Analysis of disaggregating the data recorded by smart meter

Mechanical Engineering and Design September 2013, Volume 2, Issue 3, PP.15-18

Analysis of Disaggregating the Data Recorded

by Smart Meter Wei-neng WANG #, Zhi-kun LUO, Zhi-qiang WANG Hunan Electric Power Corporation Research Institute, Changsha 410007, China #Email: wangwn@126.com

Abstract Smart management of energy management have got more and more significant due to the growing awareness of the environmental protection and domestic energy cost, in which the core is how to improve the efficiency of domestic energy consumption.

Although the existing methods regarding the improvement of energy efficiency manage the appliance by means of monitoring the consumption displayed on the smart meter, the smart meter measures aggregate consumption for an entire building. Research has shown that disaggregated information describing each appliance consumes is more effective than aggregated information. This paper presents several disaggregation techniques, and analyzes their advantages and disadvantages.

Keywords: Smart Meter; Disaggregating the Data; Household Electricity Cost; Environmental Protection; Wise Management of Energy Consumption

智能电能表数据解析技术 王伟能，罗志坤，王志强 湖南省电力公司科学研究院，湖南 长沙 410007 摘

要：随着家庭用电成本控制和环境保护意识的增强，智能用电管理变得越来越重要。如何提高家庭用电效率是智能

用电管理的核心内容之一。已有提高用电效率的办法就是通过智能电能表监测电能消耗情况，从而管理电器使用。但是 智能电能表记录的是用户总体用电数据。研究表明，对于指导用户高效使用电器，描述单台电器的用电信息比用户总体 用电数据作用更大。本文介绍了几种从智能电能表数据中解析出单台电器用电信息的技术，并分析了各自的特点。 关键词：智能电能表；数据解析；家庭用电成本；环境保护；用电智能管理

引言 智能用电管理变得越来越重要。一方面，家庭电器增多，用电量随之上升，用电费用增加；另一方面， 大气环境保护形势严峻，减少用电量，有助于减少化石燃料消耗和 CO2 排放。 如何提高用户用电效率是智能用电管理的核心内容之一。已有提高用电效率的办法就是通过智能电能表 监测电能消耗情况，从而管理电器使用。但是，智能电能表计量的是用户总体用电情况。研究表明，对于电 器使用的有效管理，描述单台电器的用电信息比用户总体用电数据作用更大[1]。 智能电能表数据解析技术能够从智能电能表数据中解析出单台电器的用电信息。虽然早在 1980 年精密 电能表就第一次成功应用数据解析技术，但是由于精密电能表的推广应用受到了挑战，所以智能电能表数据 解析技术仍是目前的研究热点。 本论文介绍了几种智能电能表数据解析技术，并分析了各自的特点。

1

智能电能表分类 智能电能表广义上可以分为两种： - 15 www.ivypub.org/MED

第一种智能电能表习惯上被称为“家庭能源监控器”，如图 1 所示，主要包含三个部分：钳形传感器、 无线通讯器、显示终端。其中钳形传感器安装于保险盒（或类似装置）位置，它与主干电缆不发生电气连接， 而是通过线圈环绕主干电缆外绝缘层，其工作原理为：变化的电流通过主干电缆时，以主干电缆为中心产生 变化的磁场，变化的磁场在钳形传感器中产生电流，测量此电流值后就可以通过一定的数学关系转换为主干 电缆电流值；无线通讯器把钳形传感器测量的数据以无线方式发送给显示终端，最远距离可达 20m；显示终 端可以实时显示用户总体用电数据。

图 1 典型家庭能源监控器示意图

第二种智能电能表即常规智能电能表（以下简称为智能电能表），具有自动上传用户用电数据等功能， 可避免人工抄表，逐渐取代了带转盘结构的机电式电能表。 家庭能源监控器只能提供总体用电数据。虽然通过电器的打开和关闭操作，在家庭能源监控器的显示终 端上能粗略得到每台电器的用电情况，但是其精度不能满足要求。智能电能表是智能电网的一个重要设备， 近年来得到了越来越广泛的应用[2]，怎样从其记录的数据中解析出单台电器的用电信息，从而指导用户高效 使用电器？

2

智能电能表数据解析技术 获取单台电器用电信息最直接的方法就是每台电器配置一台独立的计量表计。对于想掌握每台电器用电

信息的用户，安装独立计量表计的方法太昂贵且不便。已有智能电能表数据解析技术都是通过采用计算技术 对智能电能表采集的用户总体用电数据进行解析。

2.1 条件需求分析技术 条件需求分析技术由 Parti 在 1980 年首次提出[3]。此方法通过实地调查采集用户总体用电数据样本，再 采用基于电器条件需求使用的回归法，建立以单台电器使用为参数的描叙用户总体用电模型。条件需求分析 法具有时间依赖性：它试图确定电器在一天中什么时候使用（如，电饭锅一般在中午 12 点和晚上 6 点左右 使用）。式(1)是条件需求分析法的数学表达式：

其中

表示用户月均总体用电量，

表示对应电器总功率，下标 app 表示电器种类数量，V 表示

关联变量集，下标 n 表示住户数，c 表示回归因子。 为了得到较准确回归结果，条件需求分析法需要几百甚至几千用户的用电数据。即使采用大型数据集， 因为许多用户有临时使用某种电器的需要，条件需求分析法可能生成准确度不高的解析结果[4]。

2.2 非扩散性负载监测技术 智能电能表能同时测量多个变量：电压、电流、有功功率和无功功率。大多数电器同时具有有功功率和 无功功率。不同电器具有不同的有功功率和无功功率。因此，如果同时测量有功功率和无功功率，就能在二 - 16 www.ivypub.org/MED

维平面上绘制电器位置点，从而区分不同电器，如图 2 所示，这就是非扩散性负载监测技术的核心原理[5,6]。

图 2 非扩散性负载监测法示例

该方法通过检测有功功率和无功功率的变化，确定用户用电状态改变，从而得到单台电器的用电信息。 例如，考虑一个 500 瓦热水器，当热水器打开时，有功功率增加 500 瓦；当热水器关闭时，有功功率减少 500 瓦；获取有功功率增加 500 瓦和减少 500 瓦的两个时刻，得到工作持续时间，再乘以功率得到热水器用电量。 虽然该方法能够区分简单电器的用电信息，但是不能够区分具有相同组件的复杂电器的用电信息。

2.3 高次谐波和电噪声技术 许多负载由于其固有的物理特性（如计算机，复印机等）会引起电流畸变。Shaw 等人以采样频率 8000Hz 对电流进行采样，然后计算包含时变谐波分量的频谱包络[7]。虽然该方法结合非扩散性负载监测法后可以用 来区分电器的用电信息，但是这种技术需要的专门采样硬件不容易实现。 Froehlich 等人报道了利用不同电器在不同阶段产生特定噪声的特点，测量高频噪声（十几或几百千赫） 的数据解析技术：有些设备在启动时产生特定噪声信号；有些设备在连续运行时产生的特定噪声信号；开关 电源模式设备如计算机和电视在总个工作过程中会产生的大量的电噪声，如图 3 所示[8]。

(a)

(b)

图 3 高次谐波和电噪声(a)启动时(b)连续运行时

2.4 瞬态信号检测技术 考虑两个不同类型的负载：洗衣机的电机从静止加速到全速和一个大型电视。两个负载运行时都可达 240 瓦。他们之间的区别之一是洗衣机电机控制器需要超过 30 秒时间来加速马达，因此，功率消耗从 0 瓦上升 到 240 瓦的时间超过 30 秒；而电视可立即升到 240 瓦。洗衣机的功率上升沿可作为其识别特征。 - 17 www.ivypub.org/MED

瞬态信号检测技术利用不同电器的瞬态特征不同，通过最小二乘法识别不同电器用电信息[9]。

2.5 稀疏编码技术 为解析用户总体用电数据，Kolter 等人发明出一种新的机器学习技术，称为稀疏编码[10]。 稀疏编码算法通过从训练数据库中学习每一台电器功耗模型。这些学习模型通过组合可以预测电器用电 量。虽然在给定用户总体用电数据情况下，该技术可实现 55%的测试精度，但是其所需训练数据量庞大，一 般难于实现。

3

小结 综上所述，智能电能表数据解析不是一种新技术。事实上，数据解析技术已经在商业上得到了成功应用。

但是，已有数据解析技术一般需要增加比较复杂的测量硬件部分，而测量硬件部分目前难于在用户中使用推 广，智能电能表数据解析技术仍需进一步研究。

REFERENCES [1]

Willett Kempton and Laura Montgomery. Folk quantification of energy. Energy [EB/OL]. (2001-08-10) [2013-05-20]. http://www.sciencedirect.com/science/article/pii/0360544282900305.

[2]

Christophe Guille and George Gross. A conceptual framework for the vehicle-to-grid (V2G) implementation [J]. Energy Policy, 2009, 37(11):4379-4390, .

[3]

Michael Parti and Cynthia Parti. The total and Appliance-Specific conditional demand for electricity in the household sector [J].

The Bell Journal of Economics, 1980, 11(1):309-321.

[4]

Jon Froehlich, Eric Larson, Sidhant Gupta, et al. Disaggregated End-Use energy sensing for the smart grid [J]. IEEE Pervasive Computing, 2011 (10):28-39.

[5]

G. W Hart. Residential energy monitoring and computerized surveillance via utility power flows [J]. IEEE Technology and Society Magazine, 1989, 8(2):12-16.

[6]

George W. Hart, Edward C. Kern, and Fred C. Schweppe. Non-intrusive appliance monitor: US, 4858141 [P]. 1989.

[7]

S. R. Shaw, C. B. Abler, et al. Instrumentation for high performance nonintrusive electrical load monitoring [J]. Journal of Solar Energy Engineering, 1998, 120(3):224-229.

[8]

Jon Froehlich, Eric Larson, Sidhant Gupta, et al. Disaggregated End-Use energy sensing for the smart grid [J]. IEEE Pervasive Computing, 2011 (10):28-39.

[9]

Leslie K, Norford and Steven B. Leeb. Non-intrusive electrical load monitoring in commercial buildings based on steady-state and transient load-detection algorithms [J]. Energy and Buildings, 1996, 24(1):51–64.

[10] J. Z Kolter, S. Batra, and A. Y Ng. Energy disaggregation via discriminative sparse coding [J]. Neural Information Processing Systems (NIPS), 2010 (1):158-162.

【作者简介】 王伟能（1983-），男，汉族，博士，工

罗志坤（1971-），男，汉族，博士，高级工程师，主要从事

程师，主要从事电能计量器具检测与开

电能计量器具检测与开发。Email:zkluo@126.com.

发。Email:wangwn@126.com. 王志强（1979-），男，汉族，研究生，工程师，主要从事节 能技术研究。Email:wangzq@126.com.

- 18 www.ivypub.org/MED