DE102022106405B4 - Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose - Google Patents

Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose Download PDF

Info

Publication number
DE102022106405B4
DE102022106405B4 DE102022106405.0A DE102022106405A DE102022106405B4 DE 102022106405 B4 DE102022106405 B4 DE 102022106405B4 DE 102022106405 A DE102022106405 A DE 102022106405A DE 102022106405 B4 DE102022106405 B4 DE 102022106405B4
Authority
DE
Germany
Prior art keywords
energy
learning unit
computer
current
aided self
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
DE102022106405.0A
Other languages
German (de)
Other versions
DE102022106405A1 (en
Inventor
Johannes Schnitzler
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.)
Ladon Energy GmbH
Original Assignee
Ladon Energy GmbH
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 Ladon Energy GmbH filed Critical Ladon Energy GmbH
Priority to DE102022106405.0A priority Critical patent/DE102022106405B4/en
Publication of DE102022106405A1 publication Critical patent/DE102022106405A1/en
Application granted granted Critical
Publication of DE102022106405B4 publication Critical patent/DE102022106405B4/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06N3/098—Distributed learning, e.g. federated learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D2204/00—Indexing scheme relating to details of tariff-metering apparatus
    • G01D2204/20—Monitoring; Controlling
    • G01D2204/24—Identification of individual loads, e.g. by analysing current/voltage waveforms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

Verfahren zur Ermittlung von aktuellen Verbräuchen elektrischer Energie durch eine Anzahl von Verbrauchern (3a, 3b, 3c, 3d, 3e, 3f), die an einen gemeinsamen Energieeinspeiseknoten (2) angeschlossen sind, wobei der Zeitverlauf der an dem Energieeinspeiseknoten (2) anliegenden mindestens einen Versorgungsspannung (Uv(t)) und des durch den Energieeinspeiseknoten (2) fließenden Versorgungsstroms (Iv(t)) gemessen wird, dadurch gekennzeichnet, dass- die für einen Energieeinspeiseknoten (2) erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) oder hieraus ermittelte komplexe Leistungswerte mit dem Zeitverlauf der elektrischen Leistung und der Phasenverschiebung am Energieeinspeiseknoten (2) als Eingangswerte einer dezentralen computergestützt selbstlernenden Einheit (8) geführt und mit der dezentralen computergestützten selbstlernenden Einheit (8) zur Ermittlung der jeweils aktuellen Verbräuche elektrischer Energie durch an den gemeinsamen Energieeinspeiseknoten (2) angeschlossene Verbraucher (3a, 3b, ..., 3f) ausgewertet werden, wobei die Güte der Ermittlung bestimmt wird, und- im Fall einer nicht erreichten vorgegebenen Güte die erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) komprimiert und an eine zentrale computergestützt selbstlernende Einheit (11) übertragen werden und die zentrale computergestützte selbstlernende Einheit (11) nachgelernt wird, wobei die dadurch erhaltenen aktualisierten Parameter der zentralen computergestützten selbstlernenden Einheit (11) an die angekoppelten dezentralen computergestützten selbstlernenden Einheiten (8) jeweiliger Energieeinspeiseknoten (2) zur Aktualisierung übertragen werden.Method for determining current consumption of electrical energy by a number of consumers (3a, 3b, 3c, 3d, 3e, 3f) which are connected to a common energy feed node (2), the time course of the energy feed node (2) being at least a supply voltage (Uv(t)) and the supply current (Iv(t)) flowing through the energy supply node (2), characterized in that the time curves of the measured supply voltage (Uv(t)) recorded for an energy supply node (2) and the measured supply current (Iv(t)) or complex power values determined therefrom with the time course of the electrical power and the phase shift at the energy feed node (2) as input values of a decentralized computer-aided self-learning unit (8) and with the decentralized computer-aided self-learning unit (8) to determine the current consumption of electrical energy by consumers (3a, 3b, ..., 3f) connected to the common energy feed node (2), the quality of the determination being determined, and - in the case of a predetermined quality not being achieved recorded time courses of the measured supply voltage (Uv(t)) and the measured supply current (Iv(t)) are compressed and transmitted to a central computer-aided self-learning unit (11) and the central computer-aided self-learning unit (11) is relearned, the resulting data being obtained updated parameters of the central computer-aided self-learning unit (11) are transmitted to the coupled decentralized computer-aided self-learning units (8) of respective energy feed nodes (2) for updating.

Description

Die Erfindung betrifft ein Verfahren zur Ermittlung von aktuellen Verbräuchen von elektrischer Energie durch eine Anzahl von Verbrauchern, die an einem gemeinsamen Energieeinspeiseknoten angeschlossen sind, wobei der Zeitverlauf der an dem Energieeinspeiseknoten anliegenden mindestens einen Versorgungsspannung und des durch den Energieeinspeiseknoten fließenden Versorgungsstroms gemessen wird.The invention relates to a method for determining current consumption of electrical energy by a number of consumers that are connected to a common energy feed node, the time course of the at least one supply voltage present at the energy feed node and the supply current flowing through the energy feed node being measured.

Weiterhin betrifft die Erfindung ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das oben genannte Verfahren auszuführen.The invention further relates to a computer program comprising instructions which, when the program is executed by a computer, cause it to carry out the above-mentioned method.

Weiterhin betrifft die Erfindung ein Energieerfassungsgerät mit einer Spannungsmesseinheit zur Messung der an einem Energieeinspeiseknoten, an dem das Energiemessgerät anschließbar ist, anliegenden mindestens einen Versorgungsspannung und einer Strommesseinheit zur Messung des durch den Energieeinspeiseknoten fließenden Versorgungsstroms, und mit einer Datenverarbeitungseinheit.The invention further relates to an energy detection device with a voltage measuring unit for measuring the at least one supply voltage present at an energy feed node to which the energy measuring device can be connected and a current measuring unit for measuring the supply current flowing through the energy feed node, and with a data processing unit.

Die Erfindung betrifft weiterhin eine Energieversorgungsanlage mit einer Anzahl dezentral verteilter angeordneter Energieeinspeiseknoten, an die solche Energieerfassungsgeräte anschließbar sind. Zur optimierten Steuerung der Erzeugung, der Verteilung, des Handels und zum Verbrauch von elektrischer Energie wird es mit zunehmendem Anteil an regenerativen Energien immer wichtiger, den Bedarf an elektrischer Energie an die Verfügbarkeit anzupassen. Hierzu ist es erforderlich, den aktuellen Energiebedarf genau zu erkennen und zu erfassen, wann an einen Energieeinspeiseknoten angeschlossene Verbraucher Energie verbrauchen und in welchem Umfang. Auf dieser Basis kann dann eine bedarfsgerechte Anpassung durch Steuerung der Bereitstellung, der Verteilung und des Verbrauchs realisiert werden. Damit kann auch mit einer hinreichenden Wahrscheinlichkeit vorhergesagt werden, wie sich die Anforderungen an den Verbrauch von elektrischer Energie entwickeln.The invention further relates to an energy supply system with a number of decentrally distributed energy supply nodes to which such energy recording devices can be connected. In order to optimize the control of the generation, distribution, trading and consumption of electrical energy, as the share of renewable energies increases, it becomes increasingly important to adapt the demand for electrical energy to the availability. To do this, it is necessary to accurately identify the current energy requirement and record when consumers connected to an energy feed node consume energy and to what extent. On this basis, needs-based adjustment can then be realized by controlling provision, distribution and consumption. This means that it is possible to predict with sufficient probability how the requirements for the consumption of electrical energy will develop.

Insbesondere in Gebäuden ist an der Hauptsicherung bzw. dem Hauptzähler eine Vielzahl von elektrischen Verbrauchern angeschlossen. Dieser Bereich des Hauptzählers bzw. der Hauptsicherung ist ein Beispiel für einen Energieeinspeiseknoten. Da in der Regel nicht jeder Verbraucher mit einem eigenen Energiezähler bzw. Sensor versehen ist, lässt sich der jeweilige Verbrauch nicht oder nur mit großem Aufwand zur Nachrüstung dezentral erfassen.Particularly in buildings, a large number of electrical consumers are connected to the main fuse or the main meter. This area of the main meter or main fuse is an example of an energy feed node. Since not every consumer is usually provided with their own energy meter or sensor, the respective consumption cannot be recorded decentrally or only with great effort for retrofitting.

Daher ist die Möglichkeit der Disaggregation über die nicht-intrusive Lastkontrolle (non-intrusive load monitoring NILM) bekannt. Hierbei wird an einem zentralen Punkt (z. B. Hausanschluss) die Summe aller Energieflüsse gemessen. Über eine Mustererkennung und künstliche Intelligenz (neuronale Netzwerke bzw. Modelle für maschinelles Lernen) können dann aus dieser Information die einzelnen Verbraucher, die aktuell Strom benötigen, erkannt (disaggregiert) werden. So kann bspw. aus der Erkennung, dass gerade eine Waschmaschine angegangen ist, darauf gefolgert werden, dass in den nächsten Stunden eine erfahrungsgemäße Menge elektrische Energie benötigt wird. Diese Energie kann in Abhängigkeit vom aktuellen Strompreis und der Strompreisprognose für die zu erwartende kommende Verbrauchszeit entweder aus einer eigenen Batterie, einer eigenen Photovoltaikanlage oder extern bezogen werden. Damit können nicht nur Energiekosten reduziert, sondern auch flexible Lasten geschaffen und die Distributionsnetze entlastet werden.Therefore, the possibility of disaggregation via non-intrusive load monitoring (NILM) is known. The sum of all energy flows is measured at a central point (e.g. house connection). Using pattern recognition and artificial intelligence (neural networks or machine learning models), the individual consumers who currently require electricity can then be identified (disaggregated) from this information. For example, by detecting that a washing machine has just started, it can be concluded that a normal amount of electrical energy will be required in the next few hours. Depending on the current electricity price and the electricity price forecast for the expected future consumption period, this energy can be obtained either from your own battery, your own photovoltaic system or externally. This not only reduces energy costs, but also creates flexible loads and relieves the load on the distribution networks.

EP 2 570 775 A1 offenbart ein solches nicht-intrusives Lastüberwachungssystem, bei dem der Versorgungsstrom an einem Energieeinspeiseknoten mit Sensorspulen und die Versorgungsspannung an dem Energieeinspeiseknoten gemessen werden. Der momentane Phasenstrom und die Phasenspannung können analysiert werden, um ein Ein- oder Ausschaltereignis eines Verbrauchers zu erkennen. Die aus den momentanen Strom- und Spannungswerten in einer Vorverarbeitung durch Multiplikation berechnete Leistung wird in den Frequenzraum transformiert, um die Spektralkoeffizienten der Leistung mit einer Signaturanalyse auszuwerten, um den Laststatus zu detektieren und zu klassifizieren. EP 2 570 775 A1 discloses such a non-intrusive load monitoring system in which the supply current at a power feed node is measured with sensor coils and the supply voltage at the power feed node. The instantaneous phase current and phase voltage can be analyzed to detect a consumer switch-on or switch-off event. The power calculated from the instantaneous current and voltage values in a preprocessing by multiplication is transformed into the frequency space to evaluate the spectral coefficients of the power with a signature analysis to detect and classify the load status.

US 10 983 496 B1 offenbart eine Vorrichtung und ein Verfahren zum Disaggregieren und Klassifizieren von Energieverbrauchsdaten aus den Gesamtenergieverbrauchsdaten eines Gebäudes. Es werden sowohl Hochfrequenz-Abtastdaten verwendet, die von einem faltungsneuronalen Netz klassifiziert werden, das auf einem Cloud-Server läuft, als auch Niederfrequenz-Abtastdaten, die von einem faltungsneuronalen Netz analysiert werden, das lokal auf einem elektrischen Smart Meter läuft. Eine Steuerschaltung schaltet je nach Aktivitätsgrad des Gebäudes zwischen Hoch- und Niederfrequenz-Abtastmodus um. US 10 983 496 B1 discloses an apparatus and method for disaggregating and classifying energy consumption data from the total energy consumption data of a building. Both high-frequency sampling data, classified by a convolutional neural network running on a cloud server, and low-frequency sampling data, analyzed by a convolutional neural network running locally on an electrical smart meter are used. A control circuit switches between high and low frequency scanning modes depending on the building's activity level.

GB 2 488 164 A offenbart ein System, das mehrere verschiedene Arten von angetriebenen Geräten oder Geräten umfasst. Aggregierte Energieverbrauchsdaten für das System werden von einem Sensor erhalten und ein einzelnes Gerät wird identifiziert, indem die aggregierten Energieverbrauchsdaten mit vorgegebenen Energieprofilen bekannter Geräte verglichen werden. Darüber hinaus lässt sich ein geschätzter Energieverbrauch des Geräts ableiten. Ein Elektrogerät kann identifiziert werden, indem ein Markov-Modellklassifizierer auf bekannten Geräten trainiert wird und das trainierte Modell auf Fourier-transformierten Leistungsdaten angewendet wird. GB 2 488 164 A discloses a system that includes several different types of powered devices or devices. Aggregated energy consumption data for the system is obtained from a sensor and an individual device is identified by comparing the aggregated energy consumption data with predetermined energy profiles of known devices. Furthermore, lets an estimated energy consumption of the device can be derived. An electrical device can be identified by training a Markov model classifier on known devices and applying the trained model on Fourier transformed performance data.

Das Problem ist die große Datenmenge, die bei der notwendigen Auswertung hochfrequenter Messdaten anfällt.The problem is the large amount of data that is generated when evaluating high-frequency measurement data.

Aufgabe der vorliegenden Erfindung ist es daher, ein verbessertes Verfahren zur Ermittlung von aktuellen Verbrauchen elektrischer Energie durch eine Anzahl von Verbrauchern zu schaffen, die an einen gemeinsamen Energieeinspeiseknoten angeschlossen sind, sowie ein verbessertes Computerprogramm, Energieerfassungsgerät und eine verbesserte Energieversorgungsanlage.The object of the present invention is therefore to create an improved method for determining current consumption of electrical energy by a number of consumers that are connected to a common energy feed node, as well as an improved computer program, energy recording device and an improved energy supply system.

Die Aufgabe wird mit dem Verfahren mit dem Merkmal des Anspruchs 1, mit dem Computerprogramm mit den Merkmalen des Anspruchs 10, mit dem Energieerfassungsgerät mit den Merkmalen des Anspruchs 11 und mit der Energieversorgungsanlage mit den Merkmalen des Anspruchs 12 gelöst. Vorteilhafte Ausführungsformen sind in den Unteransprüchen beschrieben.The task is solved with the method with the features of claim 1, with the computer program with the features of claim 10, with the energy recording device with the features of claim 11 and with the energy supply system with the features of claim 12. Advantageous embodiments are described in the subclaims.

Für ein gattungsgemäßes Verfahren wird vorgeschlagen, dass

  • - die für einen Energieeinspeiseknoten erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) oder hieraus ermittelte komplexe Leistungswerte, die den Zeitverlauf der elektrischen Leistung und der Phasenverschiebung umfassen, am Energieeinspeiseknoten als Eingangswerte in die Eingangsschicht einer computergestützten selbstlernenden Einheit (z.B. Hard- und/oder Softwarefunktion), wie bspw. die Eingangsschicht eines auf einem Datenverarbeitungsprozessor automatisiert ablaufenden neuronalen Netzwerkes, geführt und mit der computergestützt selbstlernenden Einheit zur Ermittlung der jeweils aktuellen Verbräuche elektrischer Energie durch an den gemeinsamen Energieeinspeiseknoten angeschlossene Verbraucher ausgewertet werden, wobei die Güte der Ermittlung bestimmt wird, und
  • - im Fall einer nicht erreichten vorgegebenen Güte die erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) komprimiert und an eine zentrale computergestützte selbstlernende Einheit, wie z.B. ein neuronales Netzwerk, übertragen werden und die zentrale computergestützt selbstlernende Einheit nachgelernt wird, wobei die dadurch erhaltenen aktualisierten Parameter der zentralen computergestützt selbstlernenden Einheit an die angekoppelten dezentralen computergestützt selbstlernenden Einheiten jeweiliger Energieeinspeiseknoten zur Aktualisierung übertragen werden.
For a generic method it is suggested that:
  • - the time curves of the measured supply voltage (Uv(t)) and the measured supply current (Iv(t)) recorded for an energy feed node or complex power values determined therefrom, which include the time curve of the electrical power and the phase shift, at the energy feed node as input values into the input layer a computer-aided self-learning unit (e.g. hardware and/or software function), such as the input layer of a neural network that runs automatically on a data processing processor, and with the computer-aided self-learning unit to determine the current consumption of electrical energy by consumers connected to the common energy feed node are evaluated, whereby the quality of the determination is determined, and
  • - in the case of a predetermined quality not being achieved, the recorded time curves of the measured supply voltage (Uv(t)) and the measured supply current (Iv(t)) are compressed and transmitted to a central computer-aided self-learning unit, such as a neural network, and the central one computer-aided self-learning unit is relearned, the updated parameters of the central computer-aided self-learning unit thereby obtained being transmitted to the coupled decentralized computer-aided self-learning units of respective energy feed nodes for updating.

Damit wird eine dezentrale Ermittlung der aktuellen Verbräuche mit einem dezentralen neuronalen Netzwerk durchgeführt, um die an eine Zentrale zu kommunizierende Datenmenge zu reduzieren.This means that the current consumption is determined decentrally using a decentralized neural network in order to reduce the amount of data that has to be communicated to a central office.

Nur für den Fall, dass die Ermittlung nicht mit einer hinreichenden Güte erfolgen kann, werden die Messdaten, das heißt die erfassten Zeitverläufe der gemessenen Versorgungsspannung und des gemessenen Versorgungsstroms, in komprimierter Form an eine zentrale computergestützt selbstlernende Einheit übertragen, um dieses dort nachzulernen und die dadurch erhaltenen aktualisierten Parameter der zentralen computergestützt selbstlernenden Einheit wieder an die angekoppelten dezentralen computergestützt selbstlernenden Einheiten zurück zu übertragen, um diese dann entsprechend nachzulernen.Only in the event that the determination cannot be carried out with sufficient quality, the measurement data, i.e. the recorded time profiles of the measured supply voltage and the measured supply current, are transmitted in compressed form to a central, computer-aided, self-learning unit in order to relearn it there and the to transfer the updated parameters of the central computer-aided self-learning unit obtained thereby back to the coupled decentralized computer-aided self-learning units in order to then relearn them accordingly.

Damit kann der Datenübertragungsaufwand erheblich reduziert werden.This means that the data transfer effort can be significantly reduced.

Die computergestützten selbstlernenden Einheiten sind für überwachte oder nichtüberwachte („supervised“ oder „un-supervised“) Lernverfahren ausgebildet und können bspw. als neuronale Netzwerke mit einer Eingangsschicht ausgeführt sein. Prinzipiell ist die zentrale computergestützt selbstlerndende Einheit zur Berechnung eines Modells mittels Lernphasen vorgesehen. Die dezentralen selbstlernenden Einheiten sind vorgesehen, um das zentral erlernte Modell zur Anwendung zu bringen. Dies schließt aber nicht aus, dass die dezentralen selbstlernenden Einheiten auch eine eigene Lernphase zur dezentralen Erstellung eines Modells oder Anpassung des Modells durchlaufen.The computer-aided self-learning units are designed for supervised or unsupervised learning processes and can, for example, be designed as neural networks with an input layer. In principle, the central, computer-aided, self-learning unit is intended to calculate a model using learning phases. The decentralized self-learning units are intended to apply the centrally learned model. However, this does not exclude the possibility that the decentralized self-learning units also go through their own learning phase for the decentralized creation of a model or adaptation of the model.

Die gemessene Versorgungsspannung und der gemessene Versorgungsstrom kann für eine einphasige Energieversorgung aus einem Strom-Spannungs-Wertepaar bestehen oder bei einer mehrphasigen Versorgung für jede der Phasen jeweils ein Strom-Spannungs-Paar aufweisen. Damit wird je nach Situation einphasig oder mehrphasig gemessen, wobei mehrere Spannungen und Ströme bei der mehrphasigen Messung erfasst werden. Optional ist auch die Messung des Strom- und Spannungsverlaufs am Mittelpunkt- oder Nullleiter denkbar.The measured supply voltage and the measured supply current can consist of a current-voltage value pair for a single-phase power supply or, in the case of a multi-phase supply, can have a current-voltage pair for each of the phases. Depending on the situation, this means that measurements are carried out in a single-phase or multi-phase manner, with several voltages and currents being recorded in the multi-phase measurement. Measuring the current and voltage curve on the midpoint or neutral conductor is also conceivable.

Es kann jeweils das Frequenzspektrum eines vorgegebenen Zeitfensters der erfassten Zeitverläufe der gemessenen Versorgungsspannung und des gemessenen Versorgungstroms bestimmt und die Spektralkoeffizienten der jeweiligen Frequenzspektren direkt übertragen werden.The frequency spectrum of a predetermined time window of the recorded time profiles of the measured supply voltage and the measured supply current can be determined and the spectral coefficients of the respective frequency spectra can be transmitted directly.

Damit wird nicht der aus den Zeitverläufen der Versorgungsspannung des Versorgungsstroms ermittelte Zeitverlauf der elektrischen Leistung in den Frequenzraum transformiert, sondern die Zeitverläufe der Versorgungsspannung und des Versorgungsstroms unabhängig voneinander. Damit bleibt die für die Ermittlung von aktuellen Verbrauchen hilfreiche Phaseninformation im Frequenzbereich erhalten und kann dort mit reduziertem Datenaufwand analysiert und kommuniziert werden.This means that the time profile of the electrical power determined from the time profiles of the supply voltage of the supply current is not transformed into the frequency domain, but rather the time profiles of the supply voltage and the supply current are independent of one another. This means that the phase information that is helpful for determining current consumption is retained in the frequency range and can be analyzed and communicated there with reduced data effort.

Dies kann zur Kompression genutzt werden. Dabei können ggf. weitere Kompressionen der zentralen computergestützt selbstlernenden Einheit übertragen werden. Die Frequenztransformation hat somit den Vorteil einer Kompression zur Bandbreitenreduzierung.This can be used for compression. If necessary, further compressions can be transferred to the central, computer-aided, self-learning unit. Frequency transformation therefore has the advantage of compression to reduce bandwidth.

Die Frequenztransformation kann auch zur Analyse des Frequenzspektrums genutzt werden. Die Analyse kann für die Versorgungsspannung und den Versorgungsstrom gleichermaßen, oder, insb. bei begrenzten Datenverarbeitungskapazitäten, nur für eines der Messgrößen Versorgungsspannung oder Versorgungsstrom durchgeführt werden. Wiederum gilt bei der mehrphasigen Messung, dass die Frequenzanalyse für jede gemessene Phase erfolgt.Frequency transformation can also be used to analyze the frequency spectrum. The analysis can be carried out equally for the supply voltage and the supply current, or, especially if data processing capacities are limited, only for one of the measured variables supply voltage or supply current. Again, with multi-phase measurement, the frequency analysis is carried out for each measured phase.

Zur Kompression können Spektralkoeffizienten zeitlich aufeinander folgender Wellenabschnitte der gemessenen Zeitverläufe im Frequenzbereich miteinander verglichen werden. Wenn die Spektralkoeffizienten identisch oder so ähnlich sind, dass sie ein vorgegebenes Ähnlichkeitsmaß nicht übersteigen, kann nach einer ersten Übermittlung der Spektralkoeffizienten im Folgenden lediglich ein Informationswert mit dem Hinweis übertragen werden, dass die nachfolgende Spektralkoeffizienten mit den vorhergehenden Spektralkoeffizienten übereinstimmen. Damit kann die Datenmenge erheblich reduziert werden. Ansonsten müssten die nachfolgenden Spektralkoeffizienten übertragen werden, die sich im Vergleich zu den Spektralkoeffizienten des vorherigen Wellenabschnitts unterscheiden.For compression, spectral coefficients of temporally successive wave sections of the measured time profiles can be compared with one another in the frequency range. If the spectral coefficients are identical or so similar that they do not exceed a predetermined similarity measure, after a first transmission of the spectral coefficients, only an information value can subsequently be transmitted with the indication that the subsequent spectral coefficients match the previous spectral coefficients. This allows the amount of data to be significantly reduced. Otherwise, the subsequent spectral coefficients would have to be transmitted, which differ from the spectral coefficients of the previous wave section.

Zur Kompression kann jeweils das Frequenzspektrum eines vorgesehenen Zeitfensters der erfassten Zeitverläufe der gemessenen Versorgungsspannung und/oder des gemessenen Versorgungsstroms in Form der aus dem Spektralkoeffizienten erfassten elektrischen Leistung und der Phasenverschiebung bestimmt werden. Diese Spektralkoeffizienten der komplexen elektrischen Leistung werden dann an die zentrale computergestützt selbstlernenden Einheit übertragen, insbesondere wenn die Ermittlung von aktuellen Verbrauchen elektrischer Energie durch einzelne Verbraucher des Energieeinspeiseknotens nicht mit einer hinreichenden Güte mit der dezentralen computergestützt selbstlernenden Einheit bestimmt werden konnten.For compression, the frequency spectrum of an intended time window of the recorded time profiles of the measured supply voltage and/or the measured supply current can be determined in the form of the electrical power recorded from the spectral coefficient and the phase shift. These spectral coefficients of the complex electrical power are then transmitted to the central computer-aided self-learning unit, especially if the determination of current consumption of electrical energy by individual consumers of the energy feed node could not be determined with sufficient quality with the decentralized computer-aided self-learning unit.

Für den Fall, dass die Disaggregation nicht die notwendige Güte erreicht, können nicht nur die komprimierten Daten an die zentrale computergestützt selbstlernenden Einheit übertragen werden, sondern zusätzlich auch die unkomprimierten Daten, oder optional nur die unkomprimierten Daten.In the event that the disaggregation does not achieve the necessary quality, not only the compressed data can be transmitted to the central computer-aided self-learning unit, but also the uncompressed data, or optionally only the uncompressed data.

Das Verfahren kann zur Ermittlung von aktuellen Verbräuchen von elektrischer Energie durch eine Anzahl von Verbrauchern die folgenden Schritte haben:

  • - Bestimmen von Spektralkoeffizienten des Frequenzspektrums der gemessenen Versorgungsspannung und des Frequenzspektrums des gemessenen Versorgungsstroms für jeweils vorgegebene Zeitfenster;
  • - Ermitteln der komplexen Leistungswerte mit der elektrischen Leistung der Phasenverschiebung aus dem bestimmten Frequenzspektrum der gemessenen Versorgungsspannung und dem bestimmten Frequenzspektrum des gemessenen Versorgungsstroms, und
  • - Ermitteln der jeweils aktuellen Nutzungen elektrischer Energie durch an einem gemeinsamen Energieeinspeiseknoten angeschlossene Verbraucher aus Werten an einem Ausgang einer computergestützt selbstlernenden Einheit, wobei die computergestützt selbstlernende Einheit die ermittelten komplexen Leistungswerte als Eingangswerte der Eingangsschicht der computergestützt selbstlernenden Einheit nutzt.
The method can have the following steps to determine current consumption of electrical energy by a number of consumers:
  • - Determining spectral coefficients of the frequency spectrum of the measured supply voltage and the frequency spectrum of the measured supply current for each specified time window;
  • - Determining the complex power values with the electrical power of the phase shift from the specific frequency spectrum of the measured supply voltage and the specific frequency spectrum of the measured supply current, and
  • - Determining the current usage of electrical energy by consumers connected to a common energy feed node from values at an output of a computer-aided self-learning unit, the computer-aided self-learning unit using the determined complex power values as input values of the input layer of the computer-aided self-learning unit.

Die Bestimmung der Spektralkoeffizienten des Frequenzspektrums der gemessenen Versorgungsspannung und des gemessenen Versorgungsstroms hat den Vorteil, dass hieraus die komplexen Leistungswerte einschließlich der Phasenverschiebung im Frequenzraum verfügbar sind, die dann als Eingangswerte in das neuronale Netz gegeben werden können. Wenn die Leistungswerte bereits im Zeitraum aus den gemessenen Zeitverläufen des Versorgungsstroms und der Versorgungsspannung berechnet werden und dieser Leistungswert dann in den Frequenzraum transformiert wird, steht die Phaseninformation nicht mehr zur Verfügung. Es hat sich gezeigt, dass durch die separate Transformation der Zeitverläufe der Versorgungsspannung und des Versorgungsstroms in den Frequenzraum die Ermittlung aktueller Verbräuche von an einem Energieeinspeiseknoten angeschlossenen Verbrauchern deutlich verbessert werden kann.Determining the spectral coefficients of the frequency spectrum of the measured supply voltage and the measured supply current has the advantage that the complex power values, including the phase shift in the frequency space, are available, which can then be given as input values to the neural network. If the power values are already calculated from the measured time curves of the supply current and the supply voltage and this power value is then transformed into the frequency space, the phase information is no longer available. It has been shown that by separately transforming the time curves of the supply voltage and the supply current into the frequency domain, the current consumption of connected to an energy feed node can be determined sen consumers can be significantly improved.

Ausgewählte Verbraucher können weiter zusätzlich Sensoren zur Erfassung von mechanischen Eigenschaftsänderungen von Verbrauchern haben, wobei die erfassten aktuellen Eigenschaftsdaten als Eingangswerte der computergestützt selbstlernenden Einheit, wie bspw. der Eingangsschicht des neuronalen Netzwerkes, genutzt werden. Durch die zusätzliche Berücksichtigung von mit Sensoren ermittelten mechanischen Eigenschaften der Verbraucher lassen sich die Vorausermittlung und Vorhersage weiter optimieren. So kann beispielsweise bei einer Waschmaschine anhand eines Beschleunigungs- oder Vibrationssensors erkannt werden, dass diese angeschaltet wurde und im Betrieb ist. Eine Änderung der an dem Energieeinspeiseknoten erfassten komplexen Leistungswerte kann auf diese Weise zuverlässiger dem elektrischen Verbraucher zugeordnet werden. Dies ist insbesondere in einer Lernphase für die computergestützt selbstlernenden Einheit vorteilhaft. Die zusätzlichen mechanischen Sensoren sind daher für den Feldbetrieb nicht zwingend erforderlich, aber hilfreich, um ein verbessertes Ergebnis der Verbrauchsermittlung zu erreichen.Selected consumers can also have additional sensors for detecting mechanical property changes of consumers, with the current property data recorded being used as input values of the computer-aided self-learning unit, such as the input layer of the neural network. By additionally taking into account the mechanical properties of consumers determined using sensors, advance determination and prediction can be further optimized. For example, in the case of a washing machine, an acceleration or vibration sensor can be used to detect that it has been switched on and is in operation. In this way, a change in the complex power values recorded at the energy feed node can be assigned more reliably to the electrical consumer. This is particularly advantageous in a learning phase for the computer-aided self-learning unit. The additional mechanical sensors are therefore not absolutely necessary for field operation, but are helpful in achieving an improved result in determining consumption.

Selbstverständlich können zusätzlich auch weitere Sensoren zur Erfassung anderer Eigenschaftsänderungen, wie bspw. lokale elektrische Sensoren zur Erfassung von lokalen Strom- und Spannungsverbräuchen, vorgesehen sein. So ist es vorteilhaft zusätzliche Umweltsensoren - die nicht einem spezifischen Verbraucher zugeordnet sein müssen - vorzusehen und deren Sensordaten für die Ermittlung aktueller Verbrauche und ggf. zur Vorhersage zukünftiger Verbräche mit zu nutzen. Dies können bspw. Positionsortungssensoren (z.B. GPS), Temperatursensoren, Luftdrucksensoren (Barometer), Niederschlagssensoren und dergl. sein.Of course, additional sensors for detecting other changes in properties, such as local electrical sensors for detecting local current and voltage consumption, can also be provided. It is therefore advantageous to provide additional environmental sensors - which do not have to be assigned to a specific consumer - and to use their sensor data to determine current consumption and, if necessary, to predict future consumption. These can be, for example, positioning sensors (e.g. GPS), temperature sensors, air pressure sensors (barometers), precipitation sensors and the like.

Die Sensoren zur Erfassung von mechanischen Eigenschaften, bspw. aus der Gruppe von Positionsortungssensoren, Beschleunigungssensoren oder Erschütterungssensoren (Vibrationssensoren) ausgewählt sein.The sensors for detecting mechanical properties, for example, can be selected from the group of position location sensors, acceleration sensors or shock sensors (vibration sensors).

Vorteilhaft ist es, wenn das Integral des gemessenen Versorgungsstroms über ein festgelegtes Zeitfenster gebildet und der Schwerpunkt des Integrals bestimmt wird. Das Frequenzspektrum des gemessenen Versorgungsstroms kann dann durch Bestimmung des Frequenzspektrums der fortlaufend bestimmten Schwerpunkte des jeweiligen Integrals des gemessenen Versorgungsstroms bestimmt werden. Dies bietet sich insbesondere für den Fall an, dass der Versorgungsstrom gepulst ist, wie dies bspw. bei einer pulsweiten modulierten Energieversorgung oder bei der Phasenanschnittsteuerung der Fall ist.It is advantageous if the integral of the measured supply current is formed over a fixed time window and the center of gravity of the integral is determined. The frequency spectrum of the measured supply current can then be determined by determining the frequency spectrum of the continuously determined centers of gravity of the respective integral of the measured supply current. This is particularly useful in the event that the supply current is pulsed, as is the case, for example, with a pulse-width modulated energy supply or with phase control.

Denkbar ist auch eine Extrapolation des gemessenen Zeitverlaufs in eine Sinuskurve. Die Integralbildung und Nutzung des Schwerpunkts hat diesbezüglich aber Vorteile im Hinblick auf die Genauigkeit und den verringerten Rechenaufwand.It is also conceivable to extrapolate the measured time course into a sine curve. However, forming the integral and using the center of gravity has advantages in terms of accuracy and reduced computational effort.

Das Verfahren kann auch zur Erfassung von Teilbereichen einer Energieversorgungsanlage genutzt werden. So ist ein „Sub-Metering“ realisierbar, bei dem auch lokale Energiespeicher und lokale Energieproduzenten mit in die Erfassung der Energieflüsse einbezogen werden. Die Messung und Auswertung der Versorgungsspannungen und Versorgungsströmen ist daher nicht auf Energie konsumierende Verbraucher beschränkt, sondern umfasst auch die in oder aus Energie-Zwischenspeichern fließenden Ströme und die von lokalen Energielieferanten bereitgestellten elektrischen Leistungen (Versorgungspannungen und -ströme). Wenn ein Verbraucher, z.B. ein Herd, seine Leistung zu einem Teil aus einer lokalen Solaranlage und zum anderen Teil aus dem öffentlichen Versorgungsnetz des Energieversorgers bezieht, werden alle diese Energieflüsse berücksichtigt, einschließlich der durch lokale Energieflussknoten fließenden Ströme mit den dort anliegenden Spannungen.The method can also be used to record sub-areas of an energy supply system. In this way, “sub-metering” can be implemented, in which local energy storage and local energy producers are also included in the recording of energy flows. The measurement and evaluation of the supply voltages and supply currents is therefore not limited to energy-consuming consumers, but also includes the currents flowing into or from energy buffers and the electrical services provided by local energy suppliers (supply voltages and currents). If a consumer, e.g. a stove, draws its power partly from a local solar system and partly from the energy supplier's public supply network, all of these energy flows are taken into account, including the currents flowing through local energy flow nodes with the voltages present there.

Die Erfindung wird nachfolgend anhand eines Ausführungsbeispiels mit den beigefügten Zeichnungen näher erläutert. Es zeigen:

  • 1 - Blockdiagramm einer Energieversorgungsanlage mit Energieerfassungsgerät;
  • 2 - Blockdiagramm des Ermittlungsverfahrens mit dezentralen neuronalen Netzwerken und einem zentralen neuronalen Netzwerk;
  • 3 - Flussdiagramm des Ermittlungsverfahrens mit der Nutzung komplexer Leistungswerte als Eingangswerte eines neuronalen Netzwerkes.
The invention is explained in more detail below using an exemplary embodiment with the accompanying drawings. Show it:
  • 1 - Block diagram of a power supply system with energy recording device;
  • 2 - Block diagram of the investigation process with decentralized neural networks and a central neural network;
  • 3 - Flowchart of the determination process with the use of complex performance values as input values of a neural network.

1 zeigt ein Blockdiagramm einer Energieversorgungsanlage mit einem Energieeinspeiseknoten 2, an den eine Anzahl von elektrischen Verbrauchern 3a, 3b, 3c, 3d, 3e, 3f angeschlossen oder anschließbar ist. Hierbei kann es sich um den Schaltkasten für die Hauptsicherung eines Gebäudes als Energieeinspeiseknoten 2 handeln. Elektrische Verbraucher können bspw. elektrische Herde/Ofen 1a, Waschmaschinen 1b, Kühlschränke/Tiefkühlschränke 1c, Mikrowellengeräte 1 d, Toaster 1 e, Bügeleisen 1f usw. sein. Die Art der elektrischen Verbraucher ist ebenso wie ihre Anzahl völlig beliebig. Auf diese kommt es nicht an. So kann es sich in Industriebetrieben um elektrische Maschinen, Fertigungsanlagen usw. als Verbraucher handeln. 1 shows a block diagram of a power supply system with an energy feed node 2, to which a number of electrical consumers 3a, 3b, 3c, 3d, 3e, 3f are connected or can be connected. This can be the switch box for the main fuse of a building as energy feed node 2. Electrical consumers can be, for example, electric stoves/ovens 1a, washing machines 1b, refrigerators/freezers 1c, microwave ovens 1d, toasters 1e, irons 1f, etc. The type of electrical consumers and their number are completely arbitrary. This doesn't matter. In industrial companies, electrical machines, production systems, etc. can be consumers.

An den Energieeinspeiseknoten 2 ist ein Energieerfassungsgerät 4 angeschlossen. Das Energieerfassungsgerät 4 hat ein Netzteil 5, das ebenfalls an den Energieeinspeiseknoten 2 zur elektrischen Versorgung des Energieerfassungsgerätes 4 angeschlossen ist. Es kann bspw. an den Phasenleiter L1 und den Nullleiter N angeschlossen sein.An energy recording device 4 is connected to the energy feed node 2. The energy recording device 4 has a power supply unit 5, which is also connected to the energy feed node 2 for the electrical supply of the energy recording device 4. For example, it can be connected to the phase conductor L1 and the neutral conductor N.

Die elektrischen Verbraucher 3a, 3b, ..., 3f sind entweder dreiphasige Verbraucher, die an alle die Phasen L1, L2, L3 eines Drehstromnetzes angeschlossen sind, oder einphasige Verbraucher, die nur an eine der drei Phasen L1, L2, L3 angeschlossen sind. Die Rückleitung erfolgt wie üblich mit dem Nullleiter N.The electrical consumers 3a, 3b, ..., 3f are either three-phase consumers that are connected to all phases L1, L2, L3 of a three-phase network, or single-phase consumers that are only connected to one of the three phases L1, L2, L3 . The return line is carried out as usual with the neutral conductor N.

Die Erdung über den Erdleiter PE ist nicht skizziert, da sie für die vorliegende Erfindung keine Relevanz hat.Grounding via the earth conductor PE is not outlined because it has no relevance to the present invention.

Der im Energieeinspeiseknoten 2 durch die jeweiligen Phasenleiter L1, L2, L3 fließende Strom wird jeweils mit einer Spule induktiv abgegriffen und mit einer Strom-/Spannungsmesseinheit 6 erfasst und es werden mittels eines Analog-/Digitalwandlers digitale Werte überführt. Dabei kann bspw. mittels eines Spannungsteilers eine Reduzierung der Spannungswerte erfolgen.The current flowing in the energy feed node 2 through the respective phase conductors L1, L2, L3 is tapped inductively with a coil and recorded with a current/voltage measuring unit 6 and digital values are converted using an analog/digital converter. For example, the voltage values can be reduced using a voltage divider.

Ebenso wird der Zeitverlauf der Versorgungsspannung an den drei Phasen L1, L2, L3 jeweils gemessen und es werden über einen Analog-/Digitalwandler digitale Signale überführt.The time course of the supply voltage on the three phases L1, L2, L3 is also measured and digital signals are converted via an analog/digital converter.

Die gemessenen Daten der Zeitverläufe der Versorgungsspannung Uv(t) und des Versorgungsstroms IV(t) werden dann über eine Schnittstelle, z. B. SPI, an einen geeignet programmierten Mikroprozessor oder Mikrokontroller 7 übertragen. Dieser Mikroprozessor oder Mikrokontroller 7 ist durch geeignete Programmierung oder mit einem Hardwareblock (z. B. FPGA) eingerichtet, um die Zeitverläufe der Versorgungsspannung Uv(t) und des Versorgungsstroms IV(t) in den Frequenzraum bspw. mittels einer Fast-Fourier-Transformation FFT zu überführen. Die heraus kommenden Spektralkoeffizienten werden dann direkt oder bevorzugt nach Umrechnung in komplexe Leistungswerte, umfassend die elektrische Leistung und die Phaseninformation, in eine trainierte computergestützt selbstlernende Einheit 8, wie bspw. ein trainiertes neuronales Netzwerk, gegeben.The measured data of the time curves of the supply voltage Uv (t) and the supply current I V (t) are then transmitted via an interface, e.g. B. SPI, transmitted to a suitably programmed microprocessor or microcontroller 7. This microprocessor or microcontroller 7 is set up by suitable programming or with a hardware block (e.g. FPGA) to convert the time curves of the supply voltage Uv (t) and the supply current I V (t) into the frequency space, for example by means of a Fast Fourier system. Transformation FFT to transfer. The resulting spectral coefficients are then given directly or preferably after conversion into complex power values, comprising the electrical power and the phase information, into a trained computer-aided self-learning unit 8, such as a trained neural network.

Dies kann unter Zugriff auf einen Datenspeicher MM erfolgen.This can be done by accessing a data memory MM.

Aus den komplexen Leistungswerten, umfassend die elektrische Leistung und die Phasenverschiebung, als Eingangswerte für das neuronale Netzwerk 8 wird dann der aktuelle Verbrauch von der elektrischen Energie der an den Energieeinspeiseknoten 2 angeschlossenen Verbraucher 3a, 3b, ..., 3f ermittelt. Diese ermittelten aktuellen Verbräuche können dann über drahtlose Kommunikationsschnittstellen, z. B. nach dem Standard WLAN, LoRaWAN, Bluethooth usw., oder drahtgebundene Schnittstellen, wie bspw. NAN, an Anzeigereinheiten oder Kommunikationsgeräte (Smartphones usw.) kommuniziert werden. Dort können die Verbräuche dann angezeigt werden.The current consumption of the electrical energy of the consumers 3a, 3b, ..., 3f connected to the energy feed node 2 is then determined from the complex power values, comprising the electrical power and the phase shift, as input values for the neural network 8. This determined current consumption can then be communicated via wireless communication interfaces, e.g. B. according to the standard WLAN, LoRaWAN, Bluetooth, etc., or wired interfaces, such as NAN, can be communicated to display units or communication devices (smartphones, etc.). The consumption can then be displayed there.

Das Erfassungsgerät 4 und/oder eines der hieran angeschlossenen Auswertegeräte kann zur Steuerung der an den Energieeinspeiseknoten 2 angeschlossenen Energieversorgungseinheiten, wie bspw. Solarzellen, Batteriespeicher und Ähnliches, sowie von daran angeschlossenen Verbrauchern 3a, 3b, ..., 3f eingerichtet sein, um den Verbrauch der verfügbaren elektrischen Energie sowie die Verteilung von eigen erzeugter regenerativer Energie und von dem Energieversorgungsnetz bezogener Energie bzw. in das Energieversorgungsnetz eingespeister elektrischer Energie bedarfsgerecht und kostenoptimiert zu regeln. Dabei kann auch die von lokalen Energieversorgungseinheiten (z.B. Solaranlage) bzw. Energiezwischenspeicher (z.B. Batterie) in den Energieeinspeiseknoten 2 fließende elektrische Energie und die von solchen „Verbrauchern“ zur Zwischenspeicherung aufgenommene elektrischen Energie mit erfasst werden. Dies ermögliche ein „Sub-Metering“, bei dem auch lokale Energiespeicher und Energieproduzenten mit einbezogen werden. Damit werden z.B. bei dem dreiphasigen Betrieb eines Herdes 3a, der 30% der benötigten Energie aus einer an den Energieeinspeiseknoten 2 angeschlossenen lokalen Solaranlage bezieht, 10% aus einer an den Energieeinspeiseknoten 2 angeschlossenen Batterie als Zwischenspeicher, und die restlichen 60% von dem an den Energieeinspeiseknoten 2 angeschlossenen öffentlichen Energieversorgungsnetz des Energieversorgers.The detection device 4 and/or one of the evaluation devices connected thereto can be set up to control the energy supply units connected to the energy feed node 2, such as solar cells, battery storage and the like, as well as consumers 3a, 3b, ..., 3f connected thereto Consumption of the available electrical energy as well as the distribution of self-generated renewable energy and energy obtained from the energy supply network or electrical energy fed into the energy supply network in a needs-based and cost-optimized manner. The electrical energy flowing from local energy supply units (e.g. solar system) or intermediate energy storage (e.g. battery) into the energy feed node 2 and the electrical energy absorbed by such “consumers” for intermediate storage can also be recorded. This enables “sub-metering”, which also includes local energy storage and energy producers. This means, for example, in the three-phase operation of a stove 3a, which draws 30% of the required energy from a local solar system connected to the energy feed node 2, 10% from a battery connected to the energy feed node 2 as a temporary storage, and the remaining 60% from that to the Energy feed node 2 connected to the energy supplier's public energy supply network.

Damit ist der Begriff „Verbraucher“ im Sinne der vorliegenden Erfindung nicht auf Energie konsumierende Geräte und Anlagen beschränkt, sondern umfasst auch Energie bereitstellende Geräte und Anlagen mit ggf. zeitweise negativem Energiefluss in Bezug zu den Energie ausschließlich konsumierenden Geräten und Anlagen.The term “consumer” in the sense of the present invention is therefore not limited to energy-consuming devices and systems, but also includes energy-providing devices and systems with possibly temporarily negative energy flow in relation to the devices and systems that exclusively consume energy.

Das Energieerfassungsgerät 4 ist über eine Datenleitung 9, bspw. das Internet 10, mit einem zentralen neuronalen Netzwerk verbunden.The energy detection device 4 is connected to a central neural network via a data line 9, for example the Internet 10.

Wenn von dem Energieerfassungsgerät 4 erkannt wurde, dass die Ermittlung der aktuellen Verbräuche elektrischer Energie durch die an den Energieeinspeiseknoten 2 angeschlossenen Verbraucher 3a, 3b, ..., 3f nicht mit einer hinreichenden Güte erfolgt ist, werden die erfassten Zeitverläufe der gemessenen Versorgungsspannung Uv(t) und des gemessenen Versorgungsstroms Iv(t) über die Kommunikationsleitung 9 und das Internet 10 an eine zentrale computergestützt selbstlernende Einheit 11, wie bspw. ein neuronales Netzwerk 11, übertragen. Dies erfolgt zu dem Zweck, dass dort die zentrale computergestützt selbstlernende Einheit 11 nachgelernt wird, wobei die dann aktualisierten Parameter an das mindestens eine angeschlossene dezentrale computergestützt selbstlernende Einheit 8 zurück übertragen werden, um dieses dann zu aktualisieren.If it has been recognized by the energy recording device 4 that the determination of the current consumption of electrical energy by the consumers 3a, 3b, ..., 3f connected to the energy feed node 2 has not been carried out with sufficient quality, the recorded time courses of the The measured supply voltage Uv(t) and the measured supply current Iv(t) are transmitted via the communication line 9 and the Internet 10 to a central computer-aided self-learning unit 11, such as a neural network 11. This is done for the purpose of relearning the central computer-aided self-learning unit 11, with the then updated parameters being transmitted back to the at least one connected decentralized computer-aided self-learning unit 8 in order to then update it.

Auf diese Weise kann eine Vielzahl von mit dem zentralen neuronalen Netzwerk 11 verbundenen dezentralen neuronalen Netzwerke 8 aus der in den dezentralen neuronalen Netzwerken erkannten neuen Situationen nachgelernt werden.In this way, a large number of decentralized neural networks 8 connected to the central neural network 11 can be relearned from the new situations recognized in the decentralized neural networks.

Um die Datenmengen zu reduzieren und dabei immer noch eine zuverlässige Analyse und Disaggregation in der zentralen computergestützt selbstlernenden Einheit 11 sicherzustellen, werden die hochfrequenten Messdaten so komprimiert, dass nur die Differenzinformationen übertragen werden. Dies erfolgt anhand prinzipiell aus der Bild- und Audiodatenübertragung bekannten Kodierverfahren, indem die einzelnen aufeinander folgenden Wellenabschnitte miteinander verglichen werden. Wenn sich zwei Wellenabschnitte nicht wesentlich unterscheiden, dann werden die Daten für die vorhergehende oder nachfolgende Welle gelöscht und es wird für die andere Welle ein Zähler hochgezählt. Zur Überprüfung, ob zwei Wellenabschnitte hinreichend gleich sind, werden die Zeitverläufe der gemessenen Spannungsversorgung Uv(t) und des gemessenen Versorgungsstroms IV(t) mittels einer diskreten Fourier-Transformation DFT von der Zeit-Domäne in die Frequenz-Domäne überführt. Dann werden nur noch die wenigen, großen Koeffizienten miteinander verglichen, um eine Aussage über die Ähnlichkeit der Wellenabschnitte treffen zu können.In order to reduce the amount of data and still ensure reliable analysis and disaggregation in the central computer-aided self-learning unit 11, the high-frequency measurement data is compressed in such a way that only the difference information is transmitted. This is done using coding methods known in principle from image and audio data transmission, in which the individual successive wave sections are compared with one another. If two wave sections do not differ significantly, then the data for the previous or subsequent wave is deleted and a counter is incremented for the other wave. To check whether two wave sections are sufficiently equal, the time curves of the measured voltage supply Uv(t) and the measured supply current I V (t) are transferred from the time domain to the frequency domain using a discrete Fourier transformation DFT. Then only the few, large coefficients are compared with each other in order to be able to make a statement about the similarity of the wave sections.

Für die Ähnlichkeit kann ein geeignetes Vergleichsmaß vorgegeben werden.A suitable comparison measure can be specified for the similarity.

Vorteilhaft ist es, wenn die Leistung einschließlich der Phasenverschiebung im Frequenzraum berechnet wird, um dann die komplexen Leistungswerte für jede einzelne Schwingung mit der jeweils vorausgehenden Schwingung zu vergleichen.It is advantageous if the power including the phase shift in the frequency space is calculated in order to then compare the complex power values for each individual oscillation with the previous oscillation.

2 zeigt ein Diagramm des Verfahrens zur Ermittlung von aktuellen Verbrauchen elektrischer Energie durch eine Anzahl von an einen Energieeinspeiseknoten 2 angeschlossenen elektrischen Verbrauchern 3a, 3b, ..., 3f. Dabei wird der Zeitverlauf der an den Energieeinspeiseknoten 2 anliegenden mindestens einer Energieversorgungsspannung Uv(t) und des durch den Energieeinspeiseknoten 2 fließende Versorgungsstroms IV(t) gemessen. Dieser kann für eine einphasige Energieversorgung aus einem Strom-Spannungs-Wertepaar bestehen oder bei einer mehrphasigen Versorgung für jede der Phasen L1, L2, L3 jeweils ein Strom-Spannungs-Paar aufweisen. Optional ist auch die Messung des Strom- und Spannungsverlaufs am Mittelpunkt- oder Nullleiter N denkbar. 2 shows a diagram of the method for determining current consumption of electrical energy by a number of electrical consumers 3a, 3b, ..., 3f connected to an energy feed node 2. The time course of the at least one energy supply voltage Uv(t) present at the energy feed node 2 and the supply current I V (t) flowing through the energy feed node 2 is measured. For a single-phase power supply, this can consist of a current-voltage value pair or, for a multi-phase supply, can have a current-voltage pair for each of the phases L1, L2, L3. Measuring the current and voltage curve on the midpoint or neutral conductor N is also conceivable.

In einem ersten Schritt a) bzw. Modul erfolgt eine Frequenztransformation der erfassten Zeitverläufe der gemessenen Versorgungsspannung Uv(t) und des gemessenen Versorgungsstroms Iv(t) bspw. durch eine diskrete Fourier-Transformation, um komplexe Leistungswerte PV(ejω) zu ermitteln. Damit sind sowohl die Leistungs- als auch die Phasenverläufe im Frequenzbereich in Form von Spektralkoeffizienten verfügbar.In a first step a) or module, a frequency transformation of the recorded time profiles of the measured supply voltage Uv(t) and the measured supply current Iv(t) takes place, for example by a discrete Fourier transformation, in order to determine complex power values P V (e jω ). . This means that both the power and the phase curves in the frequency range are available in the form of spectral coefficients.

Diese komplexen Leistungswerte PV(ejω) werden dann in einem zweiten Schritt b) als Eingangswerte in dem dezentralen neuronalen Netzwerk 8 verarbeitet, um hieraus an der Ausgangsschicht des dezentralen neuronalen Netzwerks 8 die aktuellen Verbrauche elektrischer Energie durch die einzelnen Verbraucher 3a, 3b, ..., 3f zu erhalten.These complex power values P V (e jω ) are then processed in a second step b) as input values in the decentralized neural network 8 in order to use this to determine the current consumption of electrical energy by the individual consumers 3a, 3b at the output layer of the decentralized neural network 8. ... to get 3f.

Die Beschreibung konkret mit Ein- und Ausgangsschichten neuronaler Netzwerke ist besipielhaft und kann gleichermaßen auf andere Verfahren zum maschinellen Lernen mit überwachten oder nicht-überwachten Lernprozeduren gelesen werden, d.h. auf computergestützt selbstlernende Einheiten im weitesten Sinne.The specific description with input and output layers of neural networks is exemplary and can equally be read for other machine learning methods with supervised or unsupervised learning procedures, i.e. for computer-aided self-learning units in the broadest sense.

In einem dritten Schritt c) wird die Güte der Ermittlung bestimmt. Dies kann beispielsweise dadurch erfolgen, dass das dezentrale neuronale Netzwerk 8 eine bislang noch nicht gelernte Konstellation erkennt und hierauf hinweist. Dies kann der Fall sein, wenn eine neue, bislang unbekannte Art eines Verbrauchers mit einem bislang noch nicht gelernten Verhalten an den Energieeinspeiseknoten 2 angeschlossen ist.In a third step c), the quality of the determination is determined. This can be done, for example, by the decentralized neural network 8 recognizing a constellation that has not yet been learned and pointing this out. This can be the case if a new, previously unknown type of consumer with a behavior that has not yet been learned is connected to the energy feed node 2.

Für den Fall, dass die Ermittlung der aktuellen Verbräuche elektrischer Energie nicht mit hinreichender Güte vorgenommen werden konnte, werden die komplexen Leistungswerte PV(ejω) komprimiert und bspw. als Differenzwerte dPV(ejω) in komprimierter Form an ein zentrales neuronales Netzwerk 11 übertragen, um dieses weiter zu trainieren. Die dabei erhaltenen aktualisierten Parameter werden dann an die angeschlossenen dezentralen neuronalen Netzwerke zurückübertragen.In the event that the current consumption of electrical energy cannot be determined with sufficient quality, the complex power values P V (e jω ) are compressed and, for example, as difference values dP V (e jω ) in compressed form to a central neural network 11 transferred to train this further. The updated parameters obtained are then transmitted back to the connected decentralized neural networks.

3 zeigt ein Flussdiagramm des Ermittlungsverfahrens, bei dem in einem ersten Schritt A) aus den Zeitverläufen der gemessenen Versorgungsspannung Uv(t) und des gemessenen Versorgungsstroms IV(t) für jeweils vorgegebene Zeitfenster δt die Spektralkoeffizienten des Frequenzspektrums der im Zeitbereich gemessenen Versorgungsspannung Uv(t) und des im Zeitbereich gemessenen Versorgungsstroms IV(t) bestimmt wird (d. h. UV(ejw) und IV(ejω)). 3 shows a flowchart of the determination process, in which in a first step A) the measured supply is derived from the time courses supply voltage Uv(t) and the measured supply current I V (t) for each predetermined time window δt, the spectral coefficients of the frequency spectrum of the supply voltage Uv(t) measured in the time domain and the supply current I V (t) measured in the time domain are determined (ie U V ( e jw ) and I V (e jω )).

In einem zweiten Schritt b) bzw. Modul werden dann die komplexen Leistungswerte PV(ejω) aus den Spektralkoeffizienten des Frequenzspektrums ermittelt. Dies beinhaltet die Information über die elektrische Leistung und über die Phasenverschiebung. Diese komplexen Leistungswerte PV(ejω) lassen sich durch Multiplikation der Spektralkoeffizienten des Frequenzspektrums der gemessenen Versorgungsspannung Uv(t) und des gemessenen Versorgungsstroms IV(t) berechnen, d. h. UV(ejω) × IV(ejω).In a second step b) or module, the complex power values P V (e jω ) are then determined from the spectral coefficients of the frequency spectrum. This includes information about the electrical power and the phase shift. These complex power values P V (e jω ) can be calculated by multiplying the spectral coefficients of the frequency spectrum of the measured supply voltage Uv(t) and the measured supply current I V (t), ie U V (e jω ) × I V (e jω ).

Im Schritt C) wird dann hieraus unter Zuhilfenahme des dezentralen neuronalen Netzwerkes 8 oder gegebenenfalls des zentralen neuronalen Netzwerkes 11 eine Ermittlung der jeweils aktuellen Nutzung elektrischer Energie durch die an den gemeinsamen Energieeinspeiseknoten 2 angeschlossenen Verbraucher 3a, 3b, ..., 3f durchgeführt. Hierzu werden die ermittelten komplexen Leistungswerte PV(ejω) als Eingangswerte der Eingangsschicht des neuronalen Netzwerkes 8/11 genutzt, um damit weiter trainierte Parametern des neuronalen Netzwerkes 8/11 an der Ausgangsschicht für jeden angelernten Verbraucher 3a, 3b, ..., 3f eine Verbrauchsinformation für elektrische Energie zu erhalten. Dies kann auch eine Vorhersage eines zukünftigen Verbrauchsbedarfs des jeweiligen elektrischen Energieverbrauchers 3a, 3b, ..., 3f sein.In step C), a determination of the current use of electrical energy by the consumers 3a, 3b, ..., 3f connected to the common energy feed node 2 is then carried out with the aid of the decentralized neural network 8 or, if appropriate, the central neural network 11. For this purpose, the determined complex power values P V (e jω ) are used as input values of the input layer of the neural network 8/11 in order to further train the parameters of the neural network 8/11 at the output layer for each trained consumer 3a, 3b, ..., 3f to receive consumption information for electrical energy. This can also be a prediction of a future consumption requirement of the respective electrical energy consumer 3a, 3b, ..., 3f.

Claims (11)

Verfahren zur Ermittlung von aktuellen Verbräuchen elektrischer Energie durch eine Anzahl von Verbrauchern (3a, 3b, 3c, 3d, 3e, 3f), die an einen gemeinsamen Energieeinspeiseknoten (2) angeschlossen sind, wobei der Zeitverlauf der an dem Energieeinspeiseknoten (2) anliegenden mindestens einen Versorgungsspannung (Uv(t)) und des durch den Energieeinspeiseknoten (2) fließenden Versorgungsstroms (Iv(t)) gemessen wird, dadurch gekennzeichnet, dass - die für einen Energieeinspeiseknoten (2) erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) oder hieraus ermittelte komplexe Leistungswerte mit dem Zeitverlauf der elektrischen Leistung und der Phasenverschiebung am Energieeinspeiseknoten (2) als Eingangswerte einer dezentralen computergestützt selbstlernenden Einheit (8) geführt und mit der dezentralen computergestützten selbstlernenden Einheit (8) zur Ermittlung der jeweils aktuellen Verbräuche elektrischer Energie durch an den gemeinsamen Energieeinspeiseknoten (2) angeschlossene Verbraucher (3a, 3b, ..., 3f) ausgewertet werden, wobei die Güte der Ermittlung bestimmt wird, und - im Fall einer nicht erreichten vorgegebenen Güte die erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) komprimiert und an eine zentrale computergestützt selbstlernende Einheit (11) übertragen werden und die zentrale computergestützte selbstlernende Einheit (11) nachgelernt wird, wobei die dadurch erhaltenen aktualisierten Parameter der zentralen computergestützten selbstlernenden Einheit (11) an die angekoppelten dezentralen computergestützten selbstlernenden Einheiten (8) jeweiliger Energieeinspeiseknoten (2) zur Aktualisierung übertragen werden. Method for determining current consumption of electrical energy by a number of consumers (3a, 3b, 3c, 3d, 3e, 3f) which are connected to a common energy feed node (2), the time course of the energy feed node (2) being at least a supply voltage (Uv(t)) and the supply current (Iv(t)) flowing through the energy supply node (2), characterized in that - the time curves of the measured supply voltage (Uv(t)) recorded for an energy supply node (2) and the measured supply current (Iv(t)) or complex power values determined therefrom with the time course of the electrical power and the phase shift at the energy feed node (2) as input values of a decentralized computer-aided self-learning unit (8) and with the decentralized computer-aided self-learning unit (8) to determine the current consumption of electrical energy by consumers (3a, 3b, ..., 3f) connected to the common energy supply node (2), the quality of the determination being determined, and - in the case of a predetermined quality not being achieved recorded time courses of the measured supply voltage (Uv(t)) and the measured supply current (Iv(t)) are compressed and transmitted to a central computer-aided self-learning unit (11) and the central computer-aided self-learning unit (11) is relearned, the resulting data being obtained updated parameters of the central computer-aided self-learning unit (11) are transmitted to the coupled decentralized computer-aided self-learning units (8) of respective energy feed nodes (2) for updating. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur Kompression jeweils das Frequenzspektrum eines vorgegebenen Zeitfensters der erfassten Zeitverläufe der gemessenen Versorgungsspannung (UV(t)) und des gemessenen Versorgungsstroms (IV(t)) bestimmt wird und die Spektralkoeffizienten der jeweiligen Frequenzspektren an die zentrale computergestützte selbstlernende Einheit (11) übertragen werden.Procedure according to Claim 1 , characterized in that for compression the frequency spectrum of a predetermined time window of the recorded time profiles of the measured supply voltage (U V (t)) and the measured supply current (I V (t)) is determined and the spectral coefficients of the respective frequency spectra are sent to the central computer-aided self-learning Unit (11) are transferred. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass zur Kompression Spektralkoeffizienten zeitlich aufeinander folgender Wellenabschnitte der Zeitverläufe im Frequenzbereich miteinander verglichen und bei einer ein vorgegebenes Ähnlichkeitsmaß nicht übersteigenden Übereinstimmung an Stelle der Spektralkoeffizienten ein Informationswert und ansonsten die Spektralkoeffizienten übertragen werden.Procedure according to Claim 2 , characterized in that for compression, spectral coefficients of temporally successive wave sections of the time courses in the frequency range are compared with one another and, if there is a match that does not exceed a predetermined similarity measure, an information value is transmitted instead of the spectral coefficients and otherwise the spectral coefficients are transmitted. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass zur Kompression jeweils das Frequenzspektrum eines vorgesehenen Zeitfensters der erfassten Zeitverläufe der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) in Form der aus den Spektralkoeffizienten erfassten elektrischen Leistung und der Phasenverschiebung bestimmt und diese Spektralkoeffizienten der komplexen elektrischen Leistung an die zentrale computergestützte selbstlernende Einheit (11) übertragen werden.Procedure according to one of the Claims 1 until 3 , characterized in that for compression the frequency spectrum of an intended time window of the recorded time profiles of the measured supply voltage (Uv (t)) and the measured supply current (Iv (t)) is determined in the form of the electrical power recorded from the spectral coefficients and the phase shift and this Spectral coefficients of the complex electrical power are transmitted to the central computer-aided self-learning unit (11). Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch - Bestimmen von Spektralkoeffizienten des Frequenzspektrums der gemessenen Versorgungsspannung (Uv(t)) und des Frequenzspektrums des gemessenen Versorgungsstroms (UI(t)) für jeweils vorgegebene Zeitfenster; - Ermitteln der komplexen Leistungswerte der elektrischen Leistung und der Phasenverschiebung aus dem bestimmten Frequenzspektrum der gemessenen Versorgungsspannung (Uv(t)) und dem bestimmten Frequenzspektrum des gemessenen Versorgungsstroms (IV(t)), und - Ermitteln der aktuellen Nutzungen elektrischer Energie durch an den gemeinsamen Energieeinspeiseknoten (2) angeschlossene Verbraucher (3a, 3b, ..., 3f) aus Werten an einem Ausgang einer computergestützten selbstlernenden Einheit, wobei die computergestützte selbstlernende Einheit die ermittelten komplexen Leistungswerte als Eingangswerte der computergestützt selbstlernenden Einheit nutzt.Method according to one of the preceding claims, characterized by - determining spectral coefficients of the frequency spectrum of the measured supply voltage (Uv (t)) and the frequency spectrum of the measured supply current (U I (t)) for each predetermined time window; - Determining the complex performance values of the electrical ric power and the phase shift from the specific frequency spectrum of the measured supply voltage (Uv (t)) and the specific frequency spectrum of the measured supply current ( IV (t)), and - determining the current uses of electrical energy by those connected to the common energy feed node (2). Consumers (3a, 3b, ..., 3f) from values at an output of a computer-aided self-learning unit, the computer-aided self-learning unit using the determined complex performance values as input values of the computer-aided self-learning unit. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ausgewählte Verbraucher (3a, 3b, ..., 3f) Sensoren zur Erfassung von mechanischen Eigenschaftsänderungen des Verbrauchers (3a, 3b, ..., 3f) haben und die erfassten aktuellen Eigenschaftsdaten als Eingangswerte der computergestützt selbstlernenden Einheit genutzt werden.Method according to one of the preceding claims, characterized in that selected consumers (3a, 3b, ..., 3f) have sensors for detecting mechanical property changes of the consumer (3a, 3b, ..., 3f) and the recorded current property data as Input values of the computer-aided self-learning unit are used. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die Sensoren aus der Gruppe von Positionsortungssensoren (GPS), Beschleunigungssensoren oder Erschütterungssensoren ausgewählt sind.Procedure according to Claim 6 , characterized in that the sensors are selected from the group of positioning sensors (GPS), acceleration sensors or vibration sensors. Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch fortlaufendes Bilden des Integrals des gemessenen Versorgungsstroms (Iv(t)) über ein festgelegtes Zeitfenster, Bestimmen des Schwerpunktes des Integrals und Bestimmen des Frequenzspektrums des gemessenen Versorgungsstroms (Iv(t)) durch Bestimmung des Frequenzspektrums der fortlaufend bestimmten Schwerpunkte des jeweiligen Integrals des gemessenen Versorgungsstroms (IV(t)).Method according to one of the preceding claims, characterized by continuously forming the integral of the measured supply current (Iv (t)) over a fixed time window, determining the center of gravity of the integral and determining the frequency spectrum of the measured supply current (Iv (t)) by determining the frequency spectrum of the continuously determined focal points of the respective integral of the measured supply current (I V (t)). Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren mit den Schritten nach einem der Ansprüche 1 bis 8 auszuführen.Computer program, comprising commands which, when the program is executed by a computer, cause it to carry out the method with the steps according to one of the Claims 1 until 8th to carry out. Energieerfassungsgerät (4) mit einer Spannungsmesseinheit zur Messung einer an einem Energieeinspeiseknoten (2), an dem das Energieerfassungsgerät (4) anschließbar ist, anliegenden mindestens einen Versorgungsspannung (Uv(t)) und einer Strommesseinheit zur Messung des durch den Energieeinspeiseknoten (2) fließenden Versorgungsstroms (Iv(t)) und mit einer Datenverarbeitungseinheit, dadurch gekennzeichnet, dass das Energieerfassungsgerät (4) zur Durchführung der Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 eingerichtet ist.Energy capture device (4) with a voltage measuring unit for measuring at least one supply voltage (Uv(t)) present at an energy feed node (2) to which the energy capture device (4) can be connected, and a current measuring unit for measuring the current flowing through the energy feed node (2). Supply current (Iv(t)) and with a data processing unit, characterized in that the energy detection device (4) is used to carry out the steps of the method according to one of the Claims 1 until 8th is set up. Energieversorgungsanlage mit einer Anzahl dezentral verteilt angeordneter Energieeinspeiseknoten (2), an die Energieerfassungsgeräte (4) nach Anspruch 10 anschließbar sind, dadurch gekennzeichnet, dass die zentrale Datenverarbeitungseinheit zum Empfang von in dezentralen Energieerfassungsgeräten (4) erfassten und komprimierten Zeitverläufen an dem jeweiligen Energieeinspeiseknoten (2) des dezentralen Energieerfassungsgerätes (4) der gemessenen Versorgungsspannung (Uv(t)) und des gemessenen Versorgungsstroms (Iv(t)) und zum Eingeben der hierauf bestimmten komplexen Leistungswerte als Eingangswerte der Eingangsschicht einer zentralen computergestützten selbstlernenden Einheit (11) zum Nachlernen der zentralen computergestützt selbstlernenden Einheit (11) durch die zentrale Datenverarbeitungseinheit und zum Übertragen der erhaltenen aktualisierten Parameter der zentralen computergestützt selbstlernenden Einheit (11) an die angekoppelten dezentralen computergestützt selbstlernenden Einheiten (8) jeweiliger Energieerfassungsgeräte (4) zur Aktualisierung eingerichtet ist.Energy supply system with a number of decentrally distributed energy feed nodes (2) to the energy recording devices (4). Claim 10 can be connected, characterized in that the central data processing unit for receiving time profiles recorded and compressed in decentralized energy recording devices (4) at the respective energy feed node (2) of the decentralized energy recording device (4) of the measured supply voltage (Uv (t)) and the measured supply current ( Iv(t)) and for entering the complex performance values determined thereon as input values of the input layer of a central computer-aided self-learning unit (11) for relearning the central computer-aided self-learning unit (11) by the central data processing unit and for transmitting the updated parameters obtained from the central computer-aided self-learning Unit (11) is set up for updating to the coupled decentralized computer-aided self-learning units (8) of respective energy recording devices (4).
DE102022106405.0A 2022-03-18 2022-03-18 Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose Active DE102022106405B4 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102022106405.0A DE102022106405B4 (en) 2022-03-18 2022-03-18 Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022106405.0A DE102022106405B4 (en) 2022-03-18 2022-03-18 Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose

Publications (2)

Publication Number Publication Date
DE102022106405A1 DE102022106405A1 (en) 2023-09-21
DE102022106405B4 true DE102022106405B4 (en) 2023-12-14

Family

ID=87849620

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022106405.0A Active DE102022106405B4 (en) 2022-03-18 2022-03-18 Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose

Country Status (1)

Country Link
DE (1) DE102022106405B4 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2488164A (en) 2011-02-18 2012-08-22 Globosense Ltd Identifying electrical appliances and their power consumption from energy data
EP2570775A1 (en) 2011-09-14 2013-03-20 Honeywell International Inc. An energy consumption disaggregation system
US10983496B1 (en) 2020-10-13 2021-04-20 King Abdulaziz University Apparatus and method for non-intrusive load monitoring aided hybrid high and low frequency approaches

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2488164A (en) 2011-02-18 2012-08-22 Globosense Ltd Identifying electrical appliances and their power consumption from energy data
EP2570775A1 (en) 2011-09-14 2013-03-20 Honeywell International Inc. An energy consumption disaggregation system
US10983496B1 (en) 2020-10-13 2021-04-20 King Abdulaziz University Apparatus and method for non-intrusive load monitoring aided hybrid high and low frequency approaches

Also Published As

Publication number Publication date
DE102022106405A1 (en) 2023-09-21

Similar Documents

Publication Publication Date Title
EP3107174B1 (en) Method, control device and system for operating a sub- network of an energy supply network
EP3336995B1 (en) Method, control device and system for determining state values for describing operating states in a subnetwork of an energy supply network
EP2697888B1 (en) Method for determining the topology of a low-voltage distribution grid
WO2006048125A1 (en) Monitoring system for on-board supply network, for production and service
EP2779527A1 (en) System and method for analysing the energy consumption of electrical consumers in a network
DE102012109715A1 (en) Method, system and device with multicast function in an energy portal
DE112018006670T5 (en) Determination device, solar power generation system, determination method and determination program
DE102012215946A1 (en) Circuit for conducting an electric current
EP3820011A1 (en) Load management system and method for controlling such a load management system
DE102010046417A1 (en) Method for detecting individual loads based on e.g. current consumption data, involves detecting loads by evaluation point, and adjusting load-specific consumption data as evaluation result with respect to loads and customer
EP3751699A1 (en) Method and apparatus for estimating a condition of an energy distribution network
DE102022106405B4 (en) Method for determining current consumption of electrical energy and computer program, energy measuring device and energy supply system for this purpose
DE102020117892A1 (en) PROCEDURE FOR OPERATING AN ELECTRICITY MEASUREMENT SYSTEM AND ELECTRICITY MEASUREMENT SYSTEM
WO2017125605A1 (en) Method and device for detecting users present in a supply network
DE102020117900A1 (en) PROCEDURE FOR OPERATING AN ELECTRICITY MEASUREMENT SYSTEM AND ELECTRICITY MEASUREMENT SYSTEM
CH708583A1 (en) A method for analyzing an aggregate consumption signal and for load control in an electric supply system
DE202019001458U1 (en) Device and cloud server for monitoring energy consumption
EP3340413B1 (en) Method, control device and system for determining condition data of an electrical energy supply network
DE102020201231A1 (en) Load detection system and method
EP4075622A1 (en) Determinination of the network topology of a power network and regulation of a power network
DE102013008812A1 (en) System and method for determining electrical characteristics
EP2834898A1 (en) Method for determining measuring points in low-voltage networks, and network management subsystem for carrying out the method
DE102017106839B3 (en) Arrangement and method for analyzing the energy consumption in a building
EP2429061B1 (en) Method for improved energy loss forecasting in a transfer network
DE112018006525T5 (en) Determination device, solar power generation system, determination method and determination program

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R082 Change of representative

Representative=s name: MEISSNER BOLTE PATENTANWAELTE RECHTSANWAELTE P, DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division