ）： 108 - 116 .

HAN Xiao ， DENG Chunyu ， ZHANG Yutian ， et al . Fast online identification algorithm for delayed feedback load based on V - I characteristics of high frequency data ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 9 ）： 108 - 116 .

王岩俊 . 基于智能电表的电动自行车充电识别系统研究［D］. 广州：广东工业大学， 2022 .

WANG Yanjun . Research on charging identification system of electric bicycle based on smart meter ［D］. Guangzhou ： Guangdong University of Technology ， 2022 .

栾文鹏，马纯伟，赵博超，等 . 非侵入式电动自行车充电负荷在线识别［J］. 电力系统及其自动化学报， 2022 ， 34 （ 10 ）： 1 - 7 .

LUAN Wenpeng ， MA Chunwei ， ZHAO Bochao ， et al . On-line identification of charging load of non-invasive electric bicycle ［J］. Proceedings of the CSU-EPSA ， 2022 ， 34 （ 10 ）： 1 - 7 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于实测数据的电力系统过电压分类识别

基于零序电流长时变化特征的中压导线碰树接地故障识别方法

基于FPGA的两阶段配电网拓扑实时辨识算法