周晓丽
安科瑞电气股份有限公司 上海嘉定 201801
摘要：用电管理问题一直是高校后勤管理的要点。本文在研究宿舍用电管理系统的恶性负载识别技术的基础上，分析目前恶性负载的识别形式和方法，并进行实验分析，后引入安科瑞预付费云平台技术，提出具体的应对策略解决宿舍用电问题。
关键词：宿舍用电；恶性负载识别技术；用电管理系统
0 引言
在时代的不断进步下，智能化设备普及范围得以扩大，宿舍用电电器的种类也在明显增加，传统用电管理模式已经无法满足宿舍用电需要。能够实现学生宿舍和市等人口密集区域实现智能化和模块化管理，这也就对用电安全管理提出的新的要求。
1宿舍用电管理系统恶性负载的识别意义
学生公寓人员密集和用电管理复杂等现象明显，能够在**正常用电的基础上进行恶性负载识别，对公寓用电管理及用电安全都存在着积意义。电子技术的发展可以促使全电子式智能计量系统成为现实，但这些智能电表不具有恶性负载识别的功能。虽然这些智能用电管理系统具有负载识别的功能，但其所具有的检测精度远远没有能够达到令人满意的程度，也就无法满足工程需要，这就使得对恶性负载的准确识别仍然需要进一步研究。
2恶性负载识别形式
2.1总功率限定法
总功率限定法的原理是宿舍的用电量使得宿舍用电负荷过限定值的时候，MCU发出断电命令后，就能够中断宿舍供电。一般的学生公寓智能管理系统利用这一方式控制宿舍的用电负荷，识别恶性负载。在学生公寓用电功率被限制在限定值以下的时候，MCU在对公寓的电压和电流采样和计算之后可以得到其功率，然后准确判定功率是否出限定值。
2.2瞬时功率增加法
瞬时功率增加法也属于应用比较广泛的方式，其在实时测量电路功率的基础上识别恶性负载，瞬时功率增加法的基本原理是检测当前电路中的功率之后对功率值及时存储记录处理，在检测到某一个时刻的功率出现大幅度增加的时候，也就能够得出电路中启动了大功率负载。
2.3波形比较法
在硬件电路的基础上对负载启动前和启动后的电压和电流实施模数转换和采样，然后对负载启动前后的电流波形相减，然后可以得出电流的差值波形，在差值波形乘上适当的比例因子之后的其峰值需要等于电压波形峰值，通过计算差值波形与电压波形围成的面积实现负载识别的目标。如果差值的面积接近于零，则其存在着恶性负载接入的现象，否则无恶性负载接入。
波形比较法的软件电路和硬件电路设计的时候都比较复杂，负载启动前后出现的波形测量起点要能够确保在不同周期的同一个时刻同时进行，否则识别并不可靠。从工程方面出发，在电路中出现毛刺干扰的时候，面积差也会出现较大变化，从而造成识别结果错误。
2.4神经网络识别法
神经网络法实现负载识别需要首先能够将采集得到的电压和电流信号实施A/D转换，利用傅立叶变换或小波分析等方法进行特征数值提取，将提取的数值作为神经网络的输入，训练神经网络，通过对输出结果的分析可以终识别恶性负载。目前在负载识别中使用比较多的为BP神经网络。BP神经网络结构为：输入层5个神经元和隐层11个神经元及输出层1个神经元。这样设计的神经元结构对恶性负载识别的时候，在对网络输出结果和期望输出作线性回归能够得出的相关系数为0.994。这种方法可以在对计算机负载的间接识别的基础上识别恶性负载。神经网络法对恶性负载的识别准确程度比较高，但是需要大量的样本和训练，在建网的时候没有可以遵循的规律，其实际过程中的通用性需要进一步考证。
3恶性负载检测系统总体设计
恶性负载检测系统由电流检测模块和AD转换模块及单片机处理模块等共同构成的，电流检测模块主要是在进行电流回路中的电流经电流互感器采样之后，使得其转化为电压，随后整流滤波。A/D转换模块是对之前所具有的电压信号采样处理，将采集到的信号传输到单片机中，然后经过单片机对采得的信号处理后加以判断。由于学生宿舍的大部分电器都不属于大功率电器，因此能够正常的工作，只有在单个的接入功率出设定数值的时候才可以识别恶性负载。而如果检测为恶性负载也不会马上就断电，因为可能是电网中的干扰或小功率电器产生的过冲，只有多次检测之后才可以使得控制继电器断开，对回路供电切断处理，而如果需要手动恢复供电，就需要按下复位按钮。其系统结构框图如图1。
图1
4恶性负载识别程序
恶性负载识别系统可以利用RN8302内部波形存储单元实现FFT处理，其缓存区包含着768个地址单元，编址显示为200H-4FFH，每一个地址的单元字长为3字节，其中可以存放一个ADC数据，可以存储6路ADC128个点采样数据。采样数据在缓存控制寄存器中为单字节寄存器，这一寄存器控制各通道ADC数据是否可以进行缓存，也决定缓存区的排列顺序及波形采样率。在向这一寄存器写入0X22H的时候，将RN8302设置为固定采样模式，其采样速率主要是6.4KHz。系统根据BUFCFG[3:0]寄存器配置比例启动波形数据写缓存区，寄存器主要是位于WSAV-ECON的4位，这一寄存器对各通道ADC数据是否缓存存在着决定影响。 恶性负载识别算法要对电流数据实施采样，在进行BUFCFG配置的时候，需要启动IA及IB和IC采样。本文算法包含着两个方面的内容，首先一部分是基于面积和相位的恶性负载算法，系统能够明确检测到电流波形的跳变情况，如果出现波形跳变，则使用面积法进行线性负载功率提取处理，而如果不存在波形跳变的现象，使用相位法进行用电器是否为阻性负载判断，两者都需要设置功率阈值，在出阈值的时候会出现系统控制继电器进行断电。另一部分算法为加窗基2FFT恶性负载算法，是在特征矩阵中包含着宿舍日常用电器的奇次谐波分量，系统也要能够及时对电路中用电器采样分析，随后得出具体的特征分量，将其和特征矩阵的数据对比，如果特征矩阵包含着这一类数据，系统控制继电器也就会自行断电。
5实验分析
根据恶性负载识别测试的结果得出宿舍用电管理终端能够对学生接入宿舍回路的恶性负载进行识别，得出分闸的相关指令，充分实现不同时间段的控制和负载控制及预付费控制等相关的逻辑控制，有效对宿舍实施用电监控处理。
6安科瑞宿舍预付费管控云平台介绍
6.1系统方案
当下智慧校园、平安校园的建设越来越普及，作为智慧校园建设的重要一环，学生宿舍的用电预付费和用电安全管理措施是必不可少的。学生宿舍预付费电控系统可以解决使用传统电表人工抄表费时费力，不方便统计管理和 充值的弊端，更是为学生宿舍的用电安全也提供了解决方案，消除由于使用恶性负载引起的火灾隐患。系统为B/S架构，主要包括前端管理网站和后台集抄服务，配合公司的预付费电表DDSY1352和DTSY1352系列以及多用户计量箱ADF300L系列，实现电能计量和电费管理等功能。
6.2系统功能
预付费管理控制：支持预付费功能。可设置基础金额，供免费使用；可对剩余金额进行四级报警：余额不足报警（一）、预跳闸报警（二级）、欠费报警（三级）、达到赊欠上限（四级）报警。每级报警都会导致电表背光常亮，预跳闸报警 跳闸方式可设置为不跳闸、跳闸后自动合闸以及跳闸后不合闸等，跳闸后可通过按键自行合闸，达到赊欠上限后电表跳闸，此时只有缴费后才能继续合闸使用。
时间管理控制：支持时间管理控制。L1、L2、L3可分别设置为工作日和节假日模式，每天可设置8个时间段，每个时间段可分别设置为合闸状态或夜间模式，合闸时间段内电表保持合闸，夜间时间段内，支路功率若大于夜间允许功率 上限便跳闸。
负载管理控制：支持丰富的负载管理控制，具体工作功能如下：
电流上限限制：限制支路大电流，支路电流过设定值时，支路跳闸。
负载总功率限制：限制支路用电功率，支路功率过设定值时，支路跳闸。
夜间功率限制：需要与时间管理控制共同使用，在夜间模式下，支路电流过设定值，支路跳闸
恶性负载识别：限制支路接入未定义的恶性负载，当支路接入未经允许的恶性负载时，支路跳闸。
负载白名单识别：允许已定义的具有恶性负载特征的负载正常使用（如饮水机等）。
空调模式：空调模式下，电表持续检测空调微弱待机电流，一但存在拔断空调插座的动作，电表便跳闸，且只能通过联系管理人员进行合闸送电。允许除空调模式以外的跳闸动作自动合闸。允许次数，跳闸等待时间可设置。
6.3产品选型
7结束语
随着当前社会生活中用电场景逐渐具有复杂多样的特点，而传统的用电管理模式功率限定法已经无法满足当前日常用电的需要，这就需要在关注用电负载特性的基础上明确得出当前恶性负载算法方面的局限性，结合宿舍用电管理的需要，注重分析用电负载特性和现有的恶性负载算法现状，从而得出新的恶性负载识别算法。实际中使用比较多的方式包含着总功率限定法及瞬时功率增加法和功率因数法等方式，而每种方式在负载识别的时候都具有一定局限性，无法满足实际识别的需要，且各自具有自身的局限性，这就需要明确基于负载内在规律的和通用的方法，促使负载识别的效果更加显著，在恶性负载识别系统优化的过程中，能够更好地达到比较经济理想的效果。
安科瑞电气股份有限公司专注于智能照明控制系统,数据中心能效管理系统,电能质量治理系统,安科瑞电气,智慧用电云平台,智能母线监控,低压母线测温装置等