采用NILM非接触式负荷监测技术的学生宿舍使用违禁电器的智能在线识别与能源管理系统

作者：杨锐 电机系，王天健 电机系，徐晨曦 能动系，张锐 电机系，刘语博建环学院 

指导老师：于庆广 电机系

关键词：NILM、非接触式负荷监测、负荷分解、能源管理

摘要

NILM（non-intrusive load monitoring）,中文为非侵入式电力负荷监测。本项目研究的主要问题为电力负荷分解，即通过采集的数据，如电压、电流、功率、谐波等，使用人工智能（AI）方法进行负荷分解，得到独立用电设备的用电状态信息，在线识别学生宿舍使用违禁电器情况，通过网络云组态界面和APP显示设备用电信息，对宿舍的设备使用情况进行大数据处理，提出优化的能源管理方案。最后，依据紫荆宿舍的背景，设计并搭建了基于网络的样机演示系统。项目实现了采用NILM进行违禁电器识别，同时可以对负荷异常状态进行检测和预警推送，为未来高校及家庭的用电安全防护问题提供了一种可行的解决方案。

项目意义及创新亮点

本项目的创新点体现在以下几个方面：

（1）使用MATLAB和Simulink进行大规模仿真模拟，解决实际数据不足的问题；

（2）实现NILM网络云平台和APP的远程监测和报警推送。减少对线下专有监测人员的需求，线上即可实现监控，符合疫情期间的电力管控需求；

（3）利用奇次谐波作为监测判据，较大地提高了监测准确度；

（4）将图片/语音识别等深度学习领域的知名算法迁移到NILM应用中，最大化利用现代计算机平台的性能；

（5）提出基于NILM监测技术的宿舍能源管理方案。

项目算法及样机搭建

在算法设计方面，本项目采用工业界和学术界的最新成果，以发掘人工智能在NILM中的潜力。这些成果包括但不限于：现代化的深度学习框架（本项目使用了PyTorch），多种LSTM或神经网络使用的优化手段（Adam，Ada-Boost）和更新的数据处理方法（奇次谐波电流向量）。

基于以上研究，小组利用网关，稳压电源，控制器PLC模块，电量采集模块等在实验室搭建了实体样机，并对一些收集来的高功率电器进行了测试，效果良好。

附：图片：

图一 综合负载Simulink仿真模型

图二 样机搭建过程

图三 样机完成效果

图四 云组态界面（PC端）

图五 云组态界面（手机端）

图六 实际电器测试