CN103973761A - 管理系统、智能电表、服务器、操作方法以及管理方法 - Google Patents

管理系统、智能电表、服务器、操作方法以及管理方法 Download PDF

Info

Publication number
CN103973761A
CN103973761A CN201310125313.5A CN201310125313A CN103973761A CN 103973761 A CN103973761 A CN 103973761A CN 201310125313 A CN201310125313 A CN 201310125313A CN 103973761 A CN103973761 A CN 103973761A
Authority
CN
China
Prior art keywords
data
electrical
electrical equipment
intelligent electric
processing unit
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.)
Granted
Application number
CN201310125313.5A
Other languages
English (en)
Other versions
CN103973761B (zh
Inventor
林群惟
郭伦嘉
林宛蓉
林念真
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.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
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 Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN103973761A publication Critical patent/CN103973761A/zh
Application granted granted Critical
Publication of CN103973761B publication Critical patent/CN103973761B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/04—Protocols for data compression, e.g. ROHC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D4/00—Tariff metering apparatus
    • G01D4/002—Remote reading of utility meters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/30—Smart metering, e.g. specially adapted for remote reading

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种管理系统、智能电表、服务器、操作方法以及管理方法。管理系统包括远程服务器以及至少一智能电表。该智能电表通过通讯网络耦接至该远程服务器。智能电表测量至少一电力线的电能，以获得至少一用电数据。智能电表检测是否发生负载事件。若发生该负载事件，则智能电表对在该负载事件所对应的事件期间中的所述用电数据进行数据压缩，以获得经压缩数据，以及将该经压缩数据上传至远程服务器。远程服务器对该经压缩数据进行数据解压缩，以获得经解压缩数据。远程服务器依据该经解压缩数据，进行负载辨识。

Description

管理系统、智能电表、服务器、操作方法以及管理方法
技术领域
本发明涉及一种管理系统及其中的智能电表与远程服务器、智能电表与远程服务器的操作方法，以及其中电器电力特征数据库的管理方法。
背景技术
智能电表除了可以测量家中的用电量外，还可以非侵入方式监测家中电器的负载状况(开/关)。在非侵入居家电器负载监测的应用情境，一般智能电表的计算能力不足，且仅能针对实功信息进行辨识，因此辨识正确率不高。另一种方法可以由电表端先判断事件发生，再将电力特征上传至云端，以便在云端进行负载辨识。为了更精确知道电器的负载状况，势必将智能电表分辨率提高，但相对产生的电力特征数据量愈多。例如，当取样率为4KHz时，智能电表上传至云端的数据流量相当于7.5KB/s。对系统运营商而言，巨量的电力特征数据将会增加云端带宽成本、存储空间租赁成本与计算的成本。
发明内容
本发明实施例提出一种智能电表的管理系统，包括远程服务器以及至少一智能电表。该智能电表通过通讯网络耦接至该远程服务器。智能电表测量至少一电力线的电能，以获得至少一用电数据。智能电表检测是否发生负载事件。若发生该负载事件，则智能电表对在该负载事件所对应的事件期间中的所述用电数据进行数据压缩，以获得经压缩数据，以及将该经压缩数据上传至远程服务器。远程服务器对该经压缩数据进行数据解压缩，以获得经解压缩数据。远程服务器依据该经解压缩数据进行负载辨识。
本发明实施例提出一种智能电表的操作方法，包括：测量至少一电力线的电能，以获得至少一用电数据；检测是否发生负载事件；若发生该负载事件，则对在该负载事件所对应的事件期间中的所述用电数据进行数据压缩，以获得经压缩数据；以及将该经压缩数据上传至远程服务器。
本发明实施例提出一种智能电表，包括电力测量单元、通讯单元以及处理单元。电力测量单元测量至少一电力线的电能，以获得至少一用电数据。处理单元耦接至电力测量单元与通讯单元。处理单元检测是否发生负载事件。若发生该负载事件，则处理单元对在该负载事件所对应的事件期间中的所述用电数据进行数据压缩，以获得经压缩数据。处理单元经由通讯单元将该经压缩数据上传至远程服务器。
本发明实施例提出一种远程服务器的操作方法，其中该远程服务器通过通讯网络管理至少一智能电表。该操作方法包括：接收该智能电表所上传的经压缩数据；对该经压缩数据进行数据解压缩，以获得经解压缩数据；以及依据该经解压缩数据进行负载辨识。
本发明实施例提出一种远程服务器，以通过通讯网络管理至少一智能电表。该远程服务器包括通讯单元以及处理单元。处理单元耦接至该通讯单元。处理单元经由该通讯单元接收智能电表所上传的经压缩数据。处理单元对该经压缩数据进行数据解压缩，以获得经解压缩数据。处理单元依据该经解压缩数据进行负载辨识。
本发明实施例提出一种远程服务器的操作方法。该远程服务器通过通讯网络管理至少一智能电表。该操作方法包括：接收该智能电表所上传的用电数据，其中该用电数据报含多个电力特征；以所述电力特征对在电器电力特征数据库中的多个电器样本进行负载辨识；以及依据该负载辨识的结果，决定该用电数据所对应的电器。
本发明实施例提出一种远程服务器，通过通讯网络管理至少一智能电表。远程服务器包括电器电力特征数据库、通讯单元以及处理单元。处理单元耦接至电器电力特征数据库与通讯单元。处理单元经由通讯单元接收该智能电表所上传的用电数据，其中该用电数据报含多个电力特征。处理单元以所述电力特征对在该电器电力特征数据库中的多个电器样本进行负载辨识。依据该负载辨识的结果，处理单元决定该用电数据所对应的电器。
本发明实施例提出一种电器电力特征数据库的管理方法，包括：由一提供者提供至少一电器样本，并将该电器样本上传至该电器电力特征数据库，其中该电器样本具有多个样本特征；从一智能电表上传多个电力特征至一远程服务器；由一远程服务器以所述电力特征对该电器电力特征数据库的内容进行一负载辨识；以及当该负载辨识的结果显示该电器样本被采用时，则该远程服务器自动累计该电器样本被采用次数。
基于上述，本发明实施例提供一种管理系统及其智能电表与远程服务器，以及智能电表与远程服务器的操作方法。在一些实施例中，系统可以针对不同种类电器的电力特征，动态调整用电数据(例如电流波形数据)的压缩比率，以及将经压缩数据上传至远程服务器。在另一些实施例中，系统可以针对不同电力特征(例如实功、虚功、电流波形、谐波、瞬时或其他电力特征)分别给予不同的电力特征权重，以提高辨识正确率。更在一些实施例中，系统可以考虑负载辨识正确率和不同的远程服务器平台(例如云端服务器)收费机制，动态调整所述压缩率。本发明实施例再提供一种电器电力特征数据库的管理方法，建立提供者(例如家电厂商、服务商、一般用户或是其他人)提供电器样本至系统的机制。
附图说明
图1是依照本发明实施例说明一种智能电表的管理系统应用情境示意图；
图2是依照本发明实施例说明智能电表与远程服务器的功能方块示意图；
图3是依照本发明一实施例说明智能电表与远程服务器的操作方法流程示意图；
图4是依照本发明一实施例说明智能电表进行数据压缩的操作方法流程示意图；
图5A、图5B与图5C是依照本发明实施例说明不同负载类型的电流波形示意图；
图6A、图6B与图6C是依照本发明实施例说明不同负载类型的电压电流曲线示意图；
图7是依照本发明实施例说明决定电器类别的流程示意图；
图8A与图8B是依照本发明实施例说明对应于不同电器种类的不同压缩率-辨识正确率模型示意图；
图9A是依照本发明实施例说明一种封包的数据结构示意图；
图9B是依照本发明另一实施例说明一种封包的数据结构示意图；
图10是依照本发明另一实施例说明智能电表进行数据压缩的操作方法流程示意图；
图11是依照本发明另一实施例说明远程服务器进行负载辨识的流程示意图；
图12是依照本发明另一实施例说明智能电表与远程服务器的操作方法流程示意图；
图13是依照本发明又一实施例说明智能电表与远程服务器的操作方法流程示意图；
图14是依照本发明实施例说明电器电力特征数据库的管理方法流程示意图。
【主要元件符号说明】
110：远程服务器
111、123：通讯单元
112、122：处理单元
113：电器电力特征数据库
120、130、140：智能电表
121：电力测量单元
610：左段
620：中段
630：右段
811、812、821、822：模型曲线
S310～S380、S410～S430、S710～S750、S1010～S1030、S1110～S1170、S1270～S1272、S1340～S1350、S1405～S1445：步骤
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
在本案说明书全文(包括权利要求书)中所使用的“耦接”一词可指任何直接或间接的连接手段。举例而言，若文中描述第一装置耦接于第二装置，则应该被解释成该第一装置可以直接连接于该第二装置，或者该第一装置可以通过其他装置或某种连接手段而间接地连接至该第二装置。另外，凡可能之处，在图式及实施方式中使用相同标号的元件/构件/步骤代表相同或类似部分。不同实施例中使用相同标号或使用相同用语的元件/构件/步骤可以相互参照相关说明。
图1是依照本发明实施例说明一种智能电表的管理系统应用情境示意图。管理系统包括远程服务器110以及至少一个智能电表(例如图1所示智能电表120、130与140)。远程服务器110可以是任何形式的计算平台，例如云端服务器、大型计算机、个人计算机或是其他电子装置。远程服务器110可以由系统运营商所设置与管理，以便提供非侵入式居家电器负载辨识/监测服务。
于图1所示应用情境中，智能电表120、130与140各自装配在不同用户的家中(或公司、工厂中)。智能电表120、130与140各自连接一个或多个电器(负载)。智能电表可以测量至少一电力线的电能，以获得所述电力线的用电数据。所述电力线可以传输电能给一个或多个电器(负载)。
智能电表120、130与140各自通过通讯网络耦接至远程服务器110。所述通讯网络可以适任合形式的通讯机制，例如因特网(internet)、局域网络(Local Area Network，LAN)、无线局域网络(Wireless Local AreaNetwork，WLAN)、市话系统、3G移动通讯协议(third generation(3G)mobile communication protocol)或是其他通讯网络。智能电表120、130与140可以各自将用电数据上传至远程服务器110。在一些实施例中，智能电表120、130或140可以将未经压缩的用电数据上传至远程服务器110。在另一些实施例中，智能电表120、130或140可以将用电数据压缩后再上传至远程服务器110(容后详述)。
于本实施例中，智能电表120、130与140可以各自检测是否发生“负载事件”。例如，智能电表120可以检测所属电力网络中是否有电器被启动(turn on)、被关机(turn off)或是切换至其它运转模式。其他智能电表130与140可以参照智能电表120的相关说明而类推。一旦在此电力网络中的任何电器(负载)发生启动事件、关机事件、或是切换至其它运转模式，智能电表120可以通过检测电力网络(电力线)的电力特征(例如实功、虚功、电流波形、谐波、瞬时或其他特征)来获知这些事件的发生。于本实施例中，这些事件被统称为“负载事件”。
当发生负载事件时，智能电表120可以将在该负载事件所对应的“事件期间”中的用电数据上传至远程服务器110。所述“事件期间”可以依照实际产品/系统的设计需求而定义。例如，在一些实施例中，将发生负载事件的时间点的前后10秒范围定义为所述事件期间。又例如，在另一些实施例中，将发生负载事件的时间点的前2秒至后10秒范围定义为所述事件期间。
图2是依照本发明实施例说明智能电表与远程服务器的功能方块示意图。图2所述实施例可以参照图1的相关说明。智能电表120包括电力测量单元121、处理单元122以及通讯单元123。市电经由至少一电力线供电给一或多个电器(负载)，如图2所示。电力测量单元121可以测量所述电力线的电能(例如测量电压及/或电流)，以获得至少一用电数据。
处理单元122耦接至电力测量单元121与通讯单元123。处理单元122可以依据电力测量单元121所测量到的电力特征来检测是否发生所述“负载事件”(参看图1的相关说明)。在一些实施例中，若发生该负载事件，则处理单元122经由通讯单元123将在该负载事件所对应的“事件期间”中的未经压缩用电数据上传至远程服务器110。在另一些实施例中，若发生该负载事件，则处理单元121对在该“事件期间”中的用电数据进行数据压缩，以获得一经压缩数据。在完成数据压缩后，处理单元122经由通讯单元123将所述经压缩数据上传至远程服务器110。依照不同实施例的不同设计需求，上述用电数据或所述经压缩数据可以包含实功率值、虚功率值、谐波值、电流波形数据、电压波形数据及/或其他电性特征数据。
远程服务器110可以通过通讯网络管理一个或多个智能电表(例如智能电表120)。远程服务器110包括通讯单元111、处理单元112以及电器电力特征数据库113。处理单元112耦接至通讯单元111与电器电力特征数据库113。在一些实施例中，若智能电表120将未经压缩的用电数据上传至远程服务器110，则处理单元112经由通讯单元111接收智能电表120所上传的用电数据(其包含多个电力特征)。处理单元112以这些电力特征对在电器电力特征数据库113中的多个电器样本进行负载辨识。依据该负载辨识的结果，处理单元112决定该用电数据所对应的电器。在另一些实施例中，若智能电表120将压缩后的用电数据上传至远程服务器110，则处理单元112经由通讯单元111接收智能电表120所上传的经压缩数据。处理单元112对该经压缩数据进行数据解压缩，以获得经解压缩数据。处理单元112依据该经解压缩数据进行负载辨识。
图3是依照本发明一实施例说明智能电表与远程服务器的操作方法流程示意图。图3所述实施例可以参照图1与图2的相关说明而类推。请参照图2与图3，电力测量单元121执行步骤S310，以测量所述电力线的电能并获得用电数据。处理单元122执行步骤S320，以依据电力测量单元121所测量到的用电数据来检测是否发生所述“负载事件”。若发生该负载事件，则处理单元121执行步骤S330，以对在该“事件期间”(参看图1的相关说明)中的用电数据进行数据压缩，以获得经压缩数据。
本实施例并不限制上述步骤S330所进行的数据压缩方法。例如，图4是依照本发明一实施例说明智能电表进行数据压缩的操作方法流程示意图。不同的电器种类，在不同的压缩率的情况下，对负载辨识正确率的影响程度也不一样。图4所述实施例可以参照图1至图3的相关说明而类推。请参照图2与图4，为了有效提高不同种类电器的电流波形的压缩率，处理单元122执行步骤S410，以分析该事件期间中的用电数据，进而决定该负载事件所对应的电器类别。
本实施例并不限制上述步骤S410所进行决定电器类别的方法。例如，在一些实施例中，若电力测量单元121所提供的用电数据/电力特征包含电流波形数据，则处理单元122可以依据此电流波形数据辨识出负载类型(电器类别)。不同种类的电器因为内部组件的特性，而会有不同的电流波形形态。图5A、图5B与图5C是依照本发明实施例说明不同负载类型的电流波形示意图。图5A、5B与5C的纵轴表示电流值，而横轴表示时间。其中，图5A为电阻类(例如吹风机)的电流波形。常见的电阻类电器包含有白炽灯泡、吹风机、热水壶及电暖炉等。电阻类电器多属于热源提供电器，其电流波形呈较完全的正弦波。图5B为电感类(例如空气清净机)的电流波形。家用电器中以马达类负载为电感类的常见电器。电感类的负载的虚功皆较显著，其中包含电风扇、电冰箱、冷气、抽水马达及散热风扇等种类。图5C为日光灯类的电流波形。通过辨识电流波形，处理单元122可以辨识出触发所述“负载事件”的电器的负载类型(电器类别)。
另外，诸如液晶屏幕、笔记本电脑及打印机等则属于电子类。在电子类的电流波形中谐波成分相当高，究其原因乃因其多采用直流供电，因此需在市电输入后，在变压器中进行全桥整流及降压等处理。电力网络中其频率高于基波的成份称为谐波。谐波可由电力测量单元121直接提供，也可由电力测量单元121所提供的电流波形加以计算后得到。
在另一些实施例中，若电力测量单元121所提供的用电数据/电力特征包含实功率值与虚功率值，则处理单元122可以依据此实功率值与虚功率值辨识出负载类型(电器类别)。例如，处理单元122可以判断该实功率值与该虚功率值的比率是否大于临界值。若实功率值与虚功率值的比率大于该临界值，则处理单元122可以决定触发所述“负载事件”的电器类别为电阻类。其中，所述实功率值可由电力测量单元121直接提供，也可由电力测量单元121所提供的电压、电流再加以计算而获得。例如，处理单元122可以将电力测量单元121所提供的电压、电流二者间的相位差取余弦值，再将此电压、电流与余弦值三者相乘后积分而得。所述虚功率值则是当电压V与电流I之间有相位差的时候，所损失的部分能量。所述虚功率值电力测量单元121直接提供，也可由电力测量单元121所提供的电压、电流相乘后积分得到的值减去实功率值而得。
在又一些实施例中，若电力测量单元121所提供的用电数据/电力特征包含电压电流曲线数据，则处理单元122可以依据此电压电流曲线数据辨识出负载类型(电器类别)。例如，智能电表120的处理单元122可以依据该电压电流曲线数据所对应的电压电流曲线的封闭面积而决定该电器类别。电压电流曲线的封闭面积的计算方法为本领域的公知技术，故不在此赘述。图6A、图6B与图6C是依照本发明实施例说明不同负载类型的电压电流曲线示意图。图6A、6B与6C的纵轴表示电流值，而横轴表示电压。其中，图6A为电阻类(例如电子热水瓶启动加热)的电压电流曲线，图6B为电子类(例如液晶屏幕)的电压电流曲线，图6C为电感类(例如冰箱)的电压电流曲线。通过判断电压电流曲线的封闭区域面积，智能电表120的处理单元122可以辨识出触发所述“负载事件”的电器的负载类型(电器类别)。例如，若该电压电流曲线的封闭面积小于第一临界值(即该封闭面积极小，如图6A所示)，则处理单元122可以决定触发所述“负载事件”的电器类别为电阻类。再例如，若该电压电流曲线的封闭面积大于第二临界值(即该封闭面积极大，如图6C所示)，则处理单元122可以决定触发所述“负载事件”的电器类别为电感类。
在更一些实施例中，所述电压电流曲线可以被分为左段610、中段620与右段630。处理单元122可以依据左段610、中段620与右段630内的封闭面积关系而辨识出负载类型(电器类别)。例如，若左段610、中段620与右段630内的封闭面积皆小于第一临界值(即三段封闭面积皆极小，如图6A所示)，则处理单元122可以决定触发所述“负载事件”的电器类别为电阻类。再例如，若左段610与右段630内的封闭面积皆大于第一临界值，而中段620内的封闭面积小于第一临界值(即封闭面积集中于左段610与右段630，而中段620内的封闭面积极小，如图6B所示)，则处理单元122可以决定触发所述“负载事件”的电器类别为电子类。又例如，若中段620内的封闭面积大于第二临界值，而左段610与右段630内的封闭面积皆小于第二临界值(即中段620内的封闭面积极大，而左段610与右段630内的封闭面积偏小，如图6C所示)，则处理单元122可以决定触发所述“负载事件”的电器类别为电感类。
图4所步骤S410所进行决定电器类别的方法不应受限于上述实施例。例如，图7是依照本发明实施例说明决定电器类别的流程示意图。图7所示实施例是针对实虚功比例、电压-电流曲线以及谐波含量等电力特征值进行计算及比较。处理单元122进行步骤S710，以从电力测量单元121读取用电数据/电力特征。处理单元122进行步骤S720，以从用电数据/电力特征分析/计算出实功率值与虚功率值的比率、电压电流曲线中左右段的封闭面积与中段的封闭面积二者的比值、以及谐波比(例如三次谐波与二次谐波的比率)。
处理单元122进行步骤S730，以判断负载实虚功比例。现今常用的电器中，大部分电器的实虚功比皆偏小，而电阻类电器的实虚功偏大。因此，处理单元122在步骤S730中可以判断实功率值与虚功率值的比率是否大于临界值N。若实功率值与虚功率值的比率大于临界值N，则处理单元122可以决定触发所述“负载事件”的电器类别为电阻类。
若实功率值与虚功率值的比率小于临界值N，则处理单元122进行步骤S740，以判断电压-电流曲线图的三段面积比，例如图6A、图6B或图6C中左段610、中段620与右段630的面积比。电子类的电压-电流曲线面积的曲线封闭面积多集中于两端(例如图6B所示，其封闭面积集中于左段610与右段630，而中段620内的封闭面积极小)。处理单元122在步骤S740判断电压-电流曲线中左段610与右段630的封闭面积与中段620内的封闭面积二者的比值是否大于临界值M。利用此特性将有助于从非电阻类的负载中，分类区分出电子类负载。若该比值大于临界值M，则处理单元122可以决定触发所述“负载事件”的电器类别为“电子类”。若该比值小于临界值M，则处理单元122可以决定该电器类别为感抗类(例如电感类)。
荧光灯管(例如日光灯)类的负载功率较小，而其电流易受灯管前级驱动器影响使得辨识度偏低。此外，日光灯类的各项电气特征与一般马达类(电感类)差异甚小。因此，当电压-电流曲线中左右段封闭面积与中段封闭面积二者的比值小于临界值M时，处理单元122可以进行步骤S750，以有效区别马达类(电感类)负载与荧光灯管(日光灯)类负载。于本实施例中，该谐波比为三次谐波与二次谐波的比率。处理单元122在步骤S750判断谐波比是否大于临界值L。若该谐波比大于临界值L，则处理单元122可以决定触发所述“负载事件”的电器类别为电感类。若该谐波比小于该临界值L，则处理单元122可以决定该电器类别为日光灯类。
请参照图2与图4，处理单元122执行步骤S420，以依照步骤S410所决定的电器类别而动态决定步骤S430中数据压缩的压缩率。于本实施例中，步骤S420包括步骤S421～S424。处理单元122在步骤S421提供对应于不同电器类别的多个压缩率-辨识正确率模型。所述电器类别包括电阻类、电子类、电感类或日光灯类。不同的电器种类，会有不同的压缩率-辨识正确率的模型a＝fi(cp)，其中cp为压缩率，a为辨识正确率，而i＝1为电阻类、i＝2为电子类、i＝3为电感类、i＝4为荧光灯类。所述辨识正确率a表示在远程服务器110进行负载辨识(例如图3中步骤S370)时的辨识正确率。
例如，图8A与图8B是依照本发明实施例说明对应于不同电器种类的不同压缩率-辨识正确率模型a＝fi(cp)示意图。图8A与图8B的纵轴表示辨识正确率a，横轴表示压缩率cp。其中，图8A是日光灯类的压缩率-辨识正确率模型a＝f4(cp)，而图8B是电阻类的压缩率-辨识正确率模型a＝f1(cp)。由图8A可看出日光灯类在压缩率为0.5时，辨识正确率即下降到80％以下，而由图8B可看出电阻类在压缩率为0.75时，辨识正确率仍接近100％。
处理单元122执行步骤S422，以依照步骤S410所决定的电器类别从步骤S421所提供的不同压缩率-辨识正确率模型a＝fi(cp)选择其中一个对应模型。在一些实施例中，可以使用不同查找表(lookup table)分别实施不同的模型a＝fi(cp)。例如，第一查找表可以记录图8A中模型曲线812的辨识正确率a与压缩率cp的对应关系，而第二查找表可以记录图8B中模型曲线822的辨识正确率a与压缩率cp的对应关系。因此，处理单元122可以在步骤S422中依照步骤S410所决定的电器类别而从不同查找表中选择对应的查找表(对应的模型a＝fi(cp))。
在另一些实施例中，可以使用不同方程式分别实施不同的模型a＝fi(cp)。例如，第一方程式a＝0.9091(cp)2-24.909cp+122.73可以表示图8A中模型曲线811的辨识正确率a与压缩率cp的对应关系，而第二方程式a＝15.909(cp)2+60.455cp+52.273可以表示图8B中模型曲线821的辨识正确率a与压缩率cp的对应关系。因此，处理单元122可以在步骤S422中依照步骤S410所决定的电器类别而从不同方程式中选择对应的方程式(对应的模型a＝fi(cp))。
请参照图2与图4，处理单元122执行步骤S423，以定义临界辨识率。临界辨识率表示远程服务器110在进行负载辨识(例如图3中步骤S370)时所能容忍的最低辨识正确率。此临界辨识率是依照系统的设计需求来决定的。处理单元122执行步骤S424，以依照步骤S423所定义的临界辨识率，而从步骤S422所选择的对应模型中获得步骤S430的压缩率。例如，若步骤S423所定义的临界辨识率为80％，则以cp＝80％代入步骤S422所选择的对应模型a＝fi(cp)，以求得步骤S430的压缩率a。
在其他实施例中，可以同时以查找表与方程式实施同一个压缩率-辨识正确率模型a＝fi(cp)。以图8A所示日光灯类的压缩率-辨识正确率模型a＝f4(cp)为例，处理单元122可以同时以模型曲线811(方程式)与模型曲线812(查找表)来描述日光灯类的压缩率-辨识正确率模型a＝f4(cp)。在此实施条件下，若设定辨识正确率需到达80％以上，则处理单元122可以从查找表找出/内插出辨识正确率为80％的第一压缩率，以及从方程式算出辨识正确率为80％的第二压缩率。处理单元122可以从所述第一压缩率与所述第二压缩率中取其高者，以供步骤S430进行电力特征数据压缩。
请参照图2与图4，处理单元122执行步骤S430，以依据步骤S420所决定的压缩率对在该“事件期间”(参看图1的相关说明)中的用电数据进行数据压缩，以获得所述经压缩数据。例如，假设所述用电数据报含电流波形数据，则处理单元122在步骤S430中依据步骤S410所决定的电器类别与步骤S420所决定的该压缩率，于查找表中找出取样点位置信息。接下来，处理单元122在步骤S430中依据所述取样点位置信息舍弃该电流波形数据的部份内容，以获得该经压缩数据，并产生压缩后的电力特征数据封包。所述步骤S430的查找表可以视实际系统的设计需求来设定其内容。例如，表1是依照本发明实施例说明步骤S430的查找表。
表1：数据压缩的查找表
对照代号 周期波取样数 压缩率 取样点位置
1 64 0.5 2，4，6，...62，64
2 64 0.14 3，8，19，30，35，41，52，58，63
3 32 0.25 1，3，5，15，16，28，30，32
4 128 0.75 4，6，23，24，25，...114，115，128
... ... ... ...
表1所示查找表具有对照代号字段、周期波取样数字段、压缩率字段与取样点位置字段。例如，当对照代号为1时，周期波取样数为64，表示在电流波形的一个周期中有64个取样点。当对照代号为1时，压缩率为0.5，表示压缩后的数据量只有原始电流波形数据的一半。换句话说，一个周期中的64个取样点经压缩后变为32个取样点。当对照代号为1时，取样点位置字段的内容(即取样点位置信息)表示原本64个取样点中的第2、第4、第6、…、第62、第64个取样点会被保留，而其余取样点会被舍弃。需注意的是，被保留取样点的位置可以是均匀分布，也可以是不均匀分布。例如，当对照代号为3时，可看到取样点位置为1、3、5、15、16、28、30、32，其中每个取样点间的间格距离并不相同。
处理单元122在步骤S430中将所述该经压缩数据制作成电力特征数据封包。图9A是依照本发明实施例说明一种封包的数据结构示意图。图9B是依照本发明另一实施例说明一种封包的数据结构示意图。其中，型码(type code)表示封包的样式。例如，型码可以指示所属封包是将电流波形数据和其他电力特征(例如实功率值、虚功率值、谐波值等)整合在在同一封包中(如图9A所示)，或是指示所属封包是电流波形数据和其他特征分成二个封包传送(如图9B所示)。始码(start code)用以标示出电流波形数据开始的点，由此和其他波形数据或其他电力特征区隔。对照代号字段的内容可以参照表1的相关说明。取样数值表示电流波形中各取样点的数值。图9A与图9B中括号内容是示例性地表示位数，然而实际封包中各字段的位数量不以此为限。
图3所示步骤S330所进行的数据压缩方法不应受限于图4所示实施方式。例如，图10是依照本发明另一实施例说明智能电表进行数据压缩的操作方法流程示意图。图10所述实施例可以参照图1至图9的相关说明而类推。请参照图10，系统运营商于步骤S1010中决定预算成本B，且依据每一用户的会员条件而分配不同的云端计算资源b。例如，以图1所示应用情境为例，假设系统运营商只有三个会员，分别是用户A、用户B与用户C。用户A、用户B与用户C的会员等级分别为第一级会员、第二级会员与第三级会员。若系统运营商的预算成本B为1000元，则系统运营商可以依据会员条件将1000元分配给用户A、用户B与用户C，使得用户A、用户B与用户C的云端计算资源b分别为(例如)600元、300元与100元。
表2是依照本发明实施例说明不同云端平台的收费标准。表2是的数据是基于下述假设条件下计算而得的：1.每次发生负载事件时，上传事件发生前后共10秒的电流波形；2.假设每天发生100个负载事件，则1天数据量约7,500KB，并只纪录电器负载辨识结果；3.假设以10,000户会员使用1个月。表2所示成本金额的单位为美元。
表2：不同云端平台的收费标准
由表2所示范例可以知道，使用不同公司所提供的云端平台服务，其收费标准互不相同。例如，G公司的带宽单位价格Ub为每1GB带宽收费0.12元，存储单位价格Us为每一个月每100KB数据收费0.1元，而运算单位价格Uc为每运算1小时收费0.08元。
当处理单元122检测到未知的电力特征时，处理单元122会在步骤S410进行电器电力特征分类(参照图4中步骤S410的相关说明)。决定电器类别后，处理单元122在步骤S1030决定步骤S430中数据压缩的压缩率。图10所述步骤S1030可以参照图4中步骤S420的相关说明而类推。不同于图4中步骤S420之处在于，智能电表120的处理单元122在图10所述步骤S1030中还可以通过一优化算法(例如利用拉格朗日乘数(Lagrange multiplier))解下述优化问题：
Adjust cp，maxfi(cp)
In subject to
Rb+Rs+Rc≤b
where
Rb＝gb(D，cp，Ub)
Rs＝gs(D，cp，Us)
Rc＝gc(D，cp，Uc)
其中D为上传至该远程服务器的数据量，Ub为带宽单位价格，Rb为带宽成本，US为存储单位价格，Rs为存储成本，Uc为运算单位价格，Rc为运算成本，b为成本额度(即系统运营商分配给用户的云端计算资源)。Rb、Rs、Rc是电力特征数据量D、压缩率cp和单位成本Ub、US、Uc的函数。Ub、US、Uc与不同的云端收费机制相关。拉格朗日乘数为公知技术，故不在此赘述。因此，在有限的成本额度b下，处理单元122可以通过决定压缩率cp而让辨识正确率a最大化。
一般而言，当电力特征压缩率cp提高时，带宽资源成本Rb和存储空间成本Rs需求会下降，但因为需要额外进行解压缩，以及增加其它多电力特征辅助负载辨识，因此计算资源成本Rc将增加。配合不同公司所提供云端平台服务的不同收费机制，图10所述步骤S1030可以利用拉格朗日乘数找到一个cp值，以便在有限的预算成本下，动态调整电流波形数据的压缩率cp，让电器负载辨识正确率a(即fi(cp))为最高。
请参照图2与图3，在步骤S330完成数据压缩后，处理单元122执行步骤S340，以经由通讯单元123将含有所述经压缩数据的数据封包上传至远程服务器110。依照不同实施例的不同设计需求，上述用电数据或所述经压缩数据可以包含实功率值、虚功率值、谐波值、电流波形数据、电压波形数据及/或其他电性特征数据。
远程服务器110通过通讯网络管理智能电表120。在步骤S350中，远程服务器110的处理单元112通过通讯单元111接收智能电表120所上传的经压缩数据。处理单元112执行步骤S360，以对该经压缩数据进行数据解压缩，进而获得经解压缩数据。
由于经压缩数据的封包内含对照代号(参照图9A、图9B与表1的相关说明)，处理单元112在步骤S360中可以对含有该经压缩数据的封包中取得所述对照代号。依据该对照代号，处理单元112于查找表(例如表1)中找出取样点位置信息。依据该取样点位置信息，处理单元112可以利用内插方法对该经压缩数据进行数据解压缩，以获得该经解压缩数据。例如，处理单元112可以由封包中的对照代号知道一个周期波取样数和封包中多个取样数值在波形的位置。然后，处理单元112可以依据该取样点位置信息将封包中多个取样数值进行内插运算，以便将精简的取样率恢复至原取样率(即周期波取样数)。内插运算可为线性内插法会其他算法。内插运算为公知技术，故不在此赘述。
请参照图2与图3，在步骤S360完成数据压缩后，处理单元112执行步骤S370，以依据步骤S360的经解压缩数据进行负载辨识。于本实施例中，该经解压缩数据报含多个电力特征(例如实功率值、虚功率值、谐波值、瞬时数据、电流波形数据、电压波形数据或其他电性特征)。处理单元112在步骤S370中以这些电力特征对在电器电力特征数据库113中的多个电器样本进行负载辨识。依据该负载辨识的结果，处理单元112决定该经压缩数据所对应的电器。
所述电器电力特征数据库113中的电器样本的数据结构与内容可以视实际系统的设计需求而决定。例如，表3是事先测试/分析某一电器(在此称为电器样本A)后，依据测试/分析结果而建立的电力特征数据库内容。
表3：电器样本A的电力特征数据库
样本特征 实功率值 电流波形数据
内容 100 数据串DSA
电力特征权重 1 0.8
其中，这些电力特征权重相关于所属样本特征的重现率。例如，经由事先多次(例如100次)测试/分析电器样本A的电力特征，其中在这100次测试过程中电器样本A的实功率值皆呈现约略100瓦特。由于电器样本A的实功率值的重现率约略为100％，因此电器样本A的实功率值的电力特征权重可以设定为1，以表示电器样本A的实功率值的可参考性。
又例如，经由事先多次(例如10次)测试/分析电器样本A的电流波形数据，其中在这10次测试过程中电器样本A的电流波形数据约略符合表3中数据串DSA只有其中8次，其余2次测试过程中电器样本A的电流波形数据不符合数据串DSA。由于电器样本A的电流波形数据的重现率约略为80％，因此电器样本A的电流波形数据的电力特征权重可以设定为0.8。
以此类推，所述电器电力特征数据库113中可以预先建立多个不同的电器样本。例如，参照上述表3的相关说明，另外针对另一电器(在此称为电器样本B)进行测试/分析后，依据测试/分析结果而在电器电力特征数据库113中建立电器样本B的电力特征数据库。例如，表4是事先测试/分析电器样本A后，依据测试/分析结果而建立的电力特征数据库内容。
表4：电器样本B的电力特征数据库
样本特征 实功率值 电流波形数据
内容 80 数据串DSB
电力特征权重 0.5 0.9
于本实施例中，步骤S370包含步骤S372、S374以及S376。处理单元112执行步骤S372，以依据智能电表120所上传的经压缩数据的压缩率cp而动态调整电力特征数据库中多个电力特征权重至少其中一者。例如，虽然利用电流波形可以较精确判断/辨识电器负载，但经过压缩/解压缩后的电流波形可能会失真，进而影响步骤S370的辨识正确率。因此，处理单元112在步骤S372可以动态调整电流波形数据的电力特征权重。处理单元112可以计算方程式(1)，以求出调整后电力特征权重Wi。
Wi＝Wj×(1-cp)方程式(1)
其中，Wj为电器电力特征数据库113所记录的原电力特征权重，cp为压缩率。举例来说，假设智能电表120所上传的经压缩数据的压缩率cp为0.1，则依据表3中电器样本A的电流波形数据的原电力特征权重Wj(即0.8)，处理单元112可以计算出调整后电力特征权重Wi＝0.8×(1-0.1)＝0.72。需注意的是，处理单元112并不会依据计算出的电力特征权重Wi去改写电器电力特征数据库113所记录的电力特征权重Wj。
以此类推，依据表4中电器样本B的电流波形数据的原电力特征权重Wj(即0.9)，处理单元112可以计算出调整后电力特征权重Wi＝0.9×(1-0.1)＝0.81。对于其他未被动态调整电力特征权重的电力特征(例如实功率值)而言，其调整后电力特征权重与Wi与原电力特征权重Wj的关系为方程式(2)。
Wi＝Wj 方程式(2)
在步骤S372完成后，处理单元112执行步骤S374，以依据步骤S372的调整后电力特征权重Wi进行负载辨识。于本实施例中，处理单元112在步骤S374中分别计算方程式(3)，以获得步骤S360的经解压缩数据所含电力特征与电器样本的样本特征的相似度。
SRi＝1-(|FEi-FSi|/FSi)方程式(3)
其中，FEi为步骤S360的经解压缩数据所含电力特征的其中一者，FSi为对应电器样本的多个样本特征中FEi所对应的样本特征，SRi为FEi与FSi的相似度。
在获得不同电力特征类型的相似度SRi后，处理单元112在步骤S374中使用方程式(4)，以依据所述相似度SRi与电力特征权重计算获得步骤S360的经解压缩数据所含电力特征与对应电器样本的加权相似度。
SW = ( Σ t = 1 n W i × SR i ) ( Σ t = 1 n W i ) 方程式(4)
其中，Wi为相似度SRi所对应的电力特征权重，SW为该加权相似度。
例如，以表3所示电器样本A与表4与所示电器样本B为例，步骤S360的经解压缩数据所含电力特征与电器样本A与B的样本特征的相似度计算结果如表5所示。
表5：加权相似度
电力特征 实功率值 电流波形数据 加权相似度
电表 107 数据串DSm
电器样本A 93％ 95％ 93.8％
电器样本B 66.3％ 60％ 62.4％
表5所示范例是假设步骤S360所解压缩数据的电力特征含有实功率值与电流波形数据，其内容分别为107瓦特与数据串DSm。以表3所示电器样本A的实功率值(即100瓦特)为例，相似度SRi＝1-(|107-100|/100)＝93％，如表5所示。以表4所示电器样本B的实功率值(即80瓦特)为例，相似度SRi＝1-(|107-80|/80)＝66.3％。其余电力特征类别可以此类推。
在获得相似度SRi后，处理单元112使用方程式(4)，以获得步骤S360的经解压缩数据所含电力特征与对应电器样本的加权相似度SW。例如，以表3所示电器样本A为例，加权相似度SW＝(1×0.93+0.72×0.95)/(1+0.72)＝93.8％，如表5所示。以此类推，以表4所示电器样本B为例，加权相似度SW＝(0.5×0.663+0.81×0.6)/(0.5+0.81)＝62.4％。
在步骤S374完成后，处理单元112执行步骤S376，以进行负载辨识。在本实施例中，步骤S376是依据步骤S374的加权相似度SW决定该经压缩数据所对应的电器。例如，以表5所示加权相似度为例，电器样本A的加权相似度SW大于电器样本B的加权相似度SW，因此处理单元112在步骤S376中可以判断步骤S350的经压缩数据所对应的电器应与电器样本A相似。
完成负载辨识(步骤S370)后，处理单元112执行步骤S380，以对负载辨识的结果进行统计/分析。例如，处理单元112可以统计步骤S370中负载辨识的结果，以获得在一个月中用户家中不同电器的累计用电量。
无论如何，本发明的实施方式不应受限于上述实施例的说明。例如，电力特征数据库中的样本电力特征不应受限于表3与表4所示。在另一些实施例中，所述电器电力特征数据库113中的电器样本的数据内容可以包含实功率值、虚功率值、电流波形数据与1阶谐波值。例如，表6是事先测试/分析电器样本A后，依据测试/分析结果而建立的电力特征数据库内容。
表6：电器样本A的电力特征数据库
样本特征 实功率值 虚功率值 电流波形数据 1阶谐波值
内容 100 10 数据串DSA 5
电力特征权重 1 0.5 0.8 0.5
所述电器电力特征数据库113中的电器样本的数据内容还可以包含电器样本B。例如，表7是事先测试/分析电器样本B后，依据测试/分析结果而建立的电力特征数据库内容。
表7：电器样本B的电力特征数据库
样本特征 实功率值 虚功率值 电流波形数据 1阶谐波值
内容 80 6 数据串DSB 3
电力特征权重 0.5 0.5 0.9 0.7
处理单元112在步骤S372依据智能电表120所上传的经压缩数据的压缩率cp而动态调整电力特征数据库中多个电力特征权重至少其中一者。例如，处理单元112在步骤S372可以使用方程式(1)，以动态调整电流波形数据的电力特征权重。
举例来说，假设智能电表120所上传的经压缩数据的压缩率cp为0.1，则依据表6中电器样本A的电流波形数据的原电力特征权重Wj(即0.8)，处理单元112可以计算出调整后电力特征权重Wi＝0.8×(1-0.1)＝0.72。以此类推，依据表7中电器样本B的电流波形数据的原电力特征权重Wj(即0.9)，处理单元112可以计算出调整后电力特征权重Wi＝0.9×(1-0.1)＝0.81。对于其他未被动态调整电力特征权重的电力特征(例如实功率值)而言，其调整后电力特征权重与Wi＝原电力特征权重Wj。
处理单元112在步骤S374中分别计算方程式(3)，以获得步骤S360的经解压缩数据所含电力特征与电器样本的样本特征的相似度SRi。在获得不同电力特征类型的相似度SRi后，处理单元112在步骤S374中使用方程式(4)，以依据所述相似度SRi与电力特征权重计算获得步骤S360的经解压缩数据所含电力特征与对应电器样本的加权相似度。例如，以表6所示电器样本A与表7与所示电器样本B为例，步骤S360的经解压缩数据所含电力特征与电器样本A与B的样本特征的相似度计算结果如表8所示。
表8：加权相似度
表8所示范例是假设步骤S360所解压缩数据的电力特征含有实功率值、虚功率值、电流波形数据与1阶谐波值，其内容分别为107瓦特、9瓦特、数据串DSm与4。以表6所示电器样本A的实功率值(即100瓦特)为例，相似度SRi＝1-(|107-100|/100)＝93％，如表8所示。以表7所示电器样本B的实功率值(即80瓦特)为例，相似度SRi＝1-(|107-80|/80)＝66.3％。其余电力特征类别可以此类推。
在获得相似度SRi后，处理单元112使用方程式(4)，以获得步骤S360的经解压缩数据所含电力特征与对应电器样本的加权相似度SW。例如，以表6所示电器样本A为例，加权相似度SW＝(1×0.93+0.5×0.9+0.72×0.95+0.5×0.8)/(1+05+0.72+0.5)＝91％，如表8所示。以此类推，以表7所示电器样本B为例，加权相似度SW＝(0.5×0.663+0.5×0.5+0.81×0.6+0.7×0.67)/(0.5+0.5+0.81+0.7)＝61％。
表8所示电器样本A的加权相似度SW大于电器样本B的加权相似度SW，因此处理单元112在步骤S376中可以判断步骤S350的经压缩数据所对应的电器应与电器样本A相似。
上述步骤S370的实现方式不应受限于图3的相关说明。例如，图11是依照本发明另一实施例说明远程服务器110进行负载辨识的流程示意图。图11所示实施例将负载辨识的流程分为训练(training)阶段和辨识阶段。在训练阶段包含步骤S1110～S1130。步骤S1110会先测量不同电器样本的多电力特征，包含未压缩的电流波形。步骤S1120依据电力特征值的重现性或电器种类，计算辨识权重。例如，经由事先多次(例如100次)测试/分析电器样本A的实功率值，然后依据在这100次测试过程中电器样本A的实功率值的重现率，步骤S1120可以设定电器样本A的实功率值的电力特征权重。最后，步骤S1130可以依据步骤S1110与S1120的结果建立电力特征数据库。此电力特征数据库可以被记录在远程服务器110的电器电力特征数据库113中。
在辨识阶段包含步骤S1140～S1170。步骤S1140会计算以不同电力特征比对时的电器负载相似度(可参照图3的步骤S374的相关说明而类推)。步骤S1150可以由智能电表120上传的封包中的对照代号知道电流波形的压缩率cp，并步骤S1160根据压缩率cp重新调整电流波形的电力特征权重(可参照图3的步骤S372的相关说明而类推)。调整电流波形的电力特征权重后，步骤S1170可以计算加权相似度并进行负载辨识(可参照图3的步骤S376的相关说明而类推)。
在此例举一假设实例，以说明智能电表的管理系统。此假设实例可以参照图1至图10的相关说明。请参照图1，假设系统运营商提供此服务的运营成本限定在1000元。使用服务的客户有3个用户(用户A、用户B、用户C)。系统运营商根据客户各自的会员等级，分配给用户A、用户B、用户C的预算成本分别是600、300、100。以用户A为例，当用户A开启烤箱时，用户A的智能电表120或检测到发生了负载事件，且智能电表120产生一组未知电器类型的电力特征信息。于本实施例中，该电力特征信息包括实功率值(例如539瓦特)、虚功率值(例如31瓦特)、电流波形与1阶谐波值(例如4)。
请参照图2与图3，智能电表120的处理单元122可以在步骤S330判断出触发负载事件的电器的种类为“电阻类”。因此，处理单元122可以在步骤S330将使用事先建好的“电阻类”电器的“压缩率-辨识率模型”fi(cp)。在辨识正确率需在90％以上的设计需求条件下，临界辨识率被设定为90％。依照临界辨识率90％，处理单元122可以在步骤S330由“电阻类”电器的“压缩率-辨识率模型”fi(cp)得到适当的压缩率为0.45。另外，在此假设智能电表120的取样率为3840Hz，因此1个周期波的取样数为64。
依据上述诸信息，智能电表120的处理单元122可以在周期波取样数-压缩率-取样点位置的对照表(例如表1所示查找表)中，找到压缩波形取样点的位置。在处理单元122进行步骤S330(电力特征数据压缩)后，处理单元122将经压缩数据上传至远程服务器110(例如云端服务器)。远程服务器110收到智能电表120所上传未知电器的经压缩电力特征封包后，远程服务器110的处理单元112可以进行解压缩，并利用内插法还原成原波形。解压缩后，处理单元112在步骤S370中可以动态调整电力特征权重后进行负载辨识。在本假设实例中，远程服务器110的电器电力特征数据库113中的电器样本的数据内容可以包含实功率值、虚功率值、电流波形数据与1阶谐波值。例如，表9是事先测试/分析烤箱后，依据测试/分析结果而建立的电力特征数据库内容。
表9：烤箱的电力特征数据库
处理单元112在步骤S372可以使用方程式(1)，以动态调整电流波形数据的电力特征权重。举例来说，假设智能电表120所上传的经压缩数据的压缩率cp为0.45，则依据表9中电器样本A的电流波形数据的原电力特征权重Wj(即0.8)，处理单元112可以计算出调整后电力特征权重Wi＝0.8×(1-0.45)＝0.44。
相类似地，表10是事先测试/分析吹风机后，依据测试/分析结果而建立的电力特征数据库内容。
表10：吹风机的电力特征数据库
样本特征 实功率值 虚功率值 电流波形数据 1阶谐波值
内容 400 28 数据串DSd 3
原电力特征权重 0.88 0.81 0.9 0.8
调整后电力特征 0.88 0.81 0.495 0.8
权重
假设智能电表120所上传的经压缩数据的压缩率cp为0.45，则依据表9中电器样本A的电流波形数据的原电力特征权重Wj(即0.8)，处理单元112可以计算出调整后电力特征权重Wi＝0.9×(1-0.45)＝0.495。
处理单元112在步骤S374中分别计算方程式(3)，以获得步骤S360的经解压缩数据所含电力特征与电器样本的样本特征的相似度SRi。在获得不同电力特征类型的相似度SRi后，处理单元112在步骤S374中使用方程式(4)，以依据所述相似度SRi与电力特征权重计算获得步骤S360的经解压缩数据所含电力特征与对应电器样本的加权相似度。例如，以表9所示烤箱与表10与所示吹风机为例，步骤S360的经解压缩数据所含电力特征与烤箱与吹风机的样本特征的相似度计算结果如表11所示。
表11：加权相似度
处理单元112在步骤S370中可以动态调整电力特征权重后进行负载辨识，以比较不同电器样本的加权相似度。如表11所示，烤箱的加权相似度SW大于吹风机的加权相似度SW，因此处理单元112在步骤S376中可以判断以辨识出触发负载事件的该未知电器为烤箱。
综上所述，智能电表120会产生电力特征，并根据预算成本及/或不同压缩率-辨识率模型，动态调整电流波形的压缩率，进行优化数据压缩，让远程服务器110所进行的电器负载辨识正确率为最高。在完成压缩后，智能电表120会将压缩后的电力特征上传至远程服务器110。远程服务器110可以动态调整电力特征权重，以进行负载辨识。系统运营商在云端提供服务，云端带宽计算都需要纳入成本计算。当压缩率提高时，带宽需求减少，但额外计算成本可能提高，而不同的电器种类，在不同的压缩率的情况下，影响负载辨识的正确率，也会不一样。上述诸实施例可以在有限的预算成本下，让远程服务器110所进行的电器负载辨识正确率为最高。
为解决高精度电表产生的巨量电力数据，造成系统商于云端平台的运营成本提高，因此上述诸实施例可以针对不同种类电器电力特征，考虑负载辨识率和不同的云端平台收费机制，动态调整电流波形的压缩比。在远程服务器进行负载辨识方面，对应于不同实功、虚功、电流波形、谐波、瞬时等电力特征，上述诸实施例可以采用不同的负载辨识权重，以提高辨识率。
因此，上述诸实施例可以实现非侵入式居家电器负载监测。通过单一(或多个)电表上传不同电力特征，系统可以参考不同的电力特征而判断电器的负载状况(开/关)。依据远程服务器所提供的统计/分析结果，使用者可以了解家中能耗状况，改变用电习惯，进而达到节省能源的目标。
无论如何，本发明的实施方式不应受限于上述图3至图11的相关说明。例如，图12是依照本发明另一实施例说明智能电表与远程服务器的操作方法流程示意图。图12所述实施例可以参照图1与图11的相关说明而类推。不同于图3所述实施例之处在于，图12所述实施例中步骤S1270。请参照图2与图12，在完成步骤S360后，处理单元112在步骤S1270中以步骤S360的经解压缩数据所含电力特征对在电器电力特征数据库113中的多个电器样本进行负载辨识(参照表3、表4、表6或表7的相关说明而类推)。于本实施例中，步骤S1270包含步骤S1271以及S1272。
处理单元112执行步骤S1271，以进行负载辨识。步骤S1271的实施细节可以参照图3中步骤S374的相关说明而类推。不同于图3中步骤S374之处在于，图12所述步骤S1271直接以电器电力特征数据库113所记录的电力特征权重Wj作为计算加权相似度SW所需的电力特征权重与Wi。
在步骤S1271完成后，处理单元112执行步骤S1272，以依据步骤S1271的加权相似度SW决定智能电表120所上传经压缩数据所对应的电器。步骤S1272的实施细节可以参照图3中步骤S376的相关说明而类推，故不再赘述。
图13是依照本发明又一实施例说明智能电表与远程服务器的操作方法流程示意图。图13所述实施例可以参照图1与图12的相关说明而类推。不同于图12所述实施例之处在于，图13所述实施例中步骤S1340与S1350。也就是说，在图13所述实施例中智能电表120可以不进行数据压缩，而将未经压缩的用电数据上传至远程服务器110。
请参照图2与图13，在完成步骤S320后，智能电表120的处理单元122在步骤S1340中通过通讯单元123将未经压缩的用电数据上传至远程服务器110。远程服务器110的处理单元112在步骤S1350中通过通讯单元111接收智能电表120所上传的用电数据，其中该用电数据报含多个电力特征。由于智能电表120所上传的用电数据未经压缩处理，所以远程服务器110的处理单元112在步骤S1271中可以直接以步骤S1350的用电数据所含电力特征对在电器电力特征数据库113中的多个电器样本进行负载辨识。图13中步骤S1271的实施细节可以参照图12中步骤S1271的相关说明而类推，故不再赘述。在步骤S1271完成后，处理单元112执行步骤S1272，以依据步骤S1271的负载辨识的结果决定智能电表120所上传用电数据所对应的电器。
图14是依照本发明实施例说明电器电力特征数据库的管理方法流程示意图。由提供者提供至少一电器样本(步骤S1405)，并将该电器样本上传至远程服务器的电器电力特征数据库(步骤S1410)。其中，该电器样本具有多个样本特征。例如，这些电力特征包括实功率值、虚功率值、谐波值、电流波形数据或是其他特征数据。
上述提供者可以是家电厂商、服务商、一般用户或是其他愿意提供特定电器的样本特征者。提供者依据一流程，通过撷取系统撷取电器电力讯号信息(样本特征)。例如，所述流程可如以下程序：1.确认电表连接状态；2.开启电器进行测量；3.关闭电器；4.检测电器状态；5.完成讯号撷取程序。讯号撷取流程可为系统化的标准作业程序(Standard Operation Procedure，SOP)，此标准作业程序可通过一讯号撷取知识库或系统所建议。撷取系统可以通过单一总电表、一插座型电表、混合多种电表(如：总电表配合插座型电表)或其他电器讯号撷取设备来撷取样本特征。在上传电器样本的样本特征时，提供者可以填写提供者信息(如：厂商名称或测量者账号)、环境信息(如：市电电压、环境温度或其他环境条件)、测量标的物信息(如：电器信息、电器使用模式等)或其他信息。
远程服务器接收从上述提供者所上传的电器样本的样本特征，并将电器样本的样本特征存储于电器电力特征数据库(步骤S1415)。在远程服务器接收到提供者所上传的测量环境信息与电器样本的样本特征后，远程服务器对该电器样本进行正规化，以获得经正规化的该电器样本，以及将经正规化的该电器样本上传至该电器电力特征数据库。例如，远程服务器针对不同测量环境进行电力特征修正，以正规化成为一套标准的电器电力讯号数据库。远程服务器将正规化后的样本特征上载至电器电力特征数据库。当电器样本的样本特征被上载至电器电力特征数据库时，系统自动增列此笔电器样本的数据，以供用户下载使用。
用户向远程服务器建立用户账号并提供环境信息(如：电压环境)。在一些实施例中，系统可能通过用户的地址而自动确认环境信息。远程服务器接收从智能电表所上传的多个电力特征(步骤S1420)。例如，图1所示智能电表120、130与140上传的电力特征至远程服务器110。当用户使用某一电器设备时，用户的智能电表可以检测到负载事件的发生，进而自动撷取所需分析的电器电力讯号特征(用电数据)，并上传至远程服务器。
当远程服务器接收到用户的智能电表上传的用电数据时，远程服务器自动以所述用电数据的电力特征对该电器电力特征数据库的内容进行负载辨识，然后将负载辨识结果记录于所述用户的帐户中(步骤S1425)。图14中步骤S1425的实施细节可以参照图3中步骤S350至步骤S380的相关说明而类推，故不再赘述。
在一些实施例中，用户亦可通过系统设定欲分析的特定电器电力讯号特征(用电数据)与比对电器电力特征的差异(比对的目标可以为相同或不同型号的电器)，以用于分析电器的使用状态(如：是否发生电器老化、异常现象、能耗表现的差异等)。相同型号的电器电力特征比对的样本，可能为用户针对相同电器在先前已上传于数据库中的讯号(同一电器)，亦可能为其他提供者(如：电器厂商或其它用户)上传同型号电器的电力讯号特征(即同型号但不同电器)。相异型号的电器比对的样本，可能为同属冷气电器，例如用户可以比对A型冷气与B型冷气在使用状态(如能耗表现等)上的差异。在设定分析电器的系统时，用户可以填写或筛选测量标的物的信息(如：电器信息、电器使用模式等)或其他信息，确认欲进行比较的“电器样本”。撷取系统(例如智能电表120)可以通过单一总电表、一插座型电表、混合多种电表(如：总电表配合插座型电表)或其他电器讯号撷取设备来撷取用电特征。当用户使用此一电器设备时，用户撷取系统可以检测到负载事件的发生，进而自动撷取所需分析的电器电力讯号特征(用电数据)，并上传至远程服务器110。当远程服务器110接收到用户的智能电表120上传的用电数据时，远程服务器110自动以所述用电数据的电力特征对电器电力特征数据库113中“电器样本”的内容进行负载辨识，并根据比较后的分析信息提供用户相关信息(如：是否有电力讯号是否存在异常、相同或相异型号电器能耗表现差异等)。
当该负载辨识的结果显示该提供者所上传的电器样本被采用时(步骤S1430)，则该远程服务器自动累计该电器样本被采用次数(步骤S1435)，以供后续信息分析、金流拆帐等的参考。例如，依据该电器样本被采用次数，远程服务器可以计算该电器样本所对应的电器的市场占有率、用户使用电器的用电习惯等(步骤S1440)，以提供信息给相关需求者(例如：营销业者、家电业者、能源业者、政府主管机关、或是其它人)。又例如，依据该电器样本被采用次数，远程服务器可以计算对应的回馈机制给该提供者，例如计算回馈给该提供者的金额(步骤S1445)。又例如，根据用户帐户信息与电器样本被采用的信息，远程服务器可以在步骤S1450中计算用户与电器设备使用行为之间的关系(如：不同属性用户所关注的用电电器类型、不同用户所使用的电器组合等)，提供信息给所需的需求者(例如：营销业者、家电业者、能源业者、或是其它人)。
综上所述，本实施例提供一种电器电力特征数据库的管理方法，以建立提供者(例如家电厂商、服务商、一般用户或是其他人)提供电器样本至系统的机制。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (92)

1.一种智能电表的管理系统，包括：
一远程服务器；以及
至少一智能电表，通过一通讯网络耦接至该远程服务器，其中该智能电表测量至少一电力线的电能，以获得至少一用电数据；该智能电表检测是否发生一负载事件；若发生该负载事件，则该智能电表对在该负载事件所对应的一事件期间中的所述用电数据进行一数据压缩，以获得一经压缩数据，以及将该经压缩数据上传至该远程服务器；该远程服务器对该经压缩数据进行一数据解压缩，以获得一经解压缩数据；以及该远程服务器依据该经解压缩数据进行一负载辨识。
2.如权利要求1所述的智能电表的管理系统，其中该用电数据至少包含一实功率值或一电流波形数据。
3.如权利要求1所述的智能电表的管理系统，其中该智能电表分析该事件期间中的所述用电数据，以决定该负载事件所对应的一电器类别；该智能电表依该电器类别动态决定该数据压缩的一压缩率；以及该智能电表以该压缩率对在该事件期间中的所述用电数据进行该数据压缩，以获得该经压缩数据。
4.如权利要求3所述的智能电表的管理系统，其中该用电数据报含一实功率值与一虚功率值；该智能电表判断该实功率值与该虚功率值的比率是否大于一临界值；以及若该实功率值与该虚功率值的比率大于该临界值，则该智能电表决定该电器类别为一电阻类。
5.如权利要求3所述的智能电表的管理系统，其中该用电数据报含一电压电流曲线数据；该智能电表依据该电压电流曲线数据所对应的电压电流曲线的一封闭面积而决定该电器类别。
6.如权利要求5所述的智能电表的管理系统，其中该智能电表判断该封闭面积是否小于一临界值；以及若该封闭面积小于该临界值，则该智能电表决定该电器类别为一电阻类。
7.如权利要求5所述的智能电表的管理系统，其中该电压电流曲线包含一左段、一中段与一右段；该智能电表判断在该左段与该右段内的该封闭面积与在该中段内的该封闭面积二者的比值是否大于一临界值；若该比值大于该临界值，则该智能电表决定该电器类别为一电子类；以及若该比值小于该临界值，则该智能电表决定该电器类别为一电感类。
8.如权利要求3所述的智能电表的管理系统，其中该用电数据报含一谐波比；该智能电表判断该谐波比是否大于一临界值；若该谐波比大于该临界值，则该智能电表决定该电器类别为一电感类；以及若该谐波比小于该临界值，则该智能电表决定该电器类别为一日光灯类。
9.如权利要求8所述的智能电表的管理系统，其中该谐波比为三次谐波与二次谐波的比率。
10.如权利要求3所述的智能电表的管理系统，其中该智能电表提供对应于不同电器类别的多个压缩率-辨识正确率模型；依照该电器类别，该智能电表从所述压缩率-辨识正确率模型选择一对应模型；以及依照一临界辨识率，该智能电表从该对应模型获得该压缩率。
11.如权利要求3所述的智能电表的管理系统，其中该智能电表提供对应于不同电器类别的多个压缩率-辨识正确率模型；依照该电器类别，该智能电表从所述压缩率-辨识正确率模型选择一对应模型a＝fi(cp)，其中a为辨识正确率，cp为压缩率；以及该智能电表通过一优化算法解下述优化问题：
Adjust cp，maxfi(cp)
In subject to
Rb+Rs+Rc≤b
where
Rb＝gb(D，cp，Ub)
Rs＝gs(D，cp，Us)
Rc＝gc(D，cp，Uc)
其中D为上传至该远程服务器的数据量，Ub为带宽单位价格，Rb为带宽成本，Us为存储单位价格，Rs为存储成本，Uc为运算单位价格，Rc为运算成本，b为成本额度，使得在有限的该成本额度b下，通过决定该压缩率cp而让该辨识正确率a最大化。
12.如权利要求3所述的智能电表的管理系统，其中该用电数据报含一电流波形数据；依据该电器类别与该压缩率，该智能电表于一查找表中找出一取样点位置信息；以及依据该取样点位置信息，该智能电表舍弃该电流波形数据的部份内容，以获得该经压缩数据。
13.如权利要求1所述的智能电表的管理系统，其中该远程服务器对含有该经压缩数据的封包中取得一对照代号；依据该对照代号，该远程服务器于一查找表中找出一取样点位置信息；以及依据该取样点位置信息，该远程服务器利用内插方法对该经压缩数据进行该数据解压缩，以获得该经解压缩数据。
14.如权利要求1所述的智能电表的管理系统，其中该经解压缩数据报含多个电力特征；该远程服务器以所述电力特征对在一电器电力特征数据库中的多个电器样本进行一相似度比较；以及依据该相似度比较的结果，该远程服务器决定该负载事件所对应的一电器。
15.如权利要求14所述的智能电表的管理系统，其中所述电力特征至少包含一实功率值或一电流波形数据。
16.如权利要求14所述的智能电表的管理系统，其中所述电器样本其中一样本具有多个样本特征；该远程服务器分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度；依据所述相似度，该远程服务器计算所述电力特征与该样本的一加权相似度；以及依据所述电器样本的加权相似度，该远程服务器决定该负载事件所对应的一电器。
17.如权利要求16所述的智能电表的管理系统，其中该样本还具有对应于所述样本特征的多个电力特征权重；依据所述相似度与所述电力特征权重，该远程服务器计算所述电力特征与该样本的该加权相似度。
18.如权利要求17所述的智能电表的管理系统，其中所述电力特征权重相关于所述样本特征的重现率。
19.如权利要求17所述的智能电表的管理系统，其中该远程服务器更依据该数据压缩的一压缩率动态调整所述电力特征权重至少其中一者。
20.如权利要求1所述的智能电表的管理系统，其中该远程服务器更统计该负载辨识的结果，以获得不同电器的累计用电量。
21.一种智能电表的操作方法，包括：
测量至少一电力线的电能，以获得至少一用电数据；
检测是否发生一负载事件；
若发生该负载事件，则对在该负载事件所对应的一事件期间中的所述用电数据进行一数据压缩，以获得一经压缩数据；以及
将该经压缩数据上传至一远程服务器。
22.如权利要求21所述的智能电表的操作方法，其中该用电数据至少包含一实功率值或一电流波形数据。
23.如权利要求21所述的智能电表的操作方法，其中所述对在该事件期间中的所述用电数据进行一数据压缩的步骤包括：
分析该事件期间中的所述用电数据，以决定该负载事件所对应的一电器类别；
依该电器类别动态决定该数据压缩的一压缩率；以及
以该压缩率，对在该事件期间中的所述用电数据进行该数据压缩，以获得该经压缩数据。
24.如权利要求23所述的智能电表的操作方法，其中该用电数据报含一实功率值与一虚功率值，而所述分析该事件期间中的所述用电数据的步骤包括：
判断该实功率值与该虚功率值的比率是否大于一临界值；以及
若该实功率值与该虚功率值的比率大于该临界值，则决定该电器类别为一电阻类。
25.如权利要求23所述的智能电表的操作方法，其中该用电数据报含一电压电流曲线数据，而所述分析该事件期间中的所述用电数据的步骤包括：
依据该电压电流曲线数据所对应的电压电流曲线的一封闭面积而决定该电器类别。
26.如权利要求25所述的智能电表的操作方法，其中所述决定该电器类别的步骤包括：
判断该封闭面积是否小于一临界值；以及
若该封闭面积小于该临界值，则决定该电器类别为一电阻类。
27.如权利要求25所述的智能电表的操作方法，其中该电压电流曲线包含一左段、一中段与一右段，而所述决定该电器类别的步骤包括：
判断在该左段与该右段内的该封闭面积与在该中段内的该封闭面积二者的比值是否大于一临界值；
若该比值大于该临界值，则决定该电器类别为一电子类；以及
若该比值小于该临界值，则决定该电器类别为一电感类。
28.如权利要求23所述的智能电表的操作方法，其中该用电数据报含一谐波比，而所述分析该事件期间中的所述用电数据的步骤包括：
判断该谐波比是否大于一临界值；
若该谐波比大于该临界值，则决定该电器类别为一电感类；以及
若该谐波比小于该临界值，则决定该电器类别为一日光灯类。
29.如权利要求28所述的智能电表的操作方法，其中该谐波比为三次谐波与二次谐波的比率。
30.如权利要求23所述的智能电表的操作方法，其中所述决定该数据压缩的一压缩率的步骤包括：
提供对应于不同电器类别的多个压缩率-辨识正确率模型；
定义一临界辨识率；
依照该电器类别，从所述压缩率-辨识正确率模型选择一对应模型；以及
依照该临界辨识率，从该对应模型获得该压缩率。
31.如权利要求23所述的智能电表的操作方法，其中所述决定该数据压缩的一压缩率的步骤包括：
提供对应于不同电器类别的多个压缩率-辨识正确率模型；
依照该电器类别，从所述压缩率-辨识正确率模型选择一对应模型a＝fi(cp)，其中a为辨识正确率，cp为压缩率；以及
利用一优化算法解下述问题：
Adjust cp，maxfi(cp)
In subject to
Rb+Rs+Rc≤b
where
Rb＝gb(D，cp，Ub)
Rs＝gs(D，cp，Us)
Rc＝gc(D，cp，Uc)
其中D为上传至该远程服务器的数据量，Ub为带宽单位价格，Rb为带宽成本，Us为存储单位价格，Rs为存储成本，Uc为运算单位价格，Rc为运算成本，b为成本额度，使得在有限的该成本额度b下，通过决定该压缩率cp而让该辨识正确率a最大化。
32.如权利要求23所述的智能电表的操作方法，其中该用电数据报含一电流波形数据，而所述进行该数据压缩的步骤包括：
依据该电器类别与该压缩率，于一查找表中找出取样点位置信息；以及
依据该取样点位置信息，舍弃该电流波形数据的部份内容，以获得该经压缩数据。
33.一种智能电表，包括：
一电力测量单元，用以测量至少一电力线的电能，以获得至少一用电数据；
一通讯单元；以及
一处理单元，耦接至该电力测量单元与该通讯单元，用以检测是否发生一负载事件；其中若发生该负载事件，则该处理单元对在该负载事件所对应的一事件期间中的所述用电数据进行一数据压缩，以获得一经压缩数据；以及该处理单元经由该通讯单元将该经压缩数据上传至一远程服务器。
34.如权利要求33所述的智能电表，其中该用电数据至少包含一实功率值或一电流波形数据。
35.如权利要求33所述的智能电表，其中该处理单元分析该事件期间中的所述用电数据，以决定该负载事件所对应的一电器类别；该处理单元依该电器类别动态决定该数据压缩的一压缩率；以及以该压缩率，该处理单元对在该事件期间中的所述用电数据进行该数据压缩，以获得该经压缩数据。
36.如权利要求35所述的智能电表，其中该用电数据报含一实功率值与一虚功率值；该处理单元判断该实功率值与该虚功率值的比率是否大于一临界值；以及若该实功率值与该虚功率值的比率大于该临界值，则该处理单元决定该电器类别为一电阻类。
37.如权利要求35所述的智能电表，其中该用电数据报含一电压电流曲线数据；以及该处理单元依据该电压电流曲线数据所对应的电压电流曲线的一封闭面积而决定该电器类别。
38.如权利要求37所述的智能电表，其中该处理单元判断该封闭面积是否小于一临界值；以及若该封闭面积小于该临界值，则该处理单元决定该电器类别为一电阻类。
39.如权利要求37所述的智能电表，其中该电压电流曲线包含一左段、一中段与一右段；该处理单元判断在该左段与该右段内的该封闭面积与在该中段内的该封闭面积二者的比值是否大于一临界值；若该比值大于该临界值，则该处理单元决定该电器类别为一电子类；以及若该比值小于该临界值，则该处理单元决定该电器类别为一电感类。
40.如权利要求35所述的智能电表，其中该用电数据报含一谐波比；该处理单元判断该谐波比是否大于一临界值；若该谐波比大于该临界值，则该处理单元决定该电器类别为一电感类；以及若该谐波比小于该临界值，则该处理单元决定该电器类别为一日光灯类。
41.如权利要求40所述的智能电表，其中该谐波比为三次谐波与二次谐波的比率。
42.如权利要求35所述的智能电表，其中该处理单元提供对应于不同电器类别的多个压缩率-辨识正确率模型；依照该电器类别，该处理单元从所述压缩率-辨识正确率模型选择一对应模型；以及依照一临界辨识率，该处理单元从该对应模型获得该压缩率。
43.如权利要求35所述的智能电表，其中该处理单元提供对应于不同电器类别的多个压缩率-辨识正确率模型；依照该电器类别，该处理单元从所述压缩率-辨识正确率模型选择一对应模型a＝fi(cp)，其中a为辨识正确率，cp为压缩率；以及该处理单元通过一优化算法解下述优化问题：
Adjust cp，maxfi(cp)
In subject to
Rb+Rs+Rc≤b
where
Rb＝gb(D，cp，Ub)
Rs＝gs(D，cp，Us)
Rc＝gc(D，cp，Uc)
其中D为上传至该远程服务器的数据量，Ub为带宽单位价格，Rb为带宽成本，Us为存储单位价格，Rs为存储成本，Uc为运算单位价格，Rc为运算成本，b为成本额度，使得在有限的该成本额度b下，通过决定该压缩率cp而让该辨识正确率a最大化。
44.如权利要求35所述的智能电表，其中该用电数据报含一电流波形数据；该处理单元依据该电器类别与该压缩率，于一查找表中找出取样点位置信息；以及依据该取样点位置信息，该处理单元舍弃该电流波形数据的部份内容，以获得该经压缩数据。
45.一种远程服务器的操作方法，该远程服务器通过一通讯网络管理至少一智能电表，该操作方法包括：
接收该智能电表所上传的一经压缩数据；
对该经压缩数据进行数据解压缩，以获得一经解压缩数据；以及
依据该经解压缩数据进行一负载辨识。
46.如权利要求45所述的远程服务器的操作方法，其中该经压缩数据至少包含一实功率值或一电流波形数据。
47.如权利要求45所述的远程服务器的操作方法，其中所述进行数据解压缩的步骤包括：
对含有该经压缩数据的封包中取得一对照代号；
依据该对照代号，于一查找表中找出一取样点位置信息；以及
依据该取样点位置信息，利用内插方法对该经压缩数据进行该数据解压缩，以获得该经解压缩数据。
48.如权利要求45所述的远程服务器的操作方法，其中该经解压缩数据报含多个电力特征，而所述进行一负载辨识的步骤包括：
以所述电力特征对在一电器电力特征数据库中的多个电器样本进行一相似度比较；以及
依据该相似度比较的结果，决定该经压缩数据所对应的一电器。
49.如权利要求48所述的远程服务器的操作方法，其中所述电力特征包括至少包含一实功率值或一电流波形数据。
50.如权利要求48所述的远程服务器的操作方法，其中所述电器样本其中一样本具有多个样本特征，而所述进行一相似度比较的步骤包括：
分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度；以及
依据所述相似度，计算所述电力特征与该样本的一加权相似度；
其中所述决定该经压缩数据所对应的一电器的步骤，是依据所述电器样本的加权相似度来决定该经压缩数据所对应的一电器。
51.如权利要求50所述的远程服务器的操作方法，其中所述分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度的步骤包括：
计算SRi＝1-(|FEi-FSi|/FSi)，其中FEi为所述电力特征的其中一者，FSi为所述样本特征中FEi所对应的样本特征，SRi为EEi与FSi的相似度。
52.如权利要求50所述的远程服务器的操作方法，其中该样本还具有对应于所述样本特征的多个电力特征权重，而所述计算该加权相似度的步骤包括：
依据所述相似度与所述电力特征权重，计算所述电力特征与该样本的该加权相似度。
53.如权利要求52所述的远程服务器的操作方法，其中所述计算该加权相似度的步骤包括：
计算其中SRi为所述相似度的其中一者，Wi为所述电力特征权重中SRi所对应的电力特征权重，SW为该加权相似度。
54.如权利要求52所述的远程服务器的操作方法，其中所述电力特征权重相关于所述样本特征的重现率。
55.如权利要求52所述的远程服务器的操作方法，其中所述计算该加权相似度的步骤更包括：
依据该经压缩数据的一压缩率动态调整所述电力特征权重至少其中一者。
56.如权利要求45所述的远程服务器的操作方法，其中该远程服务器更统计该负载辨识的结果，以获得不同电器的累计用电量。
57.一种远程服务器，通过一通讯网络管理至少一智能电表，该远程服务器包括：
一通讯单元；以及
一处理单元，耦接至该通讯单元，其中该处理单元经由该通讯单元接收该智能电表所上传的一经压缩数据；该处理单元对该经压缩数据进行数据解压缩，以获得一经解压缩数据；以及该处理单元依据该经解压缩数据进行一负载辨识。
58.如权利要求57所述的远程服务器，其中该经压缩数据至少包含一实功率值或一电流波形数据。
59.如权利要求57所述的远程服务器，其中该处理单元对含有该经压缩数据的封包中取得一对照代号；依据该对照代号，该处理单元于一查找表中找出一取样点位置信息；以及依据该取样点位置信息，该处理单元利用内插方法对该经压缩数据进行该数据解压缩，以获得该经解压缩数据。
60.如权利要求57所述的远程服务器，其中该经解压缩数据报含多个电力特征，而该远程服务器更包括：
一电器电力特征数据库，耦接至该处理单元；
其中该处理单元以所述电力特征对在该电器电力特征数据库中的多个电器样本进行一相似度比较；以及依据该相似度比较的结果，该处理单元决定该经压缩数据所对应的一电器。
61.如权利要求60所述的远程服务器，其中所述电力特征至少包含一实功率值或一电流波形数据。
62.如权利要求60所述的远程服务器，其中所述电器样本其中一样本具有多个样本特征；该处理单元分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度；依据所述相似度，该处理单元计算所述电力特征与该样本的一加权相似度；以及依据所述电器样本的加权相似度，该处理单元决定该经压缩数据所对应的一电器。
63.如权利要求62所述的远程服务器，其中该处理单元计算SRi＝1-(|FEi-FSi|/FSi)，其中FEi为所述电力特征的其中一者，FSi为所述样本特征中FEi所对应的样本特征，SRi为FEi与FSi的相似度。
64.如权利要求62所述的远程服务器，其中该样本还具有对应于所述样本特征的多个电力特征权重；依据所述相似度与所述电力特征权重，该处理单元计算所述电力特征与该样本的该加权相似度。
65.如权利要求64所述的远程服务器，其中该处理单元计算其中SRi为所述相似度的其中一者，Wi为所述电力特征权重中SRi所对应的电力特征权重，SW为该加权相似度。
66.如权利要求64所述的远程服务器，其中所述电力特征权重相关于所述样本特征的重现率。
67.如权利要求64所述的远程服务器，其中该处理单元更依据该经压缩数据的一压缩率动态调整所述电力特征权重至少其中一者。
68.如权利要求57所述的远程服务器，其中该处理单元更统计该负载辨识的结果，以获得不同电器的累计用电量。
69.一种远程服务器的操作方法，该远程服务器通过一通讯网络管理至少一智能电表，该操作方法包括：
接收该智能电表所上传的一用电数据，其中该用电数据报含多个电力特征；
以所述电力特征对在一电器电力特征数据库中的多个电器样本进行一负载辨识；以及
依据该负载辨识的结果，决定该用电数据所对应的一电器。
70.如权利要求69所述的远程服务器的操作方法，其中所述电力特征至少包含一实功率值或一电流波形数据。
71.如权利要求69所述的远程服务器的操作方法，其中所述电器样本其中一样本具有多个样本特征，而所述进行一负载辨识的步骤包括：
分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度；以及
依据所述相似度，计算所述电力特征与该样本的一加权相似度；
其中所述决定该用电数据所对应的一电器的步骤，是依据所述电器样本的加权相似度来决定该用电数据所对应的一电器。
72.如权利要求71所述的远程服务器的操作方法，其中所述分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度的步骤包括：
计算SRi＝1-(|FEi-FSi|/FSi)，其中FEi为所述电力特征的其中一者，FSi为所述样本特征中FEi所对应的样本特征，SRi为FEi与FSi的相似度。
73.如权利要求71所述的远程服务器的操作方法，其中该样本还具有对应于所述样本特征的多个电力特征权重，而所述计算该加权相似度的步骤包括：
依据所述相似度与所述电力特征权重，计算所述电力特征与该样本的该加权相似度。
74.如权利要求73所述的远程服务器的操作方法，其中所述计算该加权相似度的步骤包括：
计算其中SRi为所述相似度的其中一者，Wi为所述电力特征权重中SRi所对应的电力特征权重，SW为该加权相似度。
75.如权利要求73所述的远程服务器的操作方法，其中所述电力特征权重相关于所述样本特征的重现率。
76.如权利要求69所述的远程服务器的操作方法，其中该远程服务器更统计该负载辨识的结果，以获得不同电器的累计用电量。
77.一种远程服务器，通过一通讯网络管理至少一智能电表，该远程服务器包括：
一电器电力特征数据库；
一通讯单元；以及
一处理单元，耦接至该电器电力特征数据库与该通讯单元，其中该处理单元经由该通讯单元接收该智能电表所上传的一用电数据，其中该用电数据报含多个电力特征；该处理单元以所述电力特征对在该电器电力特征数据库中的多个电器样本进行一负载辨识；以及依据该负载辨识的结果，该处理单元决定该用电数据所对应的一电器。
78.如权利要求77所述的远程服务器，其中所述电力特征至少包含一实功率值或一电流波形数据。
79.如权利要求77所述的远程服务器，其中所述电器样本其中一样本具有多个样本特征；该处理单元分别计算所述电力特征的每一者与所述样本特征中的一对应样本特征的相似度；依据所述相似度，该处理单元计算所述电力特征与该样本的一加权相似度；以及该处理单元依据所述电器样本的加权相似度来决定该用电数据所对应的一电器。
80.如权利要求79所述的远程服务器，其中该处理单元计算SRi＝1-(|FEi-FSi|/FSi)，其中FEi为所述电力特征的其中一者，FSi为所述样本特征中FEi所对应的样本特征，SRi为FEi与FSi的相似度。
81.如权利要求79所述的远程服务器，其中该样本还具有对应于所述样本特征的多个电力特征权重；以及依据所述相似度与所述电力特征权重，该处理单元计算所述电力特征与该样本的该加权相似度。
82.如权利要求81所述的远程服务器，其中该处理单元计算其中SRi为所述相似度的其中一者，Wi为所述电力特征权重中SRi所对应的电力特征权重，SW为该加权相似度。
83.如权利要求81所述的远程服务器，其中所述电力特征权重相关于所述样本特征的重现率。
84.如权利要求77所述的远程服务器，其中该处理单元更统计该负载辨识的结果，以获得不同电器的累计用电量。
85.一种电器电力特征数据库的管理方法，包括：
由一提供者提供至少一电器样本，并将该电器样本上传至该电器电力特征数据库，其中该电器样本具有多个样本特征；
从一智能电表上传多个电力特征至一远程服务器；
由一远程服务器以所述电力特征对该电器电力特征数据库的内容进行一负载辨识；以及
当该负载辨识的结果显示该电器样本被采用时，则该远程服务器自动累计该电器样本被采用次数。
86.如权利要求85所述的电器电力特征数据库的管理方法，其中所述电力特征至少包含一实功率值或一电流波形数据。
87.如权利要求85所述的电器电力特征数据库的管理方法，其中所述将该电器样本上传至该电器电力特征数据库的步骤包括：
在该远程服务器接收到该电器样本后，该远程服务器对该电器样本进行正规化，以获得经正规化的该电器样本；以及
将经正规化的该电器样本上传至该电器电力特征数据库。
88.如权利要求85所述的电器电力特征数据库的管理方法，其中所述以所述电力特征对该电器电力特征数据库的内容进行一负载辨识的步骤包括：
由该远程服务器自动以所述电力特征对该电器电力特征数据库中该电器样本的内容进行负载辨识，以获得一分析信息；以及
根据所述分析信息提供一用户相关信息。
89.如权利要求88所述的电器电力特征数据库的管理方法，其中所述用户相关信息包括：显示电力讯号是否存在异常的信息、或显示相同或相异型号电器间能耗或电力特征表现差异的信息。
90.如权利要求85所述的电器电力特征数据库的管理方法，更包括：
依据该电器样本被采用次数，计算回馈给该提供者的金额。
91.如权利要求85所述的电器电力特征数据库的管理方法，更包括：
依据该电器样本被采用次数，计算该电器样本所对应的一电器的市场占有率。
92.如权利要求85所述的电器电力特征数据库的管理方法，更包括：
根据一用户帐户信息与该电器样本被采用的信息，计算用户与电器设备使用行为之间的关系。
CN201310125313.5A 2013-01-29 2013-04-11 智能电表、远程服务器和电器电力特征数据库的管理方法 Active CN103973761B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW102103353A TWI464411B (zh) 2013-01-29 2013-01-29 智慧電表及其管理系統與操作方法、遠端伺服器及其操作方法以及電器電力特徵資料庫的管理方法
TW102103353 2013-01-29

Publications (2)

Publication Number Publication Date
CN103973761A true CN103973761A (zh) 2014-08-06
CN103973761B CN103973761B (zh) 2017-07-11

Family

ID=51224070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310125313.5A Active CN103973761B (zh) 2013-01-29 2013-04-11 智能电表、远程服务器和电器电力特征数据库的管理方法

Country Status (3)

Country Link
US (1) US9754329B2 (zh)
CN (1) CN103973761B (zh)
TW (1) TWI464411B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9465070B2 (en) 2014-08-01 2016-10-11 Metalligence Technology Corporation Electronic device and detection method thereof
CN106908671A (zh) * 2017-01-13 2017-06-30 中国海洋大学 一种非侵入式家用负荷智能检测方法及系统
CN107064621A (zh) * 2017-04-10 2017-08-18 合肥工业大学 智能电表数据压缩方法和系统
CN108169597A (zh) * 2017-12-27 2018-06-15 卢志旭 一种评估用电设备损耗状态的方法
CN108352707A (zh) * 2015-10-30 2018-07-31 奥维莱斯投资公司 电力供应控制系统及其方法
CN111341085A (zh) * 2017-08-09 2020-06-26 绿铜能源科技有限公司 用于从电力监控器通过无线系统提供波形的系统和方法
CN111562539A (zh) * 2020-05-17 2020-08-21 宁夏隆基宁光仪表股份有限公司 应用DataSocket技术实现智能电能表数据通信的系统及方法
WO2021128944A1 (zh) * 2019-12-26 2021-07-01 威胜集团有限公司 定频空调启动辨识方法、装置及存储介质
CN113947886A (zh) * 2021-12-20 2022-01-18 北京易联通达科技有限公司 一种基于非入侵式电表的用电行为监测装置
CN114024672A (zh) * 2021-11-14 2022-02-08 广东电网有限责任公司电力调度控制中心 一种低压电力线载波通信系统安全防护方法及系统
CN115112933A (zh) * 2021-03-17 2022-09-27 施耐德电气美国股份有限公司 用于优化波形捕获压缩和表征的系统和方法
CN115309091A (zh) * 2022-10-09 2022-11-08 深圳市源广浩电子有限公司 基于物联网的设备负载自动调节方法、系统及存储介质

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10663497B2 (en) * 2013-09-09 2020-05-26 Xerox Corporation Method and system for automated association of devices with electricity meters
US9152737B1 (en) * 2014-11-26 2015-10-06 Sense Labs, Inc. Providing notifications to a user
AU2016257632B2 (en) * 2015-05-05 2019-10-03 Power Management Holdings (U.S.), Inc. Method and system for locally controlling power delivery along a distribution feeder line of an electricity grid
CN106054004A (zh) * 2016-08-01 2016-10-26 国网安徽省电力公司凤台县供电公司 一种用户电力数据采集方法和用户用电故障监测方法
CN107797003B (zh) * 2016-09-05 2023-10-20 中国计量科学研究院 一种用于充电桩计量性能检测的虚拟负荷试验装置及方法
TWI611646B (zh) * 2016-10-17 2018-01-11 混合式再生能源發電系統
US10750252B2 (en) 2017-02-22 2020-08-18 Sense Labs, Inc. Identifying device state changes using power data and network data
CN107272803B (zh) * 2017-07-22 2018-12-11 华映科技（集团）股份有限公司 基于设备电流id资料自动补偿修改正方法
ES2904904T3 (es) * 2017-07-31 2022-04-06 Nube Print S L Procedimiento para control de dispositivos electrodomésticos e instalación para llevarlo a cabo
CN107835025B (zh) * 2017-11-21 2021-05-25 东北电力大学 一种电力负荷历史数据自适应压缩方法和系统
TWI682647B (zh) * 2018-03-29 2020-01-11 啓碁科技股份有限公司 提升智慧電錶至伺服器間效能的方法及裝置
WO2020012145A1 (en) * 2018-07-12 2020-01-16 Source to Site Accessories Limited System for identifying electrical devices
US10878343B2 (en) 2018-10-02 2020-12-29 Sense Labs, Inc. Determining a power main of a smart plug
WO2020089945A1 (en) * 2018-11-02 2020-05-07 Indian Institute Of Technology Delhi Multivariate data compression system and method thereof
US11212172B2 (en) * 2018-12-31 2021-12-28 Itron, Inc. Techniques for dynamically modifying operational behavior of network devices in a wireless network
CN110069019B (zh) * 2019-06-14 2022-04-19 泉州昌荣贸易有限公司 智能家居的电器管理方法
US11768228B2 (en) 2019-07-11 2023-09-26 Sense Labs, Inc. Current transformer with calibration information
TWI697678B (zh) 2019-07-26 2020-07-01 群光電能科技股份有限公司 可擴充的組合電表
WO2021111629A1 (ja) * 2019-12-06 2021-06-10 三菱電機株式会社 補正情報算出装置、補正情報算出システム、補正情報算出方法、および補正情報算出プログラム
CN112234996B (zh) * 2020-10-29 2023-03-21 广东电网有限责任公司计量中心 一种电力负荷数据的压缩方法、装置、设备和存储介质
TWI802245B (zh) * 2022-01-24 2023-05-11 台灣電力股份有限公司 基於非侵入式設備負載監控的用電解析系統及用電解析方法
CN116320043B (zh) * 2023-05-24 2023-08-01 深圳龙电华鑫控股集团股份有限公司 一种提高多载波通信系统传输效率的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI270282B (en) * 2000-04-03 2007-01-01 Matsushita Electric Ind Co Ltd Data communication system
US20110295912A1 (en) * 2009-11-12 2011-12-01 Onzo Limited Data storage and transfer
TW201242203A (en) * 2011-04-15 2012-10-16 Univ Nat Chiao Tung Power-monitoring system for identifying state of electric appliance and power-monitoring method thereof
CN202512170U (zh) * 2012-04-19 2012-10-31 上海大亚科技有限公司 具有断电保护功能的智能电表通信模块电路结构

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7071852B1 (en) * 2004-02-13 2006-07-04 Samplify Systems Llc Enhanced test and measurement instruments using compression and decompression
KR100645511B1 (ko) * 2004-08-27 2006-11-15 삼성전자주식회사 이동 통신 시스템에서 멀티 캐스트를 위한 공유 순방향링크 데이터 채널의 전력/전송율 제어 방법
TWI256187B (en) * 2004-09-17 2006-06-01 Taiwan Power Co Method and system for detecting variation of local power supply condition
US9172275B2 (en) * 2005-07-11 2015-10-27 Minesh Bhakta Power monitoring and control system and method
US8644396B2 (en) 2006-04-18 2014-02-04 Qualcomm Incorporated Waveform encoding for wireless applications
GB2456996B (en) * 2006-12-26 2011-09-21 Fujitsu Ltd Data compression apparatus and data decompression apparatus
KR100872798B1 (ko) * 2007-08-24 2008-12-09 연세대학교 산학협력단 왜곡 전력 품질 지수 측정 장치 및 방법
TW200914846A (en) 2007-09-20 2009-04-01 Univ Far East Detection method of electronic signal using wavelet transformation
US8396910B2 (en) 2008-11-06 2013-03-12 International Business Machines Corporation Efficient compression and handling of model library waveforms
US8156055B2 (en) 2009-05-04 2012-04-10 ThinkEco, Inc. System and method for utility usage, monitoring and management
US9170986B2 (en) 2009-11-06 2015-10-27 City University Of Hong Kong Power quality meter and method of waveform anaylsis and compression
TW201145745A (en) * 2010-06-04 2011-12-16 Huan-Cheng Lian Home resource management system using smart grid
TWI423549B (zh) * 2010-07-02 2014-01-11 Univ Nat Chiao Tung 辨識電器狀態的電力監測裝置及其電力監測方法
TW201206114A (en) * 2010-07-16 2012-02-01 Ind Tech Res Inst Method and system for monitoring residential appliances

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI270282B (en) * 2000-04-03 2007-01-01 Matsushita Electric Ind Co Ltd Data communication system
US20110295912A1 (en) * 2009-11-12 2011-12-01 Onzo Limited Data storage and transfer
TW201242203A (en) * 2011-04-15 2012-10-16 Univ Nat Chiao Tung Power-monitoring system for identifying state of electric appliance and power-monitoring method thereof
CN202512170U (zh) * 2012-04-19 2012-10-31 上海大亚科技有限公司 具有断电保护功能的智能电表通信模块电路结构

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9465070B2 (en) 2014-08-01 2016-10-11 Metalligence Technology Corporation Electronic device and detection method thereof
CN108352707A (zh) * 2015-10-30 2018-07-31 奥维莱斯投资公司 电力供应控制系统及其方法
CN106908671A (zh) * 2017-01-13 2017-06-30 中国海洋大学 一种非侵入式家用负荷智能检测方法及系统
CN107064621A (zh) * 2017-04-10 2017-08-18 合肥工业大学 智能电表数据压缩方法和系统
CN107064621B (zh) * 2017-04-10 2018-02-02 合肥工业大学 智能电表数据压缩方法和系统
US10211851B2 (en) 2017-04-10 2019-02-19 Hefei University Of Technology Method and system for compressing data from smart meter
US11431601B2 (en) 2017-08-09 2022-08-30 Verdigris Technologies, Inc. System and methods for providing waveforms over wireless systems from power monitors
CN111341085A (zh) * 2017-08-09 2020-06-26 绿铜能源科技有限公司 用于从电力监控器通过无线系统提供波形的系统和方法
CN108169597B (zh) * 2017-12-27 2020-08-14 华北电力大学 一种评估用电设备损耗状态的方法
CN108169597A (zh) * 2017-12-27 2018-06-15 卢志旭 一种评估用电设备损耗状态的方法
WO2021128944A1 (zh) * 2019-12-26 2021-07-01 威胜集团有限公司 定频空调启动辨识方法、装置及存储介质
CN111562539A (zh) * 2020-05-17 2020-08-21 宁夏隆基宁光仪表股份有限公司 应用DataSocket技术实现智能电能表数据通信的系统及方法
CN115112933A (zh) * 2021-03-17 2022-09-27 施耐德电气美国股份有限公司 用于优化波形捕获压缩和表征的系统和方法
CN114024672A (zh) * 2021-11-14 2022-02-08 广东电网有限责任公司电力调度控制中心 一种低压电力线载波通信系统安全防护方法及系统
CN114024672B (zh) * 2021-11-14 2024-03-26 广东电网有限责任公司电力调度控制中心 一种低压电力线载波通信系统安全防护方法及系统
CN113947886A (zh) * 2021-12-20 2022-01-18 北京易联通达科技有限公司 一种基于非入侵式电表的用电行为监测装置
CN115309091A (zh) * 2022-10-09 2022-11-08 深圳市源广浩电子有限公司 基于物联网的设备负载自动调节方法、系统及存储介质
CN115309091B (zh) * 2022-10-09 2022-12-20 深圳市源广浩电子有限公司 基于物联网的设备负载自动调节方法、系统及存储介质

Also Published As

Publication number Publication date
TWI464411B (zh) 2014-12-11
CN103973761B (zh) 2017-07-11
US20140214729A1 (en) 2014-07-31
US9754329B2 (en) 2017-09-05
TW201430353A (zh) 2014-08-01

Similar Documents

Publication Publication Date Title
CN103973761A (zh) 管理系统、智能电表、服务器、操作方法以及管理方法
Pena-Bello et al. Integration of prosumer peer-to-peer trading decisions into energy community modelling
Weiss et al. Leveraging smart meter data to recognize home appliances
Armel et al. Is disaggregation the holy grail of energy efficiency? The case of electricity
CN102292618B (zh) 监测和管理公用事业设备使用情况的系统和方法
Karlin et al. Energy feedback technology: a review and taxonomy of products and platforms
JP6629827B2 (ja) 電力需要管理システム、電力需要管理サーバ及び家電機器
Li et al. A personalized electricity tariff recommender system based on advanced metering infrastructure and collaborative filtering
Lin et al. Design and implementation of a smart home energy saving system with active loading feature identification and power management
de la Torre et al. Optimal battery sizing considering degradation for renewable energy integration
CN106464988A (zh) 能量管理系统
CN114119111A (zh) 基于大数据的电力交易用户管理方法、装置、设备及介质
CN105160559A (zh) 一种交互式智能用电控制方法和系统
dos Reis et al. Synthetic residential load models for smart city energy management simulations
Allenspach et al. Power conditioner efficiencies and annual performance analyses with partially shaded photovoltaic generators using indoor measurements and shading simulations
Wills et al. Adaptation and validation of an existing bottom-up model for simulating temporal and inter-dwelling variations of residential appliance and lighting demands
Lork et al. How many watts: A data driven approach to aggregated residential air-conditioning load forecasting
Bertoldi et al. Standby power use: How big is the problem? What policies and technical solutions can address it?
KR20220034329A (ko) 전기 요금 절감 분석 장치 및 전기 요금 절감 분석 방법
US20160098768A1 (en) Measuring and assessing power generated by a renewable power system
Chuma Cerbantes et al. Short‐term operation of a distribution company: A pseudo‐dynamic tabu search‐based optimisation
Tang et al. A data-driven approach for online aggregated load modeling through intelligent terminals
CN106056234B (zh) 变压器容量的确定方法和装置
Baghayipour et al. A comprehensive fair nodal pricing scheme, considering participants’ efficiencies and their rational shares of total cost of transmission losses
Ding et al. Bi-level programming-based optimal strategy to LSEs with demand response bids

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant