CN108763847A - 一种非侵入式电信号分析追踪方法、装置、电子设备 - Google Patents
一种非侵入式电信号分析追踪方法、装置、电子设备 Download PDFInfo
- Publication number
- CN108763847A CN108763847A CN201811090823.2A CN201811090823A CN108763847A CN 108763847 A CN108763847 A CN 108763847A CN 201811090823 A CN201811090823 A CN 201811090823A CN 108763847 A CN108763847 A CN 108763847A
- Authority
- CN
- China
- Prior art keywords
- data
- matrix
- appliances
- switch
- energy consumption
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000005265 energy consumption Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000002776 aggregation Effects 0.000 claims abstract description 7
- 238000004220 aggregation Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 12
- 238000013461 design Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007474 system interaction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种非侵入式电信号分析追踪方法、装置、电子设备；所述方法包括：采集多个电器的聚合功率数据；生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据；对所述多个电器的具体能耗数据进行数据处理并向用户显示。本发明能够向用户清晰、准确的提供电器的能耗数据，促使用户节电；此外，获得的能耗数据还可以进一步应用于用户行为预测、电器生产设计指导、智能家居、军事侦察信息等领域，具有良好、广阔的应用空间。
Description
技术领域
本发明涉及智能电力设备技术领域，特别是指一种非侵入式电信号分析追踪方法、装置、电子设备。
背景技术
随着信息技术、智能电网以及智能家电技术的快速发展，人们对于日常生活中电器的能耗数据的透明化、精细化有着越来越高的要求。但目前，现有的用电数据提供方案仅仅能够向用户提供简单的用电总量、用电费用等基础数据，而无法提供对于日常用电更加具有指导意义的各电器的具体能耗数据、能耗行为分析等数据。
发明内容
有鉴于此，本发明的目的在于提出一种非侵入式电信号分析追踪方法、装置、电子设备，能够向用户清晰、准确的提供电器的能耗数据。
基于上述目的，本发明提供了一种非侵入式电信号分析追踪方法，包括：
采集多个电器的聚合功率数据；
生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据；
对所述多个电器的具体能耗数据进行数据处理并向用户显示。
在一些实施方式中，所述聚合功率数据，包括：
将采集到的T个所述聚合功率数据表示为一个向量：
，t∈[1，T]；
所述多个电器表示为 N 个电器，使用三元组表示第 n 个电器的功率特性，其中I表示电器的待机功率，P表示平均功率，Θ表示功率浮动。
在一些实施方式中，所述方法还包括：
采集N 个电器的功率特性，用如下的三个功率特性向量表示：
。
在一些实施方式中，生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，包括：
用状态向量表示全部电器在 t 时刻的开关状态。由此，对于在 t 时刻获取聚合数据，下面的不等式恒成立
其中， 1 代表全“1”向量；经过变形，上述不等式在 T 个时间窗口上可以表示为：
其中，Ⅱ代表一个N × T的全“1”矩阵。
在一些实施方式中，所述开关事件的稀疏性，包括：
定义 N个电器从时间 t=1到 t=T 的状态矩阵，其中表示第 n 个电器在第 t 个时间片内处于开启状态，反之则表示关闭状态；然后，定义下列差分矩阵，其中第i行、第i列元素，第i行、第 i-1 列元素，第i行其余元素为零；由此，从时刻 t=2到 t=T 之间发生的所有开关事件可以用以下的事件矩阵表示：
事件矩阵的任意元素，其中1或者-1表示有电器的开启或关闭事件发生，否则值为零；根据电器开关事件的稀疏特性，事件矩阵ΔS为稀疏矩阵。
在一些实施方式中，所述通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据，包括：求解以下的优化模型，以此获取用于反应任意电器在任意时刻的开关状态的开关状态矩阵：
其中，表示ΔS的全变分:
在一些实施方式中，对所述多个电器的具体能耗数据进行数据处理并向用户显示，包括：
使用所述多个电器的具体能耗数据生成柱状图或扇形图，并向用户显示。
在一些实施方式中，所述方法还包括：
将所述多个电器的具体能耗数据发送至预先绑定的固定终端和/或移动终端。
另一方面，本发明还提供一种非侵入式电信号分析追踪装置，包括：
数据采集模块，用于采集多个电器的聚合功率数据；
数据处理分析模块，用于生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据；
数据结果管理与展示模块，用于对所述多个电器的具体能耗数据进行形式处理并向用户显示。
再一方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项所述的方法。
从上面所述可以看出，本发明提供的非侵入式电信号分析追踪方法、装置、电子设备，能够向用户清晰、准确的提供电器的能耗数据，促使用户节电；此外，获得的能耗数据还可以进一步应用于用户行为预测、电器生产设计指导、智能家居、军事侦察信息等领域，具有良好、广阔的应用空间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的非侵入式电信号分析追踪方法流程图；
图2为本发明实施例的非侵入式电信号分析追踪装置结构示意图；
图3为本发明实施例的电子设备的应用场景示例图；
图4为本发明实施例中的功率数据示意图；
图5为本发明实施例中的能耗分解示意图。
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，对本发明进一步详细说明。
本发明实施例提供了一种非侵入式电信号分析追踪方法。其中，所述的非侵入式电信号追踪（又称非侵入式电信号还原）是指，不通过在电能系统内部（如电路分支及电器设备接入处）和电器设备上安装任何传感设备，而仅利用在外部电能流入处（即总闸）的测量，实现对电能系统空间事件的推测和还原。因为无须在电能系统内部安装大量的传感设备，非侵入式电信号追踪技术的出现和使用，大大降低了电能系统空间事件监测的成本。现有大部分非侵入式电信号追踪方法均涉及到“电器指纹”（Appliance Signature）的使用，即电器设备之间能够相互区别的功率、电压及电流等电气特性。“电器指纹”的构建需要进行高频的数据采样，然后通过标记的数据进行稳态或瞬态信号的指纹特征构建。获取到电器的指纹特征后，可以设置与之对应的事件检测条件，以此来判断电器的开关和运行状态，达到电能系统空间事件的推测和还原。
参考图1，为本发明实施例的非侵入式电信号分析追踪方法流程图。
所述非侵入式电信号分析追踪方法，包括以下步骤：
步骤101、采集多个电器的聚合功率数据。
本实施例中，在T个时间窗口内，将从一个家用电表处采集到的T个所述聚合功率数据表示为一个向量：
，t∈[1，T]；
对于由 N 个电器组成的异构电器群组，我们用三元组表示第 n 个电器的功率特性，其中I表示电器的待机功率（即电器在没有打开但是接通了电源的状态下所消耗的功率），P表示平均功率，Θ表示功率浮动。这样以来，全部 N 个电器的功率特性可以用以下三个功率特性向量表示：
。
步骤102、生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵。基于所述开关状态矩阵，以及利用各电器的在不同开关状态下的额定功率值（该信息可在电器铭牌或厂家说明书中获取，或者也可以事先通过功率测量仪器测量得到），就可以分解出所述多个电器的大致能耗数据。
本实施例中，除了电器的功率特性，我们用状态向量表示全部电器在 t 时刻的开关状态。由此，对于在 t 时刻获取聚合数据，下面的不等式恒成立：
其中， 1 代表全“1”向量；经过变形，上述不等式在 T 个时间窗口上可以表示为：
其中，Ⅱ代表一个N × T的全“1”矩阵。
对于开关事件的稀疏性，定义N个电器从时间t=1到t=T的状态矩阵，其中表示第 n 个电器在第 t 个时间片内处于开启状态，反之则表示关闭状态。然后，定义下列差分矩阵，其中第i行、第i列元素，第i行、第 i-1 列元素，第i行其余元素为零。由此，从时刻 t=2到 t=T 之间发生的所有开关事件可以用以下的事件矩阵表示：
事件矩阵的任意元素，其中1或者-1 表示有电器的开启或关闭事件发生，否则值为零；根据电器开关事件的稀疏特性，事件矩阵ΔS为稀疏矩阵。
在异构电器群组的电气特性表示和稀疏开关事件表示的基础上，我们求解以下的优化模型，以此获取任意电器在任意时刻的开关状态矩阵：
其中，表示ΔS的全变分:
通过求解上述全变分最小化模型，可以获取每一个电器在任意时刻的开关状态值，进一步可以根据相应的电气特性和电器的实时功率变化，实现能量分解的目的，使用户能够得知每时每刻的电器开关状态便可分解出每阶段的电器具体能耗；作为一个示例，本步骤中处理获得的功率数据示意图能耗分解示意图参见图4 和图5所示。全变分最小化方法可用于稀疏矩阵的还原，被广泛应用于信号重建、图像去噪以及压缩感知等领域，是一种鲁棒性较高的方法。本发明中将全变分最小化方法应用于能量分解，在本领域内尚属首次。
步骤103、对所述多个电器的具体能耗数据进行数据处理并向用户显示。
本实施例中，将得到的分解数据传输到构建的用户-系统交互网络平台，用户可以实时监控到每一时段的电器能耗状况，采用柱状图、扇形图等直观形象的结果展示方法，提高系统交互信息友好性。进一步的，还可以将所述多个电器的具体能耗数据发送至预先绑定的固定终端和/或移动终端，用户可以在家庭电脑终端或外出通过手机终端登录用户平台进行数据获取。
基于同一发明构思，本发明还提供了一种非侵入式电信号分析追踪装置，参考图2，为本发明实施例的非侵入式电信号分析追踪装置结构示意图。
所述一种非侵入式电信号分析追踪装置，包括：
数据采集模块201，用于采集多个电器的聚合功率数据。
本实施例中，采用单个电表收集电气参数——聚合功率数据，通过无线网络连接将数据传输到数据显示器上，再通过接口线传输功率数据到电脑数据库中进行保存，方便提取。除此之外，家庭中电器设备的电器功率参数值也应读取存入（家庭中电器设备的电器功率参数值可通过参考各电器的铭牌信息或使用功率测量仪器进行测量后，将得到的电器功率参数值相应通过电子设备读取、存储和输入），作为能量分解的依据基础。具体的，搭建出数据收集完整传输线，做好电表、显示器和终端数据库的连接工作，能够将家庭功率数据存储到构建的数据库当中。
数据处理分析模块202，用于生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解所述多个电器的具体能耗数据。
本实施例中，收集到的聚合数据与电器开关状态建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使开关事件矩阵最小的开关状态矩阵，得知每时每刻的电器开关状态便可分解出每阶段的电器具体能耗。具体的，编写数据处理中的算法程序，能够将数据库中保存的原始数据有效分析处理，得出能耗分解结果，并反馈数据结果管理与展示模块203。
数据结果管理与展示模块203，用于对所述多个电器的具体能耗数据进行形式处理并向用户显示。
本实施例中，将得到的分解数据传输到构建的用户-系统交互网络平台，用户可以实时监控到每一时段的电器能耗状况，采用柱状图、扇形图等直观形象的结果展示方法，提高系统交互信息友好性，人们可以在家庭电脑终端或外出通过手机终端登录用户平台进行数据获取。具体的，搭建一个能直观形象表达数据处理结果的用户-系统交互平台，能实现用户在线实时观看家庭能耗情况的功能。
在一个具体的实施例中，所述聚合功率数据，包括：
将采集到的T个所述聚合功率数据表示为一个向量：
，t∈[1，T]；
所述多个电器表示为 N 个电器，使用三元组表示第 n 个电器的功率特性，其中I表示电器的待机功率，P表示平均功率，Θ表示功率浮动。
采集N 个电器的功率特性，用如下的三个功率特性向量表示：
本实施例中，所述生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，包括：
使用状态向量表示全部电器在 t 时刻的开关状态；对于在 t 时刻获取聚合数据，下面的不等式恒成立：
其中， 1 代表全“1”向量；经过变形，上述不等式在 T 个时间窗口上可以表示为：
其中，Ⅱ代表一个N × T的全“1”矩阵。
本实施例中，所述开关事件的稀疏性，包括：
定义 N个电器从时间t=1到t=T的状态矩阵，其中表示第n个电器在第 t个时间片内处于开启状态，反之则表示关闭状态。然后，定义下列差分矩阵，其中第i行、第i列元素，第i行、第 i-1 列元素，第i行其余元素为零。由此，从时刻t=2
到 t=T 之间发生的所有开关事件可以用以下的事件矩阵表示：
事件矩阵的任意元素（如第 n 行、第 t 列的元素），其中1或者-1表示有电器的开启或关闭事件发生，否则值为零。根据电器开关事件的稀疏特性，事件矩阵ΔS为稀疏矩阵。
基于同一发明构思，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的非侵入式电信号分析追踪方法。
在一个具体的实施例中，所述电子设备的应用场景示例如图3所示。
由上述实施例可见，本发明具有如下的实质性特点：
（1）本发明对电能系统空间的监测，属于新的研究领域。本发明能使我们对电能系统空间实现进一步了解，能增强人们对电能系统的控制力，使得用户能随时随地的了解自己身边的电能系统实时状况。
（2）本发明采用的是非侵入式监测技术，在获取了用户数据的前提下，我们利用各个电器的所特有的“指纹”特征（即电器设备之间能够相互区别的功率、电压及电流等电气特性）和开关的稀疏特性构建最优化模型。同时为了减少所需的庞大数据，我们采用了压缩感知理论为信号采集技术。
（3）本发明的数据采集主要是电器的功率，而不是关于电流噪音、电流变化等复杂特征。本发明的优势在于它具有普适性且容错率高，而且我们的服务不需要任何数据挖掘方面的专业知识或者机器学习，客户可以很容易地获得能量分解结果。
相应的，本发明的有益效果和实际应用意义包括：
（1）获取电器能耗清单，促使用户节电
日常生活中人们缴纳的家庭电费单只有总电费数据，若哪个月电费暴增，人们往往无法得知电耗在了哪个电器上，为了解决这一问题，我们研究非侵入式电信号分析与追踪系统进行家庭电能的分解，让人们能实时监控到电器能耗情况，同时了解每阶段电费具体清单，在得知耗电多的电器种类的情况下，人们会潜意识作用去针对耗电巨头电器进行节电，推进绿色环保理念。
（2）推广用于行为预测，辅助定位，实时监控
考虑到本发明的功能，得知电器开关状态，便可推断家庭人为事件，实现行为推测扩展功能，还可以辅助家庭定位。实时监控家庭电能系统状况可以有效的防火防盗，提高家庭电能系统的安全性。
（3）智能家居系统的展望
对于未来的发展，本发明可以作为智能家居的核心部件，操控整个电能家具，有效智能管理使用。
（4）提高工业优化效率
系统还可以用于工业生产优化，判断出工业零件的电能效率，实施重点发展，提高优化效率。
（5）提高军事情报侦查获取能力
在军事方面也有广阔的意义，用于未来的信息侦查，非侵入式和电信号的检测方式将会使情报收集更加隐蔽，会大大推进情报产业的现代化。在网电空间军事斗争日益激烈的今天，我们关注更为底层、更具有基础性作用的电能系统空间。本发明的研究属于新的研究领域，对该领域的研究和认知对于提高国防和军队战斗力、防御力具有重要的意义。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围（包括权利要求）被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、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 (10)
1.一种非侵入式电信号分析追踪方法，其特征在于，包括：
采集多个电器的聚合功率数据；
生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据；
对所述多个电器的具体能耗数据进行数据处理并向用户显示。
2.根据权利要求1所述的非侵入式电信号分析追踪方法，其特征在于，所述聚合功率数据，包括：
在T个时间窗口内，将采集到的T个所述聚合功率数据表示为一个向量：
，t∈[1，T]；
所述多个电器表示为 N 个电器，使用三元组表示第 n 个电器的功率特性，其中I表示电器的待机功率，P表示平均功率，Θ表示功率浮动。
3.根据权利要求2所述的非侵入式电信号分析追踪方法，其特征在于，还包括：
采集N 个电器的功率特性，用如下的三个功率特性向量表示：
。
4.根据权利要求3所述的非侵入式电信号分析追踪方法，其特征在于，生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，包括：
使用状态向量表示全部电器在t时刻的开关状态；对于在t时刻获取聚合数据，下面的不等式恒成立：
其中， 1 代表全“1”向量；经过变形，上述不等式在 T 个时间窗口上可以表示为：
其中，Ⅱ代表一个N × T的全“1”矩阵。
5.根据权利要求4所述的非侵入式电信号分析追踪方法，其特征在于，所述开关事件的稀疏性，包括：
定义 N个电器从时间t=1到t=T的状态矩阵，其中表示第n个电器在第 t个时间片内处于开启状态，反之则表示关闭状态；然后，定义下列差分矩阵，其中第i行、第i列元素，第i行、第 i-1 列元素，第i行其余元素为零；由此，从时刻t=2到 t=T 之间发生的所有开关事件可以用以下的事件矩阵表示：
事件矩阵的任意元素（如第 n 行、第 t 列的元素），其中1或者-1表示有电器的开启或关闭事件发生，否则值为零；根据电器开关事件的稀疏特性，事件矩阵 ΔS为稀疏矩阵。
6.根据权利要求5所述的非侵入式电信号分析追踪方法，其特征在于，所述通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解所述多个电器的具体能耗数据，包括：求解以下的优化模型，以此获取用于反应任意电器在任意时刻的开关状态的开关状态矩阵：
其中，表示的全变分:
。
7.根据权利要求1所述的非侵入式电信号分析追踪方法，其特征在于，对所述多个电器的具体能耗数据进行数据处理并向用户显示，包括：
使用所述多个电器的具体能耗数据生成柱状图或扇形图，并向用户显示。
8.根据权利要求1至7任意一项所述的非侵入式电信号分析追踪方法，其特征在于，还包括：
将所述多个电器的具体能耗数据发送至预先绑定的固定终端和/或移动终端。
9.一种非侵入式电信号分析追踪装置，其特征在于，包括：
数据采集模块，用于采集多个电器的聚合功率数据；
数据处理分析模块，用于生成所述多个电器的开关事件矩阵，使用所述聚合功率数据和所述开关事件矩阵建立约束方程，利用开关事件的稀疏性，通过全变分最小化的优化算法求解使所述开关事件矩阵最小的开关状态矩阵，基于所述开关状态矩阵，分解出所述多个电器的具体能耗数据；
数据结果管理与展示模块，用于对所述多个电器的具体能耗数据进行形式处理并向用户显示。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811090823.2A CN108763847B (zh) | 2018-09-19 | 2018-09-19 | 一种非侵入式电信号分析追踪方法、装置、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811090823.2A CN108763847B (zh) | 2018-09-19 | 2018-09-19 | 一种非侵入式电信号分析追踪方法、装置、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108763847A true CN108763847A (zh) | 2018-11-06 |
| CN108763847B CN108763847B (zh) | 2019-01-08 |
Family
ID=63968126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811090823.2A Active CN108763847B (zh) | 2018-09-19 | 2018-09-19 | 一种非侵入式电信号分析追踪方法、装置、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108763847B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161097A (zh) * | 2019-12-31 | 2020-05-15 | 四川大学 | 基于假设检验的事件检测算法检测开关事件的方法和装置 |
| CN111562434A (zh) * | 2020-04-28 | 2020-08-21 | 国电南瑞科技股份有限公司 | 一种非入户电器信息智能量测系统及方法 |
| CN111751658A (zh) * | 2020-06-24 | 2020-10-09 | 国家电网有限公司大数据中心 | 一种信号处理方法及装置 |
| CN112015116A (zh) * | 2020-08-20 | 2020-12-01 | 国网天津市电力公司 | 一种可在多环境下搜集电器指纹的负荷感知方法及装置 |
| CN113449894A (zh) * | 2020-03-25 | 2021-09-28 | 中关村海华信息技术前沿研究院 | 用能设备的开关状态分析方法、系统、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053643A1 (en) * | 2000-01-27 | 2003-03-20 | New Transducers Limited | Apparatus comprising a vibration component |
| CN103873773A (zh) * | 2014-03-04 | 2014-06-18 | 中国人民解放军国防科学技术大学 | 基于主辅协同双光路设计的全向成像方法 |
| CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
| CN108519146A (zh) * | 2018-03-29 | 2018-09-11 | 中国人民解放军国防科技大学 | 基于zynq系列fpga的光纤矢量水听器解调系统 |
-
2018
- 2018-09-19 CN CN201811090823.2A patent/CN108763847B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053643A1 (en) * | 2000-01-27 | 2003-03-20 | New Transducers Limited | Apparatus comprising a vibration component |
| CN103873773A (zh) * | 2014-03-04 | 2014-06-18 | 中国人民解放军国防科学技术大学 | 基于主辅协同双光路设计的全向成像方法 |
| CN105406596A (zh) * | 2015-12-11 | 2016-03-16 | 国家电网公司 | 基于混合电流判据的非侵入式非变频空调启动辨识方法 |
| CN108519146A (zh) * | 2018-03-29 | 2018-09-11 | 中国人民解放军国防科技大学 | 基于zynq系列fpga的光纤矢量水听器解调系统 |
Non-Patent Citations (2)
| Title |
|---|
| RUOGU ZHOU 等: "Development and Implementation of Intelligent Video Surveillance Alarm System", 《INFORMATION TECHNOLOGY JOU》 * |
| 李博文: "基于稀疏表示与能量分解的无参考图像质量评价", 《计算机应用研究》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161097A (zh) * | 2019-12-31 | 2020-05-15 | 四川大学 | 基于假设检验的事件检测算法检测开关事件的方法和装置 |
| CN111161097B (zh) * | 2019-12-31 | 2023-07-25 | 四川大学 | 基于假设检验的事件检测算法检测开关事件的方法和装置 |
| CN113449894A (zh) * | 2020-03-25 | 2021-09-28 | 中关村海华信息技术前沿研究院 | 用能设备的开关状态分析方法、系统、设备及存储介质 |
| CN111562434A (zh) * | 2020-04-28 | 2020-08-21 | 国电南瑞科技股份有限公司 | 一种非入户电器信息智能量测系统及方法 |
| CN111751658A (zh) * | 2020-06-24 | 2020-10-09 | 国家电网有限公司大数据中心 | 一种信号处理方法及装置 |
| CN112015116A (zh) * | 2020-08-20 | 2020-12-01 | 国网天津市电力公司 | 一种可在多环境下搜集电器指纹的负荷感知方法及装置 |
| CN112015116B (zh) * | 2020-08-20 | 2024-03-29 | 国网天津市电力公司 | 一种可在多环境下搜集电器指纹的负荷感知方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108763847B (zh) | 2019-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108763847B (zh) | 一种非侵入式电信号分析追踪方法、装置、电子设备 | |
| Dinesh et al. | Residential appliance identification based on spectral information of low frequency smart meter measurements | |
| Guo et al. | Home appliance load modeling from aggregated smart meter data | |
| CN104636240B (zh) | 一种信息报表的获取方法及终端 | |
| US9672724B2 (en) | Automatic configuration of alarm aggregations | |
| EP2653835B1 (en) | A method and system for optimizing a composite load disaggregation | |
| CN104777383A (zh) | 一种非侵入式电力负载监测与负荷分解装置 | |
| CN108828358A (zh) | 非侵入式电力用户电器能耗分解方法及其系统 | |
| CN111415107B (zh) | 配电网台区画像生成方法、装置、计算机设备和存储介质 | |
| CN109307798A (zh) | 一种用于开关事件检测的功率信号滤波方法 | |
| CN110568265A (zh) | 一种基于低压配电网阻抗识别方法和系统 | |
| CN108830499B (zh) | 一种非侵入式负荷分解方法及系统 | |
| Ghorbanpour et al. | Energy disaggregation considering least square error and temporal sparsity: A multi-objective evolutionary approach | |
| Jiang et al. | A privacy-preserving aggregation scheme based on immunological negative surveys for smart meters | |
| KR20230089652A (ko) | 전자기기의 비침식 부하 모니터링 시스템 및 그 방법 | |
| Radhika et al. | Consumer Friendly Energy Meter for Home Application | |
| CN108847665A (zh) | 一种非侵入式负荷分解方法及系统 | |
| WO2022025743A1 (fr) | Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique | |
| CN117972384A (zh) | 一种DTW联合Bi-LSTM的电力负荷在线辨识方法 | |
| CN113780717A (zh) | 基于网关的偷漏电行为分析方法、装置、智能网关和介质 | |
| CN111934318A (zh) | 非侵入式电力负荷分解方法、装置、设备及存储介质 | |
| CN108267637A (zh) | 一种基于混合频谱特性的洗衣机非侵入式运行检测方法 | |
| Pan et al. | Research on non-intrusive load decomposition model based on parallel multi-scale attention mechanism and its application in smart grid | |
| Temneanu et al. | Hardware and software architecture of a smart meter based on electrical signature analysis | |
| CN113011482A (zh) | 非侵入式负荷识别方法、终端设备及存储介质 |
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 |