干貨 | 基于AI芯片的非介入式用電負荷識別應用

本次匯報分四個方面，分別是項目背景，技術路線，成果整理還有總結展望。
首先，從國家政策大規(guī)劃大背景下，雙碳新基建還有十四五電力規(guī)劃，對邊緣側智能裝置，云端結合和智能計量裝置等設備和方面提出了新的要求。在2021年營銷部九號文件《2021年計量工作安排》中也指出，對于負荷辨識和非介入負荷識別的相關要求。非接入負荷辨識的優(yōu)勢在于改動量小和準確率高。該技術是通過接入用戶電力進線端口記錄提取用電特征參數(shù)結合相關算法，對用電情況和細節(jié)進行識別和監(jiān)測。此外也可以監(jiān)測設備老化和危險用電情況等，實現(xiàn)對災害風險的提前預警。

本項目主要是聚焦用電及消防安全。首先，根據(jù)國家消防救援局的情況報告，2022年全國電動自行車保有量三億輛以上。全年共接報了電動自行車火災1.8萬起，住所內(nèi)火災3242起，其中以蓄電池充電的情況居多。那么同時，電動車電池入戶充電的做法屢禁不止，在社區(qū)難以實現(xiàn)比較完善的監(jiān)測布局。本項目目標是通過非技術復合辨識技術實現(xiàn)對電動車如何充電的事件進行檢測與預警。

接下來是技術路線。首先，項目框架分為邊緣測電表、算法和云平臺三部分，電表對用戶的電流電壓數(shù)據(jù)進行記錄，并提取特征數(shù)據(jù)在邊緣側實現(xiàn)特征比對和事件的識別。同時通過電表上報數(shù)據(jù)和檢測的時間情況。云平臺對數(shù)據(jù)進行長時序存儲、事件存儲進行判斷，還有對賬號項目進行管理。云平臺也會雙向對檢測的特征進行更新。

電表的記錄數(shù)據(jù)為高頻的數(shù)據(jù)通過6400赫茲的采樣電流及電壓數(shù)據(jù)，通過本地實時計算，視在功率、有功功率等特征之后，將一秒內(nèi)的數(shù)據(jù)平均值進行數(shù)據(jù)上報。

針對電動車充電事件可以分為瞬態(tài)特征與穩(wěn)態(tài)特征。左下圖是電流的瞬態(tài)特征，其中的尖峰大，占空比高，右側列出了一次記錄的典型數(shù)據(jù)，總時長接近六個小時，那么右圖從上到下是電壓數(shù)據(jù)、電流數(shù)據(jù)還有各類的功率數(shù)據(jù)，那么其中電動車電池開始充電時，電壓是有一處突變，同時電流和功率有明顯的圖層變化，此時是充電開始。再往后出現(xiàn)充電過程分為電流峰值、電流漸變還有最后電流為0三個過程，到第三過程的時候電磁電量已經(jīng)充滿。

同樣是以此時的特征為例，別的判斷算法主要是通過瞬態(tài)的特征判斷，這里是根據(jù)最大電流量、單周期的電流大峰次數(shù)、波動幅度還有控制時間等數(shù)值統(tǒng)計和條件判斷來比對當前的電流特征是否與充電特征相匹配。穩(wěn)態(tài)特征主要是根據(jù)電流的漸變過程識別，這是通過云平臺存儲的長時序數(shù)據(jù)去識別電瓶充電的電流變化特征，進行二次的事件判斷和核實。

在邊緣側電表開啟后，系統(tǒng)通過MQTT協(xié)議進行數(shù)據(jù)通訊。數(shù)據(jù)周期上報，包括數(shù)據(jù)類型，時間，內(nèi)容等信息。當事件識別成功之后，也會上報對應的事件以及更加細致的記錄數(shù)據(jù)。那么云端對于邊緣側算法的主要更新，依靠軟件包的整體更新。
進入云平臺之后，可以對項目進行管理，增刪改查以及設備管理、生命周期的管理和設備升級，還有監(jiān)控運維，主要是進行日志的跟蹤和監(jiān)控報警。硬件設備主要是采用了華大半導體的芯片，使用C語言進行嵌入式的開發(fā)。

通過設備的實地連接打通以上步驟，此處是將電表通上電，然后進入云端。使用電動車的電池電瓶進行測試，示意圖是上圖。將電動車電池接入220伏的電壓電表，單獨對電池電壓和電流進行記錄，同時在云平臺里新建負荷辨識的測試項目。平臺測試顯示與邊緣側設備進行了連接和激活，測試方式主要是通過反復的插拔電動車充電插頭，同時穿插一些其他設備的充電去檢測是否能成功識別電瓶的充電事件。

測試結果如圖，時間軸上標紅的時刻，上面七次主要記錄了開啟電瓶充電的時刻，其中下午3:11是同時對電瓶和自己帶的筆記的電腦進行充電。這里就是七次充電事件中檢測到了其中大概有一秒的延遲。關于電腦單獨充電的事件并沒有去干擾到整體的識別。當然總體的測試還是有一些不足之處，因為本身只使用了一個電腦，并沒有很好地就符合像居民充電那種比較復雜的情況。這里就是做了一個簡單的測試。
最后對本學期的課程進行總結，因為這個項目比較特殊，小組里面只有一個人，對我個人而言，主要是學習并熟悉了一個非介入負荷辨識的原理和算法，同時接觸并學習了嵌入式開發(fā)和較為完整的云端協(xié)同通訊和邊緣計算的框架。后續(xù)準備整理成果報告及進一步的交流學習。