基于STM32的用电器在线识别系统.pdf

2023年/第10期 物联网技术全面感知 Comprehensive Perception70 引 言近年来，智能家居和物联网建设快速发展，及时掌握用电器的工作状态对于用户实现用电器精细化管理、设备节能以及提高用电安全有重要意义。何勇等人设计了一种基于物联网的用电器在线监测系统，符合当下物联网的发展趋势，但是其只能识别单个用电器工作的情况，未涉及多个用电器同时工作时的复杂场景1。付英侃提出了一种基于 DSP 的负载电参量远程监测系统，该系统采用了多维模型综合识别算法，识别效果较好，但是其需要手动多次测量所有的负载组合类型，对于负载种类较多的情况，系统样本库的构建十分繁琐2。王飞提出了一种基于深度神经网络的非侵入式负荷辨识算法，但该识别算法的实现较为复杂，并且未给出具体的系统设计 方案3。本文设计并制作了一种基于 STM32 的用电器在线识别系统，其优势如下：具有用电器识别功能，对于单个或多个用电器同时在线的情况均能够识别；具有学习功能，可不断学习新的用电器数据，满足用户对于家庭、办公楼、宿舍等多个不同使用场景的要求；具有良好的人机交互逻辑，用户操作简便；系统算法实现较为简单、可移植性强，能够适应多款硬件平台；具有数据传输功能，通过物联网用户可实现远程实时 监测。1 系统方案系统总体结构如图 1 所示。用电器的 220 V 交流信号通过电流互感器和电压互感器处理，转换为数百毫伏的交流信号，通过 CS5463 芯片的模数转换功能实现信号转换。CS5463 包含两个-模数转换器，拥有功率计算功能，利用 CS5463 模块可以直接采集多项特征电参数4，并通过 SPI接口发送给 STM32。在 STM32F103ZET6 上进行数据处理，该开发板具有以 72 MHz 频率运行的高性能 ARM Cortex-M3 RISC 内核5，在识别模式下运行 FFT 算法对特征电参量作进一步处理，利用欧几里得度量算法进行识别；在学习模式下通过等距采样、限幅滤波及组合计算，存储不同组合下的用电器特征电参数，完成学习。最后将处理结果传输到人机交互模块，同时通过 ESP32 模块同步到云端。其中人机交互模块是一块 LCD 触摸屏，用户可以通过此屏幕直接对系统进行操作，也可以通过手机终端进行数据接收和指令下发。2 系统理论分析与计算2.1 特征电参量分析选用单一特征电参量来进行用电器识别，辨识准确度较低；而对于多个特征电参量，利用欧氏距离算法进行识别可以增加系统的识别准确度。系统选取的特征电参量如下：（1）电流有效值。电流有效值的离散化定义如下：INInnNRMS=()=1012 （1）式中：N 表示一个交流周期内的采样点数；I(n)表示第 n 个基于 STM32 的用电器在线识别系统杨玉涛，李春树（宁夏大学 物理与电子电气工程学院，宁夏 银川 750021）摘 要：文中设计并制作一种用电器在线识别系统，用于实现用电器的快速识别功能、学习功能及远程监测功能。系统前端通过 CS5463 模块获取用电器特征电参数。在 STM32 芯片上利用 FFT 算法、模糊识别欧几里得度量算法进行用电器识别；通过等距采样、限幅滤波及组合计算等方式实现系统的学习功能。系统后端将处理结果传输给 HMI 串口屏交互模块，同时通过 ESP32 将识别结果和监测信息同步至服务器，用户通过手机端 APP 即可实现用电器的在线监测。系统对用电器的识别准确度高，可应用于家庭、宿舍、办公室等多种场景，具有较强的实用性，对于用户实现用电器的精细化管理、推动物联网建设以及提高用电安全具有重要意义。关键词：用电器识别；在线识别；STM32 芯片；电参数；FFT 算法；欧几里得度量算法；限幅滤波中图分类号：TP277 文献标识码：A 文章编号：2095-1302（2023）10-0007-05DOI：10.16667/j.issn.2095-1302.2023.10.002收稿日期：2022-12-06 修回日期：2023-01-12基金项目：宁夏大学大学生创新创业训练计划项目（国家级，G202210749013）物联网技术 2023年/第10期 全面感知 Comprehensive Perception8交流电流采样瞬时值。不同用电器的电流有效值一般不同，因此可以选用其作为识别用电器的特征参量。图 1 系统结构图（2）有功功率。有功功率指单位时间内实际发出或消耗的交流电能量，是周期内的平均功率。有功功率的离散化表达式为：PNU n I nnNact=()()=101 （2）式中：Pact表示有功功率；N表示一个交流周期内的采样点数。有功功率的计算包含了电流值与电压值，更具特征性。（3）平均无功功率。无功功率的计算公式为：QUIn=RMSRMSsin （3）式中：Qn为无功功率；为相角，即电压与电流之间的夹角，sin 为相角的正弦6。平均无功功率的计算公式如下：QNQnnNAvg=101 （4）式中 QAvg为平均无功功率。无功功率与有功功率与功率因数间存在一定关系，将平均无功功率加入欧氏算法中可以扩大各用电器经算法计算后的距离差，从而增加对比度，使用电器分析识别装置更加灵敏。（4）功率因数。功率因数指交流电路有功功率对视在功率的比值，其计算公式为：PFactRMSRMS=PUI （5）式中 PF 为功率因数。功率因数可以用来计算电器的电能利用率与效益，更具有实际意义。（5）谐波有功功率。利用快速傅里叶变换的方法求得电流的 k 次谐波振幅值 X(k)，进而得出谐波有功功率 PHK。综上所述，选择电流有效值、有功功率、平均无功功率、功率因数和谐波有功功率等作为用电器识别的特征参量。2.2 用电器识别算法设计2.2.1 FFT 算法设计电流的 k 次谐波需用 FFT 算法计算得到。快速傅里叶变换（FFT）是离散傅里叶变换（DFT）的快速算法，有助于提高系统的处理速度，缩短识别时间。在系统应用中，采集长度为 N(N=2M)的交流电流瞬时值数组，按照基 2 时域抽取法7进行快速傅里叶变换后得到电流的各次谐波幅度谱 X(k)。2.2.2 欧几里得识别算法（1）欧几里得距离三维空间中任意的点可以被一个三维的坐标定义。而将三维拓展为更高的 n 维时，便得到了 n 维欧几里得空间。在n 维空间中两个点之间的直线距离，称之为欧几里得距离。n 维空间的欧几里得距离公式如下：dxyxyxyxynninii=()+()+()=()=112222202 （6）式中：(x1,x2,.,xn)，(y1,y2,.,yn)分别为 n 维空间中两点的坐标。根据 2.1 节的分析可知，共选取了 5 个特征电参量，因此应当构建一个 5 维的欧几里得空间，计算 5 维的欧氏距离。单个用电器或者多个用电器同时在线时，均会获得一组特征电参量，将该组特征电参量当作 5 维欧几里得空间里的一个特征点，此特征点用坐标形式可以表示为(IRMSi,Pacti,QAvgi,PFi,PHKi)。假设所有用电器共有 n 种组合（包括只使用单个用电器和多个用电器同时组合使用的情况），则上述坐标中的 i=1,2,.,n。将这 n 个特征点作为标准点存储到系统中。在进行用电器识别时，被测用电器组合也有一个特征点，称之为测量点，分别计算出测量点与系统存储的标准点之间的欧几里得距离 di：dPPQQIIiiiii=()+()+()+()RMSRMSactactAvgAvgPFPF02020202+()=PPiniHKHK,021 2 （7）式中(IRMS0,Pact0,QAvg0,PF0,PHK0)为被测用电器组合的特征点。计算出所有欧氏距离中的最小值 dmin：2023年/第10期 物联网技术全面感知 Comprehensive Perception9dd ddnmin,=min12 （8）找到距离的最小值 dmin所对应的标准点，该标准点所对应的用电器组合情况即可作为识别结果。（2）特征参量归一化本方案选取的 5 个特征电参量分别具有不同的量纲，特征电参量的取值大小相差较多。例如功率因数 PF 一般小于等于 1，而有功功率 Pact对于大功率用电器而言可以达到上千瓦。在进行用电器识别时，用电器的电参量会发生波动，若直接用式（7）计算欧几里得距离，有功功率 Pact对计算结果的影响要远远大于功率因数 PF 对结果的 影响。为了消除数据量纲的影响，本文对电参量数据进行归一化处理，将所有的数据均压缩在 0，1 范围内。假设所有用电器共有 N 种组合，每种组合下均会获得一组特征电参量，可以得到一个 5N 的矩阵。S=IIIPPPQQQNNNRMSRMSRMSactactactAvgAvgAvg12121212PFPFPF FNNPPPHKHKHK12 （9）矩阵中每一列代表一种用电器组合，每一行表示 N 种组合的某一特征电参量。对每种特征电参量数据进行如下处理：zxxxxii=minmaxmin （10）式中：xi为特征电参量矩阵中某一行的一个元素；xmin为所在行的最小值；xmax为所在行的最大值。例如电流有效值IRMS的归一化公式为：IIIIIZiiRMSRMSRMSminRMSmaxRMSmin=（11）同理，可求得其余特征电参量的归一化结果。将归一化的结果代入欧几里得计算公式可得：dIIPPQQiZZiZZiZZiZ=()+()+()+RMSRMSactactAvgAvgPF0202020()+()=PF,ZiZZiPPin2021 2HKHK （12）式中(IRMSZ0,PactZ0,QAvgZ0,PFZ0,PHKZ0)为被测用电器组合归一化之后的特征点。最后利用式（12）计算欧几里得距离，进行用电器的识别。（3）取众数处理在应用欧几里得距离进行用电器识别时，为避免某种组合的特征点与两个标准点的距离过于相近，导致误判的情况，本文的改进方法是求解多个维度的欧氏距离，将所有维度下计算出的识别结果取众数，作为最终的识别结果。2.3 用电器学习算法设计利用欧氏算法进行用电器识别需要用到标准点，标准点的获得是在学习模式下完成的。在学习模式下，学习记录单个用电器在线时的特征点，通过计算得出各种组合情况下的特征点。在学习模式下，系统采集用电器特征电参数，通过等时间间隔采样及限幅滤波的方法，将单个用电器的特征点存储到系统中。然后将新学习的用电器特征点与已学习的特征点组合计算，得到共用时的特征点。组合学习算法是利用电路并联特点、功率三角形法则以及相量法来实现的，即各个支路用电器独立使用时的特征电参数按照叠加或者相量法计算出的结果与这些用电器同时使用时在干路上获得的特征电参数数值相等6。利用 CS5463 模块可以直接获得电流有效值、功率因数。通过 FFT 算法计算出电流谐波值。利用电流互感器和电压互感器可以获得电流相位值，各支路用电器独立使用时的谐波电流按照相量法相加计算出的结果，与这些用电器同时使用时在干路上获得的谐波电流值相等。综上，由单个用电器的特征点，通过计算获得了用电器各种组合情况下的特征电参数，将所有情况下的特征电参数作为标准点存储到系统中即完成学习过程。3 电路设计3.1 CS5463 电能采集电路CS5463 电 能 采 集 电 路 由 CS5463 电 能 计 量 芯 片、HCT215 电流互感器和 ZMPT101B 电压互感器组成。CS5463电能采集电路如图 2 所示。3.2 ESP32 模块电路ESP32 集成了蓝牙和 WiFi，WiFi 支持极大范围的通信连接，也支持通过路由器直接连接互联网8。ESP32 模块电路如图 3 所示。4 程序设计系统通过判断来自电容屏或手机终端的指令来切换系统模式。在学习模式下，系统读取用电器的各项电参数，然后进行等距采样和限幅滤波，存储到系统中，将新学习的用电器特征点与已有特征点按照组合学习算法计算，得到共用时的特征点，更新特征点数据库，完成学习。在识别模式下，读取存储的用电器数据，然后进行用电器测量，将测量结果作为一个特征点，利用欧氏算法计算该点到标准点的距离，找到和该用电器特征点距离最小的标准点，其所对应的用电器组合即为识别结果。程序运行的具体流程如图 4 所示。物联网技术 2023年/第10期 全面感知 Comprehensive Perception105 系统测试及分析本系统主要用来进行用电器的识别和用电情况的获取，同时方便用户进行远程监测，系统实物如图 5 所示。通过用电器识别系统分别对被测用电器进行学习，然后图 2 CS5463 电能采集电路图 3 ESP32 模块电路2023年/第10期 物联网技术全面感知 Comprehensive Perception11进行识别，对比实际结果，评估用电器在线识别系统的识别准确性。用于测试的用电器见表 1 所列。用电器的识别测试按照用电器同时工作的数量依次进行，在每种数量下确保所有的用电器组合都进行了测试，同时每种组合要进行多次测试，最后计算识别准确度。图 4 主程序流程图 5 系统实物图表 1 被测用电器数据序 号名 称电 流/A 电 压/V 功 率/W 功率因数1LED 台灯0.067229.48.1820.512电风扇0.145227.222.260.673便携式计算机0.170228.032.010.844剃须刀0.037228.54.6020.545小型电煮锅2.810234.7659.60.99针对不同的用电器数目，用电器的识别测试结果见 表 2 表 5 所列。由测试结果可知，用电器在线识别系统可以较为准确地识别单个用电器的类别以及多个用电器同时工作时的类别；系统的识别准确度随着同时在线的用电器数目的增加而有所降低，但对小功率用电器的组合识别准确度较高。表 2 单个用电器识别结果用电器组合总测量次数准确识别次数识别准确度/%1505010025050100350501004505010055050100表 3 两个用电器同时工作时识别结果用电器组合总测量次数准确识别次数识别准确度/%用电器组合总测量次数准确识别次数识别准确度/%1、250501002、450501001、350501002、55048961、450501003、450501001、55045903、550501002、350501004、5504386表 4 三个用电器同时工作时识别结果用电器组合总测量次数准确识别次数识别准确度/%用电器组合总测量次数准确识别次数识别准确度/%1、2、350501001、4、55038761、2、45048962、3、45045901、2、55040802、3、550501001、3、45046923、4、55041821、3、5504284表 5 四个或五个用电器同时工作时测量结果用电器组合总测量次数准确识别次数识别准确度/%用电器组合总测量次数准确识别次数识别准确度/%1、2、3、45042841、3、4、55032641、2、3、55044882、3、4、55037741、2、4、55035701、2、3、4、55034686 结 语本文利用欧几里得识别算法、学习算法和物联网技术，设计一款基于 STM32 的用电器在线识别系统。欧氏距离算法的优点在于：分析简单、识别较快、准确度高。通过学习不同类别的用电器可以广泛应用于多个场景，具有较强的实用性。本设计采用无线传输模块，增加系统的拓展性，在手（下转第15页）2023年/第10期 物联网技术全面感知 Comprehensive Perception154 结 语本文以物联网技术在野外环境下的鱼类监测应用为目标，分析讨论了现有分散式数据采集方式存在的主要问题，以及通过物联网技术进行相关数据采用和应用分析的优势。本文从物联网系统的感知、传输、应用等三个层面分析了针对鱼类监测应用中需要解决的关键技术问题，提出了相应的解决方案。通过设备开发、转发策略设计与系统搭建，实现了完整的数据采集、传输和存储的数据采集系统。经模拟环境测试，系统能够较稳定地获取监测点的各类环境参数和鱼体中的 RFID 标签数据，并通过 NB-IoT 通信方式或转发方式将数据上传至 ONENET 物联网平台，解决了野外环境下鱼类监测和数据接入物联网平台的问题。未来还需要在数据的本地化存储、异步数据交换、多监测天线支持、远程触发和多设备协同监测等方面开展深入研究工作，以解决多跳转发过程的数据冲突和溢出丢失等问题，包括采用高效的重传机制和存储转发策略，更好地保障野外条件下监测数据的有效传输，减少数据丢失，确保系统的可用性。注：本文通讯作者为吴凡。参考文献1 施昕昕，顾宇扬.基于 MQTT 协议的工业物联网数据采集和控制系统 J.南京工程学院学报（自然科学版），2022，20（2）：31-37.2 王文昭.基于物联网的土壤环境感知 D.天津：天津师范大学，2022.3 刘颖.基于物联网技术的水质网格化监测系统设计 D.西安：西安工业大学，2022.4 向刚.物联网技术在油气生产现场的应用 J.中国管理信息化，2022，25（18）：124-126.5 李红.基于物联网的低功耗温湿度采集系统 J.能源与环境，2022，41（3）：2-5.6 叶纪青，杨志高.基于物联网技术的野外遥测系统方案设计 C/中国水力发电工程学会自动化专委会 2021 年年会暨全国水电厂智能化应用学术交流会论文集.南京：出版者不详，2021：362-363.7 程天宇，李龙，林志强.基于泛在电力物联网的智能安全监测系统设计 J.制造业自动化，2022，44（9）：202-206.8 雷妍，魏璁琪.基于物联网技术的智慧农业环境监测系统设计 J.电子技术与软件工程，2022，11（18）：246-249.9 何秦，解迎刚，赵明朗.基于物联网网关的车辆信息自检监控系统 J.物联网技术，2022，12（8）：13-14.10 徐志祥，牛小刚，李春秋，等.基于物联网的大型电机远程监测系统的移动端设计 J.物联网技术，2022，12（8）：119-123.11 魏永才，余英俊，丁晓波，等.射频识别技术（RFID）在鱼道监测中的应用 J.水生态学杂志，2018，39（2）：11-17.12 唐久芳，何超燕，齐飞，等.基于物联网的洞庭银鱼的安全溯源 J.物流工程与管理，2015，37（11）：115-116.作者简介：丁晓波，男，江苏人，副教授，主要研究方向为嵌入式系统及物联网应用技术。吴 凡，男，湖北人，硕士，主要研究方向为工业物联网技术。龚国强，男，湖北人，副教授，主要研究方向为嵌入式系统应用技术。机端可以实时获得测量数据及识别结果，有利于推动物联网的建设。系统具有良好的人机交互功能，可以灵活切换系统模式，操作简单。通过实物制作，成功实现了系统的远程监测功能、快速识别功能以及学习功能。实验结果表明，本系统可以较好地识别出用电器的类别，并且稳定性良好。参考文献1 何勇，王晓丽，肖海飞，等.基于物联网的非侵入式用电器在线监测系统设计与实现 J.智能计算机与应用，2021，37（12）：158-164.2 付英侃.基于 DSP 的负载电参量远程监测系统研制 D.西安：西安电子科技大学，2019.3 王飞.基于深度神经网络的非侵入式负荷辨识算法研究 D.大庆：东北石油大学，2020.4 Cirrus Logic 半导体公司.CS5463 芯片数据手册 EB/OL.2022-11-12.https：/ ST 半导体公司.STM32F103ZET6 数据手册 EB/OL.2022-11-12.https：/ 李瀚荪.电路分析基础 M.北京：高等教育出版社，2017.7 高西全，丁玉美.数字信号处理 M.西安：西安电子科技大学出版社，2016.8 乐鑫科技公司.ESP32 数据手册 EB/OL.2022-11-18.https：/ 杨元清.基于静电传感器的绳状流在线识别与定位 D.北京：华北电力大学（北京），2022.10 卢金涛.基于工况在线识别的插电式混合动力汽车的能量管理策略研究 D.重庆：重庆理工大学，2022.作者简介：杨玉涛（1999），男，本科，研究方向为电子信息。李春树（1974），男，教授，研究方向为通信与信息系统。（上接第11页）