干貨 | 基于A(yíng)I芯片的非介入式用電負荷識別應用

本次匯報分四個(gè)方面，分別是項目背景，技術(shù)路線(xiàn)，成果整理還有總結展望。
首先，從國家政策大規劃大背景下，雙碳新基建還有十四五電力規劃，對邊緣側智能裝置，云端結合和智能計量裝置等設備和方面提出了新的要求。在2021年營(yíng)銷(xiāo)部九號文件《2021年計量工作安排》中也指出，對于負荷辨識和非介入負荷識別的相關(guān)要求。非接入負荷辨識的優(yōu)勢在于改動(dòng)量小和準確率高。該技術(shù)是通過(guò)接入用戶(hù)電力進(jìn)線(xiàn)端口記錄提取用電特征參數結合相關(guān)算法，對用電情況和細節進(jìn)行識別和監測。此外也可以監測設備老化和危險用電情況等，實(shí)現對災害風(fēng)險的提前預警。

本項目主要是聚焦用電及消防安全。首先，根據國家消防救援局的情況報告，2022年全國電動(dòng)自行車(chē)保有量三億輛以上。全年共接報了電動(dòng)自行車(chē)火災1.8萬(wàn)起，住所內火災3242起，其中以蓄電池充電的情況居多。那么同時(shí)，電動(dòng)車(chē)電池入戶(hù)充電的做法屢禁不止，在社區難以實(shí)現比較完善的監測布局。本項目目標是通過(guò)非技術(shù)復合辨識技術(shù)實(shí)現對電動(dòng)車(chē)如何充電的事件進(jìn)行檢測與預警。

接下來(lái)是技術(shù)路線(xiàn)。首先，項目框架分為邊緣測電表、算法和云平臺三部分，電表對用戶(hù)的電流電壓數據進(jìn)行記錄，并提取特征數據在邊緣側實(shí)現特征比對和事件的識別。同時(shí)通過(guò)電表上報數據和檢測的時(shí)間情況。云平臺對數據進(jìn)行長(cháng)時(shí)序存儲、事件存儲進(jìn)行判斷，還有對賬號項目進(jìn)行管理。云平臺也會(huì )雙向對檢測的特征進(jìn)行更新。

電表的記錄數據為高頻的數據通過(guò)6400赫茲的采樣電流及電壓數據，通過(guò)本地實(shí)時(shí)計算，視在功率、有功功率等特征之后，將一秒內的數據平均值進(jìn)行數據上報。

針對電動(dòng)車(chē)充電事件可以分為瞬態(tài)特征與穩態(tài)特征。左下圖是電流的瞬態(tài)特征，其中的尖峰大，占空比高，右側列出了一次記錄的典型數據，總時(shí)長(cháng)接近六個(gè)小時(shí)，那么右圖從上到下是電壓數據、電流數據還有各類(lèi)的功率數據，那么其中電動(dòng)車(chē)電池開(kāi)始充電時(shí)，電壓是有一處突變，同時(shí)電流和功率有明顯的圖層變化，此時(shí)是充電開(kāi)始。再往后出現充電過(guò)程分為電流峰值、電流漸變還有最后電流為0三個(gè)過(guò)程，到第三過(guò)程的時(shí)候電磁電量已經(jīng)充滿(mǎn)。

同樣是以此時(shí)的特征為例，別的判斷算法主要是通過(guò)瞬態(tài)的特征判斷，這里是根據最大電流量、單周期的電流大峰次數、波動(dòng)幅度還有控制時(shí)間等數值統計和條件判斷來(lái)比對當前的電流特征是否與充電特征相匹配。穩態(tài)特征主要是根據電流的漸變過(guò)程識別，這是通過(guò)云平臺存儲的長(cháng)時(shí)序數據去識別電瓶充電的電流變化特征，進(jìn)行二次的事件判斷和核實(shí)。

在邊緣側電表開(kāi)啟后，系統通過(guò)MQTT協(xié)議進(jìn)行數據通訊。數據周期上報，包括數據類(lèi)型，時(shí)間，內容等信息。當事件識別成功之后，也會(huì )上報對應的事件以及更加細致的記錄數據。那么云端對于邊緣側算法的主要更新，依靠軟件包的整體更新。
進(jìn)入云平臺之后，可以對項目進(jìn)行管理，增刪改查以及設備管理、生命周期的管理和設備升級，還有監控運維，主要是進(jìn)行日志的跟蹤和監控報警。硬件設備主要是采用了華大半導體的芯片，使用C語(yǔ)言進(jìn)行嵌入式的開(kāi)發(fā)。

通過(guò)設備的實(shí)地連接打通以上步驟，此處是將電表通上電，然后進(jìn)入云端。使用電動(dòng)車(chē)的電池電瓶進(jìn)行測試，示意圖是上圖。將電動(dòng)車(chē)電池接入220伏的電壓電表，單獨對電池電壓和電流進(jìn)行記錄，同時(shí)在云平臺里新建負荷辨識的測試項目。平臺測試顯示與邊緣側設備進(jìn)行了連接和激活，測試方式主要是通過(guò)反復的插拔電動(dòng)車(chē)充電插頭，同時(shí)穿插一些其他設備的充電去檢測是否能成功識別電瓶的充電事件。

測試結果如圖，時(shí)間軸上標紅的時(shí)刻，上面七次主要記錄了開(kāi)啟電瓶充電的時(shí)刻，其中下午3:11是同時(shí)對電瓶和自己帶的筆記的電腦進(jìn)行充電。這里就是七次充電事件中檢測到了其中大概有一秒的延遲。關(guān)于電腦單獨充電的事件并沒(méi)有去干擾到整體的識別。當然總體的測試還是有一些不足之處，因為本身只使用了一個(gè)電腦，并沒(méi)有很好地就符合像居民充電那種比較復雜的情況。這里就是做了一個(gè)簡(jiǎn)單的測試。
最后對本學(xué)期的課程進(jìn)行總結，因為這個(gè)項目比較特殊，小組里面只有一個(gè)人，對我個(gè)人而言，主要是學(xué)習并熟悉了一個(gè)非介入負荷辨識的原理和算法，同時(shí)接觸并學(xué)習了嵌入式開(kāi)發(fā)和較為完整的云端協(xié)同通訊和邊緣計算的框架。后續準備整理成果報告及進(jìn)一步的交流學(xué)習。