Identifikácia záťaže inteligentnej siete pomocou technológie inteligentného merača

Úvod

Od 21. storočia sa elektrina stala kľúčovým faktorom podporujúcim národný hospodársky rozvoj mojej krajiny a zohráva nezastupiteľnú úlohu v prežití a rozvoji ľudstva. Inteligentné siete využívajú moderné technológie na plné využitie obnoviteľnej energie a zároveň poskytujú energiu koncovým zariadeniam, čo umožňuje flexibilné plánovanie a inteligentné riadenie elektriny. Ako sa inteligentné siete neustále rozširujú, počet zariadení s vysokou -spotrebou energie- na strane používateľov narastá, čo vedie k čoraz prísnejším požiadavkám na služby rafinovanej elektriny. Identifikácia zaťaženia používateľa je kľúčová pri navrhovaní stratégií-na úsporu energie pre inteligentné siete. Identifikácia záťaže v prvom rade zahŕňa odber vzoriek a analýzu používateľských-údajov o spotrebe elektriny na strane používateľa s cieľom identifikovať zariadenia s vysokou-spotrebou energie{10}}, čím používateľom pomáha zlepšiť ich existujúce vzorce spotreby elektriny. V súčasnosti väčšina inteligentných sietí v mojej krajine používa technológiu identifikácie rušivého zaťaženia, pričom na zhromažďovanie informácií o spotrebe energie používa senzor pre každú používateľskú{12}stranu. Táto technológia identifikácie je však nielen časovo{14}}náročná a pracovná{15}}náročná, ale tiež sa snaží zabezpečiť efektívny zber informácií o energii, čo bráni zdravému rozvoju inteligentných sietí. Tento dokument preto využíva technológiu inteligentných meračov na štúdium neinvazívnej metódy identifikácie záťaže inteligentnej siete{17} s cieľom podporiť rozvoj práce na identifikácii záťaže inteligentnej siete v smere inteligencie.

Návrh identifikácie záťaže inteligentnej siete založený na technológii inteligentného merača

Zber údajov inteligentnej siete na základe inteligentných meračov

V súčasnosti priťahuje širokú pozornosť rastúci počet elektrických zariadení s vysokou{0}}spotrebou energie-, ktoré vyhovujú rôznym životným potrebám ľudí. Na užívateľskej strane inteligentnej siete môže každá domácnosť vlastniť niekoľko alebo dokonca desiatky elektrických zariadení. Vzhľadom na rôznorodé princípy fungovania a elektrické charakteristiky týchto zariadení si identifikácia záťaže vyžaduje značný čas a úsilie na zber údajov o výkone z týchto zariadení, čo do určitej miery obmedzuje rozvoj inteligentných sietí. Na tento účel tento dokument predstavuje technológiu inteligentných meračov na navrhnutie -invazívnej techniky identifikácie záťaže. Po prvé, inteligentné merače sa používajú na zber údajov o spotrebe energie na strane používateľa inteligentnej siete. Inteligentné merače nemusia byť inštalované v dome používateľa; možno ich jednoducho nainštalovať na bočnú zbernicu-inteligentnej siete. Merací čip v inteligentnom elektromere zhromažďuje údaje o spotrebe energie, ako je napätie, prúd a výkon, z domácich zariadení používateľa a tieto údaje prenáša cez rozhranie SPI. Pri používaní inteligentných meračov na zhromažďovanie údajov o spotrebe energie na strane používateľa inteligentnej siete sa v týchto zariadeniach počas stabilnej prevádzky pozorujú charakteristiky ustáleného stavu. Preto je potrebné určiť efektívne hodnoty napätia a prúdu týchto zariadení, ktoré predstavujú tieto ustálené{13}}charakteristiky:

Vo vzorci I₀je efektívna hodnota prúdu na strane užívateľa inteligentnej siete; U₀je efektívna hodnota napätia na užívateľskej strane inteligentnej siete; N je perióda odberu vzoriek inteligentného elektromera; I(t) je aktuálny signál-na strane používateľa zbieraný inteligentným meračom; U(t) je napäťový signál na strane používateľa-, ktorý zachytáva inteligentný merač.

Výkon elektrického zariadenia na strane užívateľa inteligentnej siete nemôže byť priamo meraný inteligentným meračom. Je potrebné ho vypočítať podľa vzorca (1) a vzorca (2). Výpočtový vzorec je:

Vo vzorci P₀je efektívna hodnota činného výkonu na strane užívateľa inteligentnej siete; f je vzorkovacia frekvencia inteligentného elektromera; a M je vzorkovacia frekvencia inteligentného elektromera. Počas prevádzky elektrických zariadení-na strane používateľa inteligentnej siete majú výkonové charakteristiky rôznych elektrických zariadení rôzne formy a navzájom sa výrazne líšia. Preto tento článok používa efektívnu hodnotu výkonu získanú vzorcom (3) ako jeden z platných údajov na identifikáciu zaťaženia inteligentnej siete.

Inteligentné merače sa môžu prispôsobiť rôznym elektrickým zariadeniam v rôznych domácnostiach používateľov. Zhromaždené výkonové zaťaženie má vysokú presnosť a stabilitu, vďaka čomu sú vhodné na identifikáciu zaťaženia inteligentnej siete.

Predspracovanie údajov inteligentnej siete

Pri používaní inteligentných meračov na zhromažďovanie údajov o elektrine-na strane používateľa pre inteligentné siete sa nedá vyhnúť interferencii vonkajších faktorov prostredia, čo vedie k hluku a anomáliám v zhromaždených údajoch. Preto je pred identifikáciou záťaže potrebné predbežné spracovanie zozbieraných údajov, aby sa zlepšila jej účinnosť. Okrem toho, aby sa zabezpečila zovšeobecniteľnosť technológie identifikácie záťaže inteligentnej siete, súbor údajov o záťaži používaný na identifikáciu by mal v ideálnom prípade pozostávať z rôznych typov elektrických zariadení pochádzajúcich z dvoch alebo viacerých užívateľských domácností. To zaisťuje, že súbor údajov o zaťažení používaný na identifikáciu zahŕňa komplexnejší súbor údajov o zaťažení, čo uľahčuje identifikáciu.

Po prvé, filter S-G sa používa na potlačenie šumu údajov o výkone inteligentnej siete na strane používateľa-. Filter S-G je dolno{4}}priepustný filter, ktorý prispôsobuje signál údajov o výkone v časovej oblasti cez posuvné okno, čím sa dosiahne vyhladenie a potlačenie šumu signálu údajov o výkone. Za predpokladu, že používateľská-množina údajov o spotrebe energie zhromaždená inteligentným meračom je X=(x1, x2, …, xi, …, xn), tento dokument zostrojí ak-polynóm 1 rádu tak, aby vyhovoval zhromaždenej množine údajov. Výraz odšumovania filtra SG je:

Vo vzorci Y_isú údaje o výkone inteligentnej siete-na strane používateľa po filtrovaní a vyhladení; a0, a1, a2, …, ak-1 sú polynomické koeficienty. Po spracovaní podľa vzorca (4) sa impulz údajov o zaťažení do určitej miery vyhladí, čím sa účinne zníži rušenie šumom. Potom sa údaje filtrujú a spracúvajú. Keď inteligentný merač zhromažďuje údaje o záťaži na strane používateľa, náhle poruchy zariadenia a iné faktory spôsobia abnormálne hodnoty v zhromaždených údajoch. Tieto abnormálne hodnoty do určitej miery ovplyvnia efekt identifikácie záťaže. Preto pred vykonaním identifikácie zaťaženia inteligentnej siete je potrebné vymazať abnormálne hodnoty v zhromaždených vzorových údajoch. Tento dokument používa metódu prahu na odstránenie abnormálnych údajov. Jednoducho povedané, vopred sa nastaví rozumný prah a prejdú sa zozbierané údaje o zaťažení. Počas procesu prechodu sa zaťaženie, ktoré prekročí nastavený prah, zachová a zaťaženie, ktoré prah neprekročí, sa vymaže a uchovávané údaje sa štandardizujú. Vzorec na výpočet štandardizácie je:

kde Y′ sú štandardizované údaje o výkone-na strane používateľa inteligentnej siete; Y je priemer pôvodných údajov o výkone{1}}na strane používateľa inteligentnej siete; a Y₀je štandardná odchýlka pôvodných{0}}údajov o výkone na strane používateľa inteligentnej siete. Nakoniec sú údaje o výkone na strane používateľa inteligentnej siete-predspracované vyššie uvedeným procesom skombinované tak, aby vytvorili-kvalitný súbor údajov o záťaži na následnú identifikáciu záťaže.

Konštrukcia modelu dočasnej konvolučnej siete na identifikáciu záťaže

Všeobecne povedané, údaje o spotrebe energie na strane používateľa inteligentnej siete-vykazujú silnú časovú koreláciu. Preto tento článok vytvára model dočasnej konvolučnej siete na identifikáciu zaťaženia inteligentnej siete. Časová konvolučná sieť je vylepšením základnej konvolučnej siete, ktorá pozostáva predovšetkým z dvoch komponentov: kauzálnej dilatovanej konvolúcie a zvyškových spojení. Kauzálna dilatovaná konvolúcia je jednosmerná štruktúra. Zjednodušene povedané, časový signál v ďalšej vrstve je možné získať iba spoliehaním sa na časový signál v predchádzajúcej vrstve bez úniku dát o zaťažení v iných časoch. Preto je model rozpoznávania skonštruovaný pomocou časovej konvolučnej siete tiež modelom s obmedzením informácií-. Okrem toho je výstup konvolučných vrstiev modelu ovplyvnený hĺbkou siete. Preto je pri praktickej identifikácii zaťaženia potrebné znížiť počet vrstiev kauzálnej konvolúcie alebo zvýšiť veľkosť kroku vzorkovania dilatovanej konvolúcie, aby sa predišlo gradientovej explózii spôsobenej hlbšími sieťami. Čo sa týka zvyškových spojení v modeli, tento dokument používa vynechané spojenia, aby sa predišlo slabému výkonu modelovania. Za predpokladu, že vstupom modelu časovej konvolučnej siete je a a výstupom prvej vrstvy je f(a), doprednú neurónovú sieť reziduálneho bloku modelu časovej konvolučnej siete možno opísať ako:

Kde ω1 a ω2 sú váhy prvej a druhej konvolučnej vrstvy v modeli rozpoznávania časovej konvolučnej siete; δ je aktivačná funkcia. Potom podľa vzorca (6) možno získať výstup druhej konvolučnej vrstvy modelu:

Kde g(a) je výstupom druhej konvolučnej vrstvy modelu rozpoznávania časovej konvolučnej siete. Proces na dosiahnutie identifikácie zaťaženia inteligentnej siete pomocou modelu dočasnej konvolučnej siete v tomto dokumente je nasledujúci: Najprv sa do modelu vložia údaje na strane používateľa inteligentnej siete-zozbierané inteligentnými meračmi a modul extrakcie prvkov modelu extrahuje vlastnosti údajov o spotrebe elektriny. Potom začne fáza modelového tréningu, kde sa nastavia parametre, ako sú váhy a odchýlky. Súčasne sa uskutočňuje šírenie údajov dopredu a dozadu pomocou funkcie straty na výstup identifikačného štítku cieľovej záťaže. Stručne povedané, týmto dokumentom sa dosahuje -nedotieravá identifikácia bočných záťaží používateľov inteligentnej siete-pomocou technológie inteligentných meračov.

Experimentálna analýza

Experimentálna príprava

Na overenie účinnosti technológie inteligentných meračov v inteligentných sieťach sa uskutočnil simulačný experiment s použitím súboru údajov REDDD. Pretože štatistiky spotreby elektrickej energie každého používateľa v súbore údajov sa líšia, súbor údajov bol skrínovaný a rozdelený, aby sa získal experimentálny súbor údajov uvedený v tabuľke 1.

Tabuľka 1 Experimentálny súbor údajov

Ako je uvedené v tabuľke 1, tento experiment identifikácie záťaže používa šesť typov záťaží elektrických zariadení v súbore údajov REDD ako experimentálne údaje s celkovým počtom 1064 vzoriek. Priebežné priebehy prúdu rôznych experimentálnych elektrických záťaží sú znázornené na obrázku 1.

图１ 实验电器负荷暂态电流波形

V tomto experimente sa prechodový prúd každej záťaže elektrického zariadenia extrahoval pomocou multi{0}}dimenzionálnych kriviek a potom sa na klasifikáciu a identifikáciu použila metóda identifikácie záťaže navrhnutá v tomto dokumente. Súčasne boli ako kontrolné skupiny vybrané technológie identifikácie záťaže inteligentnej siete založené na LSTM a technológia identifikácie záťaže inteligentnej siete založená na neurónovej sieti na vykonanie identifikačných testov na rovnakom súbore údajov a výsledky identifikácie boli získané a následne porovnané a analyzované.

Analýza výsledkov

Na porovnanie klasifikácie zaťaženia a výkonu identifikácie každej technológie sa ako hodnotiaca metrika použila stredná absolútna chyba (MAE) a jej vyjadrenie je:

kde MAE je stredná absolútna chyba (MAE) výsledkov identifikácie záťaže pre inteligentné siete; T je čas detekcie; r_ije skutočná hodnota zaťaženia v čase i; a x je výsledok identifikácie záťaže v čase i. Táto metrika primárne odráža chybu medzi výsledkom identifikácie a skutočným zaťažením v konkrétnom okamihu v rámci konkrétneho detekčného obdobia a možno ju použiť na meranie presnosti technológie identifikácie záťaže inteligentnej siete.

Z tabuľky 2 vyplýva, že v porovnaní s technológiou identifikácie záťaže kontrolnej skupiny sa navrhovanou technológiou dosahuje určitý stupeň zlepšenia identifikácie záťaží všetkých šiestich typov elektrických zariadení. Navrhovaná technológia identifikácie záťaže dosahuje strednú absolútnu chybu 1,135 kWh, čo je zníženie o 0,793 kWh, respektíve 1,435 kWh v porovnaní s technológiou kontrolnej skupiny. To dokazuje, že technológia inteligentných meračov skúmaná v tomto dokumente je vhodná na -nedotieravú identifikáciu záťaže v inteligentných sieťach a má vynikajúce možnosti zberu informácií a aplikácií. V porovnaní s inými technológiami identifikácie záťaže dokáže technológia študovaná v tomto dokumente efektívne extrahovať údaje o výkone z užívateľskej strany inteligentnej siete a zachovať podrobné informácie, ako napríklad prechodový prúd v údajoch o výkone. Nakoniec sa aplikuje na model časovej konvolučnej siete na klasifikáciu, čím sa zlepší schopnosť identifikácie záťaže.