基于電力大數據的工業(yè)用戶(hù)非侵入監測研究

鋁業(yè)、鋼鐵、化工、建材等工業(yè)作為河南省的傳統優(yōu)勢產(chǎn)業(yè)，是河南經(jīng)濟發(fā)展的重要支柱。隨著(zhù)我國經(jīng)濟發(fā)展進(jìn)入新階段，鋼鐵、有色等傳統行業(yè)面臨“去產(chǎn)能”“環(huán)保治理”“節能減排”的嚴峻形勢。2016年以來(lái)，國家相繼下發(fā)了《關(guān)于鋼鐵行業(yè)化解過(guò)剩產(chǎn)能實(shí)現脫困發(fā)展的意見(jiàn)》《關(guān)于營(yíng)造良好市場(chǎng)環(huán)境促進(jìn)有色金屬工業(yè)調結構促轉型增效益的指導意見(jiàn)》，指出要化解鋼鐵、有色等行業(yè)過(guò)剩產(chǎn)能，實(shí)現企業(yè)的脫困發(fā)展。然而，目前有效監測鋼鐵、有色等企業(yè)產(chǎn)能、產(chǎn)量的技術(shù)手段尚不完備，亟須創(chuàng )新監測方法。為此，本文研究了基于電力大數據的工業(yè)用戶(hù)非侵入式監測方法，可為有效監測鋼鐵、電解鋁等重點(diǎn)企業(yè)生產(chǎn)情況提供技術(shù)支撐。

一 非侵入式負荷監測理論

當前應用廣泛的負荷監測系統分為侵入式監測和非侵入式監測兩種。傳統的侵入式監測是在每個(gè)負荷處安裝相應的傳感器，用來(lái)監測每個(gè)位置的運行狀況，如圖1所示。侵入式監測技術(shù)在實(shí)際應用中存在許多問(wèn)題，如安裝時(shí)須停電，包括線(xiàn)路改造、人力等在內的工程成本較高；入戶(hù)安裝時(shí)可能會(huì )進(jìn)入用戶(hù)隱私空間；人員可隨意控制檢測設備的運行狀態(tài)，運行數據的連續性和完整性難以保證等。

圖1 侵入式負荷監測

非侵入式負荷監測最初由Hart于20世紀80年代提出，其核心是對負荷進(jìn)行有效的分解。非侵入式負荷監測是在電力入口處安裝監測設備，如圖2所示，通過(guò)監測該處的電壓、電流等信號，利用有效的分解算法分析得到整體負荷中單個(gè)負荷的種類(lèi)和運行情況。這種技術(shù)可節省安裝和維護的時(shí)間，減少投入，能夠開(kāi)展能量監測、故障監測、故障分析等多類(lèi)電能質(zhì)量控制分析。

圖2 非侵入式負荷監測

Hart提出的非侵入式負荷監測方法主要利用用電設備在啟停時(shí)的功率變化特征，通過(guò)捕捉負荷功率變化情況，有效辨識用電設備的啟停，分析各類(lèi)用電設備的功率比例?；谶@一理論，美國電力科學(xué)研究院開(kāi)發(fā)了一套非侵入式負荷監測系統，該系統首先進(jìn)行功率變化的邊緣檢測，通過(guò)聚類(lèi)匹配方法，判斷功率變化所對應的用電設備的投入或退出。上述方法基于穩態(tài)功率變化數值，其能較好地檢測單一用電設備投入/退出，但對多個(gè)用電設備同時(shí)投入/退出則往往失效或出現誤判。有人應用突變信號檢測方法提出基于暫態(tài)功率信息的非侵入式電力負荷監測方法，利用暫態(tài)功率曲線(xiàn)中顯著(zhù)變化部分作為用電設備的識別標識，可在一定程度上識別用電設備的類(lèi)型。之后非侵入式監測在多個(gè)領(lǐng)域都得到了應用，在考慮電壓擾動(dòng)、模糊邏輯模式識別、神經(jīng)網(wǎng)絡(luò )等基礎上對非侵入式負荷監測進(jìn)行了進(jìn)一步的改進(jìn)研究。

目前，國內的威勝、恒通、天津大學(xué)、東南大學(xué)等企業(yè)和高校不同程度地開(kāi)展非侵入式負荷監測技術(shù)實(shí)踐。2017年，國網(wǎng)江蘇省電力公司嘗試把該技術(shù)應用到智能終端，從電表的進(jìn)線(xiàn)端獲取相關(guān)負荷數據，開(kāi)展小批量試點(diǎn)工作。2018年，國網(wǎng)江蘇省電科院在智能電表中安裝非侵入式負荷辨識模塊，辨識居民用戶(hù)用電情況，并在南京試點(diǎn)應用。用戶(hù)可通過(guò)App、微信信息等方式，獲取各類(lèi)家用電器能耗詳情，為進(jìn)一步實(shí)現用戶(hù)節能優(yōu)化、家庭用電異常預警等智能雙向互動(dòng)用電服務(wù)提供支撐。

但是，由于工業(yè)生產(chǎn)工藝環(huán)節復雜，涉及用電設備種類(lèi)眾多，非侵入式負荷監測在鋼鐵、有色等高耗能工業(yè)領(lǐng)域的應用研究目前還處于空白。當前受供給側結構性改革和環(huán)境治理不斷推進(jìn)的影響，鋼鐵、有色等傳統高耗能行業(yè)的“去產(chǎn)能”“環(huán)保治理”等行動(dòng)不斷加大力度，開(kāi)展工業(yè)用戶(hù)非侵入式負荷監測可創(chuàng )新監測監管技術(shù)手段。

二 工業(yè)用戶(hù)非侵入監測方法

工業(yè)用戶(hù)用電時(shí)間長(cháng)、負荷大，其負荷曲線(xiàn)是一個(gè)非平穩信號，信號中包含多種特征信息，整體特征要比普通居民用戶(hù)復雜。但是，工業(yè)生產(chǎn)一般具有典型的環(huán)節，例如鋼鐵企業(yè)，主要包括煉鐵、煉鋼、軋鋼生產(chǎn)工藝，各工藝具有不同的負荷特征和周期特性。

基于工業(yè)用戶(hù)負荷的非平穩特征以及各生產(chǎn)工藝呈現出的周期特性，本文采用小波包分解和快速傅里葉變換相結合的方式，對工業(yè)用戶(hù)負荷信息進(jìn)行信號分解和頻譜變換。針對工業(yè)用戶(hù)各項生產(chǎn)工藝周期較長(cháng)的特點(diǎn)，利用小波包分解技術(shù)，濾除信號的高頻段噪音，保留低頻段主要信號。對于小波包分解后的低頻信號，進(jìn)行快速傅里葉變換（FFT），獲取信號的頻率信息。再對不同工藝頻率信息進(jìn)行逆變換，計算工業(yè)用戶(hù)主要生產(chǎn)工藝的運行情況和周期，結合工藝度電產(chǎn)能測算相關(guān)產(chǎn)能產(chǎn)量。

工業(yè)用戶(hù)非侵入監測主要流程如圖3所示，下面對數據預處理、小波包分解和快速傅里葉變換模塊進(jìn)行介紹。

圖3 工業(yè)用戶(hù)非侵入監測主要流程

（一）數據預處理方法

工業(yè)企業(yè)現場(chǎng)采集的原始數據通常存在缺失值和異常值的情況，原因主要有兩個(gè)方面：一是傳感器在壓縮或傳輸數據時(shí)存在不確定性影響，造成數據丟失；二是測量裝置的不同，即對同一設備，不同測量裝置的結果不同。在使用數據進(jìn)行頻譜分析之前，需要對采集到的原始數據進(jìn)行預處理。數據預處理主要包括數據清洗、數據集成和數據變換等步驟。

數據清洗主要是對缺失值和異常值進(jìn)行處理。缺失值的插補，可選用固定值法、最近值法、均值法、中位數法、眾數法，以及回歸法、拉格朗日插值法和牛頓插值法等；異常值的處理，以數據最小失真為目標，通過(guò)識別和處理兩個(gè)步驟進(jìn)行分析處理。數據集成是指整合多個(gè)數據源的數據，形成一個(gè)統一且相對完整的數據集合，其主要技術(shù)難點(diǎn)是處理冗余和沖突數據。數據變換需要將數據轉換成適合算法分析和挖掘的形式，涉及數據的規范化、聚集和屬性構造等方面的技術(shù)。本文主要采用缺失值補全、異常值處理等數據預處理方法。

1.缺失值補全

缺失值補全分為兩個(gè)步驟：通過(guò)滑動(dòng)窗口計算出窗口中的數據缺失率，采用臨近數據集映射的方法補全缺失數據。

其中，t表示時(shí)間序列，c_t表示當前滑動(dòng)窗口的數據缺失率，M_t是當前滑動(dòng)窗口中缺失的數值個(gè)數，W_t是當前滑動(dòng)窗口長(cháng)度。

計算缺失率過(guò)程中，必須保證當前滑動(dòng)窗口兩端的時(shí)間序列都有對應的測量數值。如圖4所示，滑動(dòng)窗口長(cháng)度為13個(gè)時(shí)間序列，只有窗口（4）滿(mǎn)足計算條件，其數據缺失率為6/13≈46%；當數據連續缺失個(gè)數超過(guò)滑動(dòng)窗口長(cháng)度時(shí)，此部分數據將不能補全。另外，滑動(dòng)窗口的大小可根據效果進(jìn)行調整。

圖4 滑動(dòng)窗口

當滑動(dòng)窗口中的數據缺失率滿(mǎn)足計算條件時(shí)，采用臨近數據集映射法補全缺失數據。如圖5所示，滑動(dòng)窗口長(cháng)度為18個(gè)時(shí)間序列，當其移動(dòng)到t_n處時(shí)，數據缺失率為6/18≈33%，若滿(mǎn)足補全條件，則將［t_n+5，t_n+10］區間的數據集映射（此處采用正序列相等的映射方法）到［t_n+11，t_n+16］區間。

圖5 補全缺失數據

2.異常值處理

工業(yè)用戶(hù)負荷原始數據的異常值，主要是指某個(gè)時(shí)間點(diǎn)上的數值遠大于其附近數據集中極大值。本文將異常值處理分為兩個(gè)步驟：在滑動(dòng)窗口所選數據集合中，采用離群算法識別異常值；將異常值修改成滑動(dòng)窗口對應數據集合的平均值。其中，離群算法具體流程如下：

（1）確定離群距離值。

式中，a表示離群距離約束值，Max_t表示當前滑動(dòng)窗口中的最大值，Min_t表示當前滑動(dòng)窗口中的最小值，S表示離群距離值。

（2）計算各個(gè)點(diǎn)的離群系數。

式中n表示當前滑動(dòng)窗口包含的數值個(gè)數，j表示遍歷各個(gè)數值，m_i和m_j表示第i個(gè)和第j個(gè)點(diǎn)對應的數值，s_i表示當前滑動(dòng)窗口中第i點(diǎn)的離群系數。

（3）找出離群系數小于某一定值的一個(gè)或多個(gè)點(diǎn)。

（4）將找出的點(diǎn)值更改為其他點(diǎn)值的平均值。

（二）小波包分解模塊

工業(yè)用戶(hù)的各個(gè)生產(chǎn)工藝周期較長(cháng)，使得各工藝對應的信號頻率主要集中于低頻段。通過(guò)對信號進(jìn)行小波包分解，獲得信號的低頻段信息，并對低頻信號進(jìn)行頻譜分析。小波包分解是小波分解的改進(jìn)和推廣。傳統的小波分解首先把信號分解為逼近部分和細節部分，然后再將逼近部分進(jìn)一步分解為逼近和細節兩部分，重復進(jìn)行這樣的分解，直到達到分解要求。而小波包分解同時(shí)對細節部分進(jìn)行分解，小波包分解的時(shí)間尺度是任意的，不會(huì )出現時(shí)頻固定的問(wèn)題，所以較多應用于時(shí)頻分析，能較好反映信號的特征信息。

在大數據工業(yè)用戶(hù)非侵入監測中，小波包分解根據尺度因子j的大小，將把Hilbert空間L²（R）分解成多個(gè)小波子空間W_j（j∈Z）的正交和，如表1所示，并按照二進(jìn)制對各個(gè)小波子空間進(jìn)行頻率細分。其中Uⁿ_j為第n（n=0，1，2，…，2^j-1）個(gè)小波子空間，j稱(chēng)為小波子空間尺度，其對應的正交基為uⁿ_j，k（t）=2^-j/2uⁿ（2^-jt-k），k為平移因子。

表1 小波包空間分解

在分解過(guò)程中，如果尺度足夠小，直接用L²（R）空間的函數f（t）的采樣序列f（kΔt）作為U空間的系數d⁰₀（k）。根據正交小波變換的算法原理，第j級、第k點(diǎn)的小波分解系數可寫(xiě)為：

式中，h₀和h₁是兩個(gè)正交鏡像濾波器，其中第j級的分解系數是用第j-1級的系數來(lái)表示，根據此遞推關(guān)系，可以得到信號f（k）所對應的各級分解系數大小，經(jīng)過(guò)j級分解，每個(gè)子空間對應的頻帶區間為：

其中f_s為信號f（t）的采樣頻率。

對各個(gè)頻率區間的負荷信號進(jìn)行能量譜的計算，根據能量譜的大小可以確定工業(yè)用戶(hù)負荷信號主要信息分布在哪些頻率區間，從而可用該能量譜所對應的信號進(jìn)行頻譜分析。能量譜的計算公式為：

其中，小波包分解系數dⁿ_j（k）的計算采用式（4）和式（5）的遞推算法。

（三）快速傅里葉變換模塊

經(jīng)過(guò)小波包分解后的負荷信號，通過(guò)改進(jìn)的快速傅里葉變換（Fast Fourier Transformation，FFT），分解為多個(gè)不同頻率的信號，有效提取工業(yè)用戶(hù)負荷信號的特征信息，為確定各類(lèi)生產(chǎn)工藝的運行情況和周期打下基礎。

改進(jìn)的快速傅里葉變換方法，利用離散傅里葉變換（Discrete Fourier Transformation，DFT）的奇、偶、虛、實(shí)等特性，對DFT進(jìn)行改進(jìn)獲得。本文中包含了按時(shí)間抽取的FFT和按頻率抽取的FFT。

對于有限離散數據x（n），n=0，1，…，N-1的DFT定義為：

為了將大點(diǎn)數的DFT分解為小點(diǎn)數的DFT，序列的長(cháng)度N必須為復合數，本文采用N=2m（m為正整數）。按時(shí)間抽取的FFT，將序列x（n）按奇偶項分解為兩組：

則DFT也將分為兩組：

一個(gè)N點(diǎn)的DFT被分解為兩個(gè)N/2點(diǎn)的DFT，全部N點(diǎn)的DFT可由下式確定出來(lái)：

按頻率抽取FFT法，將N點(diǎn)DFT寫(xiě)成前后兩部分，即：

把X（k）分解為奇數組和偶數組，經(jīng)過(guò)等式變換得到：

并令

則兩個(gè)N/2點(diǎn)的DFT為：

三 大數據工業(yè)用戶(hù)非侵入監測案例分析

鋼鐵是河南重要的傳統支柱產(chǎn)業(yè)，生產(chǎn)工藝復雜，特別是具有完整生產(chǎn)鏈的鋼鐵企業(yè)，生產(chǎn)系統龐大。利用非侵入式監測方法，分解生產(chǎn)過(guò)程用電負荷，確定鋼鐵企業(yè)主要生產(chǎn)工藝的運行情況和周期。同時(shí)，通過(guò)典型環(huán)節和工藝度電產(chǎn)能測算，獲得企業(yè)一段時(shí)間鋼鐵產(chǎn)能產(chǎn)量，可為重點(diǎn)工業(yè)用戶(hù)去產(chǎn)能、降低能耗進(jìn)行監管提供技術(shù)手段。

（一）鋼鐵企業(yè)生產(chǎn)工藝流程

鋼鐵企業(yè)生產(chǎn)環(huán)節復雜，用電設備眾多。但是，鋼鐵企業(yè)生產(chǎn)工藝比較固定，典型工藝流程如圖6所示，主要分為：

（1）煉鐵。通過(guò)鐵礦石中鐵的氧化物與焦炭發(fā)生氧化還原反應，得到鐵的生產(chǎn)流程。

（2）煉鋼。將氧氣等鼓入生鐵中，降低碳含量并減少其他雜質(zhì)含量，得到雜質(zhì)較少、性能較好鋼材的生產(chǎn)流程。

（3）軋鋼。通過(guò)軋鋼機的輥壓，形成所需形狀和性能要求鋼材的加工過(guò)程，分為熱軋和冷軋兩種。

（4）其他加工與轉換。在生產(chǎn)過(guò)程中所需的氧、水、風(fēng)等制備轉換。

圖6 鋼鐵企業(yè)主要生產(chǎn)工藝流程

（二）鋼鐵企業(yè)負荷大數據預處理

利用數據預處理方法對用電負荷數據進(jìn)行預處理，減少某些異常值、缺失數據造成的影響，更加準確地反映用戶(hù)的真實(shí)用電情況。

以河南某鋼鐵企業(yè)的原始負荷數據（未乘以綜合倍率）為例，電表在某日采集的數據集出現缺失。如圖7所示，數據集的采樣時(shí)間間隔是15分鐘，缺失時(shí)間段為21：00～22：00，共缺失5個(gè)數值。

圖7 電表原始數據

根據數據集的實(shí)際缺失情況，選擇臨近數據集映射法補全部分缺失數據，設定滑動(dòng)窗口的長(cháng)度為12，即以3小時(shí)內的數據集為單位來(lái)補全其中的缺失數據，并設定最大缺失率為50%，當缺失率大于此設定值時(shí)，則不補全缺失數據。在上面的情形中，當滑動(dòng)窗口移至19∶30處時(shí)，其窗口范圍是79～90，當前數據缺失率為5/12≈42%＜50%，滿(mǎn)足數據補全的條件，補全后的數據集如圖8所示。

圖8 補全后的電表數據

圖9所示為河南某鋼鐵企業(yè)的某日原始負荷數據（未乘以綜合倍率），此處采用離群算法來(lái)處理異常值，滑動(dòng)窗口的長(cháng)度設定為10，離群距離約束值設定為2，規定離群系數小于2時(shí)確定為異常值，異常值處理流程如下：

圖9 異常值處理前電表數據

（1）離群距離值S=（1.7488-0.4224）/2=0.6632。

（2）前10個(gè)數值為第一組，按照公式（3）計算各點(diǎn)的離群系數，各個(gè)數值及其對應的離群系數如表2所示，離群系數均未小于2，所以判定這一組無(wú)異常值。

表2 各個(gè)數值及其對應的離群系數

（3）后移滑動(dòng)窗口，再按照步驟二的方法重復判定，獲得處理后的數據集。

處理后的數據集如圖10所示，異常值被平均值替換。以第63個(gè)數據值1.7488為例，在經(jīng)過(guò)算法識別和平均值處理后，替換成1.3956。

圖10 異常值處理后電表數據

（三）利用非侵入技術(shù)分解鋼鐵企業(yè)工藝流程

通過(guò)對該鋼鐵企業(yè)2018年3～9月用電負荷數據進(jìn)行預處理，完善企業(yè)用電原始負荷數據，結合相關(guān)綜合倍率，得到該企業(yè)功率信號波形，如圖11所示。

圖11 某鋼鐵廠(chǎng)功率信號

對該企業(yè)原始負荷信號進(jìn)行3層小波包分解，并且計算能量譜。3層分解分別有2個(gè)、4個(gè)、8個(gè)頻段，一共14個(gè)頻段，各個(gè)頻段的信號分解如圖12所示。