基于相位角差异化辨识用电设备的智能插座探讨

许 壮 柯寒文 吕小兵

（浙江德力西国际电工有限公司 杭州 310024）

引言

智能插座是实现全屋智能的重要组成部分，与传统的电源插座相比除了具有分配多路电源的作用还具有多种智能化功能，如远程控制、电量监测、开关定时等[1]。在家居分布式插座的场景下，用户仅可以通过APP上的自主备注对某些固定位置的家用电器如热水器，空调等用电设备进行辨识, 对于其他的分布式插座当在远程控制时会处于一种“盲”控制状态，基于此原因为智能插座增加一种辅助性的用电设备辨识功能对用户体验性及便捷性具有重要意义。

1 软件算法设计

用电设备根据负载类型的不同通常分为三种类型，感性负载、阻性负载、容性负载。感性负载，如：电机、日光灯及其他靠气体导通发光的灯具等。阻性负载，如：电烤箱、电热水器、白炽灯及其他靠电阻发光的灯具等。容性负载，如：部分日光灯。

图1 不同负载下的电压电流波形图

构建负载电路模型后通过Multlism仿真如图1所示。从仿真波形图可以直观看出，对于阻性负载电压相位与电流相位一致，感性负载电压相位超前电流相位，容性负载电压相位滞后电流相位。进而通过仿真的电路模型进行理论参数采集，作为泛化辨识用电设备模型的理论依据。

基于上述分析，辨识系统基础的构建在于对用电设备回路电压电流的相位检测。对于电压电流的相位检测方式常用的有检相电路，零点相角法与线性插值法[2]和基于软件的FFT算法。由于电子元器件的非线性及其参数固有的误差导致用电设备回路存在多次谐波，单纯的模拟电路检测会由于外界的不确定性产生干扰误差。因此本设计采用基于傅里叶变换的软件相位检测方式可较准确求得信号的基波幅值，基波相位，基波频率以及电压电流超前滞后等信息。

式（1）和式（2）分别为交流电压信号和交流电流信号，两信号频率相同均为50 Hz故其角频率ω相同，推导得电压电流的相位差φ如式（3）所示，由式（3）可知相位差φ只与电压电流的初始相位有关。

式中：

U—被测信号的电压幅值；

I—被测信号的电流幅值；

ω—被测信号的角频率。

由于电力系统中存在部分干扰源且电子产品中元器件的非线性造成系统中存在许多的谐波分量故被测的信号可以表达为,

式中：

nω—被测信号的角频率，其中ω=2πf，f为基波频率。

式中：

根据上述的理论推导即可分别计算出电压和电流的相位。将所得到的电压电流相位作为辨识系统的输入，识别出负载的类别。将负载的类别标志位通过Wi-Fi上传到云应用平台，与APP进行交互，辅助用户远程对产品的认知与控制，识别软件流程图如图2所示。例如当家庭两个不同设备同时在工作，用户想要远程关闭掉其中的一个设备时则可以通过智能插座的辅助辨识功能选择需要正确开断的插座进行控制。

2 硬件设计

硬件方案选择Mn-Cu电阻，电流互感器，电压互感器进行回路电流电压采集，然后传输到处理器进行AD转换。为保证产品的价格低廉及产品性能，采用具有DSP库函数的STM32F429型号单片机作为核心处理器，外围增加时钟电路，复位电路，电源电路构建系统核心控制板。通信模块采用Wi-Fi模块。硬件架构如图3所示。

3 系统设计构思

上述方案模型仅具有辅助性电器类别辨识功能，无法对用电设备进行准确的辨识，也无法对系统识别模型进行优化迭代。因此构建一套可自主监督学习的神经网络优化迭代算法对提升用户的自我体验性及模型系统的便利性具有重要的意义。

构建新模型的关键首先要进行数据采集，数据采集部分根据原基础的电路系统进行相位差数据采集，将采集到的数据去除粗大误差后代入神经网络学习框架进行训练生成识别模型，生成好模型后进行测试优化。最后将识别模型部署到云端，如图4所示[4]。

图2 辨识系统软件流程图

图3 硬件架构框图

图4 云端识别模型部署流程图

图5 应用识别框图

应用识别部分如图5所示，当插排终端采集到相位数据后将相位差上传到云端的识别模型。识别模型输出后反馈给客户APP平台，随后客户将实际的用电器与平台的反馈进行对比，再反馈给云端正确的决策，云端通过与用户APP端的交互反馈，以达到不断优化迭代识别模型的目的。

4 结论

本文通过对感性、阻性、容性负载建立电路仿真模型得出三者电压电流相位角差异化结论，并将其作为区分用电设备类型的重要依据。论述软硬件对相位差计算的优缺点得出经过FFT变换得出相位角较精确化，同时具有较好的抗干扰能力。全文通过基础模型论述对智能插座的负载识别方法提供参考。