Identification de la charge du réseau intelligent avec la technologie des compteurs intelligents

Introduction

Depuis le 21e siècle, l'électricité est devenue un facteur clé du développement économique national de la Chine et joue un rôle irremplaçable dans la survie et le développement de l'humanité. Les réseaux intelligents exploitent les technologies modernes pour utiliser pleinement les énergies renouvelables tout en fournissant de l'énergie aux appareils finaux, permettant une planification flexible et une gestion intelligente de l'électricité. À mesure que les réseaux intelligents continuent de se développer, le nombre d'appareils-à forte consommation d'énergie-côté utilisateur augmente, ce qui entraîne des exigences de plus en plus strictes en matière de services électriques raffinés. L'identification de la charge des utilisateurs est cruciale pour concevoir des stratégies d'économie d'énergie-pour les réseaux intelligents. L'identification de la charge implique principalement l'échantillonnage et l'analyse des données de consommation d'électricité côté utilisateur-pour identifier les appareils-à forte consommation d'énergie-, aidant ainsi les utilisateurs à améliorer leurs modèles de consommation d'électricité existants. Actuellement, la plupart des réseaux intelligents de mon pays utilisent une technologie intrusive d'identification de charge, déployant un capteur pour chaque charge côté utilisateur- afin de collecter des informations sur la consommation d'énergie. Cependant, cette technologie d'identification est non seulement longue-et demande beaucoup de travail-, mais elle a également du mal à garantir une collecte efficace des informations sur l'énergie, ce qui entrave le développement sain des réseaux intelligents. Par conséquent, cet article utilise la technologie des compteurs intelligents pour étudier une méthode non invasive d'identification de la charge du réseau intelligent afin de promouvoir le développement de travaux d'identification de la charge du réseau intelligent dans le sens de l'intelligence.

Conception d'identification de charge de réseau intelligent basée sur la technologie des compteurs intelligents

Collecte de données sur les réseaux intelligents basées sur des compteurs intelligents

Actuellement, un nombre croissant d'appareils électriques-énergivores-qui répondent aux divers besoins des gens en matière de mode de vie attirent une attention généralisée. Du côté des utilisateurs d’un réseau intelligent, chaque foyer peut posséder plusieurs, voire des dizaines d’appareils électriques. En raison de la diversité des principes de fonctionnement et des caractéristiques électriques de ces appareils, l’identification des charges nécessite beaucoup de temps et d’efforts pour collecter les données de puissance de ces appareils, ce qui limite dans une certaine mesure le développement des réseaux intelligents. À cette fin, cet article présente la technologie des compteurs intelligents pour concevoir une technique d'identification de charge non -invasive. Premièrement, les compteurs intelligents sont utilisés pour collecter des données sur la consommation d’énergie du côté utilisateur du réseau intelligent. Il n’est pas nécessaire d’installer des compteurs intelligents au domicile de l’utilisateur ; ils peuvent simplement être installés sur le bus côté utilisateur du réseau intelligent-. La puce de mesure du compteur intelligent collecte les données d'alimentation, telles que la tension, le courant et la puissance, à partir des appareils domestiques de l'utilisateur et transmet ces données via l'interface SPI. Lors de l'utilisation de compteurs intelligents pour collecter des données de consommation d'énergie du côté utilisateur du réseau intelligent, des caractéristiques d'état stable -sont observées dans ces appareils pendant un fonctionnement stable. Par conséquent, il est nécessaire de déterminer les valeurs efficaces de la tension et du courant de ces appareils, représentant ces caractéristiques en régime permanent :

Dans la formule, je₀est la valeur efficace du courant côté utilisateur du réseau intelligent ; U₀est la valeur effective de la tension côté utilisateur du réseau intelligent ; N est la période d'échantillonnage du compteur intelligent ; I(t) est le signal de courant-côté utilisateur collecté par le compteur intelligent ; U(t) est le signal de tension côté utilisateur-collecté par le compteur intelligent.

La puissance des équipements électriques côté utilisateur du réseau intelligent ne peut pas être directement collectée par le compteur intelligent. Il doit être calculé selon la formule (1) et la formule (2). La formule de calcul est :

Dans la formule, P₀est la valeur effective de la puissance active du côté des utilisateurs du réseau intelligent ; f est la fréquence d'échantillonnage du compteur intelligent ; et M est la fréquence d'échantillonnage du compteur intelligent. Lors du fonctionnement des équipements électriques côté utilisateur-du réseau intelligent, les caractéristiques de puissance des divers équipements électriques prennent différentes formes et varient considérablement les unes des autres. Par conséquent, cet article utilise la valeur efficace de la puissance obtenue par la formule (3) comme l’une des données valides pour l’identification de la charge du réseau intelligent.

Les compteurs intelligents peuvent s’adapter aux différents appareils électriques des différents foyers utilisateurs. La charge électrique collectée présente une précision et une stabilité élevées, ce qui la rend adaptée à l'identification de la charge du réseau intelligent.

Prétraitement des données du réseau intelligent

Lorsque vous utilisez des compteurs intelligents pour collecter-des données électriques côté utilisateur pour les réseaux intelligents, les interférences provenant de facteurs environnementaux externes sont inévitables, ce qui entraîne du bruit et des anomalies dans les données collectées. Par conséquent, un prétraitement des données collectées est nécessaire avant l’identification de la charge afin d’améliorer son efficacité. En outre, pour garantir la généralisabilité de la technologie d’identification de la charge des réseaux intelligents, l’ensemble de données de charge utilisé pour l’identification devrait idéalement être constitué de différents types d’appareils électriques, provenant de deux foyers utilisateurs ou plus. Cela garantit que l’ensemble de données de charge utilisé pour l’identification englobe un ensemble plus complet de données de charge, facilitant ainsi l’identification.

Tout d'abord, un filtre S-G est utilisé pour débruiter les données électriques-côté utilisateur du réseau intelligent. Le filtre S-G est un filtre passe-bas-qui ajuste le signal de données de puissance dans le domaine temporel à travers une fenêtre glissante, réalisant ainsi le lissage et le débruitage du signal de données de puissance. En supposant que l'ensemble de données de puissance côté utilisateur-collecté par le compteur intelligent est X=(x1, x2, …, xi, …, xn), cet article construit un polynôme d'ordre ak-1 pour s'adapter à l'ensemble de données collectées. L'expression de débruitage du filtre SG est :

Dans la formule, Y_icorrespondent aux données-d'énergie côté utilisateur du réseau intelligent après filtrage et lissage ; a0, a1, a2, …, ak-1 sont des coefficients polynomiaux. Après avoir été traitée par la formule (4), l'impulsion de données de charge est lissée dans une certaine mesure, réduisant ainsi efficacement les interférences sonores. Ensuite, les données sont filtrées et traitées. Lorsque le compteur intelligent collecte des données de charge côté utilisateur, des pannes soudaines d'équipement et d'autres facteurs entraîneront des valeurs anormales dans les données collectées. Ces valeurs anormales affecteront dans une certaine mesure l'effet d'identification de la charge. Par conséquent, avant d’effectuer l’identification de la charge du réseau intelligent, il est nécessaire de supprimer les valeurs anormales dans les exemples de données collectées. Cet article utilise la méthode du seuil pour supprimer les données anormales. En termes simples, un seuil raisonnable est défini à l'avance et les données de charge collectées sont parcourues. Pendant le processus de parcours, la charge qui dépasse le seuil défini est conservée, la charge qui ne dépasse pas le seuil est supprimée et les données conservées sont standardisées. La formule de calcul de normalisation est la suivante :

Où Y′ représente les données électriques standardisées côté utilisateur du réseau intelligent- ; Y est la moyenne des données d'origine sur l'énergie côté utilisateur du réseau intelligent- ; et Oui₀est l'écart type des données électriques d'origine côté utilisateur-du réseau intelligent. Enfin, les données électriques côté utilisateur du réseau intelligent-prétraitées par le processus ci-dessus sont combinées pour former un ensemble de données de charge-de haute qualité pour une identification ultérieure de la charge.

Construction d'un modèle de réseau convolutionnel temporel pour l'identification des charges

De manière générale, les données électriques côté utilisateur-des réseaux intelligents collectées par les compteurs intelligents présentent une forte corrélation temporelle. Par conséquent, cet article construit un modèle de réseau convolutif temporel pour l’identification de la charge du réseau intelligent. Le réseau convolutionnel temporel est une amélioration du réseau convolutif de base, composé principalement de deux composants : la convolution causale dilatée et les connexions résiduelles. La convolution dilatée causale est une structure unidirectionnelle. En termes simples, un signal temporel dans la couche suivante ne peut être obtenu qu'en s'appuyant sur le signal temporel de la couche précédente, sans fuite de données de charge à d'autres moments. Par conséquent, le modèle de reconnaissance construit à l'aide du réseau convolutif temporel est également un modèle contraint en informations-. De plus, la sortie des couches convolutives du modèle est affectée par la profondeur du réseau. Par conséquent, dans l’identification pratique de la charge, il est nécessaire de réduire le nombre de couches de convolution causale ou d’augmenter la taille du pas d’échantillonnage de la convolution dilatée pour éviter l’explosion de gradient provoquée par des réseaux plus profonds. Concernant les connexions résiduelles dans le modèle, cet article utilise des connexions sautées pour éviter de mauvaises performances de formation du modèle. En supposant que l'entrée du modèle de réseau convolutif temporel est a et que la sortie de la première couche est f(a), le réseau neuronal direct du bloc résiduel du modèle de réseau convolutif temporel peut être décrit comme :

Où ω1 et ω2 sont respectivement les poids des première et deuxième couches convolutives dans le modèle de reconnaissance de réseau convolutif temporel ; δ est la fonction d'activation. Ensuite, selon la formule (6), la sortie de la deuxième couche convolutive du modèle peut être obtenue :

Où g(a) est la sortie de la deuxième couche convolutive du modèle de reconnaissance de réseau convolutif temporel. Le processus permettant d'identifier la charge du réseau intelligent à l'aide d'un modèle de réseau convolutif temporel dans cet article est le suivant : Tout d'abord, les données côté utilisateur du réseau intelligent-collectées par les compteurs intelligents sont entrées dans le modèle, et le module d'extraction des caractéristiques du modèle extrait les caractéristiques des données de consommation d'électricité. Ensuite, la phase de formation du modèle commence, définissant des paramètres tels que les poids et les biais. Simultanément, la propagation des données vers l'avant et vers l'arrière est effectuée à l'aide d'une fonction de perte pour générer l'étiquette d'identification de la charge cible. En résumé, cet article permet une identification non-intrusive des charges latérales des utilisateurs du réseau intelligent-à l'aide de la technologie des compteurs intelligents.

Analyse expérimentale

Préparation expérimentale

Pour vérifier l’efficacité de la technologie des compteurs intelligents dans les réseaux intelligents, une expérience de simulation a été menée à l’aide de l’ensemble de données REDDD. Étant donné que les statistiques de consommation d'électricité de chaque utilisateur dans l'ensemble de données varient, l'ensemble de données a été examiné et partitionné pour obtenir l'ensemble de données expérimentales présenté dans le tableau 1.

Tableau 1 Ensemble de données expérimentales

Comme le montre le tableau 1, cette expérience d'identification de charge utilise six types de charges d'équipements électriques dans l'ensemble de données REDD comme données expérimentales, avec un total de 1 064 échantillons. Les formes d'onde de courant transitoire de diverses charges électriques expérimentales sont illustrées à la figure 1.

图１ 实验电器负荷暂态电流波形

Dans cette expérience, le courant transitoire de chaque charge d'équipement électrique a été extrait par des caractéristiques de forme d'onde multi-dimensionnelles, puis la méthode d'identification de charge conçue dans cet article a été utilisée pour la classification et l'identification. Dans le même temps, la technologie d'identification de la charge du réseau intelligent basée sur le LSTM et la technologie d'identification de la charge du réseau intelligent basée sur le réseau neuronal ont été sélectionnées comme groupes de contrôle pour effectuer des tests d'identification sur le même ensemble de données, et les résultats d'identification ont été obtenus puis comparés et analysés.

Analyse des résultats

Pour comparer la classification des charges et les performances d'identification de chaque technologie, l'erreur absolue moyenne (MAE) a été utilisée comme mesure d'évaluation, et son expression est la suivante :

Où MAE est l’erreur absolue moyenne (MAE) des résultats d’identification de charge pour les réseaux intelligents ; T est le temps de détection ; oui_iest la valeur de charge réelle au moment i ; et x est le résultat de l'identification de la charge au temps i. Cette métrique reflète principalement l'erreur entre le résultat de l'identification et la charge réelle à un moment spécifique au cours d'une période de détection spécifique et peut être utilisée pour mesurer la précision de la technologie d'identification de la charge du réseau intelligent.

Le tableau 2 montre que par rapport à la technologie d'identification des charges du groupe de contrôle, la technologie proposée atteint un certain degré d'amélioration dans l'identification des charges des six types d'équipements électriques. La technologie d'identification de charge proposée atteint une erreur absolue moyenne de 1,135 kWh, soit une réduction de 0,793 kWh et 1,435 kWh, respectivement, par rapport à la technologie du groupe témoin. Cela démontre que la technologie des compteurs intelligents étudiée dans cet article est adaptée à l'identification non-de charge dans les réseaux intelligents et possède des capacités supérieures de collecte d'informations et d'application. Par rapport à d'autres technologies d'identification de charge, la technologie étudiée dans cet article peut extraire efficacement les données de puissance du côté utilisateur du réseau intelligent et conserver des informations détaillées telles que le courant transitoire dans les données de puissance. Il est enfin appliqué au modèle de réseau convolutif temporel pour la classification, améliorant ainsi la capacité d'identification de charge.