基于非介入式负荷监测技术的环保监管方法研究

印染企业作为浙江绍兴的支柱性产业,其生产设备运行时会排放大量VOCs,该物质是典型的二氧化碳排放源,也是绍兴政府“双碳”目标实现及能效管理的关键点。但目前缺乏行之有效的监测手段,定期巡检无法满足监管需求,存在常规电力监测前期摸排困难、安装复杂、监测不全面、运维成本大等问题。文章提出一种非介入式的电力监测方法。首先对印染企业产污、治污设备工作时的低次谐波和间谐波频谱特征进行分析,并围绕设备启停时频谱特征、功率关联关系等建立典型特征库。基于总表(用电关口表)获取的高频电流数据,经数据处理后与典型特征库进行辨识,进而确定产污、治污设备的启停状态。最后通过了试验分析方法的有效性和可行性。

非介入式工业设备监测方法研究

非介入式负荷监测(non‐invasive load monitoring,NILM)技术可以不侵入用户内部,仅通过对用户电表数据的分析就能获取用户各个用电设备的用电信息。NILM在居民负荷分解中的研究和应用很多,但在工业负荷上的应用却很少。一方面,工业负荷在负荷特性和负荷数据分布方面与民用负荷差别较大,致使许多应用于居民场景中的方法在迁移至工业场景后性能下降明显;另一方面,工业用户出于对保护隐私的考虑不会公开用电数据,利用有限的数据有效学习工业负荷设备知识是极具挑战性的。为应对这些问题,提出一种基于因子隐马尔科夫模型(factorial hidden Markov model,FHMM)的工业负荷分解方法。该方法利用FHMM的多条独立的隐状态链模拟工业负荷设备的运行状态转换过程,求解设备在各时刻所处的状态,即可结合状态能耗信息预测设备用电量。最后利用某工厂的现场能耗监测数据对所提方法进行测试,结果表明所提方法具有良好的负荷分解效果。