用電管理問題一直是高校后勤管理的要點。本文在研究宿舍用電管理系統的惡性負載識別技術的基礎上，分析目前惡性負載的識別形式和方法，并進行實驗分析，后引入安科瑞預付費云平臺技術，提出具體的應對策略解決宿舍用電問題。

0 引言

在時代的不斷進步下，智能化設備普及范圍得以擴大，宿舍用電電器的種類也在明顯增加，傳統用電管理模式已經無法滿足宿舍用電需要。能夠實現學生宿舍和超市等人口密集區域實現智能化和模塊化管理，這也就對用電安全管理提出的新的要求。

1宿舍用電管理系統惡性負載的識別意義

學生公寓人員密集和用電管理復雜等現象明顯，能夠在保障正常用電的基礎上進行惡性負載識別，對公寓用電管理及用電安全都存在著積極意義。電子技術的發展可以促使全電子式智能計量系統成為現實，但這些智能電表不具有惡性負載識別的功能。雖然這些智能用電管理系統具有負載識別的功能，但其所具有的檢測精度遠遠沒有能夠達到令人滿意的程度，也就無法滿足工程需要，這就使得對惡性負載的準確識別仍然需要進一步研究。

2惡性負載識別形式

2.1總功率限定法

總功率限定法的原理是宿舍的用電量使得宿舍用電負荷超過限定值的時候，MCU發出斷電命令后，就能夠中斷宿舍供電。一般的學生公寓智能管理系統利用這一方式控制宿舍的用電負荷，識別惡性負載。在學生公寓用電功率被限制在限定值以下的時候，MCU在對公寓的電壓和電流采樣和計算之后可以得到其功率，然后準確判定功率是否超出限定值。

2.2瞬時功率增加法

瞬時功率增加法也屬于應用比較廣泛的方式，其在實時測量電路功率的基礎上識別惡性負載，瞬時功率增加法的基本原理是檢測當前電路中的功率之后對功率值及時存儲記錄處理，在檢測到某一個時刻的功率出現大幅度增加的時候，也就能夠得出電路中啟動了大功率負載。

2.3波形比較法

在硬件電路的基礎上對負載啟動前和啟動后的電壓和電流實施模數轉換和采樣，然后對負載啟動前后的電流波形相減，然后可以得出電流的差值波形，在差值波形乘上適當的比例因子之后的其峰值需要等于電壓波形峰值，通過計算差值波形與電壓波形圍成的面積實現負載識別的目標。如果差值的面積接近于零，則其存在著惡性負載接入的現象，否則無惡性負載接入。

波形比較法的軟件電路和硬件電路設計的時候都比較復雜，負載啟動前后出現的波形測量起點要能夠確保在不同周期的同一個時刻同時進行，否則識別并不可靠。從工程方面出發，在電路中出現毛刺干擾的時候，面積差也會出現較大變化，從而造成識別結果錯誤。

2.4神經網絡識別法

神經網絡法實現負載識別需要首先能夠將采集得到的電壓和電流信號實施A/D轉換，利用傅立葉變換或小波分析等方法進行特征數值提取，將提取的數值作為神經網絡的輸入，訓練神經網絡，通過對輸出結果的分析可以最終識別惡性負載。目前在負載識別中使用比較多的為BP神經網絡。BP神經網絡結構為：輸入層5個神經元和隱層11個神經元及輸出層1個神經元。這樣設計的神經元結構對惡性負載識別的時候，在對網絡輸出結果和期望輸出作線性回歸能夠得出的相關系數為0.994。這種方法可以在對計算機負載的間接識別的基礎上識別惡性負載。神經網絡法對惡性負載的識別準確程度比較高，但是需要大量的樣本和訓練，在建網的時候沒有可以遵循的規律，其實際過程中的通用性需要進一步考證。

3惡性負載檢測系統總體設計

惡性負載檢測系統由電流檢測模塊和AD轉換模塊及單片機處理模塊等共同構成的，電流檢測模塊主要是在進行電流回路中的電流經電流互感器采樣之后，使得其轉化為電壓，隨后整流濾波。A/D轉換模塊是對之前所具有的電壓信號采樣處理，將采集到的信號傳輸到單片機中，然后經過單片機對采得的信號處理后加以判斷。由于學生宿舍的大部分電器都不屬于大功率電器，因此能夠正常的工作，只有在單個的接入功率超出設定數值的時候才可以識別惡性負載。而如果檢測為惡性負載也不會馬上就斷電，因為可能是電網中的干擾或小功率電器產生的過沖，只有多次檢測之后才可以使得控制繼電器斷開，對回路供電切斷處理，而如果需要手動恢復供電，就需要按下復位按鈕。

4惡性負載識別程序

惡性負載識別系統可以利用RN8302內部波形存儲單元實現FFT處理，其緩存區包含著768個地址單元，編址顯示為200H-4FFH，每一個地址的單元字長為3字節，其中可以存放一個ADC數據，可以存儲6路ADC128個點采樣數據。采樣數據在緩存控制寄存器中為單字節寄存器，這一寄存器控制各通道ADC數據是否可以進行緩存，也決定緩存區的排列順序及波形采樣率。在向這一寄存器寫入0X22H的時候，將RN8302設置為固定采樣模式，其采樣速率主要是6.4KHz。系統根據BUFCFG［3:0］寄存器配置比例啟動波形數據寫緩存區，寄存器主要是位于WSAV-ECON的4位，這一寄存器對各通道ADC數據是否緩存存在著決定影響。 惡性負載識別算法要對電流數據實施采樣，在進行BUFCFG配置的時候，需要啟動IA及IB和IC采樣。本文算法包含著兩個方面的內容，首先一部分是基于面積和相位的惡性負載算法，系統能夠明確檢測到電流波形的跳變情況，如果出現波形跳變，則使用面積法進行線性負載功率提取處理，而如果不存在波形跳變的現象，使用相位法進行用電器是否為阻性負載判斷，兩者都需要設置功率閾值，在超出閾值的時候會出現系統控制繼電器進行斷電。另一部分算法為加窗基2FFT惡性負載算法，是在特征矩陣中包含著宿舍日常用電器的奇次諧波分量，系統也要能夠及時對電路中用電器采樣分析，隨后得出具體的特征分量，將其和特征矩陣的數據對比，如果特征矩陣包含著這一類數據，系統控制繼電器也就會自行斷電。

5實驗分析

根據惡性負載識別測試的結果得出宿舍用電管理終端能夠快速對學生接入宿舍回路的惡性負載進行識別，得出分閘的相關指令，充分實現不同時間段的控制和負載控制及預付費控制等相關的邏輯控制，有效對宿舍實施用電監控處理。

6安科瑞宿舍預付費管控云平臺介紹

6.1系統方案

當下智慧校園、平安校園的建設越來越普及，作為智慧校園建設的重要一環，學生宿舍的用電預付費和用電安全管理措施是必不可少的。學生宿舍預付費電控系統可以解決使用傳統電表人工抄表費時費力，不方便統計管理和 充值的弊端，更是為學生宿舍的用電安全也提供了解決方案，消除由于使用惡性負載引起的火災隱患。系統為B/S架構，主要包括前端管理網站和后臺集抄服務，配合公司的預付費電表DDSY1352和DTSY1352系列以及多用戶計量箱ADF300L系列，實現電能計量和電費管理等功能。

6.2系統功能

預付費管理控制：支持預付費功能。可設置基礎金額，供免費使用；可對剩余金額進行四級報警：余額不足報警（一極）、預跳閘報警（二級）、欠費報警（三級）、達到賒欠上限（四級）報警。每級報警都會導致電表背光常亮，預跳閘報警 跳閘方式可設置為不跳閘、跳閘后自動合閘以及跳閘后不合閘等，跳閘后可通過按鍵自行合閘，達到賒欠上限后電表跳閘，此時只有繳費后才能繼續合閘使用。

時間管理控制：支持時間管理控制。L1、L2、L3可分別設置為工作日和節假日模式，每天可設置8個時間段，每個時間段可分別設置為合閘狀態或夜間模式，合閘時間段內電表保持合閘，夜間時間段內，支路功率若大于夜間允許功率 上限便跳閘。

負載管理控制：支持豐富的負載管理控制，具體工作功能如下：

電流上限限制：限制支路大電流，支路電流超過設定值時，支路跳閘。

負載總功率限制：限制支路用電功率，支路功率超過設定值時，支路跳閘。

夜間功率限制：需要與時間管理控制共同使用，在夜間模式下，支路電流超過設定值，支路跳閘

惡性負載識別：限制支路接入未定義的惡性負載，當支路接入未經允許的惡性負載時，支路跳閘。

負載白名單識別：允許已定義的具有惡性負載特征的負載正常使用（如飲水機等）。

空調模式：空調模式下，電表持續檢測空調微弱待機電流，一但存在拔斷空調插座的動作，電表便跳閘，且只能通過聯系管理人員進行合閘送電。允許除空調模式以外的跳閘動作自動合閘。允許次數，跳閘等待時間可設置。

6.3產品選型

7結束語

隨著當前社會生活中用電場景逐漸具有復雜多樣的特點，而傳統的用電管理模式功率限定法已經無法滿足當前日常用電的需要，這就需要在關注用電負載特性的基礎上明確得出當前惡性負載算法方面的局限性，結合宿舍用電管理的需要，注重分析用電負載特性和現有的惡性負載算法現狀，從而得出新的惡性負載識別算法。實際中使用比較多的方式包含著總功率限定法及瞬時功率增加法和功率因數法等方式，而每種方式在負載識別的時候都具有一定局限性，無法滿足實際識別的需要，且各自具有自身的局限性，這就需要明確基于負載內在規律的和通用的方法，促使負載識別的效果更加顯著，在惡性負載識別系統優化的過程中，能夠更好地達到比較經濟理想的效果。

責任編輯：tzh