CN115372727A - 一种家庭用电设备识别方法及智能电表 - Google Patents

一种家庭用电设备识别方法及智能电表 Download PDF

Info

Publication number
CN115372727A
CN115372727A CN202210557839.XA CN202210557839A CN115372727A CN 115372727 A CN115372727 A CN 115372727A CN 202210557839 A CN202210557839 A CN 202210557839A CN 115372727 A CN115372727 A CN 115372727A
Authority
CN
China
Prior art keywords
power
event
electric
electric equipment
change sequence
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
Application number
CN202210557839.XA
Other languages
English (en)
Inventor
朱永楠
李磊
詹力炜
姜珊
何国华
王庆明
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.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202210557839.XA priority Critical patent/CN115372727A/zh
Publication of CN115372727A publication Critical patent/CN115372727A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10Measuring sum, difference or ratio
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00Arrangements for measuring electric power or power factor
    • G01R21/06Arrangements for measuring electric power or power factor by measuring current and voltage
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00Arrangements for measuring time integral of electric power or current, e.g. electricity meters

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

本发明公开了一种家庭用电设备识别方法及智能电表,其中识别分析方法包括:获取用电事件发生期间监测的功率变化序列,以及功率变化序列对应的时刻变化序列和用电量变化序列;根据功率变化序列确定用电设备的若干启闭事件;根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的评价指标;根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型;本方案增强了电表的智能性应用,有利于提高用户的用电、节电意识。

Description

一种家庭用电设备识别方法及智能电表
技术领域
本发明涉及智能电表能耗监控技术领域,具体涉及一种家庭用电设备识别方法及智能电表。
背景技术
智能电表是智能电网数据采集的基本设备之一,承担着原始电能数据采集、计量和传输的任务,是实现信息集成、分析优化和信息展现的基础。
目前,大部分的家庭电表工作以电量数据采集传输为主,对于家庭中不同用电设备的用电量无法进行分类识别和记录,在节电方面还存在着进一步的提升。
发明内容
针对现有技术的上述不足,本发明提供了一种家庭用电设备识别方法及智能电表,解决了现有技术无法分类记录不同用电设备的问题。
为实现上述目的,本发明所采用的技术方案为:
第一方面,提供一种家庭用电设备识别方法,其包括以下步骤:
S1:获取用电事件发生期间监测的功率变化序列,以及功率变化序列对应的时刻变化序列和用电量变化序列;
S2:根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;
S3:根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;
S4:采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;
S5:根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型。
第二方面,提供一种应用于家庭用电设备识别方法的智能电表,其包括:
识别模块,用于识别用电设备的电流、电压和功率,获取用电事件发生期间监测的功率变化序列,并将数据传输给数据处理模块;
电表模块,用于获取与功率变化序列对应的用电量变化序列,并将数据传输给数据处理模块;
计时模块,用于获取与功率变化序列对应的时刻变化序列,并将数据传输给数据处理模块;
数据处理模块,用于接收识别模块、电表模块和计时模块的数据,根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型;
联网模块,用于接收数据处理模块的数据,并将数据联网传输给远程终端;
供电模块,用于给识别模块、电表模块、计时模块、数据处理模块、联网模块供电。
本发明的有益效果为:
本方案通过采集不同时段的用电信息,其包括用电功率、用电量、电流、电压、用电时段和用电时长,并建立算法模型,并与数据库内的数据进行对比分析,推演出各个用电设备的电器类型,并记录各个用电设备的用电信息,将信息通过联网模块传输至互联网,使用户可以通过移动终端远程获知家庭用电的具体情况;本方案增强了电表的智能性应用,有利于提高用户的用电、节电意识。
附图说明
图1为家庭用电设备识别方法的流程图。
图2为智能电表的模块图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
参考图1,图1示出了家庭用电设备识别方法的流程图,该方法包括步骤 S1至步骤S5。
本方案的家庭用电设备识别方法,其包括以下步骤:
在步骤S1中,获取用电事件发生期间监测的功率变化序列,以及功率变化序列对应的时刻变化序列和用电量变化序列;
在步骤S2中,根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;
在步骤S3中,根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;
在本发明的一个实施例中,每个启闭事件的用电时长、用电时段和用电量的获取方法包括:
S11:采用功率表检测功率变化序列(P0、P1、P2、P3……Pj),其中P0=0,采用计时模块记录功率变化时对应的时刻变化序列(t1、t2、t3……tj),采用电量表记录功率变化时对应的用电量变化序列(w1、w2、w3……wj);
S12:将功率变化序列里的所有功率变化值分别代入公式:
Rk+1=Pk-Pk+1(k=0、1、2、3……j-1)
S13:当Rk+1<0时,进入步骤S14;当Rk+1>0时,进入步骤S15;
S14:将所有Rk+1<0时的用电特征均判定为新增用电设备,标记新增用电设备为XL,记录新增用电设备的用电起始时刻TL=tk+1、起始时刻的用电量wL=wk+1以及用电功率PL=Pk+1-Pk,其中L=1、2、3……;
S15:将所有Rk+1>0时的用电特征均判定为未知用电设备关闭,标记未知用电设备为XC,记录每个未知用电设备的用电结束时刻TC=tk+1,结束时刻的用电量wC=wk+1,用电功率PC=Pk-Pk+1,其中C=1、2、3……;
S16:在满足PC对应的k值大于PL对应的k值的前提下,将若干未知用电设备XC对应的用电功率PC与若干新增用电设备XL对应的用电功率PL进行对比:
当PC=PL时,关闭的用电设备为新增用电设备XL,XL的用电时长为TC-TL, XL的用电时段为TL到TC,XL的用电量为wC-wL
当PC≠PL时,关闭的用电设备非新增用电设备XL
在步骤S4中,采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;
在步骤S5中,根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型。
在本发明的一个实施例中,数据库的构建方法包括:数据库由家庭里的m 个用电设备组成,用电设备的用电信息包括用电设备的序列X=(X1,X2,X3…… Xm)、用电设备的额定电压序列U=(U1,U2,U3……Um)、用电设备的额定电流序列I=(I1,I2,I3……Im)、用电设备的额定功率序列P=(P1,P2,P3……Pm),正常用电时长H=(H1,H2,H3……Hm),正常用电时段G=(G1,G2,G3……Gm),其中正常用电时段为一个区间,用电设备的单次用电量W=(W1,W2,W3……Wm),每个用电设备对应的电压、电流、功率、用电时长、用电时段和用电量构成用电设备的标准指标。
在本发明的一个实施例中,用电设备电器类型的识别方法包括:
S21:调用数据库中m个已知类型的家庭用电设备X=(X1,X2,X3……Xm),每个家庭用电设备调用n个标准指标x={x1,x2……xn},构建设备标准指标矩阵 Q=(xij)m×n,其中xij表示第i设备的第j个标准指标值;
S22:采用预设时间段内用电设备的启闭事件为k件,组成事件集为Y=(Y1, Y2,Y3……Yk),每个启闭事件调用与n个标准指标对应的n个评价指标y={y1, y2……yn},构建事件评价指标矩阵为q=(yij)k×n,其中yij表示第i事件的第j个评价指标值;
S23:采用全序列法对xij和yij进行极值归一化处理,得到归一化后的设备标准指标矩阵Q1=(aij)m×n和事件评价指标矩阵q1=(bij)k×n,其中全序列法的计算公式为:
Figure RE-GDA0003865182040000051
Figure RE-GDA0003865182040000061
式中,maxj(xij)、minj(xij)分别为所有用电设备中第j个标准指标值中的最大值和最小值。
S24:采用距离测度法度量事件评价指标矩阵中评价指标bij与标准指标矩阵中标准指标aij的距离dij,构建k个启闭事件与m个家庭用电设备的距离矩阵 D=(dij)k×m,找到距离每个启闭事件最近的用电设备,作为启闭事件的用电设备的电器类型并对用电设备进行分类;其中距离测度法的计算公式为:
Figure RE-GDA0003865182040000062
Figure RE-GDA0003865182040000063
式中,z、Z为所有标准指标值中的最小值和最大值,qj1、qj2分别是第j个设备中标准指标值的最大值和最小值,w(k)为权重向量。
距离测度法的计算公式中,权重向量w(k)的优化方法包括:
S241:构造优化指标函数Q(e):
Q(e)=dd(e)/sd(e)
Figure RE-GDA0003865182040000064
Figure RE-GDA0003865182040000065
其中,Dd( )表示事件指标与最接近的设备指标的邻近程度;sd( )表示事件指标与各设备指标的距离标准差;e为优化指标函数的投影方向;
S242:采用模拟生物优胜劣汰规则与群体内部染色体信息交换机制的遗传算法求解指标函数Q(e)的最小值;
S243:通过指标函数Q(e)的最小值,反推e的最佳投影方向和优化后的权重向量w(k)。
对识别出电器类型后的用电设备进行分类统计,其分类统计的方法为:通过用电设备用电时间的长短和用电设备用电功率的大小,将用电设备分为
1、长时段大功率基础类电器,比如:冰箱等;
2、长时段小功率基础类电器,比如:wifi路由器、光猫等;
3、短时段大功率非基础类电器,比如:微波炉、电吹风等;
4、短时段小功率非基础类电器,比如:电灯、手机充电器等。
特别地,用户可自主对家庭用电设备信息进行登记,并将设备信息储存在数据库中,方便识别分析,同时也可手动进行单一用电设备的识别。
如图2所示,本方案还提供了一种应用于家庭用电设备识别方法的智能电表,其包括:
识别模块,用于识别用电设备的电流、电压和功率,获取用电事件发生期间监测的功率变化序列,并将数据传输给数据处理模块;其中识别模块配有电流继电器,在接电过程中,电流继电器会对电流进行检测和保护。
电表模块,用于获取与功率变化序列对应的用电量变化序列,并将数据传输给数据处理模块;
计时模块,用于获取与功率变化序列对应的时刻变化序列,并将数据传输给数据处理模块;
数据处理模块,用于接收识别模块、电表模块和计时模块的数据,根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;
根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;
根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型;
联网模块,用于接收数据处理模块的数据,并将数据联网传输给远程终端;
供电模块,用于给识别模块、电表模块、计时模块、数据处理模块、联网模块供电。
实施时,本方案优选当多种不同用电设备同时用电时,将此时收集的数据放入待分析区,进行进一步预处理;通过计时模块传输的用电时长及不同设备同一时间使用时长不同和电流电压总量变化进行与已有设备信息数据进行匹配,归纳记录于所属设备类型用电数据。
综上所述,本方案增强了电表的智能性应用,可自动识别用电设备的电器类型,并记录其用电数据,然后将用电设备的信息通过联网模块传输至互联网,使用户可以通过移动终端远程获知家庭用电的具体情况,有利于提高用户的用电、节电意识。

Claims (9)

1.一种家庭用电设备识别方法,其特征在于,包括以下步骤:
S1:获取用电事件发生期间监测的功率变化序列,以及功率变化序列对应的时刻变化序列和用电量变化序列;
S2:根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;
S3:根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;
S4:采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;
S5:根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型。
2.根据权利要求1所述的家庭用电设备识别方法,其特征在于,每个启闭事件的用电时长、用电时段和用电量的获取方法包括:
S11:采用功率表检测功率变化序列(P0、P1、P2、P3......Pj),其中P0=0,采用计时模块记录功率变化时对应的时刻变化序列(t1、t2、t3......tj),采用电量表记录功率变化时对应的用电量变化序列(w1、w2、w3......wj);
S12:将功率变化序列里的所有功率变化值分别代入公式:
Rk+1=Pk-Pk+1(k=0、1、2、3......j-1)
S13:当Rk+1<0时,进入步骤S14;当Rk+1>0时,进入步骤S15;
S14:将所有Rk+1<0时的用电特征均判定为新增用电设备,标记新增用电设备为XL,记录新增用电设备的用电起始时刻TL=tk+1、起始时刻的用电量wL=wk+1以及用电功率PL=Pk+1-Pk,其中L=1、2、3......;
S15:将所有Rk+1>0时的用电特征均判定为未知用电设备关闭,标记未知用电设备为XC,记录每个未知用电设备的用电结束时刻TC=tk+1,结束时刻的用电量wC=wk+1,用电功率PC=Pk-Pk+1,其中C=1、2、3......;
S16:当PC对应的k值大于PL对应的k值时,将若干未知用电设备XC对应的用电功率PC与若干新增用电设备XL对应的用电功率PL进行对比:
当PC=PL时,关闭的用电设备为新增用电设备XL,XL的用电时长为TC-TL,XL的用电时段为TL到TC,XL的用电量为wC-wL
当PC≠PL时,关闭的用电设备非新增用电设备XL
3.根据权利要求1所述的家庭用电设备识别方法,其特征在于,所述数据库由家庭里的m个用电设备组成,用电设备的用电信息包括用电设备的序列X=(X1,X2,X3......Xm)、用电设备的额定电压序列U=(U1,U2,U3......Um)、用电设备的额定电流序列I=(I1,I2,I3......Im)、用电设备的额定功率序列P=(P1,P2,P3......Pm),正常用电时长H=(H1,H2,H3......Hm),正常用电时段G=(G1,G2,G3......Gm),其中正常用电时段为一个区间,用电设备的单次用电量W=(W1,W2,W3......Wm),每个用电设备对应的电压、电流、功率、用电时长、用电时段和用电量构成用电设备的标准指标。
4.根据权利要求3所述的家庭用电设备识别方法,其特征在于,用电设备电器类型的识别方法包括:
S21:调用数据库中m个已知类型的家庭用电设备X=(X1,X2,X3.....Xm),每个家庭用电设备调用n个标准指标x={x1,x2......xn},构建设备标准指标矩阵Q=(xij)m×n,其中xij表示第i设备的第j个标准指标值;
S22:采用预设时间段内用电设备的启闭事件为k件,组成事件集为Y=(Y1,Y2,Y3......Yk),每个启闭事件调用与n个标准指标对应的n个评价指标y={y1,y2......yn},构建事件评价指标矩阵为q=(yij)k×n,其中yij表示第i事件的第j个评价指标值;
S23:采用全序列法对xij和yij进行极值归一化处理,得到归一化后的设备标准指标矩阵Q1=(aij)m×n和事件评价指标矩阵q1=(bij)k×n
S24:采用距离测度法度量事件评价指标矩阵中评价指标bij与标准指标矩阵中标准指标aij的距离dij,构建k个启闭事件与m个家庭用电设备的距离矩阵D=(dij)k×m,找到距离每个启闭事件最近的用电设备,作为启闭事件的用电设备的电器类型,并对用电设备进行分类。
5.根据权利要求4所述的家庭用电设备识别方法,其特征在于,所述步骤S23中全序列法的计算公式为:
Figure FDA0003652981070000031
Figure FDA0003652981070000032
式中,maxj(xij)、minj(xij)分别为所有用电设备中第j个标准指标值中的最大值和最小值。
6.根据权利要求4所述的家庭用电设备识别方法,其特征在于,所述步骤S24中距离测度法的计算公式为:
Figure FDA0003652981070000033
Figure FDA0003652981070000034
式中,z、Z为所有标准指标值中的最小值和最大值,qj1、qj2分别是第j个设备中标准指标值的最大值和最小值,w(k)为权重向量。
7.根据权利要求6所述的家庭用电设备识别方法,其特征在于,权重向量w(k)的优化方法包括:
S241:构造优化指标函数Q(e):
Q()=dd()/sd();
Figure FDA0003652981070000041
Figure FDA0003652981070000042
其中,dd()表示事件指标与最接近的设备指标的邻近程度;sd()表示事件指标与各设备指标的距离标准差;e为优化指标函数的投影方向;
S242:采用遗传算法求解指标函数Q(e)的最小值;
S243:通过指标函数Q(e)的最小值,反推e的最佳投影方向和优化后的权重向量w(k)。
8.根据权利要求4所述的家庭用电设备识别方法,其特征在于,用电设备进行分类的方法包括:
通过用电设备用电时间的长短和用电设备用电功率的大小,将用电设备分为长时段大功率基础类电器、长时段小功率基础类电器、短时段大功率非基础类电器和短时段小功率非基础类电器。
9.一种应用于权利要求1-8任一项所述的家庭用电设备识别方法的智能电表,其特征在于,包括:
识别模块,用于识别用电设备的电流、电压和功率,获取用电事件发生期间监测的功率变化序列,并将数据传输给数据处理模块;
电表模块,用于获取与功率变化序列对应的用电量变化序列,并将数据传输给数据处理模块;
计时模块,用于获取与功率变化序列对应的时刻变化序列,并将数据传输给数据处理模块;
数据处理模块,用于接收识别模块、电表模块和计时模块的数据,根据功率变化序列确定用电设备的若干启闭事件,其中启闭事件为一个用电设备从开启到关闭的整个过程;
根据时刻变化序列和用电量变化序列,计算每个启闭事件的用电时长、用电时段和用电量;采用预设时间段内用电设备的若干启闭事件组成事件集,将每个启闭事件的电压、电流、功率、用电时长、用电时段和用电量构成启闭事件的评价指标;
根据事件集和每个启闭事件的评价指标集构建事件评价指标矩阵,将事件评价指标矩阵与数据库内的数据进行对比分析,识别出各个用电设备的电器类型;
联网模块,用于接收数据处理模块的数据,并将数据联网传输给远程终端;
供电模块,用于给识别模块、电表模块、计时模块、数据处理模块、联网模块供电。
CN202210557839.XA 2022-05-19 2022-05-19 一种家庭用电设备识别方法及智能电表 Pending CN115372727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210557839.XA CN115372727A (zh) 2022-05-19 2022-05-19 一种家庭用电设备识别方法及智能电表

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210557839.XA CN115372727A (zh) 2022-05-19 2022-05-19 一种家庭用电设备识别方法及智能电表

Publications (1)

Publication Number Publication Date
CN115372727A true CN115372727A (zh) 2022-11-22

Family

ID=84062637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210557839.XA Pending CN115372727A (zh) 2022-05-19 2022-05-19 一种家庭用电设备识别方法及智能电表

Country Status (1)

Country Link
CN (1) CN115372727A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307944A (zh) * 2023-05-18 2023-06-23 山东欣瑞电气有限公司 基于人工智能与物联网的配电箱远程监测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307944A (zh) * 2023-05-18 2023-06-23 山东欣瑞电气有限公司 基于人工智能与物联网的配电箱远程监测系统
CN116307944B (zh) * 2023-05-18 2023-08-04 山东欣瑞电气有限公司 基于人工智能与物联网的配电箱远程监测系统

Similar Documents

Publication Publication Date Title
CN109345409B (zh) 一种基于宽带载波的居民用户综合能效管理方法
CN109490679B (zh) 基于非侵入式负荷监测的智能窃电稽查系统及方法
CN109752613B (zh) 基于非侵入式负荷监测的违约用电检测系统及方法
CN109035067A (zh) 基于rf和arma算法的建筑能耗处理方法及装置
US20120123709A1 (en) Method for detection of plug-in electric vehicle charging via interrogation of smart meter data
CN106532719A (zh) 基于电流二次谐波与无功的非变频空调非侵入式辨识方法
CN108957304B (zh) 断路器载流故障预测方法
CN115372727A (zh) 一种家庭用电设备识别方法及智能电表
CN105807107A (zh) 一种基于物联网的电气设备用电量估算系统及方法
CN112909923A (zh) 一种基于dtw算法的非侵入式家居负荷行为识别的装置
CN116722571B (zh) 一种基于数字孪生的储能管理方法、系统及介质
CN112396098A (zh) 非嵌入式公寓电器负荷识别分析方法、系统及应用
CN104915894A (zh) 计量自动化终端运行风险预警系统
CN112614004A (zh) 用电信息的处理方法及装置
CN109615086A (zh) 一种运维辅助标签的生成方法及系统
CN115759708A (zh) 一种考虑电力时空分布特性的线损分析方法及系统
Hartmann et al. Suspicious electric consumption detection based on multi-profiling using live machine learning
CN115146977A (zh) 一种基于物联网的企业能效数据管理方法及系统
Huang et al. Designing customized energy services based on disaggregation of heating usage
Veloso et al. Cognitive smart plugs for signature identification of residential home appliance load using machine learning: From theory to practice
CN108847665A (zh) 一种非侵入式负荷分解方法及系统
CN102156207A (zh) 一种分布式智能电能记录系统及其检测方法
CN210199227U (zh) 非侵入式智能负载识别器
CN111750932A (zh) 一种基于智能家居的监测报警系统
Nandkeolyar et al. Identifying households with electrical vehicle for demand response participation

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