论文部分内容阅读
安全用电管理已经成为人们日益关注的问题。在人口密集区域如高校公寓,由于当代大学生缺乏对用电安全的基本认识,因此经常存在使用大功率违禁电器、私自拉扯电线和偷电等行为,给校园生活带来极大的安全隐患。但目前已有的恶性负载识别系统存在价格高昂、识别精度不准等问题,而且当前常用的恶性负载识别算法如功率限定法,已经无法适应正常用电的多样化,功率阈值设定高起不到阻止大功率恶性负载的作用,阈值设定低又影响正常用电。本文通过研究各类负载特性,并分析现有恶性负载识别算法所存在问题,给出一种新型优化算法解决上述问题,并结合硬件系统进行研究论证,主要包括以下几点:(1)针对大功率恶性负载,给出基于面积和相位的恶性负载识别算法。通过对用电电器一个周期0.02秒内电流波形提取128个点,判断电流数据点是否存在跳变。当检测出电流数据无明显跳变,则表明电路中不含有非线性负载,系统进入相位算法,通过最小二乘法对电压电流波形进行曲线拟合得出各自相位。根据阻性负载对电流波形无相位影响的特性,判断电流电压相位差是否为零,若为零,则通过差分方程计算相应功率,若超出设定的功率阈值,系统对负载进行断电控制;若检测出电流数据存在明显跳变,表明电路中含有非线性负载成分,则通过面积法计算出线性负载与非线性负载的功率,当线性负载功率超出设定阈值,系统输出断电控制。此算法优势在于减少系统运算量,但此方法的弊端是对于小功率恶性负载如电热毯不能有效识别。(2)针对小功率恶性负载,给出加窗基2快速傅里叶恶性负载识别算法,相比传统傅里叶算法拥有更快的运算速率。同时,算法中引入窗函数减少了频谱泄露,提高了采样精度。通过该算法分析出电流波形的基波与奇次谐波分量,建立特征矩阵存放常用违禁电器的相关数据,通过历史矩阵对用电器实时采集判断,当出现与特征矩阵中相同的数据时,系统控制继电器进行断电处理。该方法与基于面积和相位的算法形成互补,能够有效对恶性负载进行识别。(3)为了验证以上理论算法,本文搭建硬件系统进行实际验证,主要由SoC芯片RN8302结合Cortex-M3为核心的STM32F105构成,详细阐述了系统整体设计思想,给出了电压电流采样、RN8302最小系统、外接通信、漏电检测和备用电池充电等关键电路设计方案,并重点关注了恶性负载软件的设计流程。为验证算法的有效性,本文结合硬件系统进行了实验数据分析,验证了方法的可行性和有效性,并能够有效解决目前人口密集区域所存在的安全用电问题,可以为高校公寓用电安全管理提供设计参考。