CN108090647B - 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法 - Google Patents

取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法 Download PDF

Info

Publication number
CN108090647B
CN108090647B CN201710073513.9A CN201710073513A CN108090647B CN 108090647 B CN108090647 B CN 108090647B CN 201710073513 A CN201710073513 A CN 201710073513A CN 108090647 B CN108090647 B CN 108090647B
Authority
CN
China
Prior art keywords
information
load
time
obtaining
operation probability
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.)
Active
Application number
CN201710073513.9A
Other languages
English (en)
Other versions
CN108090647A (zh
Inventor
蔡家纬
杨竣崴
洪永杰
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.)
Institute for Information Industry
Original Assignee
Institute for Information Industry
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 Institute for Information Industry filed Critical Institute for Information Industry
Publication of CN108090647A publication Critical patent/CN108090647A/zh
Application granted granted Critical
Publication of CN108090647B publication Critical patent/CN108090647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low

Abstract

本发明公开了一种取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法，取得用电户的负载信息及总用电信息或用电户群组的负载信息及用电户群组总用电信息，在取得用户或用户群组的时间区间用电信息后，以算法计算取得用电户或用电户群组的负载的运作机率。

Description

取得用电户的负载运作机率的方法及取得用电户群组的负载 运作机率的方法
技术领域
本发明是有关于一种取得负载的运作机率的方法，特别是有关于依据用电户的负载信息、行为信息、特征信息及总用电信息取得负载的运作机率的取得用电户的负载的运作机率的方法及取得用电户群组的负载运作机率的方法。
背景技术
由于环保教育的普及化以及自然科学不断的提出，地球环境已经超出负荷的警告，现今社会中，各个先进国家国民的环境保育意识及节能意识高涨，各国积极的在寻找可以取代火力发电及核能发电的绿色能源，因此，有关风力发电、太阳能发电、地热发电、潮汐发电等等的技术也在不断的发展并改良。
各国政府在发展绿色能源之外更大力的推动减能减碳运动，以居家用电为例，根据美国2008年的统计，居家的用电量约占总用电量的37％，且大多数民众的用电习惯不佳却不自觉，时常造成电力的浪费。因此，若是能了解民众于家中的用电习惯并使的改善，即能有效的达到节能减碳的目的。
然而，目前多数用电户所使用的电表为传统电表，其只能提供用电户上一个月或是一段时间后统计的总用电量，再透过比对上一个月即前一个月的总用电量或是去年同期的总用电量，使用电户得知用电况状是否有所改善用。
虽然有许多先进国家已经开始以新式的智能型电表汰换传统电表，然而，智能型电表虽然可以实时的知道用电户目前的用电量，但较难有效地确认用电户的电器运作情形，以进一步的分析用电户的用电行为，并进行节能规划与管理。
为了分析用电户的用电行为，现今所采用的方式多为侵入式的负载运作侦测，在使用侵入式的负载运作侦测的情况下，需要再用电户的每一个负载(亦即电器)上安装额外的量测装置或感测组件，以这些量测装置或感测组件所取得的信息判断个别负载是处于开启还是关闭的状态，这样的方式虽然可以有效的取得用电户的负载运作状态，但是建置成本高昂，且维护不易，较难以推广至各用电户中，使得以侵入式的方式取得用户的负载运作状况的方法不亦普及化。因此，势必要有一种方法可以在非侵入式情况下取得用电户的负载的运作情形。
发明内容
本发明的主要目的，在于提供一种取得用电户的负载的运作机率的方法，藉由用电户的负载信息及总用电信息计算取得用电户的负载的运作机率。
为达上述的指称的各目的与功效，本发明的一实施例揭示一种取得用电户的负载的运作机率的方法，其步骤包含：取得用电户的多个负载信息及于时间内取得该些负载信息的总用电信息，于上述时间切割多个时间区间计算取得多个时间区间用电信息，计算该些个时间区间用电信息及该些负载信息取得该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例中，其中依据该些个时间区间用电信息、行为信息及该些负载信息计算取得该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例中，其中依据该些个时间区间用电信息、特征信息及该些负载信息计算取得该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例中，其中依据该些个时间区间用电信息、行为信息、特征信息及该些负载信息计算取得该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例中，其中以单粒子算法或双粒子算法计算取得负载的第一运作机率。
于本发明的一实施例中，其中当以多个算法计算取得该第一运作机率时，该方法更包含：以该些算法计算该些个时间区间用电信息及该些负载信息分别取得该些负载信息分别对应的负载的第一运作机率，将每一该负载的第一运作机率分别乘以对应取得负载的第一运作机率的算法的权重值计算取得多个加权后的负载的运作机率，依据该些个加权后的负载的运作机率取得该些负载的第二运作机率。
于本发明的一实施例中，其中于以用电信息及时间区间计算取得该些个时间区间用电信息的步骤后，该方法更包含：正规化该些个时间区间用电信息，正规化该些负载信息。
于本发明的一实施例中，其中负载信息为负载的运作功率值。
于本发明的一实施例中，其中该些负载为不同功率的负载。
此外，本发明提供另一种取得用电户群组的负载的运作机率的方法，其步骤包含：取得多个用电户群组各自的多个负载信息及于一时间内取得该些负载信息的群组总用电信息，于上述时间切割多个时间区间计算取得多个时间区间用电信息，计算该些个时间区间用电信息及该些负载信息取得该些负载信息分别对应的负载的第一运作机率。
附图说明
图1：其为本发明的第一实施例的取得用电户的负载的运作机率的方法的流程图；
图2：其为本发明的第一实施例的取得用电户的负载的运作机率的方法的系统示意图；
图3：其为本发明的第二实施例的取得用电户的负载的运作机率的方法的流程图；
图4：其为本发明的第三实施例的取得用电户群组的负载的运作机率的方法的流程图；
图5A：其为本发明的第三实施例的取得用电户群组的负载的运作机率的方法的系统示意图；
图5B：其为本发明的第三实施例的取得用电户群组的负载的运作机率的方法的系统示意图，用以表示将用电户分成用电户群组；以及
图6：其为本发明的第四实施例的取得用电户群组的负载的运作机率的方法的流程图。
【图号对照说明】
1 用电户
101 第一负载
103 第二负载
11 用电户
12 用电户
13 用电户
14 用电户
15 用电户
3 量测单元
31 量测单元
32 量测单元
33 量测单元
34 量测单元
35 量测单元
5 伺服装置
7 用电户群组
9 用电户群组
具体实施方式
为了使本发明的结构特征及所达成的功效有更进一步的了解与认识，特用较佳的实施例及配合详细的说明，说明如下：
先前的技术中，使用侵入式的用电户的负载的运作侦测需要耗费较高的成本且维护不易，因此本发明提出一种依据用电户的负载信息、行为信息、特征信息及总用电信息取得负载的运作机率的取得用电户的负载的运作机率的方法。
在此说明本发明的第一实施例的取得用电户的负载的运作机率的方法的流程，请参阅图1，其为本发明的第一实施例的取得用电户的负载的运作机率的方法的流程图。如图所示，本实施例的取得用电户的负载的运作机率的方法其步骤包含：
步骤S1：取得负载信息及总用电信息；
步骤S3：取得时间区间用电信息；以及
步骤S5：取得第一运作机率。
接着说明为达成本发明的第一实施例的取得用电户的负载的运作机率的方法所需的系统，请参阅图2，其为本发明的第一实施例的取得用电户的负载的运作机率的方法的系统示意图。如图所示，本发明的取得用电户的负载的运作机率的方法所需的系统包含：一用电户1、一量测单元3及一伺服装置5，用电户1包含有一第一负载101及一第二负载103。
上述的伺服装置5可为智能型手机、个人数字助理(PDA)、平板计算机、笔记本电脑、桌面计算机、服务器主机、工作站等电子装置。
上述的第一负载101及第二负载103可为用电户1所拥有的电器设备，例如计算机、电视、电冰箱、微波炉、电磁炉、冷气等。
上述的量测单元3为可量测用电户1于一时间内总用电量的量测单元，例如智能型电表。举例而言，量测单元3可每10分钟取得用电户1的总用电量，并透过有线或无线的方式将所量测到的用电户1的总用电量发送至伺服装置5。
以下将说明本发明的第一实施例的取得用电户的负载的运作机率的方法执行时的流程，请参阅图1及图2。当要取得用电户的负载的运作机率时，执行步骤S1至步骤S5。
于步骤S1中，取得负载信息及总用电信息，伺服装置5取得用电户1的第一负载101的负载信息及第二用载103的负载信息以及用电户1于一时间内第一负载101及第二负载103的一总用电信息，其中负载信息为负载的运作功率。换言的，总用电信息为透过量测单元3所取得的于一时间内用电户1的多个负载的一总用电量。上述的总用电信息可为用电户1的每15分钟用电信息、用电户1的一日负载曲线等。
于步骤S3中，取得时间区间用电信息，伺服装置5将上述的时间切割成多个时间区间，并依据该些个时间区间及总用电信息取得对应每一时间区间的时间区间用电信息，换言的，时间区间用电信息为多个。详而言的，当所取得的总用电信息为一日总用电信息时，其时间即为一日，当以小时为单位切割时即将该时间切割成24个时间区间。上述的该时间亦可以为一小时、十小时、一星期、二星期、一个月等。
上述的时间区间用电信息为对应的时间区间内所对应的总用电信息的用电信息平均值。举例而言，时间区间为1小时，该时间为一日且量测单元3每10分钟发送一次用电信息至伺服装置5时，时间区间内所对应的总用电信息中有6笔用电信息，伺服装置5即将此6笔用电信息进行平均后即取得时间区间用电信息。平均的算法可为算术平均数、调和平均数、几何平均数或是加权平均数等。
伺服装置5于取得时间区间用电信息后以一正规化算法(NormalizationAlgorithms)取得正规化后的时间区间用电信息，除此之外，伺服装置亦以正规化算法取得正规化后的第一负载101的负载信息及正规化后的第二负载103的负载信息。上述的正规化算法可为Min-max正规化(Min-max Normalization)、log函数转换正规化、Z-score正规化(Zero-mean Normalization)等。
于本发明的一实施例中，每一时间区间不相等，亦即可将该时间以不同时间区间进行切割，例如，当该时间为一日时，可先以小时为单位切割该时间前12小时取得12个时间区间，再以30分钟为单元切该时间后12小时取得24个时间区间。
于步骤S5中，取得第一运作机率，伺服装置5计算时间区间用电信息、第一负载101的负载信息及第二负载105的负载信息以取得该些负载信息分别对应的负载的第一运作机率。进一步的说，由于时间区间用电信息会近似于第一负载101的负载信息及第二负载103的负载信息的和，因此可取得公式：
Figure BDA0001223537060000061
其中W为时间区间用电信息，Pi为第i个负载的第一运作机率，Wi为第i个负载的负载信息。上述的公式是以用电户包1含有第一负载101及第二负载103为例，当用电户1包含有N个负载时，其公式为：
Figure BDA0001223537060000062
由于负载的负载信息、时间区间用电信息皆为已知数，因此可藉由算法计算取得每一负载所对应的第一运作机率，在本实施例中，负载所对应的第一运作机率即表示此负载在这个时间区间中运作的机率。上述的算法为单粒子演算(例如：爬山算法(Hill-Climbing Algorithms)、仿真退火法(Simulated annealing Algorithms)或其他单粒子算法)或双粒子算法(例如：遗传算法(Genetic Algorithm)、粒子群算法(Particle SwarmOptimization Algorithms)、蚁群算法(Ant Colony Optimization Algorithms)或其他双粒子算法)。于此，即完成本发明的第一实施例的第一实施例的取得用电户的负载的运作机率的方法，藉由本实施例，可以以非侵入式的方式计算取得用电户1的每一负载的运作机率，由于不用于每一个负载上都加装侦测单元，故，使用本实施例在进行负载运作机率分析时具有比使用侵入式的负载运作侦测较低的建置成本。
于本发明的一实施例中，于步骤S1更会取得用电户1的一行为信息，用电户1的行为信息可为上班日/非上班日时间、娱乐时间、用餐时间、盥洗时间、就寝时间或其他生活时间其中之一或多者的组合。
在于步骤S1更会取得用电户1的行为信息的情况下，于步骤S5，于伺服装置5则会计算时间区间用电信息、行为信息及该些负载信息取得该些负载信息分别对应的负载的第一运作机率。当用电户1包含有N个负载时，其公式为：
Figure BDA0001223537060000071
其中，a为各负载运作机率的权重值，其公式为：
a＝PB
其中，PB为行为信息对负载运作影响的机率，当行为信息有n个时，a则为：
Figure BDA0001223537060000072
由于在不同的时间中，用电户1的行为对不同的负载的运作机率会有不同的影响，例如说，当时间区间用电信息所对应的时间为下班后的用餐时间时，用电户1的行为信息中的用餐信息对于微波炉、电磁炉等负载会有较高的影响因此PB较高，而对于电视游乐器等负载会有较低的影响因此PB较低。换言的，可依据不同时间点、不同行为信息调整每一负载各自的运作机率的权重值。藉由本实施例，可以更进一步的提升所取得的第一机率值的准确度，并加快计算第一运作机率时的收敛速度。
于本发明的一实施例中，于步骤S1更会取得用电户1的一特征信息，用电户1的特征信息可为季节特征、气温特征、居住地特征、建筑特征(例如：楼地板面积、房间数、建材等建筑物的特征)、用电户特征(例如：用电户的家庭人口、用电户的收入等)或用电量特征(例如：平均每日用电量、平均负载、平均尖峰负载平均负载率等)其中之一或多个组合。
在于步骤S1更会取得用电户1的特征信息的情况下，于步骤S5，于伺服装置5则会计算时间区间用电信息、行为信息及特征信息及该些负载信息取得该些负载信息分别对应的负载的第一运作机率。当用电户1包含有N个负载时，其公式为：
Figure BDA0001223537060000081
其中，a为各负载运作机率的权重值，其公式为：
a＝PF
其中，PF为特征信息对负载运作影响的机率，当特征信息有n个时，a则为：
Figure BDA0001223537060000082
用电户1的特征亦会影响负载的运作机率，例如说，用电户1的特征信息中的气温特征对于冷气机、电风扇等负载会有较高的影响因此PF较高。换言的，可依据用电户1的特征信息调整每一负载各自的运作机率的权重值。藉由本实施例，可以更进一步的提升所取得的第一机率值的准确度，并加快计算第一运作机率时的收敛速度。
于本发明的一实施例中，于步骤S1更会取得用电户1的一特征信息及一行为信息。
在于步骤S1更会取得用电户1的特征信息的情况下，于步骤S5，于伺服装置5则会计算时间区间用电信息、特征信息、行为信息及该些负载信息取得该些负载信息分别对应的负载的第一运作机率。当用电户1包含有N个负载时，其公式为：
Figure BDA0001223537060000083
其中，a为各负载运作机率的权重值，其公式为：
a＝PF×PB
其中，当特征信息有n个且行为信息有m个时，a则为：
Figure BDA0001223537060000084
藉由本实施例，可以同时考虑行为及特征对负载运作机率的影响。可以更进一步的提升所取得的第一机率值的准确度，并加快计算第一运作机率时的收敛速度。
接着说明本发明的第二实施例的取得用电户的负载的运作机率的方法的流程，请参阅图3，其为本发明的第二实施例的取得用电户的负载的运作机率的方法的流程图。如图所示，本实施例与第一实施例的差异在于于本实施例中更包含步骤S7及步骤S9。
于本实施例中，于步骤S5，伺服装置5以多个算法分别计算取得第一负载101的第一运作机率及第二负载103的第一运作机率。换言的，于步骤S5中，伺服装置5会取得第一负载101的多个第一运作机率及第二负载103的多个第一运作机率，第一负载101的每一第一运作机率分别对应一算法，第二负载103的每一第一运作机率分别对应一算法。
于步骤S7，取得加权后的运作机率，伺服装置5将第一负载101的每一第一运作机率分别乘以对应的算法的一权重值计算取得第一负载101的多个加权后的第一负载的运作机率，并将第二负载103的每一第一运作机率分别乘以对应的算法的一权重值计算取得第二负载103的多个加权后的第一负载的运作机率。
于步骤S9，取得第二运作机率，伺服装置5依据多个加权后的第一负载101的运作机率及多个加权后的第二负载103的运作机率以一优化辅助策略算法(例如：增广式拉格朗日算法(Augmented Lagrangian Method))取得第一负载101的第二运作机率及第二负载103的第二运作机率。藉由本实施例，可以以多个算法分别取得每一负载的第一运作机率后，透过加权法及优化辅助策略，取得每一负载的第二运作机率。本实施例相较于使用单一算法的第一实施例，于本实施例中所得出的第二运作机率可有更佳的准确度。
于本发明的一实施例中，第一负载101及第二负载103的运作功率不同。
在此说明本发明的第三实施例的取得用电户群组的负载的运作机率的方法的流程，请参阅图4，其为本发明的第三实施例的取得用电户群组的负载的运作机率的方法的流程图。如图所示，本实施例取得用电户群组的负载的运作机率的方法其步骤包含：
步骤S21：用电户分群；
步骤S23：取得负载信息及总用电信息；
步骤S25：取得时间区间用电信息；以及
步骤S27：取得第一运作机率。
接着说明为达成本发明的第三实施例的取得用电户群组的负载的运作机率的方法所需的系统，请参阅图5A，其为本发明的第三实施例的取得用电户群组的负载的运作机率的方法的系统示意图。如图所示，本发明的取得用电户群组的负载的运作机率的方法所需的系统包含：一用电户11连接一量测单元31、一用电户12连接一量测单元32、一用电户13连接一量测单元33、一用电户14连接一量测单元34、一用电户15连接一量测单元35、及一伺服装置5。用电户11～用电户15皆分别包含多个负载。
以下将说明本发明的第三实施例的取得用电户群组的负载的运作机率的方法执行时的流程，请参阅图4及图5A。当要取得用电户群组的负载的运作机率时，执行步骤S21至步骤S27。
于步骤S21，用电户分群，伺服装置5依据用电户11～用电户15各自的行为信息或/及特征信息或及/负载信息或/及总用电信息以一分群算法进行分群，如图5B所示，伺服装置5将用电户11、用电户12及用电户13分至用电户群组7，用电户14及用电户15则分至用电户群组9。上述的分群算法可为K-平均算法(K-mean Algorithms)、阶层式群聚算法(Hierarchical clustering Algorithms)或是其他分群算法。
于步骤S23，取得负载信息及总用电信息，伺服装置5取得用电户群组的多个负载信息，由于是透过分群算法进行分群，因此同一群组中的每一用电户会有相近的负载，故，其负载信息亦会相似。伺服装置5依据用电户群组中的每一用电户的总用电信息计算取得一时间内群组总用电信息，其中伺服装置5是取平均值的方式计算取得群组总用电信息。伺服装置5以正规化算法，计算取得正规化后的负载信息及正规化后的群组总用电信息。
于步骤S25，取得时间区间用电信息，伺服装置5将上述的时间切割成多个时间区间，并依据该些个时间区间及群组总用电信息取得对应每一时间区间的时间区间用电信息。
于步骤S27，取得第一运作机率，伺服装置5依据用电户群组的时间区间用电信息、负载信息计算取得用电户群组中该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例，于步骤S27，伺服装置5依据用电户群组的时间区间用电信息、用电户群组的负载信息、用电户群组的特征信息计算取得用电户群组中该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例，于步骤S27，伺服装置5依据用电户群组的时间区间用电信息、用电户群组的负载信息及用电户群组的行为信息计算取得用电户群组中该些负载信息分别对应的负载的第一运作机率。
于本发明的一实施例，于步骤S27，伺服装置5依据用电户群组的时间区间用电信息、用电户群组的负载信息、用电户群组的特征信息及用电户群组的行为信息计算取得用电户群组中该些负载信息分别对应的负载的第一运作机率。
由于用电户数量较多，若是以每一用电户分别计算负载的运作机率，则会花上许多运算时间及运算资源因此，本实施例提出先将相似的用电户分成用电户群组，以降低运算时间及运算资源。
接着说明本发明的第四实施例的取得用电户群组的负载的运作机率的方法的流程，请参阅图6，其为本发明的第四实施例的取得用电户群组的负载的运作机率的方法的流程图。如图所示，本实施例与第三实施例的差异在于于本实施例中更包含步骤S29及步骤S211。
于本实施例中，于步骤S27，伺服装置5以多个算法分别计算取得每一负载的多个第一运作机率，每一第一运作机率分别对应一算法。
于步骤S29，取得加权后的运作机率，伺服装置5将每一负载的每一第一运作机率分别乘以对应的算法的一权重值计算取得每一负载的多个加权后的第一负载的运作机率。
于步骤S211，取得第二运作机率，伺服装置5依据每一负载的多个加权后的第一负载的运作机率以一优化辅助策略算法(例如：增广式拉格朗日算法(Augmented LagrangianMethod))取得每一负载的第二运作机率。藉由本实施例，可以以多个算法分别取得每一负载的第一运作机率后，透过加权法及优化辅助策略，取得每一负载的第二运作机率。本实施例相较于使用单一算法的第三实施例，于本实施例中所得出的第二运作机率可有更佳的准确度。
上文仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围，凡依本发明权利要求范围所述的形状、构造、特征及精神所为的均等变化与修饰，均应包括于本发明的权利要求范围内。

Claims (16)

1.一种取得用电户的负载的运作机率的方法，其特征在于，其步骤包含：
取得一用电户的多个负载信息及于一时间内取得该些个负载信息的一总用电信息；
于该时间切割多个时间区间计算取得多个时间区间用电信息；以及
计算该些个时间区间用电信息及该些个负载信息取得该些个负载信息分别对应的一负载的一第一运作机率；
当以多个算法计算取得该第一运作机率时，该方法更包含：
以该些算法计算该些个时间区间用电信息及该些负载信息分别取得该些负载信息分别对应的该负载的该第一运作机率；
将每一该负载的该第一运作机率分别乘以对应取得该负载的该第一运作机率的该算法的一权重值计算取得多个加权后的该负载的运作机率；
依据该些个加权后的该负载的运作机率取得该些负载的一第二运作机率。
2.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中于取得该用电户的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户的一行为信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该行为信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该行为信息可为上班日/非上班日时间、娱乐时间、用餐时间、盥洗时间、就寝时间或其他生活时间其中之一或多者的组合。
3.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中于取得该用电户的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户的一特征信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该特征信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该特征信息可为季节特征、气温特征、居住地特征、建筑特征、用电户特征或用电量特征其中之一或多个组合。
4.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中于取得该用电户的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户的一行为信息及一特征信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该行为信息、该特征信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该行为信息可为上班日/非上班日时间、娱乐时间、用餐时间、盥洗时间、就寝时间或其他生活时间其中之一或多者的组合；
其中，该特征信息可为季节特征、气温特征、居住地特征、建筑特征、用电户特征或用电量特征其中之一或多个组合。
5.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中以单粒子算法或双粒子算法计算取得该负载的该第一运作机率。
6.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，于以该用电信息及该时间区间计算取得该些个时间区间用电信息的步骤后，该方法更包含：
正规化该些个时间区间用电信息；以及
正规化该些负载信息。
7.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中该负载信息为负载的运作功率值。
8.如权利要求1所述的取得用电户的负载运作机率的方法，其特征在于，其中该些负载为不同功率的负载。
9.一种取得用电户群组的负载的运作机率的方法，其特征在于，其步骤包含：
取得多个用电户群组各自的多个负载信息及于一时间内取得该些个负载信息的一群组总用电信息；
于该时间切割多个时间区间计算取得多个时间区间用电信息；以及
计算该些个时间区间用电信息及该些个负载信息取得该些个负载信息分别对应的一负载的一第一运作机率；
当以多个算法计算取得该第一运作机率时，该方法更包含：
以该些算法计算该些个时间区间用电信息及该些负载信息分别取得该些负载信息分别对应的该负载的该第一运作机率；
将每一该负载的该第一运作机率分别乘以对应取得该负载的该第一运作机率的该算法的一权重值计算取得多个加权后的该负载的运作机率；
依据该些个加权后的该负载的运作机率取得该些负载的一第二运作机率。
10.如权利要求9所述的取得用电户群组的负载运作机率的方法，其中于取得该用电户群组的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户群组的一行为信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该行为信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该行为信息可为上班日/非上班日时间、娱乐时间、用餐时间、盥洗时间、就寝时间或其他生活时间其中之一或多者的组合。
11.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，其中于取得该用电户群组的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户群组的一特征信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该特征信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该特征信息可为季节特征、气温特征、居住地特征、建筑特征、用电户特征或用电量特征其中之一或多个组合。
12.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，其中于取得该用电户群组的该些个负载信息及于该时间内取得该些个负载信息的该总用电信息的步骤中，更进一步的取得该用电户的一行为信息及一特征信息，于计算该第一运作机率时，更依据该些个时间区间用电信息、该行为信息、该特征信息及该些负载信息计算取得该些负载信息分别对应的该负载的该第一运作机率；
其中，该行为信息可为上班日/非上班日时间、娱乐时间、用餐时间、盥洗时间、就寝时间或其他生活时间其中之一或多者的组合；
其中，该特征信息可为季节特征、气温特征、居住地特征、建筑特征、用电户特征或用电量特征其中之一或多个组合。
13.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，其中以单粒子算法或双粒子算法计算取得该负载的该第一运作机率。
14.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，于以该用电信息及该时间区间计算取得该些个时间区间用电信息的步骤后，该方法更包含：
正规化该些个时间区间用电信息；以及
正规化该些负载信息。
15.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，其中该负载信息为负载的运作功率值。
16.如权利要求9所述的取得用电户群组的负载运作机率的方法，其特征在于，其中该些负载为不同功率的负载。
CN201710073513.9A 2016-11-23 2017-02-10 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法 Active CN108090647B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW105138520A TW201820246A (zh) 2016-11-23 2016-11-23 取得用電戶之負載運作機率之方法及取得用電戶群組之負載運作機率之方法
TW105138520 2016-11-23

Publications (2)

Publication Number Publication Date
CN108090647A CN108090647A (zh) 2018-05-29
CN108090647B true CN108090647B (zh) 2021-10-01

Family

ID=62144224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710073513.9A Active CN108090647B (zh) 2016-11-23 2017-02-10 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法

Country Status (3)

Country Link
US (1) US10606230B2 (zh)
CN (1) CN108090647B (zh)
TW (1) TW201820246A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837936A (zh) * 2019-11-12 2020-02-25 哈尔滨学院 基于蚁群算法的小区可调整类负荷用电优化方法
EP3876376A1 (de) * 2020-03-05 2021-09-08 Siemens Aktiengesellschaft Steuerungsplattform für energieaustausche zwischen mehreren energiesystemen sowie energieaustauschsystem

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101662244A (zh) * 2009-09-11 2010-03-03 华为技术有限公司 功耗控制方法和设备
CN103020459A (zh) * 2012-12-19 2013-04-03 中国科学院计算技术研究所 一种多维度用电行为的感知方法及系统
CN103026246A (zh) * 2010-06-04 2013-04-03 胜赛斯美国公司 一种用于非侵入式负载监测和处理的系统和方法
CN103135009A (zh) * 2011-11-21 2013-06-05 财团法人交大思源基金会 基于使用者回馈信息的电器侦测方法与系统
CN103853614A (zh) * 2012-12-06 2014-06-11 财团法人资讯工业策进会 工作负载分配装置及其工作负载分配方法
CN104636816A (zh) * 2013-11-07 2015-05-20 财团法人资讯工业策进会 建立一用电模型的装置及方法
CN104655953A (zh) * 2013-11-22 2015-05-27 财团法人资讯工业策进会 耗电预测装置及方法
CN104683424A (zh) * 2013-11-26 2015-06-03 财团法人资讯工业策进会 负载分配装置及其负载分配方法
WO2015136666A1 (ja) * 2014-03-13 2015-09-17 斎藤　参郎 個別電気機器稼働状態推定装置、およびその方法
CN105320834A (zh) * 2014-07-29 2016-02-10 财团法人交大思源基金会 基于电器使用状态的人数计算方法及其监控系统
US9375171B2 (en) * 2009-04-22 2016-06-28 Rodrigo E. Teixeira Probabilistic biomedical parameter estimation apparatus and method of operation therefor
CN106096726A (zh) * 2016-05-31 2016-11-09 华北电力大学 一种非侵入式负荷监测方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090327776A1 (en) * 2008-06-30 2009-12-31 Nguyen Don J Multiple load line voltage regulators
EP2348596B1 (en) 2010-01-25 2021-09-08 Accenture Global Services Limited Analytics for consumer power consumption
US8849776B2 (en) * 2011-10-17 2014-09-30 Yahoo! Inc. Method and system for resolving data inconsistency
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
US8818774B2 (en) 2012-03-22 2014-08-26 Kabushiki Kaisha Toshiba Behavioral model generating device and method therefor
TWI492182B (zh) 2013-07-17 2015-07-11 電器負載辨識方法
US10234926B2 (en) * 2015-06-16 2019-03-19 Dell Products, Lp Method and apparatus for customized energy policy based on energy demand estimation for client systems
US20170089960A1 (en) * 2015-09-30 2017-03-30 Fujitsu Limited Electricity load disaggregation
WO2018032462A1 (zh) * 2016-08-18 2018-02-22 北京大学深圳研究生院 一种信息网络下基于概率树的兴趣包转发的方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9375171B2 (en) * 2009-04-22 2016-06-28 Rodrigo E. Teixeira Probabilistic biomedical parameter estimation apparatus and method of operation therefor
CN101662244A (zh) * 2009-09-11 2010-03-03 华为技术有限公司 功耗控制方法和设备
CN103026246A (zh) * 2010-06-04 2013-04-03 胜赛斯美国公司 一种用于非侵入式负载监测和处理的系统和方法
CN103135009A (zh) * 2011-11-21 2013-06-05 财团法人交大思源基金会 基于使用者回馈信息的电器侦测方法与系统
CN103853614A (zh) * 2012-12-06 2014-06-11 财团法人资讯工业策进会 工作负载分配装置及其工作负载分配方法
CN103020459A (zh) * 2012-12-19 2013-04-03 中国科学院计算技术研究所 一种多维度用电行为的感知方法及系统
CN104636816A (zh) * 2013-11-07 2015-05-20 财团法人资讯工业策进会 建立一用电模型的装置及方法
CN104655953A (zh) * 2013-11-22 2015-05-27 财团法人资讯工业策进会 耗电预测装置及方法
CN104683424A (zh) * 2013-11-26 2015-06-03 财团法人资讯工业策进会 负载分配装置及其负载分配方法
WO2015136666A1 (ja) * 2014-03-13 2015-09-17 斎藤　参郎 個別電気機器稼働状態推定装置、およびその方法
CN105320834A (zh) * 2014-07-29 2016-02-10 财团法人交大思源基金会 基于电器使用状态的人数计算方法及其监控系统
CN106096726A (zh) * 2016-05-31 2016-11-09 华北电力大学 一种非侵入式负荷监测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"非侵入式负荷监测与分解研究综述";程祥等;《电网技术》;20161031;第40卷(第10期);第3108-3117页 *

Also Published As

Publication number Publication date
TW201820246A (zh) 2018-06-01
US10606230B2 (en) 2020-03-31
CN108090647A (zh) 2018-05-29
US20180143603A1 (en) 2018-05-24

Similar Documents

Publication Publication Date Title
Ozawa et al. Determining the relationship between a household’s lifestyle and its electricity consumption in Japan by analyzing measured electric load profiles
Kwac et al. Household energy consumption segmentation using hourly data
Yu et al. Power demand response in the context of smart home application
Choksi et al. Feature based clustering technique for investigation of domestic load profiles and probabilistic variation assessment: Smart meter dataset
CN109345409A (zh) 一种基于宽带载波的居民用户综合能效管理方法
CN108090647B (zh) 取得用电户的负载运作机率的方法及取得用电户群组的负载运作机率的方法
Ayodele et al. Assessment of the impact of information feedback of prepaid meter on energy consumption of city residential buildings using bottom-up load modeling approach
Chuang et al. Research on user electricity consumption behavior and energy consumption modeling in big data environment
Kang Generation cost assessment of an isolated power system with a fuzzy wind power generation model
CN114386822A (zh) 基于加权余弦相似度的重点人员用电行为异常分析方法
CN112307675B (zh) 一种基于神经网络的温度敏感型负荷分离辨识方法及系统
Zhang et al. Stochastic unit commitment with air conditioning loads participating in reserve service
Lu et al. Measuring the use of residential standby power in Taiwan
Gong et al. Analysis of electricity consumption behavior of air conditioning based on the perspective of power demand response
CN106451438B (zh) 一种考虑智能用电行为的负荷区间预测方法
Tang et al. A data-driven approach for online aggregated load modeling through intelligent terminals
Liu et al. Recognition model of air conditioning electricity consumption behaviors for demand response based on k-means clustering
Mehra et al. A novel application of machine learning techniques for activity-based load disaggregation in rural off-grid, isolated solar systems
Deakin et al. Calculations of system adequacy considering heat transition pathways
Yu et al. Research on dynamic control of low‐voltage distribution network with high penetration of electric heat pumps based on μPMU measurements and data‐driven approach
Ming et al. Electrical load prediction in energy internet via linear correlation coefficient approach
Cheng et al. Research on the analysis of user's electricity behavior and the application of demand response based on global energy interconnection
Liu et al. Home appliances classification based on multi-feature using ELM
Hou et al. User Behavior Analysis of Substation Area Based on Improved K-Means Quadratic Clustering Algorithm
CN111524326B (zh) 一种基于历史用电数据的居民温敏负荷用电超额告警方法

Legal Events

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