張璨輝,趙丹,解玉滿,肖建紅,劉翔斌
(國家電網(wǎng)湖南省電力公司,長沙 410004)
智能電網(wǎng)是一種集成了多種先進(jìn)計(jì)算技術(shù)與通信技術(shù),使得能源管理與分配更為精準(zhǔn)高效的電網(wǎng)系統(tǒng)[1]。其中,以智能電能表為代表的各類高級計(jì)量設(shè)備(Advanced Metering Infrastructure,AMI)可以實(shí)現(xiàn)電網(wǎng)中從發(fā)電到用戶的各節(jié)點(diǎn)的精確測量與雙向通信,是智能電網(wǎng)體系中最為重要的一類基礎(chǔ)設(shè)施[2-3]。然而,由于使用場景的特殊性,智能電能能表在硬件配置,如電池電量與通信帶寬方面受到許多限制,因此無法直接傳輸大規(guī)模數(shù)據(jù)。例如,由于不滿足能耗與帶寬要求,智能電能表難以支持功率分解(Power Disaggregation)任務(wù)中所需的實(shí)時(shí)功率信號傳輸,這類信號的采樣頻率通常約為1k Hz[4]。
另一方面,在設(shè)備級別上的精確信號對于智能電網(wǎng)的高效運(yùn)行是非常重要的。例如,在需求響應(yīng)與功率分解等過程中,需要大量AMI設(shè)備上的負(fù)載特性。在采樣率較低,智能電網(wǎng)中可以較好地支持將總負(fù)載信號分解到單個(gè)設(shè)備層次,這一技術(shù)通常用于非侵入式負(fù)載監(jiān)控(Non-Intrusive Load Monitoring,NILM)等任務(wù)[5-6]。但是,僅僅以較低采樣率對聚合后的功率信號進(jìn)行采樣,采樣信號中的信息并不足以完成功率分解這樣更為復(fù)雜的任務(wù),因此無法精確地獲得單個(gè)設(shè)備上的功率信號[7-8]。
因此,對于這些問題,信號壓縮成為一項(xiàng)必要的技術(shù)。已有文獻(xiàn)中已經(jīng)對智能電網(wǎng)中的信號壓縮進(jìn)行了較多研究,典型的有:
(1)基于小波變換(Wavelet Transform)的信號壓縮[9]。利用小波變換的多分辨率分析(Multi-Resolution Analysis,MRA),可以同時(shí)實(shí)現(xiàn)功率信號的壓縮與降噪;
(2)基于奇異值分解(Singular Value Decomposition,SVD)的信號壓縮[10-11]。這類方法對原始信號的重建效果通常優(yōu)于小波變換,但復(fù)雜度很高,并不適用于智能電能表這類小型終端;
(3)基于張量分解(Tensor Decomposition)的信號壓縮[12]。將信號組合成高階張量處理,在混合型信號的壓縮效果上優(yōu)于奇異值分解方法。類似地,張量分解法也具有高復(fù)雜度;
文中提出基于壓縮感知(Compressed Sensing)的智能電能表信號壓縮技術(shù),并通過實(shí)驗(yàn)說明,該方法在保持信號重建效果的同時(shí),效率優(yōu)于傳統(tǒng)方法,有助于實(shí)現(xiàn)精確高效的功率分解。
智能電能表在用戶端的典型應(yīng)用模式為:電表采集用戶所使用設(shè)備(如家用電器)的總功率信號,通過一個(gè)數(shù)據(jù)集中器(Data Concentrator Unit,DCU)發(fā)送到中心服務(wù)器。而家用電器因設(shè)備的工作原理不同,其負(fù)載和功耗特性也存在較大差異。另外,根據(jù)設(shè)備的使用目的,工作的時(shí)間也不同。因此,從原理上直接對智能電能表所獲得的功率信號建模是困難的,文中采用了經(jīng)驗(yàn)?zāi)P偷姆绞絒13-14]。
四種模型可用于家用電器功率信號的經(jīng)驗(yàn)建模,分別是開-關(guān)模型(On-Off)、開-關(guān)衰減模型(On-Off Decay)、穩(wěn)定最小-最大模型(Stable Min-Max)與隨機(jī)模型(Random Model)。通過分析數(shù)據(jù)特征可以確定模型中的參數(shù)與概率分布。
首先討論最基本的只與電阻性負(fù)載有關(guān)的開-關(guān)模型。這一模型僅考慮兩種狀態(tài):當(dāng)電器工作時(shí)為開狀態(tài),具有固定的功率,記為pactive;當(dāng)電器不工作時(shí)為關(guān)狀態(tài),具有零功率或極低的功率,記為poff。因此,第i個(gè)電器在t時(shí)刻的功率可以表示為:
(1)
開-關(guān)衰減模型是開-關(guān)模型的變體。與最簡單的開-關(guān)模型不同的是,開-關(guān)衰減模型中考慮了感性負(fù)載的行為。在這一模型中,當(dāng)具有感性負(fù)載的電器開啟時(shí),首先會(huì)發(fā)生電流的快速增大,然后再隨時(shí)間平穩(wěn)衰減,在關(guān)閉時(shí)也有類似的過程。當(dāng)存在包含交流電動(dòng)機(jī)等組件的電器如,引入這一模型就成為必要的。開-關(guān)衰減模型中,第i個(gè)電器在t時(shí)刻的功率可以表示為:
p(i)(t)=
(2)
當(dāng)電器中存在非線性負(fù)載,這類電器隨機(jī)地處于最小或最大功率狀態(tài)[16-17]。穩(wěn)定最小-最大模型考慮了這類負(fù)載的特性。由于隨機(jī)性,對非線性負(fù)載功率的預(yù)測是困難的,但依然可以認(rèn)為負(fù)載在εi周期內(nèi)具有固定的功率。在穩(wěn)定最小-最大模型中,第i個(gè)電器在t時(shí)刻的功率可以表示為:
(3)
穩(wěn)定狀態(tài)功率為:
(4)
最后一種經(jīng)驗(yàn)?zāi)P蜑殡S機(jī)模型,針對功率變化較大的計(jì)算機(jī)等設(shè)備。其功率可以簡單地表示為:
(5)
因此,對于一個(gè)記錄了多個(gè)電器設(shè)備總功耗的智能電能表,將其所記錄的功率記為pSM(t),則pSM(t)可以表示為所有設(shè)備的功率之和,即:
(6)
由智能電能表直接采樣的功率信號必須經(jīng)過壓縮才可用于后續(xù)的功率分解等任務(wù),文中針對這一問題提出基于壓縮感知的功率信號壓縮技術(shù)。為了將壓縮感知用于功率信號,功率信號必須成為稀疏的[18-20]。通過上文所述的經(jīng)驗(yàn)?zāi)P?,可以用稀疏的表示矩陣描述家用電器的功率信號。將其進(jìn)一步擴(kuò)展,得到智能電能表功率信號的稀疏表示。為方便起見,下文的公式中將省略時(shí)間變量t。智能電能表所采集的功率信號可以表示為矩陣形式:
p=Ψs
(7)
其中Ψ為N×N的信號表示矩陣,s是一個(gè)N×1的向量,包含Q(Q遠(yuǎn)小于N)個(gè)較大的元素與N-Q個(gè)接近0的元素。為便于計(jì)算,可以將接近0的N-Q全部視為0,此時(shí)的s向量用s(Q)代替。Q值的選擇將影響壓縮信號的重建效果,體現(xiàn)了稀疏度與精確性的權(quán)衡。在本文中,Q值通過能量占比來確定:若給定的目標(biāo)能量占比為k,s(q)向量非零元素個(gè)數(shù)為q,則Q值為保留原信號能量的k倍時(shí),所要求的最小q值,即:
(8)
y=ΦΨs
(9)
其中Φ為投影矩陣,由M個(gè)投影向量組成。在壓縮感知問題中,投影矩陣的設(shè)計(jì)對于壓縮信號的重建效果十分關(guān)鍵。相干性(Coherence)是評估投影矩陣的常用指標(biāo)。當(dāng)投影矩陣與表示矩陣之間的相干性越小,對于原始信號的重建效果越好。通常選擇使用沖激函數(shù)(Spike Function)或高斯分布函數(shù)得到投影矩陣Φ,使用離散余弦變換(Discrete Cosine Transform,DCT)或小波變換等方法得到表示矩陣Ψ。
(10)
在實(shí)驗(yàn)中,使用了智能插頭收集單個(gè)家用電器的功耗數(shù)據(jù)。為了進(jìn)行全面的分析,對于功率信號的四種經(jīng)驗(yàn)?zāi)P投歼x擇了對應(yīng)的電器,分別包括:
(1)開-關(guān)模型:電燈,咖啡機(jī),烤面包機(jī);
(2)開-關(guān)衰減模型:冰箱,冰柜,烤箱;
(3)穩(wěn)定最小-最大模型:干衣機(jī);
(4)隨機(jī)模型:臺式電腦。
根據(jù)電器歷史數(shù)據(jù),得到相應(yīng)的經(jīng)驗(yàn)?zāi)P蛥?shù)如表1所示。
表1 部分經(jīng)驗(yàn)?zāi)P蛥?shù)的估計(jì)值
圖1給出了經(jīng)驗(yàn)?zāi)P团c實(shí)際測量值的對比,圖中的橫軸為時(shí)間,單位為min。如前文所述,開-關(guān)模型中的電器具有固定的功率,模型值與實(shí)際值之間的微小差異可視為測量誤差。開-關(guān)衰減模型中,誤差不僅包括測量誤差,還包括使用最小二乘法估計(jì)衰減系數(shù)時(shí)的精度誤差,但誤差相對于實(shí)際功率也是可忽略的。而對于穩(wěn)定最小-最大模型與隨機(jī)模型,由于隨機(jī)性的存在,從圖1中可以看出,模型誤差相對較突出。但另一方面,在統(tǒng)計(jì)特征上看,經(jīng)驗(yàn)?zāi)P团c實(shí)際測量值依然是一致的。圖1中的結(jié)果說明了文中使用的功率信號經(jīng)驗(yàn)?zāi)P偷挠行浴?/p>
圖2給出了能量占比k與稀疏度的關(guān)系曲線。這里的定義為ρ=(N-Q)/N,N取為256。圖中評估了三種生成表示矩陣的方式:Haar小波變換(HWT)、離散余弦變換(DCT)與差分變換(Difference Transform,DT)。圖中結(jié)果說明,HWT方法在生成稀疏表示矩陣上效果最優(yōu)
圖3對基于壓縮感知的信號壓縮與基于小波的方法在信號重建效果上進(jìn)行了比較。為更為全面地進(jìn)行評估,實(shí)驗(yàn)中選擇了多種生成表示矩陣與生成投影矩陣的方法組合。圖3中的橫軸為壓縮率,定義為信號壓縮后所省略的存儲空間(比特?cái)?shù))比率。結(jié)果表明,基于壓縮感知的方法相比小波變換具有顯著優(yōu)勢,且最優(yōu)組合為使用HWT生成表示矩陣與使用高斯分布函數(shù)生成投影矩陣。
圖2 稀疏度與能量占比的關(guān)系曲線
圖3 壓縮感知與小波變換的信號壓縮效果比較
文章針對智能電能表的應(yīng)用場景設(shè)計(jì)了基于壓縮感知的信號壓縮方案,以支持AMI設(shè)備中低能耗、窄帶寬條件下功率分解等任務(wù)所要求的功率信號的精確傳輸。首先使用四種經(jīng)驗(yàn)?zāi)P蛯χ悄茈娔鼙硇盘栠M(jìn)行建模,并驗(yàn)證了經(jīng)驗(yàn)?zāi)P偷挠行?。基于?jīng)驗(yàn)?zāi)P?,對壓縮感知方法的信號壓縮效果進(jìn)行了驗(yàn)證,得到了最優(yōu)的投影矩陣與表示矩陣生成方案,說明了文中方法相比小波變換方法的優(yōu)勢。