基于云端协同的家用电器负荷辨识能力提升技术研究

严永辉，李新家，王淑云，邓士伟，黄时

（1.江苏方天电力技术有限公司，南京211100；2.江苏智臻能源科技有限公司，南京211111）

0 引言

随着智能电网的加速发展及智能终端的更新换代，电力需求侧管理逐步受到电力公司的重视，负荷辨识技术随之应运而生［1—3］。传统上，居民用电信息以电费形式告知客户，客户仅能了解到自身一段时期的总用电量，而负荷辨识技术能将能源消耗数据分解到单个电器的水平，用户可以基于自身更加详细的用电信息从而制定节能策略。此外，通过负荷辨识技术分析居民各类电器的使用情况可以更加准确的预测电力需求，应用管理手段避免能源网络过载或停电同样是负荷辨识存在的意义之一［4—6］。

传统的负荷监测方法采用介入式设计原理，在用户侧对每个用电设备安装采集装置从而进行设备状态监测，其固有形态必然导致成本高，方案难以大规模推广。非介入式负荷监测（non-intrusive load monitoring，NILM）相较于介入式技术仅需在入户侧安装一台智能终端，且在不入户的情况下做到负荷辨识，因此成为现阶段负荷辨识的主要实现方式［7—9］。

近年来，基于终端的负荷辨识技术重点在于构建负荷特征库后的特征辨识［10—12］，有学者提出了一种高频采集模式下的非侵入式负荷在线监测方法，基于构建的负荷种类库通过贝叶斯分类模型实现负荷种类判断。也有学者提出通过有功和无功功率、动态时间弯曲（DTW）算法、K近邻算法与核Fisher判别算法进行负荷识别［13—14］。……