华北电力大学任龙文徐刚等如何利用人工智能技术计算每台家用电器的耗电量

原标题:任龙文、徐刚等。华北电力大学:如何利用人工智能技术计算每台家用电器的耗电量？

基于深度序列转换模型的无创负荷分解方法/任龙文，徐刚

《电网技术》 2020第1号:27-34。

为了获得每台家用电器的耗电量，实际上有两种方法:第一种方法是在每台家用电器的接口处安装计量设备，这种方法称为侵入式监控。其优点是电器计量用电量准确，但需要安装在家庭内部，监控设备成本较高，在很大程度上制约了入侵监控技术的发展；相比之下，赫特教授在20世纪80年代提出的非侵入式负荷监测(NILM)更有可能得到广泛应用。NILM通过用户电流表收集的总负荷，分解每台电器每时每刻的电力负荷，并累加每台电器的电力负荷，得到每台电器的电力消耗。

图1负荷分解图

但是NILM最大的问题是精度不够高，所以研究的重点是寻找最适合NILM的方法。在我看来，这种分解方法应该有以下两点:

首先，它应该有足够高的数学拟合能力。如果每个电器的工作功率是固定值，总叠加负载也必须是有限的固定值。类似于天平，一个大的物体可以相当于一定重量的总和，也就是最大整数规划。然而，电器的运行功率波动，从而增加了负载分解的难度。

第二，时序处理能力。时序信号根据采集频率分为高频信号和低频信号。高频信号有一套完整的数字信号处理方法，但电表采集和报告的负荷信号大多是低频信号，因此信号处理方法无法应用。

在作者有限的知识范围内，拟合能力较高的方法是人工智能算法中的神经网络，而循环神经网络是低频时间序列处理的最佳方法。最后，结合谷歌提出的深度序列翻译模型，本文构建的人工智能负载分解网络结构如图2所示。

图2负载分解网络结构

非侵入式负载分解(Load Declaration Network Structure

Non-invasive Load Declaration)可以让电力公司了解详细的用电量信息，统计不同设备的用电量，设计出有利于电网“峰峰值转移和谷值填充”的电价结构，为用户提供灵活的用电量选择，节省电费支出。同时，它还可以帮助用户更清楚地了解每台家用电器的耗电量。

本文使用公共AMPds数据集，选取六种电器一个月的负荷功耗数据，应用人工智能方法对其进行分解。每个电器分解的能耗比例如图3所示。

图3家用电器用电量的比例

这里有一个应用假设，它只是扔砖块和吸引玉石。我希望专家学者能给我更多的建议。

假设电费为0.5元/(千瓦时)。对于分解结果，计算用户的详细电费清单，如图4外围的蓝色实线所示。图中显示了每种电器的成本。对于居民来说，详细的费用清单可以提高电费的透明度和居民的满意度。电器运行期间，热水器、洗碗机、烘干机非高峰用电设备电价下调至0.4元/(千瓦时)，鼓励居民非高峰用电。由此产生的费用清单如图4中的虚线所示。