CN105308597A - 采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统 - Google Patents

采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统 Download PDF

Info

Publication number
CN105308597A
CN105308597A CN201480031557.XA CN201480031557A CN105308597A CN 105308597 A CN105308597 A CN 105308597A CN 201480031557 A CN201480031557 A CN 201480031557A CN 105308597 A CN105308597 A CN 105308597A
Authority
CN
China
Prior art keywords
state
electric loading
type
loading type
adopt
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
CN201480031557.XA
Other languages
English (en)
Other versions
CN105308597B (zh
Inventor
R·G·哈莱
T·G·哈贝特勒
L·杜
杨奕
D·贺
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.)
Eaton Intelligent Power Ltd
Original Assignee
Eaton Corp
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 Eaton Corp filed Critical Eaton Corp
Publication of CN105308597A publication Critical patent/CN105308597A/zh
Application granted granted Critical
Publication of CN105308597B publication Critical patent/CN105308597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
    • 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
    • G01D4/004—Remote reading of utility meters to a fixed location
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • 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
    • G01D2204/00—Indexing scheme relating to details of tariff-metering apparatus
    • G01D2204/20—Monitoring; Controlling
    • G01D2204/24—Identification of individual loads, e.g. by analysing current/voltage waveforms
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种用于多种不同电负载类型的系统。系统包括被构造为感测不同电负载中的每一个电负载的电压信号和电流信号的多个传感器(V，I)；和处理器(21)。处理器从传感器中获取(22)不同电负载类型中的对应一种电负载类型的电压和电流波形；计算(24)波形的功率或电流RMS分布；将功率或电流RMS分布量化(26)成一组量化的状态值；评估(28)所量化的状态值中的每一个所量化的状态值的状态持续时间；基于功率或电流RMS分布和所量化的状态值，评估(30)多个状态类型；生成(32)描述对应电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态序列；以及识别对应的电负载类型。

Description

采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统
相关申请的交叉引用
本申请要求于2013年6月3日提交的美国专利申请序列号No.13/908,263的优先权和权益，其通过引用合并到本文。
本发明在国家能源技术实验室能源部授予的DE-EE0003911的政府支持下做出的。政府具有该发明的某些权利。
技术领域
所公开的概念一般涉及电负载，并且更特别地涉及用于识别不同类型的电负载的方法。所公开的概念还涉及用于识别不同类型的电负载的系统。
背景技术
在商业或住宅建筑中，插入式负载的使用占到了大约总建筑电消耗的36％。插入式负载的有效管理可帮助用户获得高达总建筑能耗的大约7％到大约15％的节能潜力。但是，通常忽视了建筑内插入式负载的功率消耗监测和能量管理。因为经常观测到的有害跳闸导致用户的不便以及对电器的潜在损坏，并且相应地降低所采用的解决方案的符合率，所以不认为现存插入式负载控制和管理产品(例如可控电源板)是有效的解决方案。造成这种问题的主要原因之一是缺少对插入式负载的实际使用状态的可见性。
为了得到插入式负载的有效控制和管理，以及确保持续的节能措施，建筑物设施管理员和终端用户已认识到需要清楚在建筑物内所使用的插入式负载的类型和操作状态。换句话说，期望通过负载类型获得对插入式负载的能量使用的更精细的可见性。
美国专利申请公开号No.2013/0138669，名称为“SystemAndMethodEmployingAHierarchicalLoadFeatureDatabaseToIdentifyElectricLoadTypesOfDifferentElectricLoads”，其通过引用并入本文，其公开了采用分级负载特征数据库和分类结构作为用于优化特征选择的模型驱动指导的系统和方法。
存在识别不同电负载类型的方法的改进空间。
同样存在用于识别不同电负载类型的系统的改进空间。
发明内容
通过所公开概念的实施例满足这些和其它需求，其生成描述不同电负载类型中的对应一种电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态序列；并且识别不同电负载类型中的对应一种电负载类型。
根据所公开概念的一个方面，用于多种不同电负载类型的系统包括：多个传感器，其被构造为感测不同电负载中的每个电负载的电压信号和电流信号；以及处理器，其被构造为：从传感器获取不同电负载类型中的对应一种电负载类型的电压和电流波形；计算波形的功率或电流RMS分布；将功率或电流RMS分布量化成一组量化的状态值；评估所量化的状态值中的每一个量化的状态值的状态持续时间；基于功率或电流RMS分布和所量化的状态值来评估多个状态类型；生成描述不同电负载类型中的对应一种电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态序列；以及识别不同电负载类型中的对应一种电负载类型。
作为所公开概念的另一个方面，用于多个不同电负载类型的有限状态机建模方法包括：获取不同电负载类型中的对应一种电负载类型的电压和电流波形；计算波形的功率或电流RMS分布；将功率或电流RMS分布量化成一组量化的状态值；评估所量化的状态值中的每个量化的状态值的状态持续时间；基于功率或电流RMS分布和所量化的状态值来评估多个状态类型；通过处理器生成描述不同电负载类型中的对应一种电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态序列；以及识别不同电负载类型中的对应一种电负载类型。
附图说明
当结合附图阅读时，可从下述优选实施例的描述中得到本公开概念的完整理解，在附图中：
图1是根据本公开概念的实施例的用于建模负载简档的状态的框图；
图2-4是根据本公开概念的实施例的分别包括尖峰、步升状态(步骤R状态)以及间歇状态的电流与时间图；
图5是用于根据本公开概念的实施例的采用有限状态机(FSM)模型的电流与时间图；
图6是示出应用到图5的电流与时间图的FSM模型的图；
图7是根据本公开概念的实施例的FSM建模的过程的流程图；
图8是图7的FSM建模过程的所提取的功率/电流分布的图；
图9是图8中提取的功率/电流分布的量化；
图10是从图9的所量化的功率/电流分布生成的状态序列；
图11是图10的所生成的状态序列的FSM表述；
图12是图11的所生成的状态序列的时间表；
图13A和13B，14A和14B，15A、15B、15C和15D是根据本公开概念的实施例的分别用于显示器/电视、个人计算机、电扇、空间加热器、微波炉和碎纸机的所生成的状态序列的时间图；
图16是微波炉处于60秒重新加热模式中的电流与时间图；
图17是根据本公开概念的实施例的包括相同重复模式的电流与时间图；
图18是根据本公开概念的实施例的包括重复的步升/步降模式的电流与时间图；
图19是根据本公开概念的实施例的包括尖峰引导的重复模式的电流与时间图；
图20是根据本公开概念的实施例的正充电的特定笔记本电脑的伴有对应的事件序列、特征和周期性特征的电流与时间分布；
图21是根据本公开概念的实施例的执行双面打印的特定打印机的伴有对应的事件序列、特征和周期性特征的电流与时间分布；
图22是根据本公开概念的实施例的在启动期间的特定LCD电视的伴有对应事件序列、特征和周期性特征的电流与时间图。
具体实施方式
本文中使用的术语“数量”将意为一或大于一的整数(即，多个)。
本文中使用的术语“处理器”将意为可存储、获取并处理数据的可编程模拟和/或数字设备；计算机；工作站；个人计算机(PC)；控制器；数字信号处理器(DSP)；微处理器；微控制器；微计算机；中央处理单元；主机计算机；迷你计算机；服务器；网络处理器；或任何适当的处理装置或设备。
虽然公开了与示例负载和示例负载特征相关联的本公开概念，但本公开概念适用于宽范围的负载和宽范围的负载特征。
本公开概念实现用于插入式负载的自动识别技术，并且如公开号No.2013/0138669所公开的可寻址2级负载子类别识别。层级负载特征数据库包括三层，但是可采用多于三层。第一层或级是负载类别，第二层或级(2级)是负载子类别，并且第三层或级是包括多种不同负载类型的负载类型。
第一级的负载类别的非限制性示例包括电阻负载、电抗负载、具有功率因数校正的非线性、不具有功率因数校正的非线性、具有变压器的非线性、具有相位角控制的非线性以及复合结构。
第二级的负载子类别的非限制性示例包括电阻负载，诸如照明工具、厨房电器和个人护理电器；电抗负载，诸如线性电抗负载和具有机器饱和的非线性；具有功率因数校正的非线性，诸如大显示器、电视装置和其它大的消费者电子设备；不具有功率因数校正的非线性，诸如成像设备、小显示器和电视、个人计算机(PC)、具有电池充电器的电子负载、照明负载和其它小电子设备；具有变压器的非线性，诸如不具有电池充电器的小电子设备和具有电池充电器的其它电子设备；以及复合结构，诸如微波炉。
第三级的负载类型的一些非限制性示例是用于照明工具的白炽灯(＜100W)，和用于厨房和个人护理电器的烤面包机、空间加热器和其它电器。
已认为插入式负载的自动识别是富有挑战性的任务。主要原因之一是例如具体是办公室电器和PC的这些类型的负载经常共享非常相似的稳态特性，因为它们经常共享相似的前端电子拓扑和/或由标准DC电源供电。这种相似性展现了通过基于稳态特征分析的现有方法而得到这些负载类型的有意义的负载识别方案的难点。
然而插入式负载(例如但不限于办公室电器和电子设备)全部被限定为实施针对终端用户的特定功能。相同类型(或功能类型)的负载共享相似的操作原理，这与负载内部的组件针对特定功能如何协作或如何彼此交互紧密相关。各种负载的操作原理帮助限定在启动期间的负载简档，和/或确定负载何时处于特定功能状态。插入式负载的启动简档可用于更精细地区分负载。
例如当比较不同类型的负载的电流与时间波形时(例如但不限于台式机PC；LCD电视；扫描器)，稳态电流波形(如在相对较少数量的电力线循环上所采集的)在这些类型的负载中几乎是相同的。然而它们的启动简档(例如，如在几十秒或几分钟上所测量的)示出彼此不同的明显差异。相似地，相同类型的办公室电器和PC在启动期间共享电流与时间分布的相似操作行为(例如，来自不同制造商的笔记本电脑的启动；来自不同制造商的LCD显示器的启动；来自不同制造商的打印机在复制过程期间的启动)。在相同类型的插入式负载中的该所观测到的共性主要是因为位于该相同类型的负载内的组件针对特定功能以相似方式彼此协作，或换句话说它们共享相似的操作原理。
负载识别的各种现有提议已经在相对较少数量的电力线循环上使用了负载启动瞬时信息(例如但不限于在美国每个循环1/60秒)。认为大部分现有方法在该启动瞬时周期期间检测稳定功率水平转变或高频谐波分量。但是认为所检测的信息从未与特定负载类型的操作原理关联，并且展现出将其推广到实际环境中更大规模的负载组的难点。
本公开概念应用有限状态机(FSM)以便基于其内在操作原理描述负载类型的广义负载启动/瞬态分布。FSM通常由有限数量的状态、一组动作和状态之间的一组状态转变组成。状态转变是从一个状态开始并且在另一状态结束的动作。如果开始状态和结束状态相同，则称其为自状态(self-state)转变。由预定义事件或条件来触发状态转变。
图1示出当建模负载简档时所采用的状态2的概念。可通过但不限于电流峰值、电流RMS、即时功率消耗、V-I轨迹特征和/或任何适当的功率-质量相关特征(例如但不限制于电流谐波；电流-电压相位角)将状态特征化。
当通过使用FSM建模插入式负载的启动瞬态时，通常限定为开始状态。例如且不限于认为功率消耗或电流RMS为状态特征，并且可通过低于5W的功率消耗或低于0.1A的电流RMS的阈值来限定负载的关闭/待机状态作为开始状态。
为了通过FSM建模相对时间的长期负载简档，存在一些原则，包括：(1)FSM模型从关闭/待机模式开始(即开始状态)；(2)在实时的周期式基础上分析电压和电流波形，并且将电压和电流波形与在先的若干循环进行比较；(3)如果在两个相邻循环之间的电流RMS(或功率消耗)的变化低于10％(或任何适当的预定百分比或差值)，则认为这两个相邻循环处于相同状态；(4)如果在两个相邻循环之间的电流RMS(或功率消耗)的变化大于10％(或任何适当的预定百分比或差值)，则限定当前循环为新状态；以及(5)状态值是进入当前状态的第一个循环的即时电流RMS。当前状态持续多久的循环数量是状态持续时间。
对于插入式负载FSM建模，将五种状态类型进行如下限定：(1)稳态：如果FSM保持特定状态至少5秒(或任何适当的预定时间)；(2)半稳态：如果FSM保持特定状态至少一秒(或任何适当的预定时间)，但是低于5秒(或任何适当的预定时间)；(3)尖峰：如果当前循环的功率水平大于在先循环的功率水平的1.85(或任何适当的预定值)倍，保持高值仅一个或两个以上的循环(或任何适当预定值)，并且然后跳回到低功率水平；(4)步升状态(或步R状态)：如果功率水平上升到大于上升之前的功率水平的1.85(或任何适当预定值)倍的高值进一步达一个或两个循环(或任何适当的预定时间)内，并且保持高值多于一秒(或任何适当预定时间)；以及(5)间歇状态(中间状态)：在任何以上限定的状态之间的未定义状态；这一般表示具有相对小方差的幅值及相对短的状态持续时间(即低于1秒(或任何适当预定时间))的相当频繁的状态变化。稳态和半稳态通常为限定负载简档的主要趋势的状态。尖峰、步R状态和中间状态是描述功率波动和短期转变的短期状态。
图2-4示出了尖峰4、步R状态6和中间状态8的示例。
图5示出了示例电流与时间的图10，并且图6示出了描述LCD电视60秒的启动操作的对应FSM模型12的示例。相应地，事件“电力↑(POWER↑)”指即时功率/电流增加，“电力↓”(未示出)指即时功率/电流降低以及“电力”指即时功率/电流不变。特别地，在图5和6中示出四个“电力↑”事件13、14、15、16。
通过FSM建模长期(或启动和瞬时)观测的主要优点在于FSM能够通过允许自状态转变来提取重复模式并减少复制的状态和转变。例如，当激光打印机正执行多页打印工作时，重复电流信号中的相似模式。通过打印一页生成每种模式。每个重复模式可能不是正好相同的，并且重复模式之间的时间持续实际上也不是正好等同的，这引入对其提取并建模的额外难度。但是，FSM可通过状态转变提取公共模式并消除自状态转变的时间影响。
图7示出了通过处理器21对插入式负载的负载启动/操作行为建模所执行的FMS建模过程20。过程20包括在22从处理器21的电压(V)和电流(I)传感器获取被测试的负载的电压和电流波形；在24，计算所测量的波形的功率或电流RMS分布；在26，将功率或电流RMS分布量化成一组量化的状态值；在28，评估每个量化状态的状态持续时间；在30，基于当前和在先的所量化的状态来评估状态类型；以及在32，生成描述FSM模型的状态序列。
图8-11示出了用于等离子电视的图7的FSM建模过程20的非限制示例，包括量化的电流波形和生成的状态。在第一步骤中，如图8所示，获取并计算(图7的步骤22和24)等离子电视60秒(或任何适当预定时间)的启动操作的功率/电流分布34。图9示出了第二步骤，功率/电流分布量化(图7的步骤26)，包括实际电流36相对时间以及量化电流38相对时间。在第三步骤中，如图10所示，生成状态序列39(图7的步骤28、30和32)。最后的步骤是FSM表达40，如图11所示。
简言之，生成的信息是包含三个信息段的状态序列：(1)状态类型；(2)状态值；和(3)状态持续时间。表1示出了图11的示例FSM表述40的细节。
表1
状态类型 状态值(A) 状态持续时间(S)
备用 0.021 0.2
尖峰 7.20 0
尖峰 7.10 0
尖峰 7.20 0
半稳态 0.38 1.5
半稳态 0.48 1.7
尖峰 2.10 0
稳态 0.75 5.6
半稳态 1.00 1.9
尖峰 1.60 0
半稳态 0.83 0.8
稳态 2.74 22.1
稳态 2.74 7.1
半稳态 2.00 3.5
半稳态 2.75 3.2
稳态 2.51 7.0
来自生成的状态序列的有意义的特征提取建立各种不同插入式负载的各种不同FSM模型之间的区别。以下是一些非限制性示例候选特征：(1)尖峰的数量；(2)半稳态的数量；(3)稳态的数量；(4)半稳态总时间与总观测时间的比；(5)稳态总时间与总观测时间的比；(6)每秒所量化的状态的数量；以及(7)重复的状态序列的数量。
生成的状态序列还可由如图12中所示的示例状态序列的时间图42来表述。X轴是量化状态的指数。正半平面的Y轴是状态值(电流RMS(A))，负半平面的Y轴是状态持续时间(秒(S))。每个数据点代表一个状态。
图13A和13B和14A和14B分别示出了用于显示器/电视的时间图44、46的示例和PC的时间图48、50的示例。
图15A-15D分别示出了针对电扇、空间加热器、微波炉和碎纸机的时间图52、54、56、58的示例。
这些时间图提供相同类型的负载之间的可视相似性，但是在相同时间示出了不同类型的负载之间的显著区别。
以上第七特征(即重复的状态序列的数量)采用重复模式的存在的检测，以及该子序列的重复次数的检测。作为定义，一个状态子序列是指序列状态的子集。为了识别重复的模式，重要的是理解子序列如何相似。可以考虑以下特性：(1)稳态和/或半稳态的状态值；(2)稳态和/或半稳态的状态持续时间；以及(3)状态类型。
例如，诸如示例重新加热模式的操作模式中，针对特定类型的微波炉，图16示出了60秒重新加热模式中微波炉的电流相对时间的波形60。
以上的相似性和区别可通过上述的其它特征(1)至(6)来量化，其可通过时间图(例如图12、13A、13B、14A、14B、14C和14D)导出。示例插入式负载的特征值在下面示出。表2中给出生成的状态序列。
表2
状态类型 状态值(A) 状态持续时间(S)
稳态 15.36 25.1
半稳态 0.47 1.5
稳态 15.37 27.6
半稳态 0.47 1.6
半稳态 14.6 2.1
理想地，在观测下辨识状态序列的重复模式的目的应当包括至少三个子序列，每一个子序列共享相似的状态值、相同状态类型的状态持续时间。在以上示例中，在表2的前四行中观测到重复模式稳态→半稳态出现两次。
现在描述插入式负载的重复模式的三个非限制性示例。首先，可存在(几乎)等同的重复模式。在该情况中，一个状态(例如稳态或半稳态)在状态序列中重复出现，伴有在其之间可能的一个或一些间歇状态。状态值和状态持续时间在观测下的整个时间周期期间保持近似恒定(例如，这三个值中的每一个值的幅值变化被限制在例如-5％或其它任何适当的预定值)。在图17的电流与时间的波形62中示出该重复模式的非限制性示例。表3中示出了生成的状态序列(不包括中间状态)，其中3-6行表示所辨识出的重复模式。
表3
状态类型 状态值(A) 状态持续时间(S)
稳态 0.33 19.7
半稳态 0.53 2.1
稳态 0.66 5.8
稳态 0.67 5.8
稳态 0.67 5.8
稳态 0.68 5.8
半稳态 0.67 3.7
其次，可存在步升/降重复模式。在该情况中，具有步升/降状态值和状态持续时间的半稳态和/或稳态的子序列在状态序列中重复出现。对应的半稳态和/或稳态的状态值和状态持续时间在数字上保持相近。与(近似)等同的重复模式的情况相似，可以出现间歇状态和尖峰事件。图16的示例的电流相对时间的波形60落入该类别。图18示出了该模式的电流相对时间的波形64中的另一示例。在该示例中打印工作重复8次。表4示出了生成的状态序列。
表4
在组合具有几乎等同的状态值的相邻半稳态(即，具有状态值13.96A和13.71A的半稳态)之后，图4中所指出的重复状态的子序列表示可辨识的重复模式。在该示例中，可观测并检测具有状态值和状态持续时间的步降模式的七个子序列。随着打印机刚从待机模式转变到激活模式，前几个步降子序列具有相对较高的步前状态值和状态持续时间，即14.70A、13.96A和14.09A。当打印机处于稳定的激活模式时，后三个子序列具有相对较小但几乎等同的步前状态值，13.72A/3.25S,13.54A/3.2S,以及13.57A/3.27S。步后状态值保持接近2A并且步后状态持续时间保持接近1.2S。
第三，可存在尖峰引导的重复模式。在该情况中，在状态序列中观测到由一个或两个尖峰引导的重复的状态子序列。注意在该情况中，状态持续时间和重复模式的循环时间在所观测的状态序列中都不是恒定的。状态值也随时间变化。在图19的电流相对时间的波形66中示出该模式的示例。在观测下的时间持续期间发生了6次打印操作。在表5中示出生成的状态序列。
表5
重复的状态子序列在图5中示出从而表示可辨识的重复模式。
对于以上第二及特别是第三种情况，相对更长期的统计评估(例如但不限于步升/步降比和/或循环时间的均值和方差)用于当重复的行为与第一种情况不一致时可靠地检测重复模式。
可将一些典型插入式负载的FSM模型认作为示例。在以下序列中表示出所生成的FSM特征：(1)尖峰的数量；(2)半稳态的数量；(3)稳态的数量；(4)半稳态总时间与总观测时间的比；(5)稳态总时间与总观测时间的比；以及(6)每秒量化状态的数量。
图20示出了针对正充电的特定笔记本电脑的电流相对时间分布68、对应事件序列70、对应特征72和任意周期性模式74。
图21示出了针对执行双面打印的特定打印机的电流相对时间分布76、对应事件序列78、对应特征80和任意周期性模式82。
图22示出了针对启动期间的特定LCD电视的电流相对时间分布84、对应事件序列86、对应特征88和任意周期性模式90。
表6概述了用于区别并分类各种插入式负载的各种FSM特征的非限制性示例。
表6
本公开的概念可与以下任意或全部的教导结合使用：(1)美国专利申请公开号No.2013/0138651，名称为“SystemAndMethodEmployingASelf-OrganizingMapLoadFeatureDatabaseToIdentifyElectricLoadTypesOfDifferentElectricLoads”；(2)美国专利申请公开号No.2013/0138661，名称为“SystemAndMethodEmployingAMinimumDistanceAndALoadFeatureDatabaseToIdentifyElectricLoadTypesOfDifferentElectricLoads”；以及(3)2012年8月29日提交的美国专利申请序列号No.13/597,324，名称为“SystemAndMethodForElectricLoadIdentificationAndClassificationEmployingSupportVectorMachine”，该全部内容通过引用并入本文。
从公开的FSM模型中提取的所生成的FSM特征可被用作为已经在上面三篇专利申请中公开的类别和识别系统的输入从而导出观测下的负载的类型/类别。参考公开号No.2013/0138669中所公开的分级负载识别架构，所公开的概念可被应用于提供2级负载子类别识别所需要的特征，以识别不同电负载类型中的对应一种电负载类型。
在已经详细描述本公开概念的具体实施例的同时，本领域的技术人员将理解根据本公开的整体教导可以对这些细节发展多种修正和替换。因此，所公开的特定布置仅意为说明而非对所公开概念的范围的限制，所公开概念的范围将在所附权利要求及其所有等同整体给出。

Claims (15)

1.一种系统，用于多种不同电负载类型，所述系统包括：
多个传感器(V，I)，其被构造为感测所述不同电负载中的每一个电负载的电压信号和电流信号；以及
处理器(21)，其被构造为根据权利要求2-15中任一项执行针对多种不同电负载类型的有限状态机建模方法(20)。
2.一种有限状态机建模方法(20)，用于多种不同电负载类型，所述方法包括：
获取(22)所述不同电负载类型中的对应一种电负载类型的电压和电流波形；
计算(24)所述波形的功率或电流RMS分布；
将所述功率或电流RMS分布量化(26)成一组量化的状态值；
评估(28)所量化的状态值中的每一个量化的状态值的状态持续时间；
基于所述功率或电流RMS分布和所量化的状态值，评估(30)多个状态类型；
通过处理器(21)生成(32)状态序列，所述状态序列描述针对所述不同电负载类型中的对应一种电负载类型的广义负载启动或瞬态分布的对应有限状态机模型；以及
识别所述不同电负载类型中的所述对应一种电负载类型。
3.如权利要求2所述的方法，进一步包括：
从所述不同电负载类型中的所述对应一种电负载类型的关闭或待机模式，开始所述有限状态机模型；
将当前循环的所述功率或电流RMS分布与若干在先循环的功率或电流RMS分布进行比较；
如果在两个相邻循环之间的功率或电流RMS分布的变化小于预定百分比，则认为两个相邻循环处于相同状态；以及
如果在两个相邻循环之间的功率或电流RMS分布的变化大于所述预定百分比，则认为所述当前循环的所述功率或电流RMS分布处于新的状态。
4.如权利要求3所述的方法，进一步包括：
采用状态值作为处于所述新状态的当前循环的所述电流RMS分布的瞬时值；以及
采用所述状态持续时间作为所述电流RMS分布保持在所述新状态中的循环的计数。
5.如权利要求3所述的方法，进一步包括：
采用从分组中选择的多个状态类型作为所述状态类型，如果所述新状态持续至少第一预定时间，则所述分组包括稳态；如果所述新状态持续至少第二预定时间，则所述分组包括半稳态，所述第二预定时间小于所述第一预定时间，但低于所述第一预定时间；如果所述当前循环的功率水平大于相邻的在先循环的功率水平的预定值的倍数，保持大于所述相邻的在先循环的功率水平的预定值的倍数达若干循环，并且然后回到低于所述相邻的在先循环的功率水平的预定值的倍数，则所述分组包括尖峰；以及如果所述当前循环的功率水平大于在上升之前所述相邻的在先循环的功率水平的预定值的倍数进一步达若干循环内，并且保持大于所述相邻的在先循环的功率水平的预定值的倍数达大于第三预定时间，则所述分组包括步升状态。
6.如权利要求5所述的方法，进一步包括：
采用若干所述稳态和若干所述半稳态来定义所述不同电负载类型中的所述对应一种电负载类型的负载简档。
7.如权利要求5所述的方法，进一步包括：
进一步采用作为间歇状态的状态类型中的一种状态类型为所述稳态、所述半稳态、所述尖峰和所述步升状态中的任意状态之间的未定义的状态；以及
采用若干所述尖峰、若干所述步升状态和若干所述间隙状态，来描述所述不同电负载类型中的所述对应一种电负载类型的功率波动和短期转变。
8.如权利要求5所述的方法，进一步包括：
采用所述不同电负载类型中的对应一种电负载类型的所述对应有限状态机模型的多个特征，作为所述尖峰的数量、所述半稳态的数量、所述稳态的数量、所述半稳态的总时间与获取所述电压和电流波形的总观测时间的比、所述稳态的总时间与所述总观测时间的比，以及每秒所量化的状态值的数量。
9.如权利要求2所述的方法，进一步包括：
在所生成的状态序列中包括多个状态的重复模式。
10.如权利要求7所述的方法，进一步包括：
采用在所述新状态中的所述当前循环的所述电流RMS分布的瞬时值作为状态值；
采用所述电流RMS分布保持在所述新状态中的循环计数作为所述状态持续时间；
采用所述获取所述电压和电流波形的总观测时间；
在所生成的状态序列中包括多个状态的重复模式；
包括在循环时间上的多个状态的重复模式，其中所述状态中的一个状态是稳态或半稳态并且在所生成的状态序列中重复出现，并且在所述状态之间具有间歇状态；以及
采用在所述总观测时间期间几乎恒定的所述状态值、所述状态持续时间和所述循环时间。
11.如权利要求9所述的方法，进一步包括：
采用所述获取所述电压和电流波形的总观测时间；以及
采用步升/步降重复模式作为所述重复模式，在所述步升/步降重复模式中具有状态值步升/步降的状态子序列在序列中重复出现，并且步前和步后状态值的比和两个顺序步升转变或两个顺序步降转变之间的循环时间在所述总观测时间期间保持恒定。
12.如权利要求11所述的方法，进一步包括：
评估所述步升/步降的比和/或所述循环时间的均值和方差，以便检测所述重复模式。
13.如权利要求9所述的方法，进一步包括：
采用所述获取所述电压和电流波形的总观测时间；
采用从所述分组中选择的多个状态类型作为所述状态类型，其中如果所述当前循环的功率水平大于相邻的在先循环的功率水平的预定值的倍数，保持大于相邻的在先循环的功率水平的所述预定值的倍数达若干循环，并且然后回到低于所述相邻的在先循环的功率水平的所述预定值的倍数，则所述分组包括尖峰；以及
采用周期性模式作为所述重复模式，其中在所生成的状态序列中观测到从若干尖峰事件开始的重复的状态子序列，并且所述重复模式的状态持续时间和循环时间在所观测的生成的状态序列中都不是恒定的，并且所量化的状态值也随时间变化。
14.如权利要求13所述的方法，进一步包括：
评估所述循环时间的均值和方差以便检测所述重复模式。
15.如权利要求2所述的方法，进一步包括：
识别所述不同电负载类型中的对应一种电负载类型的操作模式。
CN201480031557.XA 2013-06-03 2014-05-15 采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统 Active CN105308597B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/908,263 2013-06-03
US13/908,263 US9410996B2 (en) 2013-06-03 2013-06-03 Method and system employing finite state machine modeling to identify one of a plurality of different electric load types
PCT/US2014/038038 WO2014197177A1 (en) 2013-06-03 2014-05-15 Method and system employing finite state machine modeling to identify one of a plurality of different electric load types

Publications (2)

Publication Number Publication Date
CN105308597A true CN105308597A (zh) 2016-02-03
CN105308597B CN105308597B (zh) 2019-06-11

Family

ID=50943604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480031557.XA Active CN105308597B (zh) 2013-06-03 2014-05-15 采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统

Country Status (5)

Country Link
US (1) US9410996B2 (zh)
CN (1) CN105308597B (zh)
CA (1) CA2910796C (zh)
DE (1) DE112014002655T5 (zh)
WO (1) WO2014197177A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012211955A1 (en) * 2011-02-04 2013-09-12 Bidgely Inc. Systems and methods for improving the accuracy of appliance level disaggregation in non-intrusive appliance load monitoring techniques
US10663497B2 (en) * 2013-09-09 2020-05-26 Xerox Corporation Method and system for automated association of devices with electricity meters
US9916000B2 (en) * 2015-11-16 2018-03-13 I-Ewm Acquisition, Llc Power protection and remediation
CN106096173B (zh) * 2016-06-22 2018-10-19 西安交通大学 基于Hermitian小波有限元载荷识别方法及系统
CN109782086B (zh) * 2018-12-25 2020-12-18 武汉中原电子信息有限公司 一种基于多维度信号分析的非侵入负荷识别方法
FR3092401B1 (fr) 2019-02-04 2022-11-11 Eaton Intelligent Power Ltd Système et procédé de surveillance et de contrôle de charges électriques
US11740266B2 (en) * 2020-09-22 2023-08-29 Schneider Electric USA, Inc. Systems and methods for monitoring energy-related data in an electrical system

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090072985A1 (en) * 2007-09-18 2009-03-19 Georgia Tech Research Corporation Detecting actuation of electrical devices using electrical noise over a power line
CN101393578A (zh) * 2008-11-03 2009-03-25 天津理工大学 基于有限状态机的Boost电路建模方法及其应用
US7679345B1 (en) * 2007-10-09 2010-03-16 Netlogic Microsystems, Inc. Digital linear voltage regulator
CN102947716A (zh) * 2010-04-26 2013-02-27 贝尔金国际股份有限公司 电气事件检测装置以及对电力使用进行检测和分类的方法
US20130138651A1 (en) * 2011-11-28 2013-05-30 Bin Lu System and method employing a self-organizing map load feature database to identify electric load types of different electric loads

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4858141A (en) 1986-04-14 1989-08-15 Massachusetts Institute Of Technology Non-intrusive appliance monitor apparatus
US5483153A (en) 1994-03-24 1996-01-09 Massachusetts Institute Of Technology Transient event detector for use in nonintrusive load monitoring systems
US5717325A (en) 1994-03-24 1998-02-10 Massachusetts Institute Of Technology Multiprocessing transient event detector for use in a nonintrusive electrical load monitoring system
FR2752944B1 (fr) 1996-09-03 1998-10-16 Schneider Electric Sa Dispositif de detection preventive de defauts avec reconnaissance du type de charge
FR2756049B1 (fr) 1996-11-18 1998-12-31 Schneider Electric Sa Dispositif de detection preventive de defauts avec identification du type de charge
JP2008524901A (ja) 2004-12-20 2008-07-10 エヌエックスピー ビー ヴィ データ処理装置及びその動作方法
GB2473581B (en) 2008-07-07 2013-04-24 Control4 Corp Systems and methods for presenting power saving opportunities for electronic devices
GB2465367B (en) 2008-11-13 2011-01-05 Isis Innovation Variable power load detector apparatus and method
US8918346B2 (en) 2011-11-28 2014-12-23 Eaton Corporation System and method employing a minimum distance and a load feature database to identify electric load types of different electric loads
US20130138669A1 (en) 2011-11-28 2013-05-30 Bin Lu System and method employing a hierarchical load feature database to identify electric load types of different electric loads

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090072985A1 (en) * 2007-09-18 2009-03-19 Georgia Tech Research Corporation Detecting actuation of electrical devices using electrical noise over a power line
US7679345B1 (en) * 2007-10-09 2010-03-16 Netlogic Microsystems, Inc. Digital linear voltage regulator
CN101393578A (zh) * 2008-11-03 2009-03-25 天津理工大学 基于有限状态机的Boost电路建模方法及其应用
CN102947716A (zh) * 2010-04-26 2013-02-27 贝尔金国际股份有限公司 电气事件检测装置以及对电力使用进行检测和分类的方法
US20130138651A1 (en) * 2011-11-28 2013-05-30 Bin Lu System and method employing a self-organizing map load feature database to identify electric load types of different electric loads

Also Published As

Publication number Publication date
CA2910796C (en) 2021-01-19
CN105308597B (zh) 2019-06-11
DE112014002655T5 (de) 2016-02-18
CA2910796A1 (en) 2014-12-11
WO2014197177A1 (en) 2014-12-11
US9410996B2 (en) 2016-08-09
US20140358456A1 (en) 2014-12-04

Similar Documents

Publication Publication Date Title
CN105308597A (zh) 采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统
CN105652739B (zh) 用于分层负载标识算法的实时执行的负载电源设备和系统
Gupta et al. ElectriSense: single-point sensing using EMI for electrical event detection and classification in the home
Batra et al. A comparison of non-intrusive load monitoring methods for commercial and residential buildings
Jiang et al. Experiences with a high-fidelity wireless building energy auditing network
CN102947716B (zh) 电气事件检测装置以及对电力使用进行检测和分类的方法
CA2910746C (en) Method and system employing graphical electric load categorization to identify one of a plurality of different electric load types
Meyer et al. Harmonic summation effects of modern lamp technologies and small electronic household equipment
Quek et al. Smart sensing of loads in an extra low voltage DC pico-grid using machine learning techniques
Li et al. Power decomposition based on SVM regression
Lee et al. Appliance recognition and unattended appliance detection for energy conservation
CN108198349A (zh) 智能快递柜、检测系统及其硬件检测控制方法和存储介质
CN103869181A (zh) 监控装置及其识别电器装置的方法
Guillén-García et al. Identification of the electrical load by C-means from non-intrusive monitoring of electrical signals in non-residential buildings
CN109884537B (zh) 一种智能配电终端后备蓄电池状态评估方法及系统
US10837989B2 (en) System and method to characterize and identify operating modes of electric loads
Clark et al. Potentia Est Scientia: Security and Privacy Implications of Energy-Proportional Computing.
Quek et al. DC appliance classification and identification using k-Nearest Neighbours technique on features extracted within the 1st second of current waveforms
JP2015102526A (ja) 電力推定装置及び電力推定方法
Shabshab et al. Voltage waveform transient identification for autonomous load coordination
Li et al. Energy usage behavior modeling in energy disaggregation via marked hawkes process
CN103365762A (zh) 服务器及其记录环境参数的方法
Lane et al. Measurements for remote identification of electrical equipment
Reddy et al. Plug load identification in educational buildings using machine learning algorithms
JP5561783B2 (ja) 電気機器判別装置、電気機器判別方法および電気機器判別プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190423

Address after: Dublin, Ireland

Applicant after: Eaton Intelligent Power Co.,Ltd.

Address before: Ohio, USA

Applicant before: Eaton Corp.

GR01 Patent grant
GR01 Patent grant