CN110288113A - 一种非侵入式负荷智能识别系统 - Google Patents
一种非侵入式负荷智能识别系统 Download PDFInfo
- Publication number
- CN110288113A CN110288113A CN201910207234.6A CN201910207234A CN110288113A CN 110288113 A CN110288113 A CN 110288113A CN 201910207234 A CN201910207234 A CN 201910207234A CN 110288113 A CN110288113 A CN 110288113A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- intrusion type
- module
- type load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Abstract
一种非侵入式负荷智能识别系统,安装在电力供给入口端,实时采集各个负荷单独运行时的有功功率,截取一定时长能很好反映负荷特征的波形,并将数据作为模型,形成负荷特征参数模型库;然后设计负荷投切状态判别,当有负荷投切时触发负荷识别;最后采集待识别总负荷的有功功率,通过基于累加拟合的方法识别负荷类型。本发明能够利用实时数据有效地识别负荷,并且适应场所中负荷增加的情况。
Description
技术领域
本发明属于用电负荷识别领域,具体涉及一种非侵入式负荷智能识别系统。
背景技术
现如今,电网的智能化程度受到电力用户侧管理技术的发展,负荷识别技术是管理用户侧的关键技术之一,通过负荷识别技术,用户可随时监测电器的使用情况,积极响应国家节能政策,促进用户合理用电。对于电力部门来说,电力部门可以详细了解居民的用电构成,为电力部门统筹规划提供数据支持。
目前负荷监测技术分为两类:侵入式负荷监测和非侵入式负荷监测。侵入式负荷监测是指在每个用电设备上安装检测装置,该方法虽然准确性高,但成本大,维护难;非侵入式负荷监测通过在用户电力供给入口端安装检测装置来监测用户的总负荷数据,对数据进行分析来获知用户各负荷的使用情况,该方法成本低,安装方便,并且不会对监测系统内部产生干扰。
负荷识别算法是非侵入式的重点内容,现在的非侵入式负荷识别方法大致分为两类,一类是以负荷暂稳态信息来作为负荷识别的特征,基本上利用了负荷投切(负荷投切指的是负荷开启、关闭)时产生的电压波动以及隐含在功率、电流波形中的信息来进行负荷识别,此类方法不易识别多种负荷同时开启(多种设备同时启动)的情况。另一类是在模式识别和人工智能基础上提出的负荷识别方法,此类方法在样本的训练和学习上需要花费大量的时间,并且当负荷的种类发生变化后需要重新对样本进行训练和学习。
发明内容
本发明的目的是提供一种非侵入式负荷智能识别系统,该系统通过物联网技术监测用户的负荷使用详情,能够实现远程实时监测,用户可以清楚地了解不同时间段每类负荷的使用情况,为用户节能提供数据支持,用户通过更合理地安排负荷使用情况,最大程度地降低电能消耗。
一种非侵入式负荷智能识别系统,包括非侵入式负荷监测装置、非侵入式负荷识别系统;其中非侵入式负荷监测装置包括主控模块、电源模块、数据采集模块、无线通信模块,非侵入式负荷识别系统包括云服务器、web应用;
主控模块,用于处理负荷数据采集模块产生的信号,对负荷数据进行量化生成特征参数,并通过无线通信模块将数据上传到云服务器;
数据采集模块,由传感器和电能计量芯片组成,并且与主控模块连接,用于实时采集负荷数据,并将数据传递给主控模块;
无线通信模块,将主控模块生成的负荷特征参数通过网络传输的形式,发送到与服务器;
云服务器作为数据处理中心,实现对负荷特征参数数据的分类储存、计算分析挖掘,并且将分析计算后的结果在web应用上显示,用户可以通过浏览器远程实时查看工作负荷类型、查询历史数据,通过历史数据知晓设备的运行状况,为用户的节能提供数据支持。
上述的一种非侵入式负荷智能识别系统,所述传感器为2mR铜锰电阻。
选择这种类型的传感器,避免了因选择霍尔传感器、电流互感器产生成本高、易受外部磁场干扰的不良现象,电能计量芯片为HLW8112;传感器输出的信号为微弱电信号,经计量芯片处理成为多种负荷信号(电流、电压、有功功率、无功功率等有效值,电流、电压、有功功率、无功功率等瞬时值)。
电源模块提供5V和3.3V两种直流电压,满足各个模块的不同电压需求。
有益效果:
1、通过本发明的系统用户可以远程监测场所内(如家庭、实验室等)的每类设备使用情况,通过查看历史数据,可以为自己的节能提供数据支持,通过大量的设备使用数据,用户可以制定一套适合自己的节能方案。使用户主动向“削峰填谷”的思想上转变。
2、通过负荷数据可以将用户类型进行分类,为电力企业进行负荷预测提供数据支持。电网根据用户的负荷数据可以大致预测用户的使用情况,为电网合理安排电力供应,保障用户用电稳定性提供数据支持。
附图说明
图1为本发明的整体结构示意图。
图2为本发明的识别系统结构示意图。
图3为本发明的识别方法流程示意图。
图4为本发明的负荷投切状态判别流程示意图。
图5为本发明的负荷类型识别算法流程示意图。
具体实施方式
下面结合附图介绍本发明的具体实施方式。
参照附图,根据非侵入式负荷监测原理,在配电板的进户端总线上安装非侵入式负荷监测装置,利用用户总负荷特性(如电流、电压、有功功率、无功功率等有效值,电流、电压、有功功率、无功功率等瞬时值)来识别并细化每个负荷的状态信息和用电消耗量,实现集中式监测方案。采用非侵入式负荷监测装置可以降低硬件成本和系统复杂度,每个负荷有内部电路不同其所表现的特细不同,结合相应的智能负荷识别技术(如人工神经网络、模糊聚类、粒子群算法等),可以将总负荷特性分解为多个单负荷特性,将总用电信息细化到每个负荷,为用户节能提供数据支持。
参照附图,本发明非侵入式负荷智能识别系统总体结构分为4层,包括布设在电力供给入口端的硬件层、网关层、服务器层和应用层,所述硬件层通过网络层的通信协议与所述服务器层通信,其中服务器中包括特征参数模型库的建立、负荷投切状态判别和负荷类型识别。具体实现步骤如下:
步骤一:负荷数据采集
硬件层即数据采集层,通过监测设备实时采集用户负荷电压、电流或功率等数据信号,本系统的数据采集功能由铜锰电阻、分压电阻、电能计量芯片HLW8112完成,电能计量芯片 HLW8112功能强,电能计量芯片内部集成了模数转换、数字滤波、片上计算和SPI/UART通讯的功能,通过铜锰电阻和分压电阻采集到电信号,将电信号传输到HLW8112,HLW8112内部对电信号进行模数转换、滤波、计算等过程,并通过SPI/UART通信方式将HLW8112输出的电压、电流、频率、有功功率、无功功率等负荷数据传递给控制器,硬件层选用STM32F411作为控制器对采集模块进行预处理,并采用WiFi与服务器层通信。
步骤二:负荷数据传输
在所述的硬件层通过WiFi通信模块与服务器层进行通信中,WiFi模块需要遵循相对应的通信协议,其中网关层包含WiFi的驱动和协议,使能硬件层与服务器层之间的通信,是监测设备采集的数据与服务器之间的媒介。本具体实施方式中,利用使用了网关层通信协议的WiFi 通信模块和服务器进行通信,最终硬件层采集的数据被传输到服务器。
步骤三:负荷特征参数模型库建立
参照附图,负荷特征参数模型库建立过程在服务器层中完成,服务器层管理硬件层的各个监测设备,接收来自监测设备采集的数据,并进行数据存储,对数据处理和负荷识别,最终为应用层提供必要的信息。
监测装置采集单个或多个负荷的用电数据,并从中提取出负荷的投切暂态有功功率(负荷开启、关闭时的暂态有功功率);对提取的数据进行统计分析,确定负荷完成开启动作的时长为 t。重复提取过程,采集t时长的负荷投切特征曲线,并将负荷数据保存到负荷特征参数模型库中。
步骤四:负荷投切状态判别
参照附图,本发明所述的非侵入式负荷投切状态判别,目的在于系统开后实时监测是否有负荷投切,如果有负荷投切则触发负荷识别程序,也就是说只有负荷进行投切时,系统才进行负荷识别,负荷投切状态判别具体包括:监测装置采集单个或多个负荷的用电数据,并从中提取出负荷的投切有功功率;对步骤三提取的负荷投切有功功率进行统计分析,得出大部分负荷投入使用时,其有功功率暂态波形的幅值超过70W,所以预设70W作为能够判别负荷投切的有功功率阈值T;监测装置实时采集负荷数据,当总负荷有功功率的后一时刻值与前一时刻幅值之差大于阈值,则认为有负荷投切;当有负荷进行投切,获取规定时长t的有功功率信号作为负荷投切的暂态有功功率数据。
步骤五:负荷类型识别
参照附图,本发明所述的非侵入式负荷类型识别算法,当判别出有负荷投切,截取规定时长t的总负荷数据,利用基于累加拟合的负荷识别方法生成拟合函数(能够近似地还原总负荷数据的函数),根据负荷特征参数模型库存储的大量单负荷特征参数进行最优解求解,来使拟合函数与用户总负荷进行拟合,当拟合最优时,便可以确定负荷类型(负荷类型:特征参数模型库中存储的负荷种类,例如电风扇、热水壶、空调等)。
下面将对负荷类型识别方法的具体实施方式进行详细说明。
当有负荷投切时,获取时长为t的总负荷有功数据,记为总负荷数
Q(n)={q1,q2,q3,…qn},
其中n总负荷数据个数,qi(i=1,2,3…,n)为总负荷数据中每个数值。
对负荷总负荷Q(n)进行分解,那么总负荷数据可以分解为
上式中,A(n)={a1,a2,a3,…,am}为投切变量,B(n)={b1,b2,b3,…,bm}为时间变量, m为负荷特征参数模型库中负荷的种类。利用投切变量A(n)和时间变量B(n)对负荷特征参数模型库中存储的负荷数据进行平移和组合来生成拟合函数C(n),拟合函数为
上式中,ci(i=1…n)为拟合数据的各个采样点数值。ai(i=1…m)为拟合函数的投切变量,其值只有两种:0代表和模型库中对应类型的负荷数据没有匹配,即对应负荷没有投切;1代表和模型库中对应类型的负荷数据匹配,即对应负荷有投切。bi(i=1…m)为拟合函数的时间变量,通过时间变量可以获知第i个负荷是在规定时长t内何时投切的。
关于总负荷数据Q(n)和拟合函数C(n)之间的相似程度本发明用相关系数来度量,相关系数公式如下所示。
上式中,cov(Q,C)为总负荷数据Q(n)和拟合函数C(n)的协方差值,σQ和σC分别为总负荷数据Q(n)和拟合函数C(n)的标准差。ρx,y值大小描述了Q(n)和C(n)线性相关强弱的程度,ρx,y的值越接近于1表示Q(n)和C(n)越相似。
在对公式(3)的相关系数的求解中,本发明利用粒子群算法对拟合函数C(n)进行迭代处理,直至相关系数满足规定的阈值,最后通过相关系数求解出最优投切变量A(n)和时间变量B(n)值,本发明对相关系数的求解如下:
①数据预处理
在本发明中投切变量A(n)为0或1的离散值,因此要对A(n)中的值进行预处理,先将 A(n)的值按公式(4)转变为二进制序列A1。
A1=a1a2a3…am (4)
上式中,a1,a2,a3,…am为A(n)中的元素,a1为二进制序列A1的最高位,am位二进制序列A1的最低位。为了对A(n)进行更好的寻优,将二进制序列A1转变为十六进制AH。最终以连续的十六进制AH数和时间变量B(n)作为输入参数进行寻优运算。
②数据寻优过程
初始化粒子位置,粒子k的开始迭代位置为
Lk(0)=(AHk,B1k,B2k,…,Bmk) (5)
对每个粒子的相关系数ρx,y进行计算,确定粒子k的历史最好位置Pbest(k)和全局最好位置Gbest(k)。
Pbest(k)=(PH(K),P1(K),P2(K),…,Pm(K)) (6)
Gbest(k)=(GH(K),G1(K),G2(K),…,Gm(K)) (7)
通过Pbest(k)和Gbest(k)计算出粒子k的方向更新方程,粒子k第i次迭代时的方向更新方程为Vk(i):
Vk(i)=ωVk(i-1)+c1×rand1(Pbest(k)-Lk(i-1))+c2×rand2(Gbest(k)-Lk(i-1))(8)
上式中,i为粒子算法的迭代次数,ω为惯性因子及粒子保持的运动惯性,Vk(i)为粒子算法中第k个粒子第i迭代时的方向更新方程,Lk(i-1)为第k个粒子第i迭代时的位置,c1为局部学习因子及粒子更新受到局部最优粒子的影响程度,c2为全局学习因子及粒子更新受到全局最优粒子的影响程度,rand1、rand2表示介于(0,1)之间的随机数及避免算法进入局部最优。
对粒子的位置进行更新。公式(9)为第k个粒子第i迭代时的位置更新方程公式为
Lk(i)=Lk(i-1)+Vk(i) (9)
重复数据寻优过程,直至相关系数ρx,y满足阈值条件。结束整个迭代过程,输出AH和 B(n)的最优值,将AH转换为二进制序列A1={a1,a2,a3,…,am},通过最优的二进制序列A1={a1,a2,a3,…,am}中的值可以得到负荷的开启类型,通过最优B(n)序列中的值可以得到每个负荷开启的时间。
步骤六:负荷信息可视化
应用层即信息查询平台,此平台采用B/S架构网络管理模式,使用 Spring+SpringMVC+MyBatis和前端相应框架开发,用户只需要输入正确的网址即可查看工作负荷类型、查询历史数据,通过历史数据知晓各个设备的运行状况,为用户的节能提供数据支持。
在本发明中以家庭常用热水壶、空调、电风扇、吹风机4种负荷为例来说明本非侵入式负荷智能识别系统的实施过程,其具体如下:
系统启动,安装在用户进户端总线上的非侵入式负荷监测装置进行初始化,随机开启4 种负荷,监测装置的数据采集模块采集到总负荷数据,通过串口将总负荷数据传送到主控芯片,主控芯片将数据处理后通过串口传送到无线通信模块,无线通信模块利用互联网将负荷数据上传到云服务器。云服务对负荷数据进行分析处理,在对最优投切变量A(n)和时间变量B(n)求解过程中,若最后的迭代结果为A1={1,0,1,1}和B(n)={a,0,b,c},通过迭代结果可以得到4种负荷进行投切的为热水壶、电风扇、吹风机,并且它们投切的时间依次为a、b、c。最后用户可以通过浏览器登录本发明的系统,在系统的Web页面用户可以查看到当前进行投切的负荷类型为热水壶、电风扇、吹风机,并且它们投切的时间依次为a、b、c。
Claims (2)
1.一种非侵入式负荷智能识别系统,包括非侵入式负荷监测装置、非侵入式负荷识别系统;其中非侵入式负荷监测装置包括主控模块、电源模块、数据采集模块、无线通信模块,非侵入式负荷识别系统包括云服务器、web应用;
主控模块,用于处理负荷数据采集模块产生的信号,对负荷数据进行量化生成特征参数,并通过无线通信模块将数据上传到云服务器;
数据采集模块,由传感器和电能计量芯片组成,并且与主控模块连接,用于实时采集负荷数据,并将数据传递给主控模块;
无线通信模块,将主控模块生成的负荷特征参数通过网络传输的形式,发送到与服务器;
云服务器作为数据处理中心,实现对负荷特征参数数据的分类储存、计算分析挖掘,并且将分析计算后的结果在web应用上显示,用户可以通过浏览器远程实时查看工作负荷类型、查询历史数据,通过历史数据知晓设备的运行状况,为用户的节能提供数据支持。
2.如权利要求1所述的一种非侵入式负荷智能识别系统,所述传感器为2mR铜锰电阻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207234.6A CN110288113A (zh) | 2019-03-19 | 2019-03-19 | 一种非侵入式负荷智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207234.6A CN110288113A (zh) | 2019-03-19 | 2019-03-19 | 一种非侵入式负荷智能识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110288113A true CN110288113A (zh) | 2019-09-27 |
Family
ID=68001219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910207234.6A Pending CN110288113A (zh) | 2019-03-19 | 2019-03-19 | 一种非侵入式负荷智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288113A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554351A (zh) * | 2019-09-30 | 2019-12-10 | 国网山东省电力公司电力科学研究院 | 一种非侵入式负荷电能表的实负荷检测方法及系统 |
CN110687379A (zh) * | 2019-10-17 | 2020-01-14 | 吉林大学 | 一种拓扑可配置的非侵入式楼宇用电设备监测分析系统 |
CN111208375A (zh) * | 2020-03-04 | 2020-05-29 | 威胜集团有限公司 | 定频电器启动的实时监测方法、装置和存储介质 |
CN111381100A (zh) * | 2020-02-14 | 2020-07-07 | 马瑞 | 一种智能电表外置多功能非侵入式负荷识别装置 |
CN111553281A (zh) * | 2020-04-29 | 2020-08-18 | 国网重庆市电力公司营销服务中心 | 一种用电器状态识别方法及装置 |
CN111708925A (zh) * | 2020-08-20 | 2020-09-25 | 国网浙江省电力有限公司湖州供电公司 | 一种用于居民用户的家电负荷智能识别系统及方法 |
CN111740501A (zh) * | 2020-07-23 | 2020-10-02 | 国网天津市电力公司 | 一种基于非侵入式技术的分项计量断路器装置 |
CN111751614A (zh) * | 2020-06-29 | 2020-10-09 | 深圳供电局有限公司 | 一种基于ModBus非侵入式用电数据测试系统及其方法 |
CN112396098A (zh) * | 2020-11-12 | 2021-02-23 | 天津天大求实电力新技术股份有限公司 | 非嵌入式公寓电器负荷识别分析方法、系统及应用 |
CN112485516A (zh) * | 2020-11-27 | 2021-03-12 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
CN112769234A (zh) * | 2020-12-28 | 2021-05-07 | 山东鲁能软件技术有限公司智能电气分公司 | 一种用电负荷智能感知系统及方法 |
CN113129163A (zh) * | 2021-03-29 | 2021-07-16 | 上海思创电器设备有限公司 | 一种应用于算法核心单元的负荷监控系统 |
CN113222401A (zh) * | 2021-05-10 | 2021-08-06 | 湖南省计量检测研究院 | 非侵入式负荷类型的智能识别方法、装置、服务器及系统 |
CN113255236A (zh) * | 2021-07-07 | 2021-08-13 | 浙江大学 | 基于孪生网络的非侵入式负荷自适应识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675378A (zh) * | 2013-09-23 | 2014-03-26 | 东北电力大学 | 一种非侵入式家庭用电负荷分解方法及装置 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN108132379A (zh) * | 2017-12-11 | 2018-06-08 | 武汉大学 | 基于云平台的非侵入式负荷监测系统及识别方法 |
-
2019
- 2019-03-19 CN CN201910207234.6A patent/CN110288113A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675378A (zh) * | 2013-09-23 | 2014-03-26 | 东北电力大学 | 一种非侵入式家庭用电负荷分解方法及装置 |
CN106815677A (zh) * | 2016-12-09 | 2017-06-09 | 国网北京市电力公司 | 非侵入式负荷识别方法和装置 |
CN108132379A (zh) * | 2017-12-11 | 2018-06-08 | 武汉大学 | 基于云平台的非侵入式负荷监测系统及识别方法 |
Non-Patent Citations (1)
Title |
---|
许月娟: "负荷投切行为的非侵入式监测与辨识", 《中国优秀硕士学位论文全文数据库(电子期刊) 工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554351A (zh) * | 2019-09-30 | 2019-12-10 | 国网山东省电力公司电力科学研究院 | 一种非侵入式负荷电能表的实负荷检测方法及系统 |
CN110687379B (zh) * | 2019-10-17 | 2021-06-04 | 吉林大学 | 一种拓扑可配置的非侵入式楼宇用电设备监测分析系统 |
CN110687379A (zh) * | 2019-10-17 | 2020-01-14 | 吉林大学 | 一种拓扑可配置的非侵入式楼宇用电设备监测分析系统 |
CN111381100A (zh) * | 2020-02-14 | 2020-07-07 | 马瑞 | 一种智能电表外置多功能非侵入式负荷识别装置 |
CN111208375A (zh) * | 2020-03-04 | 2020-05-29 | 威胜集团有限公司 | 定频电器启动的实时监测方法、装置和存储介质 |
CN111553281A (zh) * | 2020-04-29 | 2020-08-18 | 国网重庆市电力公司营销服务中心 | 一种用电器状态识别方法及装置 |
CN111751614A (zh) * | 2020-06-29 | 2020-10-09 | 深圳供电局有限公司 | 一种基于ModBus非侵入式用电数据测试系统及其方法 |
CN111751614B (zh) * | 2020-06-29 | 2023-08-04 | 深圳供电局有限公司 | 一种基于ModBus非侵入式用电数据测试系统及其方法 |
CN111740501A (zh) * | 2020-07-23 | 2020-10-02 | 国网天津市电力公司 | 一种基于非侵入式技术的分项计量断路器装置 |
CN111708925B (zh) * | 2020-08-20 | 2021-01-05 | 国网浙江省电力有限公司湖州供电公司 | 一种用于居民用户的家电负荷智能识别系统及方法 |
CN111708925A (zh) * | 2020-08-20 | 2020-09-25 | 国网浙江省电力有限公司湖州供电公司 | 一种用于居民用户的家电负荷智能识别系统及方法 |
CN112396098A (zh) * | 2020-11-12 | 2021-02-23 | 天津天大求实电力新技术股份有限公司 | 非嵌入式公寓电器负荷识别分析方法、系统及应用 |
CN112485516A (zh) * | 2020-11-27 | 2021-03-12 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
CN112485516B (zh) * | 2020-11-27 | 2024-04-05 | 杭州万高科技股份有限公司 | 一种电能表及一种非介入负荷识别的芯片架构 |
CN112769234A (zh) * | 2020-12-28 | 2021-05-07 | 山东鲁能软件技术有限公司智能电气分公司 | 一种用电负荷智能感知系统及方法 |
CN113129163A (zh) * | 2021-03-29 | 2021-07-16 | 上海思创电器设备有限公司 | 一种应用于算法核心单元的负荷监控系统 |
CN113222401A (zh) * | 2021-05-10 | 2021-08-06 | 湖南省计量检测研究院 | 非侵入式负荷类型的智能识别方法、装置、服务器及系统 |
CN113255236A (zh) * | 2021-07-07 | 2021-08-13 | 浙江大学 | 基于孪生网络的非侵入式负荷自适应识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288113A (zh) | 一种非侵入式负荷智能识别系统 | |
Liu et al. | Energy disaggregation of appliances consumptions using ham approach | |
CN107229602A (zh) | 一种智能楼宇微网用电行为的识别方法 | |
CN105529700B (zh) | 一种非侵入式在线负荷分解装置 | |
CN106651200A (zh) | 一种工业企业聚合用户电力负荷管理方法和系统 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN102705957A (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
CN102779228A (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
CN109345409A (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN104899665A (zh) | 风电功率短期预测方法 | |
Fang et al. | Nonintrusive appliance identification with appliance-specific networks | |
CN111242276B (zh) | 一种用于负荷电流信号识别的一维卷积神经网络构建方法 | |
CN108399221A (zh) | 基于大数据关联分析的室内电气设备分类识别方法与系统 | |
CN103020459A (zh) | 一种多维度用电行为的感知方法及系统 | |
CN110232476A (zh) | 一种基于深度学习的微电网负荷预测方法 | |
CN111009893B (zh) | 一种基于负荷分解技术的家庭用户短期负荷预测方法 | |
CN105807107A (zh) | 一种基于物联网的电气设备用电量估算系统及方法 | |
CN106464988A (zh) | 能量管理系统 | |
CN110535149A (zh) | 一种公变台区电力负荷三相不平衡预测方法 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN109858668B (zh) | 一种雷电气候下电力负荷区域协调预测方法 | |
CN116307076A (zh) | 一种基于物联网的工业园区能效管控方法 | |
Lei et al. | Forecasting short-term residential electricity consumption using a deep fusion model | |
CN116298576A (zh) | 一种考虑时间分段的可扩展非侵入式负荷监测方法 | |
Nichiforov et al. | Embedded on-line system for electrical energy measurement and forecasting in buildings |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190927 |
|
WD01 | Invention patent application deemed withdrawn after publication |