基于投票方差的非侵入式負(fù)荷波動(dòng)檢測(cè)

楊丹旭，宋亞奇，岳建任，李 莉

（華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，河北保定 071000）

0 引言

非侵入式負(fù)荷監(jiān)測(cè)NILM（Non-Intrusive Load Monitoring）是20 世紀(jì)80 年代由HART G W 教授提出的［1］，近年來(lái)，隨著智能電網(wǎng)的建設(shè)與節(jié)能環(huán)保意識(shí)的增強(qiáng)，該領(lǐng)域受到關(guān)注并獲得發(fā)展。NILM 不依賴于在每臺(tái)用電設(shè)備上加裝監(jiān)測(cè)裝置，通過(guò)對(duì)區(qū)域總電表電壓、電流及功率等信息的實(shí)時(shí)采集和分析，便可得到區(qū)域內(nèi)所有負(fù)荷種類(lèi)以及單臺(tái)用電設(shè)備的實(shí)時(shí)能源消耗情況，輔助智能電網(wǎng)在保持供需平衡、有效管理能源流動(dòng)以及電網(wǎng)的可持續(xù)性等方面的建設(shè)［2］。NILM 在硬件安裝、隱私保護(hù)、用戶行為的修改、各類(lèi)人群在高峰時(shí)間內(nèi)的節(jié)能以及故障盜竊檢測(cè)等方面，能夠低成本、高效率地實(shí)現(xiàn)且便于實(shí)施［3-4］，與侵入式負(fù)荷監(jiān)測(cè)相比具有明顯優(yōu)勢(shì)。

NILM 方法主要分為基于事件的和非基于事件的2 類(lèi)?；谑录腘ILM 方法需要進(jìn)行數(shù)據(jù)處理、事件檢測(cè)、負(fù)荷特征提取和負(fù)荷識(shí)別步驟［5］，該類(lèi)方法依賴于對(duì)獲取的聚合負(fù)荷數(shù)據(jù)使用不同邊緣檢測(cè)算法的事件檢測(cè)，從提取的事件中獲取特征，并使用機(jī)器學(xué)習(xí)算法將其按照不同的規(guī)則進(jìn)行分類(lèi)。事件檢測(cè)是NILM 方法中的重要組成部分，其目標(biāo)是確定負(fù)荷開(kāi)關(guān)事件是否發(fā)生、區(qū)分穩(wěn)態(tài)暫態(tài)以及定位事件發(fā)生的時(shí)間。事件檢測(cè)的精度直接決定提取的負(fù)荷特征是否準(zhǔn)確有效，從而影響負(fù)荷識(shí)別效果。在事件檢測(cè)中，無(wú)事件發(fā)生的狀態(tài)為穩(wěn)態(tài)，前后2 個(gè)穩(wěn)態(tài)之間發(fā)生的暫態(tài)事件的過(guò)渡階段稱為暫態(tài)階段，暫態(tài)事件的時(shí)間定位會(huì)影響穩(wěn)態(tài)的確定。

事件檢測(cè)方法主要有基于規(guī)則、基于概率模型以及匹配濾波［6-7］3種。累積和的思想在事件檢測(cè)中應(yīng)用廣泛，通過(guò)積累微小偏移量檢測(cè)事件的發(fā)生。文獻(xiàn)［8-9］對(duì)常規(guī)累積和進(jìn)行改進(jìn)以解決漏檢或者時(shí)間定位問(wèn)題。文獻(xiàn)［10］將貝葉斯準(zhǔn)則的思想應(yīng)用到事件檢測(cè)中，解決了常規(guī)累積和的漏檢問(wèn)題。文獻(xiàn)［11］利用基于廣義似然比（GLR）的思想比較負(fù)荷事件前后的概率，對(duì)負(fù)荷進(jìn)行暫態(tài)事件檢測(cè)。文獻(xiàn)［12］提出平均滑動(dòng)窗口（MSW）算法，該算法利用滑動(dòng)窗口檢測(cè)有功功率損耗曲線的平均值，將其與預(yù)定義閾值進(jìn)行比較來(lái)探測(cè)事件。文獻(xiàn)［13］跟蹤檢測(cè)信號(hào)包絡(luò)的標(biāo)準(zhǔn)差，對(duì)事件開(kāi)始時(shí)間的定位精度較高。文獻(xiàn)［14］提出卡方檢測(cè)的方法，該方法雖然具有較好的檢測(cè)性能，但是缺少對(duì)事件結(jié)束時(shí)間的判斷。

滑動(dòng)窗口內(nèi)方差與均值比較的經(jīng)典方法和規(guī)則（簡(jiǎn)稱經(jīng)典滑動(dòng)窗方法）被廣泛用于各種場(chǎng)景NILM的事件檢測(cè)中［15-18］，其基于簡(jiǎn)單的規(guī)則，高效快速，且具備一定的檢測(cè)效率，但在大功率用電設(shè)備運(yùn)行時(shí)會(huì)降低對(duì)小功率用電設(shè)備投切事件的檢測(cè)能力，且對(duì)事件的開(kāi)始及結(jié)束時(shí)間缺乏精確的定位。為了解決上述2 個(gè)問(wèn)題，提高檢測(cè)精度，本文對(duì)經(jīng)典滑動(dòng)窗方法進(jìn)行改進(jìn)，提出一種基于投票方差的波動(dòng)檢測(cè)方法。實(shí)驗(yàn)驗(yàn)證表明，該方法能夠有效地檢測(cè)出不同功率水平和不同特性的各種開(kāi)關(guān)事件，以及實(shí)現(xiàn)更為精準(zhǔn)的事件開(kāi)始和結(jié)束時(shí)間定位。

1 問(wèn)題分析

經(jīng)典滑動(dòng)窗方法通過(guò)比較滑動(dòng)窗口內(nèi)功率序列的方差與均值來(lái)判定是否發(fā)生波動(dòng)，當(dāng)方差大于均值的一半時(shí)認(rèn)為發(fā)生波動(dòng)，進(jìn)而將波動(dòng)前后的功率差與提前設(shè)置好的閾值進(jìn)行比較，若大于閾值，則判定為一次事件發(fā)生。但是功率均值會(huì)隨著用電設(shè)備切換事件發(fā)生變化，在大功率用電設(shè)備開(kāi)啟后，功率均值會(huì)升至一個(gè)很高的水平，遠(yuǎn)大于小功率用電設(shè)備切換事件引起的波動(dòng)方差，從而導(dǎo)致漏檢的發(fā)生。圖1 為功率水平提升檢測(cè)效果圖，圖中三角形標(biāo)注的點(diǎn)為檢測(cè)到的事件，菱形標(biāo)注的點(diǎn)為漏檢事件。當(dāng)功率水平為200 W 左右時(shí)，40～60 W 的小功率事件會(huì)被檢測(cè)到，但當(dāng)將功率水平提升1500 W后這些小功率事件就會(huì)被漏檢。原始功率水平及真實(shí)事件如附錄A圖A1所示。

圖1 功率水平提升檢測(cè)效果圖Fig.1 Detection effect diagram of promoting power levels

每個(gè)獨(dú)立的負(fù)荷開(kāi)關(guān)事件都有開(kāi)始和結(jié)束時(shí)間，單個(gè)事件過(guò)程示意圖如附錄A 圖A2所示。經(jīng)典滑動(dòng)窗方法在將滿足方差大于均值一半的點(diǎn)加入波動(dòng)區(qū)間并判定事件發(fā)生之后，將區(qū)間兩端點(diǎn)視為投切事件的開(kāi)始和結(jié)束時(shí)間，但當(dāng)遇到功率緩慢變化的事件，滿足滑動(dòng)窗口方差大于均值的一半時(shí)，可能事件早已開(kāi)始，導(dǎo)致檢測(cè)到的事件開(kāi)始時(shí)間晚于實(shí)際開(kāi)始時(shí)間，如圖2 所示，類(lèi)似地，檢測(cè)到的事件結(jié)束時(shí)間會(huì)早于實(shí)際結(jié)束時(shí)間。

圖2 時(shí)間定位錯(cuò)誤圖Fig.2 Diagram of time positioning error

此外，經(jīng)典滑動(dòng)窗方法在定位事件開(kāi)始和結(jié)束時(shí)間上有時(shí)會(huì)出現(xiàn)邏輯錯(cuò)誤，當(dāng)滿足波動(dòng)條件的連續(xù)窗口數(shù)小于滑動(dòng)窗口長(zhǎng)度時(shí)，判定為事件開(kāi)始時(shí)間的點(diǎn)會(huì)在結(jié)束時(shí)間點(diǎn)之后，這在現(xiàn)實(shí)中是不可能的，如圖3所示。

圖3 結(jié)束時(shí)間點(diǎn)早于開(kāi)始時(shí)間點(diǎn)示意圖Fig.3 Schematic diagram of ending time point earlier than start time point

為了解決因大功率用電設(shè)備開(kāi)啟而造成小功率用電設(shè)備的事件漏檢以及投切事件的時(shí)間定位問(wèn)題，本文提出基于投票方差的波動(dòng)檢測(cè)方法。

2 基于投票方差的波動(dòng)檢測(cè)方法

2.1 基于投票方差的波動(dòng)檢測(cè)方法設(shè)計(jì)思路

當(dāng)發(fā)生負(fù)荷開(kāi)關(guān)事件時(shí)，功率序列會(huì)產(chǎn)生相應(yīng)的波動(dòng)，此時(shí)滑動(dòng)窗口內(nèi)的功率方差增大，通過(guò)投票機(jī)制選出一段時(shí)間序列內(nèi)滿足條件的方差最大的樣本點(diǎn)作為開(kāi)關(guān)事件發(fā)生點(diǎn)。選擇方差作為判斷量的原因在于方差不會(huì)隨著聚合功率的變化而變化，避免了大功率用電設(shè)備開(kāi)啟的影響。本文利用極差閾值將暫態(tài)和下一個(gè)穩(wěn)態(tài)進(jìn)行分割。

2.2 基于投票方差的波動(dòng)檢測(cè)方法流程

2.2.1 方法總體流程

基于投票方差的波動(dòng)檢測(cè)方法的輸入為聚合功率序列，輸出為事件的開(kāi)始和結(jié)束時(shí)間，方法流程圖如附錄A圖A3所示，具體步驟如下。

1）由于家庭用電總功率信號(hào)中存在噪聲，噪聲或者尖峰值會(huì)觸發(fā)錯(cuò)誤的事件轉(zhuǎn)換檢測(cè)，增加誤檢風(fēng)險(xiǎn)。為了提高事件檢測(cè)方法的性能，本文利用中值濾波方法對(duì)總功率信號(hào)進(jìn)行去噪后再開(kāi)啟事件檢測(cè)。輸入原始總功率序列P，設(shè)置長(zhǎng)度為m+1 的濾波滑動(dòng)窗口，每個(gè)濾波后的樣本點(diǎn)p′i均由其所在窗口的m+1個(gè)功率信號(hào)的中值表示，如式（1）所示。

式中：median（·）為求中值函數(shù)；pi-m/2+j(j=0，1，…，m)為第i個(gè)滑動(dòng)窗口內(nèi)的第j+1個(gè)功率樣本點(diǎn)。

2）輸入濾波后的功率序列P′，設(shè)置長(zhǎng)度為n的方差滑動(dòng)窗口，計(jì)算窗口內(nèi)功率的方差。

3）對(duì)方差序列設(shè)置長(zhǎng)度為w的投票滑動(dòng)窗口，若某方差是投票滑動(dòng)窗口內(nèi)的最大值且不小于方差閾值q，則相應(yīng)樣本點(diǎn)獲得1 票。q的作用是避免正常波動(dòng)引起的極小方差被誤判為事件。

4）將最終獲得的票數(shù)等于投票窗口長(zhǎng)度w的點(diǎn)標(biāo)記為一次事件，當(dāng)事件開(kāi)始時(shí)間點(diǎn)處于滑動(dòng)窗口中心時(shí)，滑動(dòng)窗口方差最大，因此，當(dāng)獲得的票數(shù)達(dá)到滑動(dòng)窗長(zhǎng)度時(shí)，即為準(zhǔn)確的事件開(kāi)始時(shí)間。

5）一旦探測(cè)到事件發(fā)生，穩(wěn)態(tài)檢測(cè)程序立即被啟動(dòng)以定位事件結(jié)束時(shí)間。設(shè)長(zhǎng)度為l的極差滑動(dòng)窗口內(nèi)的原功率序列s={pi，pi+1，…，pi+l-1}，將其極差r作為衡量指標(biāo)，r的計(jì)算如式（2）所示。

從事件開(kāi)始時(shí)間開(kāi)始滑動(dòng)極差窗口，若窗口內(nèi)的極差小于極差閾值h，則判定進(jìn)入穩(wěn)態(tài)，即此時(shí)為事件結(jié)束時(shí)間點(diǎn)，并完成事件檢測(cè)。

2.2.2 參數(shù)選擇

1）濾波滑動(dòng)窗口長(zhǎng)度m+1。

濾波滑動(dòng)窗口長(zhǎng)度m+1 影響的是曲線的平滑度，其值越大，曲線越平滑，方差越小，同時(shí)保留的原始數(shù)據(jù)信息越少，因此，m+1不宜過(guò)大。

2）方差滑動(dòng)窗口長(zhǎng)度n和方差閾值q。

方差滑動(dòng)窗口長(zhǎng)度n影響的是對(duì)一段時(shí)間間隔內(nèi)功率序列波動(dòng)情況的統(tǒng)計(jì)，其最大值應(yīng)該小于2個(gè)相鄰事件發(fā)生的時(shí)間間隔。考慮到被檢測(cè)用電設(shè)備的最小功率Pmin以及用電負(fù)荷正常工作時(shí)的波動(dòng)，方差閾值q應(yīng)根據(jù)功率在0.8Pmin～15Pmin范圍內(nèi)波動(dòng)引起的方差變化進(jìn)行設(shè)置。

3）投票滑動(dòng)窗口長(zhǎng)度w。

投票滑動(dòng)窗口長(zhǎng)度w反映的是考慮方差最大值的鄰域大小，其值不宜超過(guò)相鄰開(kāi)關(guān)事件發(fā)生的最小時(shí)間間隔?？紤]到采樣率的限制，將間隔少于20個(gè)樣本點(diǎn)的相鄰事件視為重疊事件，w越大，事件漏檢的概率越高。

4）極差滑動(dòng)窗口長(zhǎng)度l和極差閾值h。

極差滑動(dòng)窗口長(zhǎng)度l和極差閾值h是判斷是否進(jìn)入穩(wěn)態(tài)的變量，不涉及方法檢測(cè)精度，其值與濾波滑動(dòng)窗口長(zhǎng)度m+1、方差滑動(dòng)窗口長(zhǎng)度n、投票滑動(dòng)窗口長(zhǎng)度w的設(shè)置相互獨(dú)立。一般而言，極差閾值應(yīng)該隨著極差滑動(dòng)窗口的增大而增大，增加對(duì)于一般波動(dòng)的容忍度，其值應(yīng)該在對(duì)原始數(shù)據(jù)一定統(tǒng)計(jì)的基礎(chǔ)上進(jìn)行設(shè)置。另外，極差滑動(dòng)窗口長(zhǎng)度與極差閾值限制的是負(fù)荷噪聲，與負(fù)荷特性有關(guān)，大功率負(fù)荷產(chǎn)生的電路抖動(dòng)較大，應(yīng)適當(dāng)增大極差滑動(dòng)窗口長(zhǎng)度和極差閾值，而對(duì)于小功率負(fù)荷，則可較嚴(yán)格設(shè)置極差滑動(dòng)窗口長(zhǎng)度與極差閾值。

3 實(shí)驗(yàn)驗(yàn)證

3.1 數(shù)據(jù)集選擇

本文選取適用于基于事件的NILM 方法的數(shù)據(jù)集——用于電力分解的建筑級(jí)完全標(biāo)記數(shù)據(jù)集BLUED（Building-Level fUlly-labelled dataset for Electricity Disaggregation）［19］，該數(shù)據(jù)集中除了包含一個(gè)美國(guó)家庭聚合電路中長(zhǎng)達(dá)8 d 的功率、電流、電壓等數(shù)據(jù)外，還包含各用電設(shè)備的投切事件發(fā)生時(shí)間等信息?？紤]到數(shù)據(jù)量和方法的目標(biāo)，選取A 相電路數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，為了提升方法實(shí)施效率，將每半天數(shù)據(jù)作為一個(gè)單元進(jìn)行操作。

3.2 投切事件檢測(cè)準(zhǔn)確率驗(yàn)證

本節(jié)將驗(yàn)證所提基于投票方差的波動(dòng)檢測(cè)方法在大功率用電設(shè)備開(kāi)啟后對(duì)投切事件的檢測(cè)性能。當(dāng)電路中出現(xiàn)多臺(tái)大功率用電設(shè)備開(kāi)啟時(shí)，功率水平會(huì)上升，本文通過(guò)人為提升功率水平模擬大功率用電設(shè)備開(kāi)啟的情景，將功率水平提升量分別設(shè)置為0、1 500、3 000 W，以檢測(cè)所提方法在不同功率水平下的穩(wěn)健性，并且和經(jīng)典滑動(dòng)窗方法以及卡方檢驗(yàn)χ2GOF（chi-squared GOF test）方法［20］進(jìn)行對(duì)比。

設(shè)TP為檢測(cè)到的正確事件（真陽(yáng)性）數(shù)，F(xiàn)P為誤判為有事件發(fā)生但實(shí)際沒(méi)發(fā)生的事件（假陽(yáng)性）數(shù)，F(xiàn)N為漏檢的事件（假陰性）數(shù)。采用F1 分?jǐn)?shù)F1-score評(píng)價(jià)事件檢測(cè)方法的檢測(cè)精度，其為精確率P*和召回率R*的調(diào)和平均值，能綜合衡量事件檢測(cè)方法在精確率和召回率這2 個(gè)指標(biāo)上的得分，其值越高，表示方法性能越好，計(jì)算方法為：

實(shí)驗(yàn)中設(shè)置濾波滑動(dòng)窗口長(zhǎng)度為101，方差滑動(dòng)窗口長(zhǎng)度為40，方差閾值為20，投票滑動(dòng)窗口長(zhǎng)度為60，極差滑動(dòng)窗口長(zhǎng)度為20，極差閾值為4。不同功率水平檢測(cè)性能結(jié)果如表1 所示。由表可知：當(dāng)功率水平提升量為0 時(shí)，經(jīng)典滑動(dòng)窗方法的F1-score處于一個(gè)較高的水平，達(dá)到93.36%，但隨著功率水平的提升，F(xiàn)1-score逐漸下降到22.14%，漏檢率不斷增加，該方法性能明顯下降；χ2GOF 方法的F1-score同樣隨著功率水平的提升而逐漸下降；而對(duì)于各功率水平提升量，本文方法的F1-score均保持為95.72%，這說(shuō)明功率水平變化不會(huì)對(duì)本文方法的F1-score造成影響，大功率用電設(shè)備的開(kāi)啟不會(huì)對(duì)本文方法的小功率事件檢測(cè)能力造成影響，因此，本文方法具有很好的穩(wěn)健性。

表1 不同功率水平檢測(cè)性能結(jié)果Table 1 Detection performance results of different power levels

3.3 投切事件時(shí)間定位

考慮到功率水平變化不會(huì)對(duì)本文方法性能產(chǎn)生明顯影響，本文僅對(duì)功率水平提升量為0 的情況下本文方法和經(jīng)典滑動(dòng)窗方法的時(shí)間定位效果進(jìn)行對(duì)比。

BLUED 中包含人工記錄的各臺(tái)被測(cè)量設(shè)備的開(kāi)關(guān)事件開(kāi)始時(shí)間，而沒(méi)有記錄設(shè)備開(kāi)關(guān)事件的結(jié)束時(shí)間，因此，在利用該數(shù)據(jù)集檢測(cè)2 種方法的時(shí)間定位精度上，本文僅比較檢測(cè)到的事件開(kāi)始時(shí)間和記錄的實(shí)際開(kāi)始時(shí)間，將兩者相同作為檢測(cè)到的事件開(kāi)始時(shí)間正確的衡量標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，本文方法準(zhǔn)確定位到事件開(kāi)始時(shí)間的事件數(shù)占95.30%，而經(jīng)典滑動(dòng)窗方法準(zhǔn)確定位到事件開(kāi)始時(shí)間的事件數(shù)占48.17%。

為了驗(yàn)證本文方法定位事件結(jié)束時(shí)間的準(zhǔn)確性，利用本文方法和經(jīng)典滑動(dòng)窗方法對(duì)發(fā)生多次投切事件的聚合功率進(jìn)行事件檢測(cè)，將檢測(cè)到的事件結(jié)束時(shí)間與實(shí)際結(jié)束時(shí)間進(jìn)行對(duì)比。附錄A 圖A4為隨機(jī)選取的3段聚合功率序列，附錄A 表A1—A3為對(duì)應(yīng)的利用2 種方法進(jìn)行事件檢測(cè)所檢測(cè)到的事件結(jié)束時(shí)間。由表可見(jiàn)，本文方法所檢測(cè)到的事件結(jié)束時(shí)間更貼合實(shí)際結(jié)束時(shí)間，而經(jīng)典滑動(dòng)窗方法所檢測(cè)到的事件結(jié)束時(shí)間和實(shí)際結(jié)束時(shí)間相差較大。

綜上可知，本文方法定位投切事件開(kāi)始和結(jié)束時(shí)間比經(jīng)典滑動(dòng)窗方法更精準(zhǔn)。此外，在極少數(shù)情況下，由于噪聲的存在，本文方法利用極差判斷的事件結(jié)束時(shí)間可能會(huì)比實(shí)際結(jié)束時(shí)間稍晚，但是卻避免了提前將暫態(tài)時(shí)間誤判為事件結(jié)束時(shí)間，減小了誤差。

3.4 參數(shù)尋優(yōu)

1）極差滑動(dòng)窗口長(zhǎng)度l和極差閾值h。

考慮到BLUED 中功率序列分布特點(diǎn)，本文設(shè)置的極差滑動(dòng)窗口長(zhǎng)度l和極差閾值h如表2所示。

表2 l和h的對(duì)應(yīng)關(guān)系Table 2 Correspondence between l and h

2）方差閾值q、濾波滑動(dòng)窗口長(zhǎng)度m+1、方差滑動(dòng)窗口長(zhǎng)度n和投票滑動(dòng)窗口長(zhǎng)度w。

方差閾值需要將80%的數(shù)據(jù)集作為訓(xùn)練集，并根據(jù)測(cè)試集的實(shí)驗(yàn)結(jié)果進(jìn)行設(shè)置。圖4 為設(shè)置方差閾值和未設(shè)置方差閾值時(shí)的檢測(cè)結(jié)果對(duì)比，由圖可見(jiàn)，設(shè)置方差閾值會(huì)大幅減少因噪聲而導(dǎo)致的誤檢。

圖4 方差閾值對(duì)檢測(cè)結(jié)果的影響Fig.4 Influence of variance threshold on detection results

附錄A 圖A5 為濾波滑動(dòng)窗口長(zhǎng)度在21～101 個(gè)采樣點(diǎn)范圍內(nèi)變化時(shí)對(duì)本文方法F1-score的影響。由圖可見(jiàn)，隨著濾波滑動(dòng)窗口長(zhǎng)度的增加，F(xiàn)1-score總體上呈上升趨勢(shì)，但是濾波滑動(dòng)窗口長(zhǎng)度在達(dá)到41 個(gè)采樣點(diǎn)后對(duì)F1-score的影響不明顯，而濾波窗口長(zhǎng)度越長(zhǎng)，濾波后的功率序列波動(dòng)變化越明顯，探測(cè)越容易，同時(shí)濾波滑動(dòng)窗口長(zhǎng)度增加會(huì)增大小功率事件的波動(dòng)被過(guò)濾的風(fēng)險(xiǎn)，綜合考慮，在基于BLUED的對(duì)比實(shí)驗(yàn)中，本文將濾波滑動(dòng)窗口長(zhǎng)度設(shè)置為101 個(gè)采樣點(diǎn)。

考慮到數(shù)據(jù)集中相鄰事件發(fā)生的最小間隔，設(shè)置方差滑動(dòng)窗口長(zhǎng)度與投票滑動(dòng)窗口長(zhǎng)度的最大值不超過(guò)101 個(gè)采樣點(diǎn)。方差滑動(dòng)窗口長(zhǎng)度與本文方法F1-score之間的關(guān)系如附錄A 表A4 所示。由表可見(jiàn)，方差滑動(dòng)窗口長(zhǎng)度在21～101 個(gè)采樣點(diǎn)范圍內(nèi)變化時(shí)F1-score相差不大但呈下降趨勢(shì)，綜合考慮，本文將方差滑動(dòng)窗口長(zhǎng)度設(shè)置為41個(gè)采樣點(diǎn)。

考慮到BLUED 的采樣率，投票滑動(dòng)窗口長(zhǎng)度最大值為101 個(gè)采樣點(diǎn)，附錄A 表A5 為投票滑動(dòng)窗口長(zhǎng)度對(duì)本文方法F1-score的影響。由表可見(jiàn)，隨著投票滑動(dòng)窗口長(zhǎng)度增加，F(xiàn)1-score先提高后下降，投票滑動(dòng)窗口長(zhǎng)度在41～61 個(gè)采樣點(diǎn)之間時(shí)F1-score處于較高水平。

4 結(jié)論

本文提出一種投票方差方法用于NILM 的事件檢測(cè)，實(shí)驗(yàn)結(jié)果表明，相較于經(jīng)典滑動(dòng)窗方法和χ2GOF 方法，本文方法對(duì)小功率用電設(shè)備的開(kāi)關(guān)事件檢測(cè)能力不會(huì)受到大功率用電設(shè)備開(kāi)啟的影響。此外，本文方法具備精確檢測(cè)每個(gè)事件開(kāi)始時(shí)間和結(jié)束時(shí)間的能力，且保證了檢測(cè)精度處于較高水平，適用于含有高功率負(fù)荷以及功率水平較高的電路，為NILM的特征提取和負(fù)荷識(shí)別奠定了基礎(chǔ)。

對(duì)于多個(gè)事件重疊發(fā)生的情況，本文方法的檢測(cè)能力還有待提高，并且在三餐時(shí)間大功率用電設(shè)備開(kāi)啟概率高，應(yīng)適當(dāng)增大方差閾值以減小噪聲引起的誤差，考慮到本文方法的檢測(cè)目標(biāo)，本文實(shí)驗(yàn)中尚未涉及動(dòng)態(tài)閾值。此外，如何利用優(yōu)化學(xué)習(xí)方法對(duì)檢測(cè)參數(shù)進(jìn)行尋優(yōu)，以提高事件檢測(cè)的準(zhǔn)確度和效率，也是筆者后續(xù)工作的一個(gè)研究方向。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。