采用NILM非接觸式負(fù)荷監(jiān)測(cè)技術(shù)的學(xué)生宿舍使用違禁電器的智能在線(xiàn)識(shí)別與能源管理系統(tǒng)
作者：楊銳 電機(jī)系，王天健 電機(jī)系，徐晨曦 能動(dòng)系，張銳 電機(jī)系，劉語(yǔ)博建環(huán)學(xué)院
指導(dǎo)老師：于慶廣 電機(jī)系
關(guān)鍵詞：NILM、非接觸式負(fù)荷監(jiān)測(cè)、負(fù)荷分解、能源管理
摘要
NILM（non-intrusive load monitoring）,中文為非侵入式電力負(fù)荷監(jiān)測(cè)。本項(xiàng)目研究的主要問(wèn)題為電力負(fù)荷分解，即通過(guò)采集的數(shù)據(jù)，如電壓、電流、功率、諧波等，使用人工智能（AI）方法進(jìn)行負(fù)荷分解，得到獨(dú)立用電設(shè)備的用電狀態(tài)信息，在線(xiàn)識(shí)別學(xué)生宿舍使用違禁電器情況，通過(guò)網(wǎng)絡(luò)云組態(tài)界面和APP顯示設(shè)備用電信息，對(duì)宿舍的設(shè)備使用情況進(jìn)行大數(shù)據(jù)處理，提出優(yōu)化的能源管理方案。最后，依據(jù)紫荊宿舍的背景，設(shè)計(jì)并搭建了基于網(wǎng)絡(luò)的樣機(jī)演示系統(tǒng)。項(xiàng)目實(shí)現(xiàn)了采用NILM進(jìn)行違禁電器識(shí)別，同時(shí)可以對(duì)負(fù)荷異常狀態(tài)進(jìn)行檢測(cè)和預(yù)警推送，為未來(lái)高校及家庭的用電安全防護(hù)問(wèn)題提供了一種可行的解決方案。
項(xiàng)目意義及創(chuàng)新亮點(diǎn)
本項(xiàng)目的創(chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面：
（1）使用MATLAB和Simulink進(jìn)行大規(guī)模仿真模擬，解決實(shí)際數(shù)據(jù)不足的問(wèn)題；
（2）實(shí)現(xiàn)NILM網(wǎng)絡(luò)云平臺(tái)和APP的遠(yuǎn)程監(jiān)測(cè)和報(bào)警推送。減少對(duì)線(xiàn)下專(zhuān)有監(jiān)測(cè)人員的需求，線(xiàn)上即可實(shí)現(xiàn)監(jiān)控，符合疫情期間的電力管控需求；
（3）利用奇次諧波作為監(jiān)測(cè)判據(jù)，較大地提高了監(jiān)測(cè)準(zhǔn)確度；
（4）將圖片/語(yǔ)音識(shí)別等深度學(xué)習(xí)領(lǐng)域的知名算法遷移到NILM應(yīng)用中，最大化利用現(xiàn)代計(jì)算機(jī)平臺(tái)的性能；
（5）提出基于NILM監(jiān)測(cè)技術(shù)的宿舍能源管理方案。
項(xiàng)目算法及樣機(jī)搭建
在算法設(shè)計(jì)方面，本項(xiàng)目采用工業(yè)界和學(xué)術(shù)界的最新成果，以發(fā)掘人工智能在NILM中的潛力。這些成果包括但不限于：現(xiàn)代化的深度學(xué)習(xí)框架（本項(xiàng)目使用了PyTorch），多種LSTM或神經(jīng)網(wǎng)絡(luò)使用的優(yōu)化手段（Adam，Ada-Boost）和更新的數(shù)據(jù)處理方法（奇次諧波電流向量）。
基于以上研究，小組利用網(wǎng)關(guān)，穩(wěn)壓電源，控制器PLC模塊，電量采集模塊等在實(shí)驗(yàn)室搭建了實(shí)體樣機(jī)，并對(duì)一些收集來(lái)的高功率電器進(jìn)行了測(cè)試，效果良好。
附：圖片：
圖一 綜合負(fù)載Simulink仿真模型
圖二 樣機(jī)搭建過(guò)程
圖三 樣機(jī)完成效果
圖四 云組態(tài)界面（PC端）
圖五 云組態(tài)界面（手機(jī)端）
圖六 實(shí)際電器測(cè)試
