一种电动自行车充电负荷辨识方法、系统、设备及存储介质
本发明涉及非侵入式负荷监测，具体涉及一种电动自行车充电负荷辨识方法、系统、设备及存储介质。
背景技术：
1、近年来，电动自行车因其灵活便捷、经济环保的优势，成为城市交通道路中主要的交通工具。数据显示，当前我国电动自行车社会保有量已达到3.5亿辆。伴随着电动自行车数量的急剧增多，电动自行车引起的火灾事故呈现上升趋势，2023年全国发生电动自行车火灾2.1万起，相比2022年上升17.4％。2024年2月，南京市雨花台区一居民小区因电动自行车违规充电引发火灾事故，造成15人死亡，44人受伤。加强电动自行车违规充电监管，防范电动自行车火灾事故迫在眉睫。
2、电动自行车违规充电行为存在巨大的隐蔽性和随机性，在实际监管过程中往采取人工巡查的方式，管理成本高、工作效率低、监管成效差。随着负荷监测技术的应用，可以将电动自行车充电行为视为一类负荷进行监测，实现对电动自行车室内违规充电的监管。但是，传统的负荷监测采用的是侵入式的负荷监测手段，需要在负荷前加装传感器进行监测，经济成本高，且该方式需要用户配合实现，无法实现对电动自行车违规充电的监督。相比之下，非侵入式负荷监测只需在电力总线处安装监测装置，通过数据分析手段获取负荷状态信息，检测是否存在电动自行车违规充电行为，实现对电动自行车违规充电的实现、全面、自动化监测。因此提出一种准确、可靠、快速的检测电动自行车充电负荷的方法。
技术实现思路
1、针对现有技术中提到的问题，本发明提出一种电动自行车充电负荷辨识方法、系统、设备及存储介质，可以准确、可靠、快速检测电动自行车充电负荷，实现对电动自行车违规入户充电的监管和治理。
2、本发明一种电动自行车充电负荷辨识方法，包括以下步骤：
3、s1：获取电力总线处的多个电流信号与电压信号；
4、s2：相邻两个电流信号的进行对比，差值小于设定阈值，返回步骤s1，差值大于设定阈值，执行步骤s3；
5、s3：对相邻电压信号所对应的电流信号进行波形分离，得到新接入负荷的电流信号；
6、s4：根据空载、电动自行车充电负荷以及多个其他常见的居民用电负荷的高区分度特征，构建多参量特征集，根据多参量特征集建立基于bilstm的负荷辨识模型；
7、s5：将新接入负荷的电流信号输入至负荷辨识模型，获取辨识结果。
8、优选地，所述步骤s1具体过程是：电压传感器与电流传感器按照采样频率对电力总线处同步采样，采集满足数据窗长的电流信号和电压信号，对采集到的电流信号和电压信号进行均值滤波，得到处理后的电流信号和电压信号；
9、所述采样频率为10khz～100khz,数据窗长的取值按照2～10个周波进行选取，取值范围为0.04s～0.2s。
10、优选地，所述步骤s2中阈值范围为0.2～0.5。
11、优选地，所述步骤s3具体过程是：
12、根据下式选取电压信号上升沿零点相位对齐点：
13、
14、式中，k为电压信号对齐点；
15、根据相位对齐点对电压信号和电流信号进行同步移相，将数据窗长内相位对齐点前的电压信号和电压信号所对应的电流信号移动至数据窗长末尾进行保存，对齐不同数据窗长中电压信号和电流信号的相位；当不同数据窗之间电流信号相位对齐后，相邻数据窗长之间电流信号对应作差得到新接入负荷的电流信号。
16、优选地，所述步骤s4具体过程是：对典型时域和频域特征进行筛选，筛选出高区分度特征；
17、根据空载、电动自行车充电负荷以及多个其他常见的居民用电负荷的高区分度特征，得到多参量特征集；根据多参量特征集输入至bilstm模型进行模型训练学习，设置模型初始参数，采用网络搜索法对模型初始参数进行优化，得到训练好的负荷辨识模型。
18、优选地，所述典型时域和频域特征包括有功功率、无功功率、电流畸变率、电流平均值、标准差、整流平均值、有效值、方差、波形因子、峰值因子、脉冲因子、裕度因子、峭度、偏度、电流直流分量、2次谐波幅值、3次谐波幅值、4次谐波幅值、5次谐波幅值、6次谐波幅值以及7次谐波幅值。
19、优选地，所述步骤s5中，当辨识结果是电动自行车充电负荷时，会告警上报；若辨识结果不是电动自行车充电负荷时，则会返回步骤s1。
20、一种电动自行车充电负荷辨识系统，包括：
21、获取模块，获取电力总线处的多个电流信号与电压信号；
22、比较模块，相邻两个电流信号的进行对比，差值小于设定阈值，返回步骤s1，差值大于设定阈值，执行步骤s3；
23、分离模块，对相邻电压信号所对应的电流信号进行波形分离，得到新接入负荷的电流信号；
24、模型生成模块，根据空载、电动自行车充电负荷以及多个其他常见的居民用电负荷的高区分度特征，构建多参量特征集，根据多参量特征集建立基于bilstm的负荷辨识模型；
25、分析模块，将新接入负荷的电流信号输入至负荷辨识模型，获取辨识结果。
26、一种电动自行车充电负荷辨识设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的一种电动自行车充电负荷辨识方法。
27、一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种电动自行车充电负荷辨识方法。
28、本发明相对于现有技术，取得了以下的技术效果：
29、本方法基于双向长短时记忆神经网络的电动自行车充电负荷辨识方法，是基于非侵入式的方式，能对电动自行车违规入户充电检测，在电力总线安装本方法的设备即可实现电动自行车充电负荷辨识，大大提高监管的便捷性和易推广性，有效防范电动自行车火灾。
30、本方法能对电动自行车充电负荷和其他典型用电负荷进行特征分析提取，建立包含多个时域频域特征的多参量融合特征集，既可以有效区分电动自行车充电负荷，又可以降低了对硬件的要求，易于实现和部署，具有一定工程应用价值。
31、本方法采用双向长短时记忆神经网络的负荷辨识模型，通过对前后关联信息的学习，提高对时序数据的处理能力，通过网络搜索法优化模型超参数，具有更高的负荷辨识准确率。
技术特征：
1.一种电动自行车充电负荷辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种电动自行车充电负荷辨识方法，其特征在于，所述步骤s1具体过程是：电压传感器与电流传感器按照采样频率对电力总线处同步采样，采集满足数据窗长的电流信号和电压信号，对采集到的电流信号和电压信号进行均值滤波，得到处理后的电流信号和电压信号；
3.根据权利要求2所述一种电动自行车充电负荷辨识方法，其特征在于，所述步骤s2中阈值范围为0.2～0.5。
4.根据权利要求1所述一种电动自行车充电负荷辨识方法，其特征在于，所述步骤s3具体过程是：
5.根据权利要求1所述一种电动自行车充电负荷辨识方法，其特征在于，所述步骤s4具体过程是：对典型时域和频域特征进行筛选，筛选出高区分度特征；
6.根据权利要求5所述一种电动自行车充电负荷辨识方法，其特征在于，所述典型时域和频域特征包括有功功率、无功功率、电流畸变率、电流平均值、标准差、整流平均值、有效值、方差、波形因子、峰值因子、脉冲因子、裕度因子、峭度、偏度、电流直流分量、2次谐波幅值、3次谐波幅值、4次谐波幅值、5次谐波幅值、6次谐波幅值以及7次谐波幅值。
7.根据权利要求1所述一种电动自行车充电负荷辨识方法，其特征在于，所述步骤s5中，当辨识结果是电动自行车充电负荷时，会告警上报；若辨识结果不是电动自行车充电负荷时，则会返回步骤s1。
8.一种电动自行车充电负荷辨识系统，其特征在于，包括：
9.一种电动自行车充电负荷辨识设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的一种电动自行车充电负荷辨识方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种电动自行车充电负荷辨识方法。
技术总结
本发明涉及非侵入式负荷监测技术领域，具体涉及一种电动自行车充电负荷辨识方法、系统、设备及存储介质。包括以下步骤：获取电力总线处处理后的多个电流信号与电压信号；相邻两个电流信号的进行对比，差值小于设定阈值，返回步骤S1，差值大于设定阈值，继续下一步；本方法基于双向长短时记忆神经网络的电动自行车充电负荷辨识方法，是基于非侵入式的方式，能对电动自行车违规入户充电检测，在电力总线安装本方法的设备即可实现电动自行车充电负荷辨识，大大提高监管的便捷性和易推广性，有效防范电动自行车火灾。
技术研发人员：费正源,李兴文,陈思磊
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/9/23