Identificación de carga de red inteligente con tecnología de medidor inteligente

Introducción

Desde el siglo XXI, la electricidad se ha convertido en un factor clave que apoya el desarrollo económico nacional de mi país y desempeña un papel irremplazable en la supervivencia y el desarrollo humanos. Las redes inteligentes aprovechan las tecnologías modernas para utilizar plenamente la energía renovable y, al mismo tiempo, proporcionan energía a los dispositivos finales, lo que permite una programación flexible y una gestión inteligente de la electricidad. A medida que las redes inteligentes continúan expandiéndose, el número de dispositivos de alto consumo-de energía-en el lado del usuario aumenta, lo que genera requisitos cada vez más estrictos para los servicios de electricidad refinada. La identificación de la carga de usuarios es crucial para diseñar-estrategias de ahorro de energía para redes inteligentes. La identificación de carga implica principalmente muestrear y analizar datos de uso de electricidad del lado del usuario-para identificar dispositivos de alto-energía-, ayudando así a los usuarios a mejorar sus patrones de uso de electricidad existentes. Actualmente, la mayoría de las redes inteligentes de mi país utilizan tecnología de identificación de carga intrusiva, implementando un sensor para cada carga del lado del usuario para recopilar información sobre el uso de energía. Sin embargo, esta tecnología de identificación no solo requiere mucho tiempo-y trabajo-, sino que también tiene dificultades para garantizar una recopilación eficiente de información sobre energía, lo que obstaculiza el desarrollo saludable de las redes inteligentes. Por lo tanto, este documento utiliza tecnología de medidores inteligentes para estudiar un método no-invasivo de identificación de carga de red inteligente para promover el desarrollo del trabajo de identificación de carga de red inteligente en la dirección de la inteligencia.

Diseño de identificación de carga de red inteligente basado en tecnología de medidores inteligentes

Recopilación de datos de redes inteligentes basados ​​en contadores inteligentes

Actualmente, está atrayendo una atención generalizada un número cada vez mayor de dispositivos eléctricos de alto consumo-energía-que satisfacen las diversas necesidades de estilo de vida de las personas. En el lado del usuario de una red inteligente, cada hogar puede poseer varios o incluso docenas de dispositivos eléctricos. Debido a los diversos principios operativos y características eléctricas de estos dispositivos, la identificación de carga requiere mucho tiempo y esfuerzo para recopilar datos de energía de estos dispositivos, lo que, hasta cierto punto, limita el desarrollo de redes inteligentes. Con este fin, este artículo presenta la tecnología de medidores inteligentes para diseñar una técnica de identificación de carga no-invasiva. En primer lugar, los contadores inteligentes se utilizan para recopilar datos de consumo de energía en el lado del usuario de la red inteligente. No es necesario instalar contadores inteligentes en el domicilio del usuario; simplemente se pueden instalar en el bus del lado del usuario-de la red inteligente. El chip de medición del medidor inteligente recopila datos de energía, como voltaje, corriente y potencia, de los dispositivos domésticos del usuario y transmite estos datos a través de la interfaz SPI. Cuando se utilizan medidores inteligentes para recopilar datos de consumo de energía en el lado del usuario de la red inteligente, se observan características de estado estable-en estos dispositivos durante el funcionamiento estable. Por lo tanto, es necesario determinar los valores efectivos de voltaje y corriente de estos dispositivos, que representan estas características de estado estable-:

En la fórmula, yo₀es el valor efectivo de la corriente en el lado del usuario de la red inteligente; Ud.₀es el valor efectivo de la tensión en el lado del usuario de la red inteligente; N es el período de muestreo del medidor inteligente; I(t) es la señal de corriente-del lado del usuario recopilada por el medidor inteligente; U(t) es la señal de voltaje del lado del usuario- recopilada por el medidor inteligente.

El medidor inteligente no puede recolectar directamente la energía del equipo eléctrico en el lado del usuario de la red inteligente. Debe calcularse de acuerdo con la fórmula (1) y la fórmula (2). La fórmula de cálculo es:

En la fórmula, P₀es el valor efectivo de la potencia activa en el lado del usuario de la red inteligente; f es la frecuencia de muestreo del medidor inteligente; y M es la frecuencia de muestreo del medidor inteligente. Durante el funcionamiento de los equipos eléctricos del lado del usuario-de la red inteligente, las características de energía de varios equipos eléctricos tienen diferentes formas y varían significativamente entre sí. Por lo tanto, este artículo utiliza el valor efectivo de potencia obtenido mediante la fórmula (3) como uno de los datos válidos para la identificación de carga de la red inteligente.

Los contadores inteligentes pueden adaptarse a los diferentes dispositivos eléctricos de los distintos hogares de los usuarios. La carga de energía recolectada tiene alta precisión y estabilidad, lo que la hace adecuada para la identificación de cargas de redes inteligentes.

Preprocesamiento de datos de redes inteligentes

Cuando se utilizan medidores inteligentes para recopilar datos de electricidad del lado del usuario-para redes inteligentes, la interferencia de factores ambientales externos es inevitable, lo que genera ruido y anomalías en los datos recopilados. Por lo tanto, es necesario un preprocesamiento de los datos recopilados antes de la identificación de la carga para mejorar su eficacia. Además, para garantizar la generalización de la tecnología de identificación de carga de redes inteligentes, el conjunto de datos de carga utilizado para la identificación idealmente debería consistir en diferentes tipos de dispositivos eléctricos, procedentes de dos o más hogares de usuarios. Esto garantiza que el conjunto de datos de carga utilizado para la identificación abarque un conjunto más completo de datos de carga, lo que facilita la identificación.

En primer lugar, se utiliza un filtro S-G para eliminar el ruido de los datos de energía del lado del usuario-de la red inteligente. El filtro S-G es un filtro de paso bajo-que ajusta la señal de datos de potencia en el dominio del tiempo a través de una ventana deslizante, logrando así suavizar y eliminar el ruido de la señal de datos de potencia. Suponiendo que el conjunto de datos de energía del lado del usuario- recopilados por el medidor inteligente es X=(x1, x2,…, xi,…, xn), este artículo construye un polinomio k-de 1 orden para ajustarse al conjunto de datos recopilados. La expresión de eliminación de ruido del filtro SG es:

En la fórmula, Y_ison los datos de energía del lado del usuario-de la red inteligente después de filtrarlos y suavizarlos; a0, a1, a2,…, ak-1 son coeficientes polinomiales. Después de ser procesado por la fórmula (4), el pulso de datos de carga se suaviza hasta cierto punto, reduciendo así efectivamente la interferencia de ruido. Luego los datos se filtran y procesan. Cuando el medidor inteligente recopila datos de carga del lado del usuario, fallas repentinas del equipo y otros factores causarán valores anormales en los datos recopilados. Estos valores anormales afectarán el efecto de identificación de carga hasta cierto punto. Por lo tanto, antes de realizar la identificación de carga de la red inteligente, es necesario eliminar los valores anormales en los datos de muestra recopilados. Este artículo utiliza el método de umbral para eliminar datos anormales. En pocas palabras, se establece un umbral razonable de antemano y se superan los datos de carga recopilados. Durante el proceso transversal, la carga que excede el umbral establecido se retiene, la carga que no excede el umbral se elimina y los datos retenidos se estandarizan. La fórmula de cálculo de estandarización es:

Donde Y′ son los datos de energía estandarizados del lado del usuario-de la red inteligente; Y es la media de los datos de energía del lado del usuario-de la red inteligente original; y Y₀es la desviación estándar de los datos de energía del lado del usuario-de la red inteligente original. Finalmente, los datos de energía del lado del usuario-de la red inteligente preprocesados ​​mediante el proceso anterior se combinan para formar un conjunto de datos de carga de alta-calidad para la posterior identificación de la carga.

Construcción de un modelo de red convolucional temporal para la identificación de carga

En términos generales, los datos de energía del lado del usuario-de la red inteligente recopilados por medidores inteligentes muestran una fuerte correlación temporal. Por lo tanto, este artículo construye un modelo de red convolucional temporal para la identificación de carga de redes inteligentes. La red convolucional temporal es una mejora de la red convolucional básica y consta principalmente de dos componentes: convolución dilatada causal y conexiones residuales. La convolución dilatada causal es una estructura unidireccional. En pocas palabras, una señal de tiempo en la siguiente capa solo se puede obtener confiando en la señal de tiempo en la capa anterior, sin filtrar datos de carga en otros momentos. Por lo tanto, el modelo de reconocimiento construido utilizando la red convolucional temporal también es un modelo de información-restringida. Además, la salida de las capas convolucionales del modelo se ve afectada por la profundidad de la red. Por lo tanto, en la identificación de carga práctica, es necesario reducir el número de capas de convolución causal o aumentar el tamaño del paso de muestreo de la convolución dilatada para evitar la explosión de gradiente causada por redes más profundas. Con respecto a las conexiones residuales en el modelo, este artículo utiliza conexiones de omisión para evitar un rendimiento deficiente en el entrenamiento del modelo. Suponiendo que la entrada del modelo de red convolucional temporal es a y la salida de la primera capa es f (a), la red neuronal directa del bloque residual del modelo de red convolucional temporal se puede describir como:

Donde ω1 y ω2 son los pesos de la primera y segunda capa convolucional en el modelo de reconocimiento de red convolucional temporal, respectivamente; δ es la función de activación. Luego, de acuerdo con la fórmula (6), se puede obtener la salida de la segunda capa convolucional del modelo:

Donde g (a) es la salida de la segunda capa convolucional del modelo de reconocimiento de red convolucional temporal. El proceso para lograr la identificación de la carga de la red inteligente utilizando un modelo de red convolucional temporal en este documento es el siguiente: primero, los datos del lado del usuario-de la red inteligente recopilados por los medidores inteligentes se ingresan en el modelo, y el módulo de extracción de características del modelo extrae las características de los datos de uso de electricidad. Luego, comienza la fase de entrenamiento del modelo, estableciendo parámetros como pesos y sesgos. Simultáneamente, la propagación de datos hacia adelante y hacia atrás se realiza utilizando una función de pérdida para generar la etiqueta de identificación de la carga objetivo. En resumen, este documento logra una identificación no-intrusiva de las cargas del lado del usuario de la red inteligente-utilizando tecnología de medidores inteligentes.

Análisis experimental

Preparación experimental

Para verificar la efectividad de la tecnología de medidores inteligentes en redes inteligentes, se realizó un experimento de simulación utilizando el conjunto de datos REDDD. Debido a que las estadísticas de uso de electricidad de cada usuario en el conjunto de datos varían, el conjunto de datos se analizó y dividió para obtener el conjunto de datos experimental que se muestra en la Tabla 1.

Tabla 1 Conjunto de datos experimentales

Como se muestra en la Tabla 1, este experimento de identificación de carga utiliza seis tipos de cargas de equipos eléctricos en el conjunto de datos REDD como datos experimentales, con un total de 1064 muestras. Las formas de onda de corriente transitoria de varias cargas eléctricas experimentales se muestran en la Figura 1.

图１ 实验电器负荷暂态电流波形

En este experimento, la corriente transitoria de cada carga de equipo eléctrico se extrajo mediante características de forma de onda multi{0}}dimensionales y luego se utilizó el método de identificación de carga diseñado en este documento para la clasificación e identificación. Al mismo tiempo, la tecnología de identificación de carga de red inteligente basada en LSTM y la tecnología de identificación de carga de red inteligente basada en red neuronal se seleccionaron como grupos de control para realizar pruebas de identificación en el mismo conjunto de datos, y los resultados de la identificación se obtuvieron y luego se compararon y analizaron.

Análisis de resultados

Para comparar el desempeño de clasificación e identificación de cargas de cada tecnología, se utilizó como métrica de evaluación el error absoluto medio (MAE), cuya expresión es:

Donde MAE es el error absoluto medio (MAE) de los resultados de identificación de carga para redes inteligentes; T es el tiempo de detección; y_ies el valor de carga real en el momento i; y x es el resultado de la identificación de la carga en el momento i. Esta métrica refleja principalmente el error entre el resultado de la identificación y la carga real en un momento específico dentro de un período de detección específico y puede usarse para medir la precisión de la tecnología de identificación de carga de la red inteligente.

La Tabla 2 muestra que, en comparación con la tecnología de identificación de cargas del grupo de control, la tecnología propuesta logra un cierto grado de mejora en la identificación de las cargas de los seis tipos de equipos eléctricos. La tecnología de identificación de carga propuesta logra un error absoluto medio de 1,135 kWh, lo que supone una reducción de 0,793 kWh y 1,435 kWh, respectivamente, en comparación con la tecnología del grupo de control. Esto demuestra que la tecnología de medidores inteligentes estudiada en este documento es adecuada para la identificación de carga no intrusiva en redes inteligentes y posee capacidades superiores de recopilación y aplicación de información. En comparación con otras tecnologías de identificación de carga, la tecnología estudiada en este artículo puede extraer eficientemente datos de energía del lado del usuario de la red inteligente y retener información detallada, como la corriente transitoria, en los datos de energía. Finalmente se aplica al modelo de red convolucional temporal para la clasificación, mejorando así la capacidad de identificación de carga.