CN103675513A - 电器设备识别系统及方法 - Google Patents

电器设备识别系统及方法 Download PDF

Info

Publication number
CN103675513A
CN103675513A CN201210392600.8A CN201210392600A CN103675513A CN 103675513 A CN103675513 A CN 103675513A CN 201210392600 A CN201210392600 A CN 201210392600A CN 103675513 A CN103675513 A CN 103675513A
Authority
CN
China
Prior art keywords
electric equipment
fluctuation
eigenwert
fluctuation type
consumption data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201210392600.8A
Other languages
English (en)
Inventor
江书莹
萧维萱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chunghwa Telecom Co Ltd
Original Assignee
Chunghwa Telecom Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chunghwa Telecom Co Ltd filed Critical Chunghwa Telecom Co Ltd
Publication of CN103675513A publication Critical patent/CN103675513A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种电器设备识别系统及方法，利用测量装置测量第一及第二电器设备的用电数据，在预设时段内令一接收装置持续接收第一电器设备的用电数据后，分析该第一电器设备所属的波动类型及其对应的波动特征值，进而根据该波动特征值进行学习以设定该第一电器设备的基准值，并继而依据该基准值对第二电器设备进行识别，借以达到快速及时地识别电器设备的目的，且无需加载额外硬件，因此能节省成本。

Description

电器设备识别系统及方法
技术领域
本发明涉及一种电器设备识别技术，尤指一种依据用电数据识别电器设备的系统及方法。
背景技术
在识别电器设备的领域中，如何让识别系统在最小成本负担下能实现快速及时地识别终端的电器设备一直是业界很重要的一项课题，目前市面上大多是利用额外安装的电流传感器来侦测终端电器设备的电流，以达到辨识该电器设备的功效，然而，此方法需要在每一终端电器设备上安装传感器，无疑会增加成本上的负担。
此外，目前市面上用来识别电器设备的识别系统大多无法有效实现快速及时地识别电器设备的目的，因此造成许多使用上的困扰。
根据上述背景技术的缺点，如何提供一种操作简便、快速及时且低成本的电器设备识别机制，即为本案待解决的技术课题。
发明内容
有鉴于上述背景技术的缺点，本发明的一目的在于提供一种操作简便且低成本的电器设备识别系统及方法。
本发明的另一目的在于提供一种快速及时的电器设备识别系统及方法。
本发明所揭示的电器设备识别系统，包括：测量装置、第一接收装置及第二接收装置，其中，该测量装置用于测量第一及第二电器设备的用电数据，该第一接收装置用于在预设时段内持续接收该第一电器设备的用电数据，该第一接收装置进一步包含有第一分析模块与学习模块，其中，该第一分析模块用于分析在该预设时段内持续接收的该第一电器设备的用电数据，以判断该第一电器设备所属的第一波动类型，进而计算该第一电器设备的第一波动特征值，该学习模块用以根据该第一波动特征值进行学习，以设定对应该第一电器设备的基准值，而该第二接收装置用于及时接收该第二电器设备的用电数据，该第二接收装置进一步包含有第二分析模块与识别模块，其中，该第二分析模块用于分析及时接收的该第二电器设备的用电数据，以判断该第二电器设备所属的第二波动类型，进而计算该第二电器设备的第二波动特征值，该识别模块用以比对该第二波动特征值与该基准值，以识别该第二电器设备。
在上述电器设备识别系统中，该第一、第二分析模块利用电纹过滤器进行过滤，据以判断该第一、第二波动类型为低波动类型或高波动类型。
在上述电器设备识别系统中，当该第一、第二波动类型为高波动类型时，该第一、第二波动特征值为电纹特征值，而当该第一、第二波动类型为低波动类型时，该第一、第二波动特征值为功率值。
在上述电器设备识别系统中，还包括将该电纹特征值以图像形式储存的储存装置。
在上述电器设备识别系统中，该识别模块利用图像搜寻方式，自该储存装置中比对该电纹特征值与该基准值，以识别该第二电器设备。
在上述电器设备识别系统中，该测量装置设于客户端，而该第一接收装置、该第二接收装置设于服务器端。
此外，本发明还提供电器设备识别方法，包括下列步骤：令测量装置测量第一及第二电器设备的用电数据；令第一接收装置在预设时段内持续接收该第一电器设备的用电数据；令该第一接收装置分析在该预设时段内持续接收的该第一电器设备的用电数据，以判断该第一电器设备所属的第一波动类型，进而计算该第一电器设备的第一波动特征值；令该第一接收装置根据该第一波动特征值进行学习，以设定对应该第一电器设备的基准值；令第二接收装置及时接收该第二电器设备的用电数据；令该第二接收装置分析该所接收的第二电器设备的用电数据，以判断该第二电器设备所属的第二波动类型，进而计算该第二电器设备的第二波动特征值；以及令该第二接收装置比对该第二波动特征值与该基准值，以识别该第二电器设备。
在前述的电器设备识别方法中，该第一、第二接收装置利用电纹过滤器进行过滤，据以判断该第一、第二波动类型为低波动类型或高波动类型，其中，当该第一、第二波动类型为高波动类型时，该第一、第二波动特征值为电纹特征值，而当该第一、第二波动类型为低波动类型时，该第一、第二波动特征值为功率值。
在前述的电器设备识别方法中，将该电纹特征值以图像形式储存于储存装置中，且进一步可令该第二接收装置利用图像搜寻方式，自该储存装置中比对该电纹特征值与该基准值，以识别该第二电器设备。
相比于背景技术，本发明所揭示的电器设备识别系统及方法，通过测量所有电器设备的用电数据，分析第一电器设备(一般电器设备)的波动类型及其波动特征值，进而根据该波动特征值进行学习以设定该第一电器设备的基准值，以供后续依据该基准值对第二电器设备(待识别的电器设备)进行识别，因此可实现操作简便、快速及时且无额外成本的负担的目的。
附图说明
图1为本发明的电器设备识别系统的系统架构示意图；
图2为本发明的电器设备识别方法的方法步骤流程图；以及
图3-图5为本发明的各种波动类型的电器设备的电纹波动的范例。
主要组件符号说明
100        电器设备识别系统
110        客户端
111        测量装置
120        服务器端
121        第一接收装置
122        第一分析模块
123        学习模块
125        第二接收装置
126        第二分析模块
127        识别模块
128        储存装置
130          第一电器设备
132          第二电器设备
S201~S213    步骤。
具体实施方式
以下借由特定的具体实施例说明本发明的技术内容，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点及功效，也可借由其它不同的具体实施例加以施行或应用。
请参阅图1，其为本发明的电器设备识别系统100的系统架构示意图。
如图1所示，该电器设备识别系统100主要包括测量装置111、第一接收装置121、第二接收装置125以及储存装置128。需说明的是，本发明的电器设备识别系统100可按实际需求应用于单机系统或网络系统中，以下仅以本发明应用于网络系统中予以详细说明，其中，该测量装置111设于客户端(client)110，而该第一接收装置121、该第二接收装置125以及该储存装置128设于服务器端(server)120。
该测量装置111用于测量第一电器设备(一般电器设备)130与第二电器设备(待识别的电器设备)132的用电数据。
在本实施例中，该测量装置111可例如为电能表(power meter)。
该第一接收装置121包含有第一分析模块122与学习模块123，其中，该第一接收装置121用于在预设时段(如24小时)内持续接收该第一电器设备130的用电数据，且利用该第一分析模块122分析在该预设时段内持续接收的该第一电器设备130的用电数据，以判断该第一电器设备130所属的第一波动类型，进而依据该第一波动类型与该用电数据，计算该第一电器设备130的第一波动特征值。
在本实施例中，该第一接收装置121通过网络系统接收该测量装置111所收集的用电数据。具体而言，本发明的第一接收装置121通过持续地收集该测量装置111于该预设时段内所测量到的用电数据，并通过第一分析模块122利用电纹过滤器(未图标)进行过滤，以过滤出高、低波动电纹，据以将该第一电器设备130的第一波动类型划分为高波动类型及低波动类型，其中，当该第一波动类型为高波动类型时，该第一波动特征值为电纹特征值，而当该第一波动类型为低波动类型时，该第一波动特征值为功率值。
此外，在本实施例中，当该第一波动类型为高波动类型时，该第一分析模块122依据该第一接收装置121所接收的用电数据，统计出电纹波动数据，以产生相对应的电纹波动图，以分析并标识出该电纹波动图中所包含的电纹特征值。
举例而言，高波动类型的电器设备可例如为饮水机，如图3所示，饮水机会根据用水状况，随时进行加热，其中，饮水机加热时用电为1300W左右，饮水机没加热时用电为2W，所以在图3中可以看出高高低低的电纹波动。因此由于这类的电器设备的用电状况会有明显高低落差，因而定义为高波动类型。
又举例而言，高波动类型的电器设备可例如为复印机，如图4所示，复印机会根据使用状况而呈现用电的高低波动，其中，当复印机打印时，会呈现不规则的用电数据，当复印机没有打印时，则保持24W左右的用电。因此由于这类的电器设备的用电状况会有明显高低落差，因而定义为高波动类型。
再举例而言，低波动类型的电器设备可例如为冰箱，如图5所示，冰箱的用电虽然稍有波动，但高低落差不明显，都在140W上下。因为这类的电器设备的用电状况没有明显高低落差，因此无法通过电纹波动分析出其电纹特征，因而定义为低波动类型。
该学习模块123用以根据该第一波动特征值(电纹特征值/功率值)进行学习，以设定对应该第一电器设备130的基准值，且将该第一电器设备130与对应该第一电器设备130的基准值储存于储存装置(包含功率数据库与电纹特征数据库)128中。
具体而言，该第一接收装置121通过该测量装置111于预设时段内持续地测量该第一电器设备130的用电数据，例如设定该测量装置111于24小时内以每分钟一笔数据的频率持续测量该第一电器设备130的用电数据，将该用电数据通过第一分析模块122进行分析，以将该第一电器设备130划分为低波动类型或高波动类型。当该第一电器设备130为高波动类型时，针对该第一分析模块122所产生的电纹特征值，该学习模块123将其以例如点状图或条状图形式的图像形式储存于该储存装置(如电纹特征数据库)128中。
该第二接收装置125包含有第二分析模块126与识别模块127。该第二接收装置125用于及时接收该第二电器设备132的用电数据，且利用该第二分析模块126分析该所接收的第二电器设备132的用电数据，以判断该第二电器设备132所属的第二波动类型，进而依据该第二波动类型与该用电数据，计算该第二电器设备132的第二波动特征值。
该识别模块127用以比对该第二波动特征值与该基准值，以识别该第二电器设备132。当该第二波动类型为低波动类型时，依据该第二分析模块126所计算出的功率值，自该储存装置(如功率数据库)128中搜寻出与其相对应的基准值(功率值)，借以搜寻出对应的电器设备以识别该第二电器设备132；而若该第二波动类型为高波动类型时，则依据该第二分析模块126所计算出的电纹特征值，自该储存装置(如电纹特征数据库)128中搜寻出与其相对应的基准值(电纹特征值)，借以搜寻出对应的电器设备以识别该第二电器设备132。
在本实施例中，该识别模块127利用图像搜寻方式(例如先通过小波转换后再利用以图找图的方式)，自该储存装置(如电纹特征数据库)128中搜寻出相对应的电纹特征值，以自该储存装置128中比对该电纹特征值与该基准值，进而搜寻出对应的电器设备以识别该第二电器设备132。
要特别说明的是，第二波动类型与第一波动类型的内容实质相同，且第二波动特征值与第一波动特征值的内容实质相同，因此在此便不加以赘述。
以下将配合图1、图2详细说明本发明的电器设备识别方法的方法步骤流程图。
如图2所示，首先进行步骤S201，令测量装置111测量第一、第二电器设备130、132的用电数据，接着进至步骤S203。
在本实施例中，该测量装置111可例如为电能表。
在步骤S203中，令第一接收装置121在预设时段内持续接收该第一电器设备130的用电数据，接着进至步骤S205。
在本实施例中，该预设时段例如为24小时，测量频率则可设定为每分钟一笔数据。
在步骤S205中，令该第一接收装置121分析在该预设时段内持续接收的该第一电器设备130的用电数据，以判断该第一电器设备130所属的第一波动类型，进而依据该第一波动类型与该用电数据，计算该第一电器设备130的第一波动特征值。具体而言，可通过持续地收集该测量装置111于24小时内所测量到的用电数据，并利用电纹过滤器(未图标)进行过滤，以过滤出高、低波动电纹，据以将该第一电器设备130划分为高波动类型及低波动类型，若判断该第一电器设备130为低波动类型时，则依据该低波动类型与该用电数据，计算该第一电器设备的功率值，并进至步骤S2071，若判断该第一电器设备130属于高波动类型时，则依据该高波动类型与该用电数据，计算该第一电器设备的电纹特征值，并进至步骤S2072。
在本实施例中，当判断该第一电器设备130属于高波动类型时，依据该测量装置111所测量的用电数据，统计出电纹波动数据，并产生相对应的电纹波动图，借以分析并标识出该电纹波动图中所包含的电纹特征值。
在步骤S2071中，根据该计算出的功率值进行学习，以设定对应该第一电器设备130的基准值以将该第一电器设备130与其对应的基准值储存于储存装置(如功率数据库)128中，接着进至步骤S209。
在步骤S2072中，根据该计算出的电纹特征值进行学习，以设定对应该第一电器设备130的基准值以将该第一电器设备130与其对应的基准值储存于储存装置(如电纹特征数据库)128，接着进至步骤S209。
在本实施例中，该电纹特征值以图像形式储存于该储存装置(如电纹特征数据库)128中。
在步骤S209中，令第二接收装置125及时接收该第二电器设备132的用电数据，接着进至步骤S211。
在步骤S211中，令第二接收装置125分析及时接收的该第二电器设备132的用电数据，以判断该第二电器设备132所属的第二波动类型，进而依据该第二波动类型与该用电数据，计算该第二电器设备132的第二波动特征值，接着进至步骤S213。
在步骤S213中，令该第二接收装置125比对该第二波动特征值与该基准值，以识别该第二电器设备132。
在本实施例中，是将第二波动特征值与储存在该储存装置128中对应第一电器设备130的基准值进行比对，以识别该第二电器设备132。也就是说，于判断该第二电器设备132属于低波动类型时，计算该第二电器设备132的功率值，并据以自该储存装置128中搜寻出相对应的基准值(功率值)借以识别出该第二电器设备132；而当判断该第二电器设备132属于高波动类型时，则进一步分析该第二电器设备132相对应的电纹特征值，并据以利用图像搜寻方式(例如先通过小波转换后再利用以图找图的方式)，自该储存装置128中搜寻出相对应的基准值(电纹特征值)，借以识别该第二电器设备132。
综上所述，本发明通过测量第一、第二电器设备的用电数据，以辨识第一电器设备的波动类型及其相对应的波动特征值，进而根据该波动特征值进行学习以设定对应该第一电器设备的基准值，以供日后依据该基准值对第二电器设备进行识别，借以达到快速及时地识别电器设备的目的，且操作简便而成本低廉。
然而，上述实施例仅用以例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修改。因此本发明的权利保护范围，应如权利要求书所列。

Claims (11)

1.一种电器设备识别系统，包括：
测量装置，其用于测量第一电器设备与第二电器设备的用电数据；
第一接收装置，其用于在预设时段内持续接收该第一电器设备的用电数据，该第一接收装置包含：
第一分析模块，其用于分析在该预设时段内持续接收的该第一电器设备的用电数据，以判断该第一电器设备所属的第一波动类型，进而计算该第一电器设备的第一波动特征值；及
学习模块，其用以根据该第一波动特征值进行学习，以设定对应该第一电器设备的基准值；以及
第二接收装置，其用于及时接收该第二电器设备的用电数据，该第二接收装置包含：
第二分析模块，其用于分析所接收的该第二电器设备的用电数据，以判断该第二电器设备所属的第二波动类型，进而计算该第二电器设备的第二波动特征值；及
识别模块，其用以比对该第二波动特征值与该基准值，以识别该第二电器设备。
2.根据权利要求1所述的电器设备识别系统，其特征在于，该第一及第二分析模块利用电纹过滤器进行过滤，据以判断该第一、第二波动类型为低波动类型或高波动类型。
3.根据权利要求2所述的电器设备识别系统，其特征在于，该第一及第二波动类型为高波动类型时，该第一及第二波动特征值为电纹特征值，而该第一及第二波动类型为低波动类型时，该第一及第二波动特征值为功率值。
4.根据权利要求3所述的电器设备识别系统，其特征在于，该系统还包括将该电纹特征值以图像形式储存的储存装置。
5.根据权利要求4所述的电器设备识别系统，其特征在于，该识别模块利用图像搜寻方式，自该储存装置中比对该电纹特征值与该基准值，以识别该第二电器设备。
6.根据权利要求1所述的电器设备识别系统，其特征在于，该测量装置设于客户端，而该第一接收装置及该第二接收装置设于服务器端。
7.一种电器设备识别方法，包括下列步骤：
令测量装置测量第一电器设备与第二电器设备的用电数据；
令第一接收装置在预设时段内持续接收该第一电器设备的用电数据；
令该第一接收装置分析在该预设时段内所持续接收的该第一电器设备的用电数据，以判断该第一电器设备所属的第一波动类型，进而计算该第一电器设备的第一波动特征值；
令该第一接收装置根据该第一波动特征值进行学习，以设定对应该第一电器设备的基准值；
令第二接收装置及时接收该第二电器设备的用电数据；
令该第二接收装置分析所接收的该第二电器设备的用电数据，以判断该第二电器设备所属的第二波动类型，进而计算该第二电器设备的第二波动特征值；以及
令该第二接收装置比对该第二波动特征值与该基准值，以识别该第二电器设备。
8.根据权利要求7所述的电器设备识别方法，其特征在于，该第一及第二接收装置利用电纹过滤器进行过滤，据以判断该第一及第二波动类型为低波动类型或高波动类型。
9.根据权利要求8所述的电器设备识别方法，其特征在于，该第一及第二波动类型为高波动类型时，该第一及第二波动特征值为电纹特征值，而该第一及第二波动类型为低波动类型时，该第一及第二波动特征值为功率值。
10.根据权利要求9所述的电器设备识别方法，其特征在于，将该电纹特征值以图像形式储存于储存装置中。
11.根据权利要求10所述的电器设备识别方法，其特征在于，令该第二接收装置利用图像搜寻方式，自该储存装置中比对该电纹特征值与该基准值，以识别该第二电器设备。
CN201210392600.8A 2012-09-14 2012-10-16 电器设备识别系统及方法 Pending CN103675513A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW101133627 2012-09-14
TW101133627A TWI443346B (zh) 2012-09-14 2012-09-14 電器設備識別系統及方法

Publications (1)

Publication Number Publication Date
CN103675513A true CN103675513A (zh) 2014-03-26

Family

ID=50313677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210392600.8A Pending CN103675513A (zh) 2012-09-14 2012-10-16 电器设备识别系统及方法

Country Status (2)

Country Link
CN (1) CN103675513A (zh)
TW (1) TWI443346B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090176A (zh) * 2014-06-09 2014-10-08 深圳市宏电技术股份有限公司 一种基于耗电特征曲线的家用电器智能识别方法
CN104111395A (zh) * 2014-07-22 2014-10-22 上海申瑞继保电气有限公司 用户侧投运用电设备的识别方法
CN104407258A (zh) * 2014-12-06 2015-03-11 无锡高卓流体设备有限公司 电器设备识别系统
CN106168484A (zh) * 2015-05-19 2016-11-30 苏州宝时得电动工具有限公司 边界线的脉冲信号识别系统、方法及智能割草系统
CN106468912A (zh) * 2015-08-14 2017-03-01 横河电机株式会社 诊断方法、id模块及过程控制系统
CN105785187B (zh) * 2016-04-08 2018-06-15 湖南工业大学 一种学生宿舍用电器类型判断方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113063984B (zh) * 2021-03-16 2021-11-02 合肥艾通自动化工程有限公司 一种负载识别装置、识别方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1162566A2 (en) * 2000-06-06 2001-12-12 Matsushita Electric Industrial Co., Ltd. Methods and apparatuses for recognising or checking patterns
US20030089679A1 (en) * 1999-02-26 2003-05-15 Micron Technology, Inc. Apparatus and method of detecting endpoint of a dielectric etch
CN101491441A (zh) * 2009-02-26 2009-07-29 江西蓝天学院 基于脑电信号的身份识别方法
CN101834883A (zh) * 2009-03-10 2010-09-15 中华电信股份有限公司 适用于不同终端设备的网络服务管理系统与方法
US20110057666A1 (en) * 2007-04-23 2011-03-10 Globalfoundries Inc. Method and apparatus for identifying broken pins in a test socket
CN102388392A (zh) * 2009-02-10 2012-03-21 公立大学法人大阪府立大学 模式识别设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030089679A1 (en) * 1999-02-26 2003-05-15 Micron Technology, Inc. Apparatus and method of detecting endpoint of a dielectric etch
EP1162566A2 (en) * 2000-06-06 2001-12-12 Matsushita Electric Industrial Co., Ltd. Methods and apparatuses for recognising or checking patterns
US20110057666A1 (en) * 2007-04-23 2011-03-10 Globalfoundries Inc. Method and apparatus for identifying broken pins in a test socket
CN102388392A (zh) * 2009-02-10 2012-03-21 公立大学法人大阪府立大学 模式识别设备
CN101491441A (zh) * 2009-02-26 2009-07-29 江西蓝天学院 基于脑电信号的身份识别方法
CN101834883A (zh) * 2009-03-10 2010-09-15 中华电信股份有限公司 适用于不同终端设备的网络服务管理系统与方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
祝晓辉: "基于图像处理的电力设备识别方法研究", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》, no. 01, 15 July 2007 (2007-07-15) *
程玲: "电力系统设备状态监测与故障诊断", 《水电厂自动化》, vol. 29, no. 3, 30 September 2008 (2008-09-30) *
苏鹏声 等: "电力系统设备状态监测与故障诊断技术分析", 《电力系统自动化》, vol. 27, no. 1, 10 January 2003 (2003-01-10) *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090176A (zh) * 2014-06-09 2014-10-08 深圳市宏电技术股份有限公司 一种基于耗电特征曲线的家用电器智能识别方法
CN104111395A (zh) * 2014-07-22 2014-10-22 上海申瑞继保电气有限公司 用户侧投运用电设备的识别方法
CN104111395B (zh) * 2014-07-22 2016-09-14 上海申瑞继保电气有限公司 用户侧投运用电设备的识别方法
CN104407258A (zh) * 2014-12-06 2015-03-11 无锡高卓流体设备有限公司 电器设备识别系统
CN106168484A (zh) * 2015-05-19 2016-11-30 苏州宝时得电动工具有限公司 边界线的脉冲信号识别系统、方法及智能割草系统
CN106468912A (zh) * 2015-08-14 2017-03-01 横河电机株式会社 诊断方法、id模块及过程控制系统
CN106468912B (zh) * 2015-08-14 2020-01-17 横河电机株式会社 诊断方法、id模块及过程控制系统
CN105785187B (zh) * 2016-04-08 2018-06-15 湖南工业大学 一种学生宿舍用电器类型判断方法

Also Published As

Publication number Publication date
TW201411144A (zh) 2014-03-16
TWI443346B (zh) 2014-07-01

Similar Documents

Publication Publication Date Title
CN103675513A (zh) 电器设备识别系统及方法
CN106786534B (zh) 一种非侵入式电力负荷暂态过程辨识方法及系统
US20170351288A1 (en) Non-invasive online real-time electric load identification method and identification system
CN110381126B (zh) 基于边缘计算的用电设备识别方法、系统、设备及介质
US9156368B2 (en) Method for detection of plug-in electric vehicle charging via interrogation of smart meter data
US9733286B2 (en) Method for identifying electric appliance and apparatus and system thereof
US11573587B2 (en) Apparatus and method for non-invasively analyzing behaviors of multiple power devices in circuit and monitoring power consumed by individual devices
Barker et al. NILM redux: The case for emphasizing applications over accuracy
Abubakar et al. An overview of non-intrusive load monitoring methodologies
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
GB2488164A (en) Identifying electrical appliances and their power consumption from energy data
Girmay et al. Simple event detection and disaggregation approach for residential energy estimation
TWI492182B (zh) 電器負載辨識方法
CN109782086B (zh) 一种基于多维度信号分析的非侵入负荷识别方法
WO2021171303A1 (en) A system and method for energy management of identical appliances using non-intrusive load monitoring technique
US20150088441A1 (en) Energy usage estimation device and energy usage estimation method
CN115456034A (zh) 一种电动自行车充电自动识别监测方法及系统
CN103400308A (zh) Gis设备运行状态在线检测方法与系统
CN103675503A (zh) 电器设备的异常状态侦测系统及方法
CN112615428A (zh) 一种线损分析治理系统及方法
CN104280063A (zh) 能源评估系统及其评估方法
CN106850272B (zh) 中央服务器、业务服务器及其异常检测方法和系统
CN107017835B (zh) 光伏组件的故障监测系统及方法
Reinhardt et al. Can smart plugs predict electric power consumption? A case study
CN103427491A (zh) 智能电网数据自动采集监测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140326