CN110443479A - 一种智慧社区半侵入式电能管理系统及方法 - Google Patents
一种智慧社区半侵入式电能管理系统及方法 Download PDFInfo
- Publication number
- CN110443479A CN110443479A CN201910675032.4A CN201910675032A CN110443479A CN 110443479 A CN110443479 A CN 110443479A CN 201910675032 A CN201910675032 A CN 201910675032A CN 110443479 A CN110443479 A CN 110443479A
- Authority
- CN
- China
- Prior art keywords
- load
- electricity consumption
- electric energy
- server
- intrusive
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000005611 electricity Effects 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000007726 management method Methods 0.000 claims description 20
- 230000005012 migration Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000009435 building construction Methods 0.000 abstract 1
- 230000010354 integration Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/063—Details of electronic electricity meters related to remote communication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
-
- 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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧社区半侵入式电能管理系统及方法,以云平台为媒介,整合实现半侵入式用电数据采集、电气负荷识别、电器用电量估算、APP显示及控制,从而实现用户家庭智能用电管理。本发明能有效控制系统建设期间的成本;负荷识别算法能够在房屋建设完成、户主入住后根据不同用电器型号进行模型训练,降低模型建立和训练的难度;将功耗显示与智能家居控制集合于同一套系统中,方便用户改善用电习惯,及时停止电能浪费的现象。
Description
技术领域
本发明属于智能物联网领域,尤其涉及一种智慧社区半侵入式电能管理系统及方法。
背景技术
居民用电是电网用电的重要一环,居民用户科学合理用电对推进社会节能减排、缓解全球能源危机、营造健康坚强电网起着至关重要的作用。一个有效智能的家庭电能管理系统是开展节能工作的前提,它能帮助居民用户了解家庭内不同时段各用电器的工作状态及电能消耗情况,引导用户选购节能设备,制定更加科学的用电计划,从而达到降低家庭用电能耗的目的。对电力公司来讲,根据用电情况能进行合理的电力调度,大大提高电网稳定性。
现有的对居民用电细节进行监测的方法主要分为侵入式负荷监测,非侵入式负荷监测。侵入式负荷监测实现方法主要是对每一个电器都采用一个或多个传感器进行信息采集,这种方法采集的电器耗能精度高,但带来的问题是数据采集成本高,不适用于大规模的智慧社区应用。相对的非侵入式负荷监测技术,只需要在用户的用电入口处安装电力监测设备,通过对该点收集到的电流、功率等信号进行分析得到家庭中电器的具体用电耗能情况。这种方法自然能够解决成本问题,但缺点是在模型建立阶段需要大量的标签数据集,而在社区中难以提前获得每户家庭每个电器的具体用电特征曲线,难以建立模型。现需要结合两者优点,协调两者缺点,在户内安装一定数量的电能采集装置,实现降低安装成本、提高数据质量、降低建模难度的目的。同时需要一个APP,实现显示家用电器用电量、控制智能家用电器工作状态,从而真正帮助用户实现电能管理。
发明内容
发明目的:针对以上问题,本发明提出一种智慧社区半侵入式电能管理系统及方法,实现集家用电器用电负荷识别及分解、电器用电量显示、智能家电工作状态控制于一体的智慧社区半侵入式电能管理。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种智慧社区半侵入式电能管理系统,其特征在于,包括电能采集装置、用电数据服务器、云服务器、负荷识别服务器、显示控制终端;电能采集装置采集用电数据上传至用电数据服务器,并通过云服务器上传至负荷识别服务器,负荷识别服务器进行负荷识别后,将结果保存至云服务器供显示控制终端调用,用户通过显示控制终端查看用户情况,并调整家用电器用电行为。
进一步地,还包括社区综合功能服务器,连接于云服务器;社区综合功能服务器包括社区监控、物业报修、智能家居控制。
进一步地,显示控制终端为手机APP。
一种智慧社区半侵入式电能管理方法,包括步骤:
(1)电能采集装置安装在用户各用电支路上,半侵入式采集各支路用电数据,上传负荷识别服务器;
(2)采集智能家居用电数据,上传负荷识别服务器;
(3)根据各支路用电功率和智能家居用电负荷特性,人工添加标签,对负荷识别算法进行训练;
(4)定期将采集用户用电信息,通过云服务器上传至负荷识别服务器进行负荷识别和功率分解;
(5)将负荷识别和功率分解的结果保存至云服务器,供手机APP调用;
(6)用户通过手机APP查看用电数据报表,并调整家用电器用电行为。
进一步地,所述步骤3中,负荷识别算法训练包括步骤:
(3.1)采集不同电器的用电有功功率,将属于同一数据采集支路的电器进行功率合成;
(3.2)将合成后的功率作为各去噪自编码机网络的输入,各电器实际用电功率作为预期输出,对网络参数进行训练;
(3.3)将预训练自编码机网络参数进行保存,删去最后一层输出层,增加两层全连接层,将预训练自编码机网络迁移用于社区通用负荷识别网络;
(3.4)对通用负荷识别网络参数进行微调,采集各用户各支路的用电数据,人工标签后作为训练集,对迁移后的通用负荷识别网络进行训练;
(3.5)利用训练好的负荷识别网络进行负荷识别分解。
进一步地,所述步骤3.2中,采用Adam法优化网络参数。
有益效果:本发明能有效控制系统建设期间的成本;负荷识别算法能够在房屋建设完成、户主入住后根据不同用电器型号进行模型训练,降低模型建立和训练的难度;将功耗显示与智能家居控制集合于同一套系统中,方便用户改善用电习惯,及时停止电能浪费的现象。
附图说明
图1是本发明的系统架构示意图;
图2是本发明的电能管理方法流程图;
图3是本发明的负荷识别算法所采用的去噪自编码机网络结构图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示,本发明所述的智慧社区半侵入式电能管理系统,以云平台为媒介,整合实现半侵入式用电数据采集、电气负荷识别、电器用电量估算、APP显示及控制,从而实现用户家庭智能用电管理。
智慧社区半侵入式电能管理系统,包括电能采集装置、用电数据服务器、云服务器、负荷识别服务器、显示控制终端;显示控制终端为手机APP。电能采集装置采集用电数据上传至用电数据服务器,并通过云服务器上传至负荷识别服务器,负荷识别服务器进行负荷识别后,将结果保存至云服务器供显示控制终端调用,用户通过显示控制终端查看用户情况,并调整家用电器用电行为。
智慧社区半侵入式电能管理系统,还包括社区综合功能服务器,连接于云服务器;云平台连接的社区综合功能服务器可以实现社区监控、物业报修、智能家居的功能。
一种智慧社区半侵入式电能管理系统的实现方法,包括步骤:
(1)在住户家庭总空气开关及各支路空气开关上都加装电能采集装置,半侵入式采集用户用电数据和家用电器状态,上传负荷识别服务器;
空气开关各支路接线包括:所有的灯和客厅插座接一路支线,所有空调接一路支线,厨房插座接一路支线,卫生间及卧室插座接一路支线,智能传感器及其他用电接一路支线。
(2)通过智能家居的联网控制功能,采集部分智能家居的工作状态(开,关),上传负荷识别服务器;
智能家居包括中央空调,灯等。
(3)根据各用电器使用时段、负荷特征,提取大功率用电器用电负荷曲线,并人工添加标签,对负荷识别算法进行训练,适应不同规格用电器的用电特征;
大功率用电器用电特征主要指空调、洗衣机、冰箱、微波炉、电饭煲。各用电器符合特征指:冰箱在全天候循环工作,电饭煲、微波炉都是大功率用电器但是持续时间不同,洗衣机持续时间基本固定特征明显。
(4)每周一次将从用户处采集到的用电信息通过云服务器传至负荷识别服务器进行负荷识别;
(5)负荷识别结束后,将结果保存至云服务器,以供手机APP查看;
(6)用户能根据生成的用电数据报表调整用电行为,通过APP调整家中部分用电器的工作状态进而实现电能管理。
负荷识别算法是基于去噪自编码机的深度学习算法,网络中只包括一维卷积层和全连接层,不采用循环神经网络层,以提升计算速度。网络结构如图3所示,每一种用电器使用一个去噪自编码机网络进行识别,自编码机网络建立完成后需要先对网络进行预训练,然后将网络迁移至实际负荷识别的网络中,针对每一户住户的实际情况进行参数微调建立更通用的负荷分解算法。具体包括步骤:
(1)采集不同品牌不同型号的冰箱、洗衣机、微波炉、电饭煲的用电有功功率,将属于同一数据采集支路的用电器进行功率合成;
(2)将合成后的功率作为各去噪自编码机网络的输入,各用电器实际用电功率作为网络的预期输出,对网络中参数进行训练;
采用Adam法优化网络参数,使得各用电器网络能够在学习到对应用电器的负荷特征的同时尽量滤除其他用电器的干扰,能根据各支路合成的总功率数据较好分解出对应用电器的实际用电功率。
(3)将已经预训练好的自编码机网络参数进行保存,删去最后一层输出层(全连接层)额外增加两层全连接层,对预训练网络进行迁移,将迁移后的网络应用于社区的通用负荷识别网络模型中;
(4)因为社区内各住户所用电器品牌型号均不相同,需要对通用模型参数进行微调从而获得更好的识别效果;采集各住户各支路的2个月的用电数据,人工标签后作为训练集对迁移后的通用负荷识别网络进行训练;
用电信息指空调、灯的工作状态以及装在空气开关上的各电能采集装置采集到的功率信息。
(5)负荷识别网络训练好后,就可进行负荷识别分解了,输入一段3h的1/6Hz的某一段支路消耗的有功功率数据,就可输出网络对应用电器的用电功率曲线。
Claims (6)
1.一种智慧社区半侵入式电能管理系统,其特征在于,包括电能采集装置、用电数据服务器、云服务器、负荷识别服务器、显示控制终端;
电能采集装置采集用电数据上传至用电数据服务器,并通过云服务器上传至负荷识别服务器,负荷识别服务器进行负荷识别后,将结果保存至云服务器供显示控制终端调用,用户通过显示控制终端查看用户情况,并调整家用电器用电行为。
2.根据权利要求1所述的智慧社区半侵入式电能管理系统,其特征在于,还包括社区综合功能服务器,连接于云服务器;社区综合功能服务器包括社区监控、物业报修、智能家居控制。
3.根据权利要求1所述的智慧社区半侵入式电能管理系统,其特征在于,显示控制终端为手机APP。
4.一种智慧社区半侵入式电能管理方法,其特征在于,包括步骤:
(1)电能采集装置安装在用户各用电支路上,半侵入式采集各支路用电数据,上传负荷识别服务器;
(2)采集智能家居用电数据,上传负荷识别服务器;
(3)根据各支路用电功率和智能家居用电负荷特性,人工添加标签,对负荷识别算法进行训练;
(4)定期将采集用户用电信息,通过云服务器上传至负荷识别服务器进行负荷识别和功率分解;
(5)将负荷识别和功率分解的结果保存至云服务器,供手机APP调用;
(6)用户通过手机APP查看用电数据报表,并调整家用电器用电行为。
5.根据权利要求4所述的智慧社区半侵入式电能管理方法,其特征在于,所述步骤3中,负荷识别算法训练包括步骤:
(3.1)采集不同电器的用电有功功率,将属于同一数据采集支路的电器进行功率合成;
(3.2)将合成后的功率作为各去噪自编码机网络的输入,各电器实际用电功率作为预期输出,对网络参数进行训练;
(3.3)将预训练自编码机网络参数进行保存,删去最后一层输出层,增加两层全连接层,将预训练自编码机网络迁移用于社区通用负荷识别网络;
(3.4)对通用负荷识别网络参数进行微调,采集各用户各支路的用电数据,人工标签后作为训练集,对迁移后的通用负荷识别网络进行训练;
(3.5)利用训练好的负荷识别网络进行负荷识别分解。
6.根据权利要求4所述的智慧社区半侵入式电能管理方法,其特征在于,所述步骤3.2中,采用Adam法优化网络参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675032.4A CN110443479A (zh) | 2019-07-25 | 2019-07-25 | 一种智慧社区半侵入式电能管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675032.4A CN110443479A (zh) | 2019-07-25 | 2019-07-25 | 一种智慧社区半侵入式电能管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443479A true CN110443479A (zh) | 2019-11-12 |
Family
ID=68431469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910675032.4A Pending CN110443479A (zh) | 2019-07-25 | 2019-07-25 | 一种智慧社区半侵入式电能管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443479A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107015515A (zh) * | 2017-03-20 | 2017-08-04 | 深圳市多度科技有限公司 | 一种基于物联网的智慧社区管理系统 |
CN107944495A (zh) * | 2017-12-04 | 2018-04-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于深层森林算法的家庭用电负荷分类识别方法 |
CN108879702A (zh) * | 2018-06-21 | 2018-11-23 | 浙江大学 | 一种基于家居负荷分解的用电控制系统 |
CN109412900A (zh) * | 2018-12-04 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 一种网络状态识别的方法、模型训练的方法及装置 |
CN109949180A (zh) * | 2019-03-19 | 2019-06-28 | 山东交通学院 | 一种船舶冷热电联供系统的冷热电负荷预测方法及系统 |
-
2019
- 2019-07-25 CN CN201910675032.4A patent/CN110443479A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107015515A (zh) * | 2017-03-20 | 2017-08-04 | 深圳市多度科技有限公司 | 一种基于物联网的智慧社区管理系统 |
CN107944495A (zh) * | 2017-12-04 | 2018-04-20 | 贵州电网有限责任公司电力科学研究院 | 一种基于深层森林算法的家庭用电负荷分类识别方法 |
CN108879702A (zh) * | 2018-06-21 | 2018-11-23 | 浙江大学 | 一种基于家居负荷分解的用电控制系统 |
CN109412900A (zh) * | 2018-12-04 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 一种网络状态识别的方法、模型训练的方法及装置 |
CN109949180A (zh) * | 2019-03-19 | 2019-06-28 | 山东交通学院 | 一种船舶冷热电联供系统的冷热电负荷预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112180193B (zh) | 一种基于轨迹图像识别的非侵入式负荷识别系统及方法 | |
CN108362938B (zh) | 基于非侵入式负荷辨识的分项计量智能电能表 | |
CN204515369U (zh) | 一种可智能控制家电的室内空气监测装置 | |
CN205787728U (zh) | 一种基于物联云的多功能智慧社区能耗管理系统 | |
CN110836415A (zh) | 基于人工智能和物联网大数据的智慧供暖控制系统和方法 | |
CN103984316A (zh) | 能源管理设备和系统 | |
CN101916093A (zh) | 一种能效管理终端及其组成的智能用电暨能效管理系统 | |
CN108054749B (zh) | 一种非侵入式电力负荷分解方法及装置 | |
CN110471301A (zh) | 一种基于用户行为的智能家居服务推荐系统及方法 | |
CN201450514U (zh) | 一种智能与节能住宅的无线家庭网关系统 | |
CN106093565A (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
CN105868073A (zh) | 一种基于时间序列分析的数据中心节能策略实现方法 | |
CN203705930U (zh) | 基于Zigbee的PM2.5实时监控系统 | |
CN206223887U (zh) | 一种具备负荷识别功能的智能装置 | |
CN206057997U (zh) | 具有照明开关功能的无线远程温湿度采集器及温控系统 | |
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 | |
CN103529771B (zh) | 一种基于数据分析的家庭智能能耗调控系统 | |
CN113890024A (zh) | 一种非侵入式负荷智能分解和优化控制方法 | |
CN102156408B (zh) | 一种动态自适应演化最大功率点跟踪控制系统及方法 | |
CN110443479A (zh) | 一种智慧社区半侵入式电能管理系统及方法 | |
CN115906396A (zh) | 一种被动式建筑能源管理系统及其使用方法 | |
CN109005092A (zh) | 基于物联网的智能家居控制系统 | |
CN204928366U (zh) | 一种基于电力负荷分解技术的电力负荷监测系统 | |
CN204269157U (zh) | 一种基于无线自组网的多参数水文信息检测系统 | |
CN112016587A (zh) | 基于主站特征库技术的用能监测云端协同非侵入辨识方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |