基于泛在物联网的实时负荷监测系统及方法与流程

本发明涉及物联网领域，具体而言，涉及基于泛在物联网的实时负荷监测系统及方法。

背景技术：

1、随着科技的飞速发展和生活水平的提升，电力负荷的监测与管理变得日益重要，传统的电力负荷监测方法往往依赖人工巡检和定期的数据采集，这种方式效率低下，且难以实现实时监测和预警，此外，传统方法还缺乏对电力负荷精细化的分析能力，无法准确识别不同类型的用电设备和预测其用电行为，从而难以进行有效的电力负荷管理。

2、因此我们对此做出改进，提出基于泛在物联网的实时负荷监测系统及方法。

技术实现思路

1、本发明的目的在于：针对目前存在的传统的电力负荷监测方法往往依赖人工巡检和定期的数据采集，这种方式效率低下，且难以实现实时监测和预警，此外，传统方法还缺乏对电力负荷精细化的分析能力，无法准确识别不同类型的用电设备和预测其用电行为，从而难以进行有效的电力负荷管理的问题。

2、为了实现上述发明目的，本发明提供了以下基于泛在物联网的实时负荷监测系统及方法，以改善上述问题。

3、本申请具体是这样的：

4、基于泛在物联网的实时负荷监测系统，包括以下模块：

5、采集监测模块：包含屏幕、按键、cpu、gpu、ram、存储单元、电源模块、通信接口以及设备智能识别单元，用于收集和传输电力负荷数据，记录家电正常运行时，产生的电力信号；

6、数据分析处理模块：接收来自采集监测设备的电力负荷数据，根据谐波模型建立特征算法，通过该算法分析电路中的杂波特征，智能识别连接的家电类型，记录并分析各类设备的用电习惯和负荷异常。

7、作为本申请优选的技术方案，通过谐波模型和特征算法，实时监测和分析电力负荷数据，识别用户家电类型，包括冰箱、洗衣机和空调，检测和分析负荷异常，包括负荷突变、短路、设备烧毁、异常停用。

8、作为本申请优选的技术方案，所述数据分析处理模块中，模型的建立具体包括以下步骤：

9、s1、数据采集：通过采集监测模块获取电力信号的原始数据，包括电压和电流的波形；

10、s2、信号预处理：对原始数据进行滤波和去噪；

11、s3、傅里叶变换：应用快速傅里叶变换算法，将时域的电力信号转换为频域信号；

12、s4、谐波分量提取：从频域信号中提取出基波和各次谐波分量，谐波分量为基波频率的整数倍；

13、s5、特征提取：针对不同类型的家电设备，分析其产生的特定谐波模式，包括谐波失真度；

14、s6、建立谐波指纹库：建立冰箱、洗衣机和空调的谐波指纹。

15、作为本申请优选的技术方案，所述数据分析处理模块中，特征算法具体包括以下步骤：

16、a、fft变换：应用fft算法将时域信号转换为频域信号；

17、b、特征谐波提取：提取各次谐波分量的幅值，分析基波与各次谐波之间的相位差，这有助于区分不同类型的设备，计算总谐波失真度以及各次谐波的失真度，作为设备识别和负荷状态分析的依据；

18、c、特征向量构建：将提取出的特征谐波参数组合成一个特征向量，该向量代表了当前电力信号的特征；

19、d、设备识别与负荷状态分析：将实时构建的特征向量与预先建立的谐波指纹库进行匹配，识别出连接的家电类型，通过监测特征向量的变化，分析设备的负荷状态，包括是否处于正常工作状态、是否存在负荷异常，当检测到异常特征向量时，触发报警机制，通知用户或电网管理人员进行进一步检查和处理。

20、作为本申请优选的技术方案，所述s3中，快速傅里叶变换公式为：，其中，是时域信号，是其对应的频域表示，是复数指数函数，为虚数单位，为时间，是频率，是积分中的微小时间增量。

21、作为本申请优选的技术方案，所述s5中，在频域信号中识别并提取所有的谐波分量，使用公式 计算总谐波失真度（thd），其中，为总谐波失真度，为基波的有效值，之和表示二次谐波、三次谐波、...、n次谐波的有效值之和，记录结果，将计算得到的thd值与对应的时间段、设备类型和运行状态相关联。

22、作为本申请优选的技术方案，所述s6中，具体包括以下步骤：

23、数据整理：将采集到的数据、谐波分析结果以及thd值进行整理和分类；

24、特征提取：除了thd值外，提取其他与谐波相关的特征，包括特定谐波的幅值和相位；

25、指纹库构建：为每个设备创建一个谐波指纹，该指纹包括设备在运行过程中产生的典型谐波特征及其对应的thd值；

26、数据存储：将这些谐波指纹存储在数据库中，以便后续的设备识别、状态监测和故障诊断。

27、基于泛在物联网的实时负荷监测方法，包括以下步骤：

28、步骤一、通过物联网设备实时采集电力负荷数据，包括电压和电流的波形，以及家电设备的运行状态信息；

29、步骤二、对采集到的电力负荷数据进行滤波和去噪处理，用于提高数据质量和准确性；

30、步骤三、利用谐波模型和特征算法对预处理后的电力负荷数据进行分析，识别电路中的杂波特征，以智能识别连接的家电类型，并记录各类设备的用电习惯和负荷异常；

31、步骤四、将实时电力负荷数据的特征与预先建立的谐波指纹库进行匹配，识别出连接的家电类型，并持续监测设备的负荷状态，包括是否处于正常工作状态以及是否存在负荷异常；

32、步骤五、当检测到异常特征时，触发报警机制，及时通知用户和管理人员，以便采取相应措施。

33、作为本申请优选的技术方案，所述步骤三中，利用快速傅里叶变换算法将时域的电力信号转换为频域信号，提取各次谐波分量的幅值，分析基波与各次谐波之间的相位差，以及计算总谐波失真度和各次谐波的失真度。

34、作为本申请优选的技术方案，通过对比实时构建的特征向量与谐波指纹库中的特征向量，实现家电设备的识别和负荷状态的判断，其中，谐波指纹库包含多种家电设备在运行过程中产生的典型谐波特征及其对应的指纹信息。

35、与现有技术相比，本发明的有益效果：

36、在本申请的方案中：

37、1.本系统能够实时监测电力负荷数据，并通过先进的算法精准识别连接到电网中的设备类型及其用电行为，这有助于电力公司或用户准确了解电力负荷情况，为电力管理提供有力支持；

38、2.系统能够及时发现电力负荷异常，并通过报警机制及时通知用户或电力公司，以便采取相应措施预防潜在的安全风险，这有助于降低电力事故发生的概率，提高电力系统的稳定性和安全性；

39、3.通过数据分析和优化算法，系统能够提供智能化的电力管理建议，帮助用户更加合理地使用电力资源，实现节能优化，这不仅有助于降低用户的用电成本，还有利于推动社会的可持续发展。

技术特征：

1.基于泛在物联网的实时负荷监测系统，其特征在于，包括以下模块：

2.根据权利要求1所述的基于泛在物联网的实时负荷监测系统，其特征在于，通过谐波模型和特征算法，实时监测和分析电力负荷数据，识别用户家电类型，包括冰箱、洗衣机和空调，检测和分析负荷异常，包括负荷突变、短路、设备烧毁、异常停用。

3.根据权利要求2所述的基于泛在物联网的实时负荷监测系统，其特征在于，所述数据分析处理模块中，模型的建立具体包括以下步骤：

4.根据权利要求3所述的基于泛在物联网的实时负荷监测系统，其特征在于，所述数据分析处理模块中，特征算法具体包括以下步骤：

5.根据权利要求4所述的基于泛在物联网的实时负荷监测系统，其特征在于，所述s3中，快速傅里叶变换公式为：，其中，是时域信号，是其对应的频域表示，是复数指数函数，为虚数单位，为时间，是频率，是积分中的微小时间增量。

6. 根据权利要求5所述的基于泛在物联网的实时负荷监测系统，其特征在于，所述s5中，在频域信号中识别并提取所有的谐波分量，使用公式 计算总谐波失真度（thd），其中，为总谐波失真度，为基波的有效值，之和表示二次谐波、三次谐波、...、n次谐波的有效值之和，记录结果，将计算得到的thd值与对应的时间段、设备类型和运行状态相关联。

7.根据权利要求6所述的基于泛在物联网的实时负荷监测系统，其特征在于，所述s6中，具体包括以下步骤：

8.基于泛在物联网的实时负荷监测方法，使用如权利要求7所述的基于泛在物联网的实时负荷监测系统，其特征在于，包括以下步骤：

9.根据权利要求8所述的基于泛在物联网的实时负荷监测方法，其特征在于，所述步骤三中，利用快速傅里叶变换算法将时域的电力信号转换为频域信号，提取各次谐波分量的幅值，分析基波与各次谐波之间的相位差，以及计算总谐波失真度和各次谐波的失真度。

10.根据权利要求9所述的基于泛在物联网的实时负荷监测方法，其特征在于，通过对比实时构建的特征向量与谐波指纹库中的特征向量，实现家电设备的识别和负荷状态的判断，其中，谐波指纹库包含多种家电设备在运行过程中产生的典型谐波特征及其对应的指纹信息。

技术总结
本申请提供了基于泛在物联网的实时负荷监测系统及方法，包括以下模块，采集监测模块：包含屏幕、按键、CPU、GPU、RAM、存储单元、电源模块、通信接口以及设备智能识别单元，用于收集和传输电力负荷数据，记录家电正常运行时，产生的电力信号。本申请能够实时监测电力负荷数据，并通过先进的算法精准识别连接到电网中的设备类型及其用电行为，这有助于电力公司或用户准确了解电力负荷情况，为电力管理提供有力支持，能够及时发现电力负荷异常，并通过报警机制及时通知用户或电力公司，以便采取相应措施预防潜在的安全风险，这有助于降低电力事故发生的概率，提高电力系统的稳定性和安全性。

技术研发人员：罗健,吴涛,刘一双,岳天龙,康雄,谢林洲,杨正勇,付强,赵洁
受保护的技术使用者：成都太阳高科技有限责任公司
技术研发日：
技术公布日：2024/8/27