1．目的及意义

背景：一直以来，居民用户的用电构成对于居民用户和电力企业来说都是黑箱。居民用户通过电表与电力公司进行月结，但是居民用户对这笔电费的消费构成没有清楚的认识，无法了解到每个／类家电设备的具体消费情况，造成居民用户日常生活中的用电管理缺乏科学性和合理性。电力企业不了解居民用户的用电细节，制约了电力负荷的预测精度，不利于负荷建模、电价制定等的精细化。就目前来说，对用户用电行为的研究主要是对采集到的大量用电数据进行挖掘，从中分析用户的用电特征。通过对居民日常负荷曲线进行聚类，分析其整体的能耗类型和用电特性，未具体给出家庭内部各电器的用电情况和详细用电行为，难以落实到用户与电网的互动实现上。用电构成解析把居民用户的总用电量分解为单个／类家电设备具体的用电量。本文提出利用非侵入式负荷监测技术（NILM）来分析用户的用电行为。

研究现状：NILM只需要在用户电力入口处安装负荷监测装置，进行负荷识别和用电行为分解得到用户内部各类电器准确的用电信息。NILM 因其可以方便快捷的获得家庭详细的用电情况，在线监测用户的用电行为，实现用户与电网实时双向互动，已成为目前国内外研究的热点。其中在负荷辨识方面，现有文献中有以下几种方式：1、采用模式识别方法，设计 Fisher 有监督负荷辨识方法，但只对电器进行归类，不能识别具体的电器。2、根据负荷特征叠加原理，以负荷有功功率和3次谐波电流幅值为特征利用遗传算法实现对总信号的分解。3、提出一种稀疏化欠定求解的负荷分解算法，从总负荷信号中分解出运行的电器，但该算法计算量较大，当负荷数量较多时难以实现实时监测。而在利用NILM 进行用电行为分析方面，目前国内的研究主要停留在对负荷识别算法的探索上，少有利用 NILM 分析用户的用电行为；国外利用 NILM 统计各电器的用电信息、分析用户用电行为的研究也不多。因此，利用NILM 分析用户的用电行为值得深入研究。

本文主要提出一种利用市面上常见的电能表搭建一个用电行为采集系统。通过利用搭建的采集系统测取典型用电器的电压、电流、有功功率、功率因数、频率等信息，并对收集到的信息进行收集分析，然后通过收集到的信息进行电气设备的负荷模型的构建及研究。

负荷模型研究的主要目的是为电力系统稳定计算提供精确的负荷模型。采用乐观或保守的负荷模型将会对电网安全或经济运行造成不利影响。随着系统规模的不断扩大和新型用电设备不断出现，负荷的动态特性也变得越来越复杂。所谓负荷模型，就是指用于描述母线上输出的总的有功和无功功率随母线电压和频率变化而变化的一组数学关系表达式。建立负荷模型就是要确定描述负荷特性数学方程的形式及其中的参数，简称为负荷建模。上个世纪五、六十年代以来，人们逐渐认识到负荷的种类及大小对电力系统的安全稳定运行有重要影响，负荷建模问题开始引起关注。首先提出了恒阻抗(Z)、恒电流（I）、恒功率(P)等静态负荷模型。接着，诸如多项式模型、幂函数模型等静态负荷模型也被陆续提出。进入80 年代以来，负荷模型的研究已经不仅限于静态负荷模型，动态负荷模型已经出现，并出现多种类型，极大地丰富了负荷模型的研究范围。迄今为止，建立电网负荷模型主要有两种方法：统计综合法和总体测辨法。统计综合法的基本思想是认为系统负荷是由千千万万个不同类型的用电设备所组成，通过在实验室对典型的用电设备进行试验，可以得到这些典型设备的负荷模型，然后根据各类典型设备在系统负荷中所占的比例，最终综合成典型的负荷模型。而总体测辨法则采用不同的思路，它将负荷看成是一个整体，将现代控制理论和辨识算法引入负荷建模和辨识，通过在一些关键出线上装设负荷测辨装置，来辨识该条出线的负荷模型。负荷模型一般可以分为静态模型和动态模型。静态模型主要有ZIP模型、多项式模型和幂指数模型。动态负荷模型主要有机理式负荷模型和非机理式负荷模型。本文主要采用一种基于SVM的复合ZIP参数辨识和电子负载建模的方式。由于电子负载的有功功率和无功功率是电压幅度的分段函数,电子负载的工作模式由电压幅度决定。为了提高参数识别的准确性,采用了两个滤波器 (Hampel和Savitzky–Golay) 进行预处理测量,以降低噪声。降噪后的数据作为用支持向量机方法求解的回归模型的训练数据。

居民用电行为识别的的意义：（1）对于居民用户而言，居民用户的用电构成解析结果能够及时地向用户反馈每个／类家电设备具体的工作模式（如空调处于制热工作模式）和耗电情况。居民用户如果掌握了家电设备的具体用电信息，就能够发现平常不必要的电能损耗，发掘出更多的节能点，减少电费的支出。同时，居民用户依据家电设备的详细用电信息，可以判别出某种家电设备是否出现故障。例如，一般情况下，居民家庭中的电冰箱是处于间歇性工作状态，如果监测到电冰箱消耗的功率一直不变，则可判定出现故障了。通过反馈得到的详细用电信息用户也可以清楚的掌握哪种型号的电器是最节能的。

大量研究表明，若使用有效技术向居民用户反馈家电设备的用电信息，即便不采取任何调控措施，用户自愿地优化用电也能达到明显的节能效果，从而减少用户电费支出。Wood G等人通过研究发现，如果电力企业能够及时地向居民用户反馈详细的用电信息，用户的电能消耗大约可以减少10％左右。Ehehardt-Martinez K等人的研宄表明如果在居民家庭中安装一个电能消耗统计系统，及时向用户反馈用电信息，则能够节约１０％左右的电能消耗。

类比“财务平衡”，可以编制一个“电能收支平衡表”，上面会清晰的表明

居民用户消耗电能的具体去向。通过查看这份电能收支平衡表，居民用户可以更加清楚的了解自己的用电习惯，减少那些不科学的电能消费。用户根据这份电能收支平衡表可以更加科学合理的安排电能的管理计划，节省电费开支。

（2）对于电力企业。居民用户用电构成解析不但是节能的利器，对于电力企业也具有无可替代的意义。第一，居民用户的用电构成解析有利于建设智能电网，是高级量测体系的重要组成部分智能电网加强了电力企业与电力用户之间的互动，实现了用电信息的可视化。智能电网建设成功后，电力企业可以把居民用户的详细用电信息反馈给用户，电力企业本身也可以利用这些用电信息完善电力系统的建设工作。第二，居民用户的详细用电信息也给精细化负荷建模带来了帮助。目前的负荷建模工作中，常见的方案是对全网整体负荷进行分类（如恒功率负荷、恒电流负荷、恒电阻负荷等），然后分别辨识每类负荷的比重。也有一些文献提出了变电站负荷构成辨识，建立各个变电站所供应负荷的负荷模型。如果利用居民用户用电构成解析得到的详细用电信息进行负荷建模，可以将负荷的时变特性考虑进去，结果将会更加准确。第三，居民用户用电构成解析得到的详细用电信息有助于电力企业了解各类负荷的具体构成，可以更精确地描绘出负荷曲线，提高负荷预测的准确率。第四，居民用户用电构成解析的结果使电力企业更加了解家电设备的工作特性，居民用户的用电行为以及当前的用电功率等等，这些信息能帮助电力企业科学合理地制定需求响应策略，随时调整动态电价。

（３）对于整个社会。发表在Science上的文献指出用户用电构成解析得到的数据不但在电力领域具有极佳的利用前景，在经济、医学等领域均有利用价值。用电构成解析得到的家电设备使用情况的信息有助于进行电磁场是如何影响身体健康方面的研究。同时，Gammon M D等人进行的关于空气污染等外界因素引起的疾病的相关研究也用到了用电构成解析的数据。{title}

2. 研究的基本内容与方案

{title}

2.1 研究内容