DE112014002698T5

DE112014002698T5 - Verfahren und System zum Einsetzen einer graphischen Kategorisierung elektrischer Lasten zum Identifizieren eines einer Vielzahl von unterschiedlichen elektrischen Lasttypen

Info

Publication number: DE112014002698T5
Application number: DE112014002698.0T
Authority: DE
Inventors: Yi Yang; Liang Du; Dawei He
Original assignee: Eaton Corp
Current assignee: Eaton Intelligent Power Ltd
Priority date: 2013-06-07
Filing date: 2014-05-15
Publication date: 2016-03-03
Also published as: CN105324639A; CA2910746A1; CN105324639B; US9442999B2; WO2014197180A1; CA2910746C; US20140365490A1

Abstract

Ein System (100) für unterschiedliche elektrische Verbraucher bzw. Lasten (102, 103, 104), das Sensoren (106) beinhaltet, die aufgebaut sind zum Abfühlen von Spannungs- und Stromsignalen (107) für jede der unterschiedlichen elektrischen Lasten; eine hierarchische Lasteigenschaftsdatenbank (108), die eine Vielzahl von Ebenen bzw. Schichten (110) hat, wobei eine (112) der Schichten eine Vielzahl unterschiedlicher Lastkategorien beinhaltet; und einen Prozessor (114). Der Prozessor erfasst bzw. akquiriert Spannungs- und Stromwellenformen von den Sensoren für eine entsprechende eine der unterschiedlichen elektrischen Lasten; bildet eine Spannungs-Strom-Trajektorie auf ein Gitter ab, das eine Vielzahl von Zellen beinhaltet, von denen jeder ein binärer Wert von Null oder Eins zugewiesen ist; extrahiert eine Vielzahl unterschiedlicher Eigenschaften von dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten; leitet eine Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus der Datenbank her; und identifiziert einen einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten.

Description

QUERBEZUG ZU VERWANDTER ANMELDUNG
Diese Anmeldung beansprucht die Priorität und die Rechte der US-Patentanmeldung Seriennr. 13/912,819, die am 7. Juni 2013 eingereicht wurde, die hierin durch Bezugnahme aufgenommen ist.
Die Erfindung wurde mit Unterstützung der Regierung gemäß DE-EE0003911 getätigt, welche durch das Department of Energy National Energy Technology Laboratory zuerkannt wurde. Die Regierung hat gewisse Rechte an dieser Erfindung.
HINTERGRUND
Gebiet
Das offenbarte Konzept betrifft allgemein elektrische Lasten bzw. Verbraucher und insbesondere Verfahren zum Identifizieren unterschiedlicher Typen elektrischer Lasten bzw. Verbraucher. Das offenbarte Konzept betrifft auch Systeme zum Identifizieren unterschiedlicher Typen von elektrischen Lasten.
Hintergrundinformation
Elektrische Lasten bzw. Verbraucher in Geschäfts- und Wohngebäuden verbrauchten 2012 in den U.S.A. etwa 75% der Gesamtelektrizität. Jedoch wurde ein großer Teil dieser elektrischen Nutzung verschwendet, und das Management dieser Nutzung wurde oft übersehen. Viele elektrische Geräte mit einer externen Leistungsversorgung, einer Fernbedienung, einer fortwährenden Anzeige oder Batterieladegeräte ziehen kontinuierlich Leistung in einem ausgeschalteten Modus oder Standby-Modus. Elektrische Lasten mit externen Leistungsversorgungen werden auch als einsteckbare Lasten bzw. PELs (PELs = plugged-in loads) bezeichnet (oder in einigen Zusammenhängen als sonstige bzw. diverse elektrische Lasten). PELs sind eine der Hauptlastkategorien und machen einen größeren Teil der Nutzung aus, als jegliche anderen Endnutzerdienste, wie beispielsweise Heizung oder Belüftung.
Standby-Leistung macht in den U.S.A. über 100 Milliarden kWh aus und kostet jährlich über 10 Milliarden $. Bis zu 75% dieser Kosten können durch geeignetes Energiemanagement eingespart werden. Um die Netto-Null-Energie-Gebäude-Ziele zu erreichen, die durch das Department of Energy (DOE) für Wohngebäude bis 2020 und für Geschäftsgebäude bis 2025 definiert wurden, muss eine effektive Überwachung und ein effektives Management von PELs in Erwägung gezogen werden. Den Typ von PELs zu kennen ist essenziell, um eine effektive Lösung zu ermöglichen.
Seit der Einführung der nicht invasiven Lastüberwachung bzw. NILM (NILM = non-intrusive load monitoring) in den 1980ern, haben sich zahlreiche frühere Vorschläge bemüht, verschiedene NILM-Lösungen zu finden. Ein breite Auswahl bekannter Lösungen wird offenbart durch Du et al., ”A review of identification and monitoring methods for electric loads in commercial and residential buildings”, Proc. 2010 IEEE Energy Conversion Conf. and Expo, 2010, Seiten 4527–33.
Ein Last- bzw. Verbraucheridentifikationssystem besteht aus mehreren Modulen, einschließlich Datenakquisition bzw. -beschaffung, Datenverarbeitung, Ereignisdetektion, Eigenschaftsextraktion und Identitätsanzeige. Das Identitätsanzeigemodul vergleicht die extrahierten Eigenschaften mit einer Datenbank von Eigenschaften bekannter Lasten bzw. Verbraucher und ermittelt unbekannte Lasten basierend auf vordefinierten Regel, wie beispielsweise einer maximalen Ähnlichkeit oder Lernergebnissen von künstlichen neuralen Netzwerken bzw. ANNs (ANNs = artifical neural networks).
Die Performance bzw. Leistungsfähigkeit beinahe aller existierenden Lastidentifikationsverfahren hängt in hohem Maß von den elektrischen Signaturen von Lasten ab, die definiert sind als ”elektrischer Ausdruck bzw. elektrische Darstellung, den bzw. die eine Lasteinrichtung oder ein Gerät auf eindeutige bzw. individuelle Weise besitzt”. Das Ziel ist es, nützliche Eigenschaften zu extrahieren, die auf einzigartige Weise die individuellen PEL-Typen oder -Klassen innerhalb einer vorbestimmten Lastzusammenstellung unterscheiden können.
Es sind viele Eigenschaftsextraktionsverfahren vorgeschlagen worden. Zum Beispiel wird für eine Eigenschaftsexploration eines stetigen Zustandes reale Leistung bzw. Wirkleistung und reaktive Leistung bzw. Blindleistung genutzt, um Lasttypen zu identifizieren. Auch können Spitzenstrom-, Durchschnittsstrom- und RMS-Strom-Werte zur Lastidentifikation verwendet werden. Stromschwingungen werden als die Kerneigenschaften zur Identifikation angewendet, um hauptsächlich Lasten mit einer nicht linearen Leistungsversorgung zu adressieren. Weiter nutzt ein Spannungs-Strom- bzw. V-I-Trajektorienmodellierungsverfahren zur Lastidentifikation rein graphische Formeigenschaften der V-I-Trajektorie jeder Last. Auch können einige Übergangszustandsmerkmale, wie beispielsweise Kurven der unmittelbaren bzw. unverzögerten Admittanz und Übergangsleistungskurven eingesetzt werden.
Die Entwicklung von Eigenschaftsextraktion und die Zuweisung jedes Lasttyps zu einer entsprechenden Lastgruppe war rein datengetrieben. Auch wenn viele frühere Vorschläge demonstrieren, dass eine zufriedenstellende Performance durch Auswählen eines geeigneten Satzes von Merkmalen für eine anvisierte Lastzusammenstellung erreicht werden kann, gibt es keine bekannten Richtlinien, wie eine optimierte Eigenschaftsselektion betrieben werden sollte, und es gibt möglicherweise eine Redundanz an Information in jedem Satz von Eigenschaften. Darüber hinaus hängt die Identifikationsperformance üblicherweise von der spezifischen Lastzusammenstellung ab, die untersucht werden soll. Es wird angenommen, dass bisher noch nicht untersucht wurde, wie gut die Performance eines entwickelten Klassifikators auf andere Lastzusammenstellungen verallgemeinert werden kann, und dass kein derartiger Satz elektrischer Signaturen existiert, so dass jede Last einen ”einzigartigen” Ausdruck bzw. eine ”einzigartige” Expression bzw. Darstellung hat.
Aufgrund der Komplexität und der feinen Unterschiede von Einrichtungen und Geräten ist es oft eine Herausforderung, wenn nicht sogar unmöglich, zwischen Lasten bzw. Verbrauchern zu unterscheiden, die dieselbe Schnittstellenschaltung zu einer Stromleitung verwenden. Zum Beispiel zeigen jene PELs, die eine standardisierte Gleichstromversorgung mit Stromschwingungsreduktion verwenden, wie beispielsweise DVD-Spieler, Kabel- oder Satelliten-Set-Top-Boxen und PC-Monitore sehr ähnliche elektrische Signaturen und sind durch alleinige Verwendung der Eigenschaften des stationären Zustandes nicht unterscheidbar.
Daher ist ein tatsächlich aussagekräftiges Lastkategorisierungsverfahren oft immer noch erwünscht.
Es gibt die Möglichkeit für Verbesserung bei Verfahren zum Identifizieren unterschiedlicher elektrischer Lasttypen.
Es gibt auch die Möglichkeit für eine Verbesserung bei Systemen zum Identifizieren unterschiedlicher Last- bzw. Verbrauchertypen.
ZUSAMMENFASSUNG
Diese und andere Anforderungen werden von den Ausführungsbeispielen des offenbarten Konzepts erfüllt, die eine Spannungs-Strom-Trajektorie auf ein Gitter abbilden, das eine Vielzahl von Zellen beinhaltet, von denen jedes einen binären Wert hat; eine Vielzahl unterschiedlicher Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur einer entsprechenden einen einer Vielzahl unterschiedlicher elektrischer Lasten extrahieren; eine Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus einer hierarchischen Lasteigenschaftsdatenbank herleiten; und einen einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten identifizieren.
Gemäß einem Aspekt des offenbarten Konzepts, weist ein System für eine Vielzahl unterschiedlicher elektrischer Lasten Folgendes auf: eine Vielzahl von Sensoren, die aufgebaut sind, um ein Spannungssignal und ein Stromsignal für jede der unterschiedlichen elektrischen Lasten abzufühlen; eine hierarchische Lasteigenschaftsdatenbank, die eine Vielzahl von Ebenen bzw. Schichten aufweist, wobei eine der Schichten eine Vielzahl unterschiedlicher Lastkategorien aufweist; und einen Prozessor, der aufgebaut ist zum: Akquirieren bzw. Erfassen einer Spannungswellenform und einer Stromwellenform von den Sensoren für eine entsprechende eine der unterschiedlichen elektrischen Lasten; Abbilden einer Spannungs-Strom-Trajektorie auf ein Gitter, das eine Vielzahl von Zellen beinhaltet, wobei jeder der Zellen ein binärer Wert von Null oder Eins zugewiesen ist; Extrahieren einer Vielzahl unterschiedlicher Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten; Herleiten einer Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus der hierarchischen Lasteigenschaftsdatenbank; und Identifizieren eines einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten.
Ein weiterer Aspekt des offenbarten Konzepts ist ein Verfahren zur Identifizierung von Lasttypen für eine Vielzahl unterschiedlicher elektrischer Lasten, wobei das Verfahren Folgendes aufweist: Abfühlen eines Spannungssignals und eines Stromsignals für jede der unterschiedlichen elektrischen Lasten; Vorsehen einer hierarchischen Lasteigenschaftsdatenbank, die eine Vielzahl von Schichten aufweist, wobei eine der Schichten eine Vielzahl unterschiedlicher Lastkategorien beinhaltet; Akquirieren einer Spannungswellenform und einer Stromwellenform von einer entsprechenden einen der unterschiedlichen elektrischen Lasten; Abbilden einer Spannungs-Strom-Trajektorie auf ein Gitter, das eine Vielzahl von Zellen beinhaltet, wobei jeder der Zellen ein binärer Wert von Null oder Eins zugewiesen ist; Extrahieren einer Vielzahl unterschiedlicher Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten; Herleiten einer Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus der hierarchischen Lasteigenschaftsdatenbank; und Identifizieren eines einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Ein volles Verständnis des offenbarten Konzepts kann aus der folgenden Beschreibung der bevorzugten Ausführungsbeispiele gewonnen werden, wenn diese in Verbindung mit den begleitenden Zeichnungen gelesen wird, in denen Folgendes gezeigt ist:
1A–1G sind graphische Darstellungen von Strom gegenüber Spannung und normalisiertem Strom gegenüber normalisierter Spannung für V-I-Trajektorien repräsentativer Lasten in sieben Lastkategorien gemäß Ausführungsbeispielen des offenbarten Konzepts.
2A–2D sind graphische Darstellungen von normalisiertem Strom gegenüber normalisierter Spannung für die V-I-Trajektorien von vier bestimmten Beispiellasten.
3 ist eine Abbildung einer graphischen Darstellung einer V-I-Trajektorie auf ein binäres Zellengitter gemäß Ausführungsbeispielen des offenbarten Konzepts.
4A ist eine graphische Darstellung einer abgetasteten Spannung gegenüber einer diskreten Abtastung für eine bestimmte Last, die einen Mittelwert der maximalen und minimalen Spannungswerte beinhaltet, gemäß einem Ausführungsbeispiel des offenbarten Konzepts.
4B ist eine graphische Darstellung eines abgetasteten Stroms gegenüber einer diskreten Abtastung für die bestimmte Last der 4A, die einen Mittelwert der maximalen und minimalen Stromwerte beinhaltet.
4C ist eine graphische Darstellung von Strom gegenüber Spannung für die V-I-Trajektorie der bestimmten Last der 4A, die die Mittelwerte der maximalen und minimalen Spannungs- und Stromwerte zeigt.
5A ist eine graphische Darstellung von abgetasteter Spannung gegenüber einer diskreten Abtastung für eine bestimmte Last, die eine bestimmte Spannungsabtastung gemäß einem Ausführungsbeispiel des offenbarten Konzepts beinhaltet.
5B ist eine graphische Darstellung von abgetasteter Spannung gegenüber einer diskreten Abtastung für die bestimmte Last der 5A, die eine bestimmte Stromabtastung beinhaltet.
5C ist eine graphische Darstellung von Strom gegenüber Spannung für die V-I-Trajektorie der bestimmten Last der 5A, die die bestimmte Spannungs- und Stromabtastung zeigt.
6A und 6B sind beispielhafte graphische Darstellungen von binären Zellengittern gemäß Ausführungsbeispielen des offenbarten Konzepts.
7 ist eine graphische Darstellung einer sich selbst schneidenden Schnittstelle, die eine V-I-Trajektorie beinhaltet, gemäß einem Ausführungsbeispiel des offenbarten Konzepts.
8 ist ein Blockdiagramm eines Systems, das graphische Kategorisierung von elektrischen Lasten zum Identifizieren eines einer Vielzahl von unterschiedlichen elektrischen Lasttypen gemäß Ausführungsbeispielen des offenbarten Konzepts einsetzt.
BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSBEISPIELE
So wie er hierin verwendet wird, soll der Ausdruck ”Anzahl” Eins oder eine ganze Zahl größer als Eins (d. h. eine Vielzahl) bedeuten.
So wie er hierin verwendet wird, soll der Ausdruck ”Prozessor” Folgendes bedeuten: eine programmierbare Analog- und/oder Digitaleinrichtung, die Daten speichern, abrufen und verarbeiten kann; einen Computer; einen Digitalsignalprozessor (DSP); einen Controller; eine Arbeitsstation; einen persönlichen Computer bzw. PC; einen Mikroprozessor; einen Mikrocontroller, einen Mikrocomputer; eine zentrale Verarbeitungseinheit bzw. CPU; einen Mainframe-Computer, einen Minicomputer; einen Server; einen Netzwerkprozessor; oder jegliche geeignete Verarbeitungseinrichtung oder -vorrichtung.
Gemäß dem offenbarten Konzept untersucht eine Kategorisierung einer elektrischen Last durch graphische Methoden, die Beziehung zwischen physischen elektrischen Schaltungen und ihren entsprechenden Funktionen. Mit einem gründlichen Verständnis von elektrischen Geräten ewird Eigenschaftsextraktion durch ein Verständnis der Beziehung zwischen unterschiedlichen Stromwellenformen des stationären Zustands und ihre entsprechenden Schaltungstopologien gefördert, und die sich ergebenden Merkmale werden eher auf eine Weise definiert, die in einem Lastmodell definiert ist als durch ausschließlich gezielte Datensuche (was auch als ein rein datengetriebener Ansatz bekannt ist). Elektrische Signaturen von Lasten werden aus V-I-Trajektorien extrahiert. Die V-I-Trajektorien werden zuerst auf ein Gitter von Zellen abgebildet, von denen jeder ein binärer Wert zugwiesen ist. Ein Satz von einfachen aber effizienten Eigenschaften wird dann aus dem abgebildeten Zellengitter mit binären Werten extrahiert. Die festgelegte Beziehung ist sehr hilfreich beim Organisieren des Merkmalsraums und beim Definieren einfacher Eigenschaften. Die offenbarte Abbildung auf Zellengitter mit binären Werten zielt auf das Umgehen einer Durchführung einer diskreten Fourier-Transformation (DFT) und das Verringern der erforderlichen Rechnerressourcen ab. Dies sieht auch eine Beschreibung der Grenzen von Eigenschaften bzw. Merkmalen des stationären Zustands vor, die in vorherigen Vorschlägen verwendet wurden.
US-Patentanmeldung Veröffentlichungsnummer 2013/0138669 mit dem Titel: ”System And Method Employing A Hierarchical Load Feature Database To Identify Electric Load Types Of Different Electric Loads”, die hierin durch Bezugnahme aufgenommen ist, offenbart ein System und Verfahren, das eine hierarchische Lasteigenschaftsdatenbank und Klassifikationsstruktur einsetzt als modellgetriebene Orientierung für optimierte Eigenschaftsauswahlen.
Das offenbarte Konzept passt in die Level-1-Kategorisierung in dem hierarchischen Lastidentifizierungsrahmenwerk, wie es durch die Veröffentlichung Nr. 2013/0138669 offenbart ist und konzentriert sich auf die Eigenschaftsextraktion des stationären Zustandes. Aufgrund der potenziellen Einschränkung, dass nur die Eigenschaften des stationären Zustandes verwendet werden, kann ein höherer Detaillierungsgrad für Lastidentifikation erreicht werden durch Einführen der Lastidentifikation/kategorisierung in Level-2 und Level-3 in dem hierarchischen Lastidentifikationsrahmenwerk der Veröffentlichung 2013/0138669.
Eine hierarchische Lasteigenschaftsdatenbank weist drei Ebenen bzw. Schichten auf, obwohl mehr als drei Schichten eingesetzt werden können. Die erste Schicht oder Ebene (Level-1) ist die Lastkategorie, die zweite Schicht oder Ebene (Level-2) ist die Lastsubkategorie, und die dritte Schicht oder Ebene (Level-3) ist der Lasttyp, der eine Vielzahl unterschiedlicher Lasttypen beinhaltet.
Nicht einschränkende Beispiele von Lastkategorien der ersten Ebene beinhalten resistive Lasten, reaktive Lasten, nicht linear mit Leistungsfaktorkorrektur, nicht linear ohne Leistungsfaktorkorrektur, nicht linear mit Transformator, nicht linear mit Phasenwinkelsteuerung und komplexe Struktur.
Nicht einschränkende Beispiele von Lastsubkategorien der zweiten Ebene beinhalten resistive Lasten, wie beispielsweise Beleuchtungsmittel, Küchengeräte und Geräte zur Körperpflege, reaktive Lasten, wie beispielsweise lineare reaktive Lasten und nicht lineare mit Sättigung von Geräten; nicht linear mit Leistungsfaktorkorrektur, wie beispielsweise große Monitore, Fernseherausstattung und andere große Unterhaltungselektronikeinrichtungen; nichtlinear ohne Leistungsfaktorkorrektur, wie beispielsweise Abbildungs- bzw. Bilderfassungsausrüstung, kleine Monitore und Fernseher, Personalcomputer bzw. PCs, elektrische Lasten mit Batterie- bzw. Akkuladegerät, Beleuchtungslasten und andere kleine Elektronikeinrichtungen; nicht linear mit Transformator, wie beispielsweise kleine Elektronik ohne ein Batterieladegerät und andere mit einem Batterieladegerät; und komplexe Strukturen wie beispielsweise einen Mikrowellenherd.
Ein paar nicht einschränkende Beispiele von Lasttypen der dritten Ebene sind Glühlampen (< 100 W) für Beleuchtungsgeräte, und ein Brot-Toaster, ein Raumheizer und andere Geräte für die Küche und Körperpflegegeräte.
Lastkategorisierung durch Front-End-Elektronikschaltungstopologien
Die elektrischen Signale, d. h. Spannungs- und Stromwellenformen, von PELs während des stationären Zustands stehen direkt mit der Schaltungstopologie ihrer Front-End-Leistungsversorgungseinheiten in Verbindung. Die erste Ebene, d. h. Level-1 in Tabelle 1 unten, beinhaltet sieben Lastkategorien: resistive Lasten (R), reaktive, prädominante Lasten (X); elektronische Lasten (E-Lasten) mit einer Leistungsfaktorkorrekturschaltung (P); elektronische Lasten ohne Leistungsfaktorkorrekturschaltung (NP); lineare Leistungsversorgung, die einen Transformator zur Spannungsverstärkung nutzt (T); Lasten mit steuerbarem Phasenwinkel (PAC) (PAC = phase angle controllable); und komplexe Strukturen (M).

Der Großteil resistiver Lasten (R) wird für Heizen, Kochen und Beleuchtung verwendet. Nicht einschränkende Beispiele solcher Lasten beinhalten Raumheizer, Kaffeemaschinen und Glühlampen. Für reaktive Lasten (X) bestehen die Geräte oft aus Kompressoren, Motoren oder Kühlaggregaten. Die Motoren, die üblicherweise für Geräte verwendet werden, sind oft kleine Gleichstrommotoren. Nicht einschränkende Beispiele solcher Lasten in dieser Subkategorie sind Ventilatoren, Waschmaschinen bzw. Spülmaschinen, Kühlschränke und Zerkleinerungsvorrichtungen bzw. Aktenvernichter. Die nächsten zwei großen Gruppen von Geräten sind alle elektronische Lasten, die in Tabelle 1 als die Kategorien P und NP bezeichnet sind. Da der IEC-Standard 61000-3-2 den Oberschwingungsstrompegel für alle Lasten mit einer Leistung über 75 Watt beschränkt, kann angenommen werden, dass ein Leistungsfaktorkorrekturmodul bzw. PFC-Modul (PFC = power factor correction) benötigt wird, um diese Anforderung zu erfüllen. Daher bezieht sich die Kategorie P auf elektronische Lasten mit PFC. Personalcomputer bzw. PCs über 75 W, Projektoren, LCD-Fernseher, LED-Fernseher (die in dem ”Modus mit hoher Qualität” arbeiten), Plasma-Fernseher, Heimkinos und Spielekonsolen gehören auch alle in die Kategorie P. Im Gegensatz dazu bezieht sich die Kategorie NP auf elektronische Lasten, die keine Leistungsfaktorkorrekturtechniken nutzen. Kleine Einrichtungen, wie beispielsweise Mobiltelefonladegeräte, tragbare DVD-Spieler, Adapter für tragbare Drucker, Scanner, Faxmaschinen und Multifunktionseinrichtungen bzw. MFDs (MFD = multiple function device), die Tintenstrahlen verwendet, PC-Monitore, LED-Fernseher (wenn sie im Energiesparmodus arbeiten) und PCs (wenn sie in einem Modus mit niedriger Leistung arbeiten) sind die Hauptlasten bzw. -verbraucher in dieser Subkategorie. Lasten in der Kategorie T beziehen sich auf solche Geräte mit niedriger Leistung, die lineare Gleichstromversorgungen mit einem relativen kleinen Transformator am Front-End nutzen. Batterieladegeräte, Locher und Hefter sind nicht einschränkende Beispiele von charakteristischen Lasten in dieser Kategorie. Einrichtungen wie beispielsweise Lichtdimmer, die eine Thyristorphasenwinkelspannungssteuerung verwenden, sind in der PAC-Kategorie aufgeführt. Die Kategorie M beinhaltet Geräte, die oft einen relativ hohen Leistungsverbrauch und mehrere elektrische Systeme haben, wie beispielsweise Mikrowellenherde und Laserdrucker. Weiter beinhalten Kategorie-M-Lasten auch PELs, die auf unterschiedlichen Leistungspegeln arbeiten und zwischen diesen Leistungspegeln während der Verwendung wiederholt umschalten. Diese PELs sind programmiert, um in diesem Modus mit wiederholtem Umschalten zu arbeiten, da ihre funktionale Performance wiederholte Prozesse in einer bestimmten Sequenz erfordern kann. Zum Beispiel haben die meisten Drucker, die ein hohes Volumen haben, zwei Druckwerke in einer einzelnen Einrichtung und sind in der Lage, beide Seiten des Papiers in einem einzelnen Durchlauf zu bedrucken. Ein beidseitiger Druckauftrag ist ein wiederholter Prozess des Zuführens eines Blatt Papiers, des Druckens und des Nach-Vorne-Rollens des Papiers, des Haltens des Papiers, damit die Tinte trocknet, des Rückwärtsbewegens bzw. Umkehrens des Papiers nach hinten, um die andere Seite zu bedrucken und des Zuführens des nächsten Blattes Papier für schnelles Drucken. Die beiden Werke sind so programmiert, dass sie in unterschiedlichen Kombinationen während dieses wiederholten Prozesses arbeiten, und diese Kombinationen könnten in eine oder mehrere der oben aufgeführten Kategorien fallen. Tabelle 1

Sieben Lastkategorien nach Front-End-Elektronikschaltungstopologien	Beispielhafte einsteckbare Lasten in jeder Kategorie
R: Resistive Lasten	R1: Glühlampen (< 100 W)
	R2: Raumheizgeräte
	R3: Brot-Toaster
	R4: Kaffeemaschinen – Andere Küchengeräte
X: Reaktive, prädominante Lasten	X1: Ventilatoren
	X2: Kühlgerät (jegliche mit Kühlaggregat)
	X3: Verkaufsautomat
	X4: Aktenvernichter
P: E-Lasten mit PFC	P1: PC (Desktop/Laptop) (> 75 W)
	P2: Projektoren
	P3: Große Fernseher (LCD/LED) (> 75 W)
	P4: Heimkino/Spielekonsolen (70–80 W)
NP: E-Lasten ohne PFC	nP1: PC (Laptop) (< 75 W)
	nP2: Ladegerät (jegliche mit Akku)
	nP3: Andere kleine Elektronikeinrichtungen
	nP3: FL/CFL
	nP5: Tragbares Multifunktionsgerät (MFD)/Drucker/Scanner
	nP6: PC-Monitore
T: Lineare Lasten	T1: Kleinelektronik (z. B. Hefter)
T: Lineare Lasten	T2: AA-Akkuladegerät
PAC: Phasenwinkelgesteuerte Lasten	PAC1: Dimmer
PAC: Phasenwinkelgesteuerte Lasten	PAC2: Andere mit thyristorgesteuertem Gleichrichter
M: Komplexe Struktur	M1: Mikrowellenherd
M: Komplexe Struktur	M2: Drucker/Kopierer/Faxgerät/MFD

Typische V-I-Trajektorien von Kategorien einsteckbarer Lasten
1A–1G zeigen graphische Darstellungen 2, 6, 10, 14, 18, 22, 26 von Strom gegenüber Spannung und graphische Darstellungen 4, 8, 12, 16, 20, 24, 28 von normalisiertem Strom gegenüber normalisierter Spannung für die V-I-Trajektorien von repräsentativen Lasten in den obigen Lastkategorien R, X, P, NP, T, PAC bzw. M. Da im ersten Schritt nur Level-1-Subkategorien berücksichtigt werden, zeigen alle Lasten sehr unterschiedliche Charakteristika von einer Kategorie zu einer anderen. Durch Anwenden eines relativ einfachen Eigenschaftsraums ist es möglich, die Level-1-Lastkategorieidentifikation durchzuführen, was eine potentielle Lösung für eine kostengünstige Implementierung der Identifikation von einsteckbaren Lasten mit eingebettetem System darstellt.
Aus den 1A–1G kann man erkennen, dass die normalisierten V-I-Trajektorien für die unterschiedlichen Lastkategorien unterschiedlich erschienen. Ein früherer Vorschlag, der auf 126 Sätzen von Betriebsdaten unterschiedlicher PEL-Typen und Modi basiert, fasst zusammen, dass es acht Formsignaturen gibt, die berücksichtigt werden können, um die V-I-Trajektorie zu beschreiben: Asymmetrie, Schleifenrichtung, Fläche, Krümmung der Mittelwertslinie, Schnittpunkte mit sich selbst, Neigung des mittleren Segments, Fläche linker und rechter Segmente und der Spitzenwert des mittleren Segments. Jedoch erfordert das Berechnen dieser graphischen Signaturen immer noch viel Rechnerressourcen, das die gesamte V-I-Trajektorie in einer bestimmten Reihenfolge oder Richtung durchlaufen bzw. umgewandelt werden muss. Auch sind diese Signaturen für eine Taxonomie bzw. Klassifizierung von Lasten konstruiert, die ähnlich der der Lastgruppen ist, die durch den IEC-Standard 61000-3-2 definiert wird. Daher sind sie nicht für die vorgeschlagenen sieben Lastkategorien geeignet. Weiter können, wie diskutiert werden wird, diese Signaturen, die aus den V-I-Trajektorien extrahiert sind, nicht effektiv die Diversität innerhalb jedes Typs von PEL und die Ähnlichkeit zwischen unterschiedlichen Typen von PELs handhaben. Stattdessen setzt das offenbarte Konzept für den Zweck der Lastidentifikation einen anderen Satz von Signaturen ein, der aus den V-I-Trajektorien extrahiert werden kann. Weiter sind solche Signaturen unterschiedlicher Kategorien eindeutig bzw. unterschiedlich.
Beschränkungen existierender graphischer Lastsignaturen
Die existierenden graphischen Lastsignaturen, die oben diskutiert werden, basieren ausschließlich auf Formeigenschaften. Jedoch können unterschiedliche Modelle von PELs innerhalb derselben Kategorie mit ähnlichen (aber nicht identischen) Front-End-Leistungsversorgungstopologien ausgestattet sein. Daher zeigen solche PELs ähnliche (aber nicht identische) Stromwellenformen, ebenso wie V-I-Trajektorien. In diesem Fall kann es signifikante Unterschiede in einigen existierenden graphischen Lastsignaturen geben, die identisch sein sollten, da diese PELs zu demselben Typ oder derselben Kategorie gehören. Darüber hinaus sind möglicherweise einige existierende graphische Signaturen nicht mehr korrekt oder nützlich.
Mehrere beispielhafte graphische Darstellungen 30, 32, 34, 36 von normalisiertem Strom gegenüber normalisierter Spannung für die V-I-Trajektorien bestimmter Lasten sind jeweils in den 2A–2D gezeigt. Die 2A und 2B zeigen die graphischen Darstellungen 30, 32 für die V-I-Trajektorien von zwei tragbaren Lüftern bzw. Ventilatoren (z. B. 32 Zoll bzw. 9 Zoll). Es kann festgestellt werden, dass diese beiden V-I-Trajektorien eine ähnliche Form haben, aber recht unterschiedliche Flächenwerte von sowohl der Gesamt-V-I-Trajektorie als auch den linken und rechten Segmenten, sowie Spitzenwerte der mittleren Segmente. Als weiteres Beispiel zeigen die 2C und 2D graphische Verläufe 34, 36 für die V-I-Trajektorien von zwei Flachbild-Fernsehern (z. B. einem LED bzw. einem LCD). Es kann festgestellt werden, dass diese zwei V-I-Trajektorien eine ähnliche Form haben, aber ziemlich unterschiedliche Nulldurchgangszeiten (und daher unterschiedliche Werte für das linke, mittlere und rechte Segment). Auch ist es relativ kompliziert, die Asymmetrie, die Schleifenrichtung und einen Bereich der graphischen Darstellung 34 der 2C zu bestimmen und benötigt eine relativ lange Berechnungszeit aufgrund der Oszillation in der V-I-Trajektorie.
Binäre Abbildung von V-I-Trajektorien
3 zeigt die Abbildung einer graphischen Darstellung 38 einer V-I-Trajektorie auf ein binäres Zellengitter 40. Um die Differenz zwischen den V-I-Trajektorien von PELs innerhalb derselben Lastkategorie zu handhaben und Fehler zu reduzieren, bildet das offenbarte Konzept zuerst die V-I-Trajektorie auf ein Gitter von Zellen ab. Jeder Zelle ist eine binäre Zahl (d. h. Null oder Eins) zugewiesen. Wenn die V-I-Trajektorie eine Zelle durchläuft, dann wird diese Zelle so betrachtet, dass sie von dieser V-I-Trajektorie belegt bzw. besetzt ist, ihr wird ein digitaler Wert von 1 zugewiesen und sie wird beispielsweise als schwarz ausgefüllt in 3 gezeigt.
Das binäre Zellengitter 40 ist eine Verallgemeinerung von V-I-Trajektorien. V-I-Trajektorien mit ähnlichen aber nicht identischen Formen können identische, abgebildete binäre Zellengitter haben. Dies ist der Fall, da zwei V-I-Trajektorien auf unterschiedlichen Pfaden durch eine Zelle hindurchlaufen können, aber diese Zelle wird dennoch als belegt betrachtet und ihr wird ein binärer Wert von 1 zugewiesen. Das Folgende definiert einen binären Zellengitterabbildungsalgorithmus gemäß dem offenbarten Konzept.
Als erstes werden die Spannungs- und Stromdaten geladen, unter der Annahme dass es eine Gesamtzahl von K Datenpunkten der Form (v_k, i_k) gibt wobei:
k = 1, ..., K; und
v_k und i_k die Spannungs- bzw. Stromwerte von Abtastdatenpunkt k sind.
Als zweites werden die maximalen und minimalen Werte der Spannungs- und Stromwellenformen, d. h. v_max, v_min, i_max und i_min berechnet aus: v_max = max v_k, v_min = min v_k, i_max = max i_k, i_min = min i_k, v₀ = 1 / 2(v_max + v_min), und i₀ = 1 / 2(i_max + i_min); wobei:
v₀ und i₀ beides Durchschnitte der entsprechenden maximalen und minimalen Werte von Spannung bzw. Strom sind, und die zentralen Punkte des Zellengitters bilden.
Physisch sind die v₀- und i₀-Werte die Gleichstromvorspannungswerte der jeweiligen Spannungs- und Stromwellenformen, die üblicherweise durch den Gleichstromversatz der Spannungs- und Stromsensoren (die nicht gezeigt sind, aber siehe Sensoren 106 der 8) und/oder die Asymmetrie zwischen positiven und negativen Halbzyklen der Wellenformen eingeführt werden. In einem idealen Szenario sind diese Gleichstromversätze relativ klein oder sogar nahe Null.
Die 4A–4C zeigen ein Beispiel mit einer Gleichstromvorspannung (i₀) von 0,032 A auf der Stromwellenform (4B) und einer Gleichstromvorspannung (v₀) von 0,7 V auf der Spannungswellenform (4A). 4A zeigt eine graphische Darstellung 42 der abgetasteten Spannung gegenüber einer diskreten Abtastung für eine bestimmte Last. 4B zeigt einen graphischen Verlauf 44 von abgetastetem Strom gegenüber einer diskreten Abtastung für die bestimmte Last der 4A. 4C zeigt eine graphische Darstellung 46 des Stroms gegenüber der Spannung für die V-I-Trajektorie der bestimmten Last der 4A und beinhaltet einen Punkt 48 für die v₀- und i₀-Werte.
Als Drittes wird, wenn ein vordefinierter Parameter Δ gegeben ist, die Breite (oder Größe) des Gitters definiert und berechnet durch:
und die zwei Sequenzen werden erzeugt: {v₀ – dv·Δ, v₀ – dv·(Δ – 1), ..., v₀, ..., v₀ + dv·(Δ – 1), v₀ + dv·Δ} und {i₀ – di·Δ, i₀ – di·(Δ – 1), ..., i₀, ..., i₀ + di·(Δ – 1), i₀ + di·Δ}
Hier haben beide dieser Sequenzen 2Δ + 1 Elemente.
Als Viertes sei ein quadratisches N × N-Zellengitter definiert, wobei gilt: N = 2Δ + 1.
Der (x-ten, y-ten)-Zelle ist ein Positionswert (v₀ + dv·x, i₀ + di·y) und ein Binärmodellwert B_x,y zugewiesen, der so initialisiert ist, dass er 0 ist.
Als Fünftes werde ein Halblinienzyklus von Datenpunkten geladen, wie in 5A–5C gezeigt ist. Der Halbzyklus der Spannungswellenform 50 (5A) und der Halbzyklus der Stromwellenform 52 (5B) beginnt an dem Spannungsnulldurchgangspunkt 51V (5A) mit einem positiven Gradienten (d. h. der Spannungswert durchläuft die Null von einem negativen Wert zu einem positiven Wert) und endet an einem weiteren Spannungsnulldurchgangspunkt 53V (5A) mit einem negativen Gradienten (d. h. der Spannungswert durchläuft die Null von einem positiven Wert zu einem negativen Wert). Ähnliche Start- und Endpunkte 51A, 53A (5B) für die Stromwellenform 52 sind in 5B gezeigt. Die Startpunkte 51V, 51A, die Endpunkte 53V, 53A und ein beispielhafter Strom/Spannungsabtastwert (v_k, i_k) 55 sind in der graphischen Darstellung 54 von Spannung gegenüber Strom in 5C gezeigt.
Als Sechstes soll, beginnend mit dem ersten Datenpunkt 51V, 51A der Datenpunkte, die in dem vorherigen Schritt geladen wurden, der mit (v h / 1, i h / 1) bezeichnet ist, die folgende Schleife ausgeführt werden:
In der obigen Ausführungsschleife wird für jede Zelle (Δ + 1, y) für y = Δ + 1, Δ + 2, ..., 2Δ + 1 in dem Gitter bestimmt, ob sie durch einen bestimmten Datenpunkt (v h / 1, i h / 1) belegt ist. Wenn bestimmt wird, dass eine Zelle durch diesen Datenpunkt belegt ist, dann wird diese Zelle als der Gewinner für diesen Datenpunkt bezeichnet. Sobald die Gewinnerzelle bestimmt ist, UNTERBRICHT die Schleife für diesen Datenpunkt (was auch als Ende der Schleife bekannt ist). Wenn der Datenpunkt der erste in der Datensequenz (d. h. dem Halbzyklus von Datenpunkten aus dem fünften Schritt) ist, dann markiert dieser Schritt die belegte Zelle als die Startzelle.
Als Siebtes wird der sechste Schritt wiederholt durch Durchsuchen und Bestimmen einer Zellenbelegung für die verbleibenden Halbzyklusdatenpunkte aus dem fünften Schritt. Um den Ausführungsprozess zu beschleunigen werden beispielsweise nur die acht benachbarten Zellen eines vorherigen Gewinners für jede Suchschleife berücksichtigt.
Als Achtes sollen Wiederholungen ab Schritt Sechs für eine vorbestimmte Anzahl (z. B. die Anzahl von Datenpunkten in dem Halbzyklus; Zehn oder Hundert; jegliche geeignete Zahl; ohne darauf eingeschränkt zu sein) durchgeführt werden.
Der Koeffizient Δ definiert die Breite jeder Zelle und daher die Anzahl von Zellen innerhalb des Zellengitters. Die Größe des Gitters sollte basierend auf unterschiedlichen Anwendungen gewählt werden. Wenn es zu viele Zellen gibt, dann kann die Abbildung von V-I-Trajektorien auf das binäre Zellengitter möglicherweise die Varianz ähnlicher V-I-Trajektorien nicht effektiv handhaben. jedoch gibt das abgebildete binäre Zellengitter die V-I-Trajektorien möglicherweise nicht korrekt wieder, wenn die Anzahl von Zellen nicht ausreichend ist.
Eigenschaftsextraktion basierend auf einem binären V-I-Zellengitter
Neben der Reduktion des Fehlers, der durch die Differenz zwischen V-I-Trajektorien von PELs innerhalb derselben Lastkategorie eingeführt wird, kann das Abbilden von V-I-Trajektorien auf binäre Zellengitter auch den Effekt einer Verzerrung verringern, aber die graphischen Charakteristika beibehalten. Für jede Kategorie von PELs setzt das offenbarte Konzept einen Satz neuartiger Signaturen ein, die direkt aus dem binären Zellengitter identifiziert werden können.
6A und 6B bilden graphisch drei wichtige Punkte oder Zellen (P1, P2, P3) 56, 58, 60 und vier wichtige Linien (L1, L2, L3, L4) 62, 64, 66, 68 als Eigenschaften eines binären Zellengitters ab. Das Folgende liefert ein Beispiel eines Satzes von acht Eigenschaften bzw. Merkmalen, die verwendet werden können, um jede Lastkategorie identisch darzustellen:

(1) Eigenschaft1: der binäre Wert der linken horizontalen Zelle (1, Δ + 1), markiert als Zelle P1 56 in 6A, wobei die anwendbaren Werte Folgendes beinhalten: 0 (Zelle-nicht-belegt) und 1 (Zelle-belegt);
(2) Eigenschaft2: der binäre Wert der zentralen Zelle (Δ + 1, Δ + 1), markiert als Zelle P2 58 in 6A, wobei die anwendbaren Werte Folgendes beinhalten: 0 (Zelle-nicht-belegt) und 1 (Zelle-belegt);
(3) Eigenschaft3: die Multiplikation von antidiagonalen Gitterzellenwerten, d. h. die Multiplikation der binären Werte von allen Zellen entlang der diagonalen Linie (markiert als Linie L2 64 in 6A) in dem Gitter von der unteren linken Ecke zu der oberen rechten Ecke. Diese Zahl ist auch ein binärer Wert und zeigt an, ob die V-I-Trajektorie linear ist, oder mit anderen Worten, ob die V-I-Trajektorie mit der diagonalen Linie ausgerichtet ist. Die anwendbaren Werte dieser Eigenschaft3 beinhalten: 1 (Linear), wenn die V-I-Trajektorie eine Form einer geraden Linie von der unteren linken Ecke zu der oberen rechten Ecke hat, wie bei den Beispielen, die in 1A gezeigt sind; und 0 (Nicht-linear), wenn wenigstens eine der antidiagonalen Zellen nicht belegt ist und die V-I-Trajektorie keine gerade Linie ist, wie in den Bespielen, die in den 1B–1G gezeigt sind;
(4) Eigenschaft4: die Anzahl von Kontinua von Gitterzellen mit Wert 1 innerhalb aller Zellen (Δ + 1, [1:2Δ + 1]), die die Anzahl von Schnittpunkten der V-I-Trajektorie und der Basisspannungs-v₀-Linie anzeigt (markiert als Linie L1 62 in 6A); wobei die Bezeichnung 1:2Δ + 1 alle ganzen Zahlen von 1 bis 2Δ + 1 bezeichnet; die anwendbaren Werte beinhalten: 1 (Eine-Zelle) und 2 (Zwei-Zellen);
(5) Eigenschaft5: ob irgendwelche Schnittpunkte der V-I-Trajektorie mit sich selbst vorliegen; die anwendbaren Werte beinhalten: 0 (Keine), 1 (Ein-Schnittpunkt), 2 (Zwei-Schnittpunkte), und so weiter;
(6) Eigenschaft6: die Anzahl von Schnittpunkten der V-I-Trajektorie mit der 1,3v₀-Linie (markiert als die Linie L3 66 in 6A); die anwendbaren Werte beinhalten 1 (Ein-Schnittpunkt) und 2 (Zwei-Schnittpunkte).
(7) Eigenschaft7: die Existenz eines zentralen, horizontalen Liniensegments (markiert als Linie L4 68 in 6B): diese Linie L4 belegt 30% der gesamten horizontalen Linie, wobei y = 0 in dem Gitter; die Existenz einer solchen Linie wird bestimmt, wenn 50% der Linie sich mit dem Teil der V-I-Trajektorie überlappen; die anwendbaren Werte beinhalten: 0 (Keine-Horizontallinie) und 1 (Mit-Horizontallinie); und
(8) Eigenschaft8: der binäre Wert der oberen, mittleren Zelle (Δ + 1,1), markiert als Zelle P3 60 in 6B; die anwendbaren Werte beinhalten: 0 (Zelle-nicht-belegt) und 1 (Zelle-belegt).

Anzahl von Schnittpunkten mit sich selbst
Die V-I-Trajektorien einiger elektrischer Lasten schneiden sich selbst, wie zum Beispiel in 1G gezeigt ist. Ein früherer Vorschlag könnte nahelegen, dass die Anzahl von Schnittpunkten mit sich selbst, die in einer V-I-Trajektorie enthalten ist, in Beziehung stehen könnte zu der Ordnung der Oberwellen. Zum Beispiel hat eine simulierte Last mit einer signifikanten dritten (oder fünften) Oberwellenkomponente in dem Strom zwei (oder vier) Schnittpunkte mit sich selbst. Sie könnte dies auch durch die Lasten in Kategorie M verursacht werden (d. h. Lasten mit mehreren unabhängigen Front-Ende-Leistungsversorgungseinheiten). Daher setzt das offenbarte Konzept einen allgemeinen und dennoch kostengünstigen Algorithmus ein, um die Anzahl von Schnittpunkten mit sich selbst zu bestimmen, die eine V-I-Trajektorie enthält, wie in 7 gezeigt ist.
Als Erstes werde ein Halbzyklus (z. B. 1/120 Sekunde) der abgetasteten Datenpunkte [0_–, 0₊] gelesen, beginnend mit dem Nulldurchgangsdatenpunkt von negativen Spannungswerten zu positiven Spannungswerten (bezeichnet mit 0_–) und endend mit dem Nulldurchgangsdatenpunkt von den positiven Spannungswerten zu den negativen Spannungswerten (bezeichnet mit 0₊).
Als Zweites werde für jeden Datenpunkt j innerhalb des Bereichs [0_–, Spitzenwert₊], wobei Spitzenwert₊ einen Datenpunkt innerhalb [0_–, 0₊] mit dem maximalen positiven Spannungswert bezeichnet, der Datenpunkt k gefunden, dessen Spannungswert am nächsten zu Punkt j ist.
Als Drittes werde ein Datenpunkt j mit einem Spannungswert v_j und einem Stromwert i_j durch einen Vektor j bezeichnet, und es werde überprüft, ob die Werte des Stroms der Datenpunktsequenz {j – 1, j, j + 1} und {k – 1, k, k + 1} monoton zunehmend sind; wenn ja, dann gehe man weiter zum vierten Schritt unten, und wenn nein, dann wiederhole man diesen dritten Schritt beginnend mit j + 1.
Als Viertes prüfe man, ob die Datenpunkte k – 1 = (v_k-1, i_k-1) und k + 1 = (v_k+1, i_k+1) auf unterschiedlichen Seiten der Linie sind, die bestimmt wird durch j – 1 = (v_j-1, i_j-1) und j + 1 = (v_j+1, i_j+1) unter Verwendung des folgenden Kriteriums: {(j + 1 – j – 1) × (j + 1 – k – 1)}·{(j + 1 – j – 1) × (j + 1 – k + 1)} < 0 wobei:
x das Vektorprodukt bezeichnet; und
· das Skalarprodukt bezeichnet.
Mit anderen Worten, für jegliche j und k wird ein Fall, bei dem das Kriterium des vierten Schrittes erfüllt ist, als ein Schnittpunkt mit sich selbst betrachtet.
Numerische Testergebnisse
Das offenbarte Konzept kann in Kombination mit den Lehren eines der folgenden Dokumente oder aller davon eingesetzt werden: (1) US-Patentanmeldung Veröffentlichungsnr: 2013/0138651, mit dem Titel: ”System And Method Employing A Self-Organizing Map Load Feature Database To Identify Electric Load Types Of Different Electric Loads”; (2) US-Patentanmeldung Veröffentlichungsnr. 2013/0138661 mit dem Titel ”System And Method Employing A Minimum Distance And A Load Feature Database To Identify Electric Load Types Of Different Electric Loads”; und (3) US-Patentanmeldung Seriennr. 13/597,324, die am 29. August 2012 eingereicht wurde, mit dem Titel ”System And Method For Electric Load Identification And Classification Employing Support Vector Machine”, von denen alle hierin durch Bezugnahme aufgenommen sind.
Gemäß den Lehren des offenbarten Konzepts können die sich ergebenden binären V-I-Eigenschaften, die aus dem abgebildeten Zellengitter mit binären Werten extrahiert werden, als Eingaben in jegliche oder alle Klassifikations- und Identifikationssysteme verwendet werden, die in den obigen drei Patentanmeldungen offenbart sind, um die Kategorie der Last, die betrachtet wird, herzuleiten. Mit Bezug auf die hierarchische Lastidentifikationsarchitektur, wie sie in der Veröffentlichung Nr. 2013/0138669 offenbart ist, kann das offenbarte Konzept angewandt werden, um die Eigenschaften vorzusehen, die durch die Level-1-Lastkategorieidentifikation benötigt wird. Die Kategorisierung von Lasten kann durchgeführt werden durch Anwenden einer überwachten, sich selbst organisierenden Abbildung bzw. SSOM (SSOM = Supervised Self-Organizing Map) oder einer sich selbst organisierenden Abbildung bzw. SOM (SOM = self-organizing map) (auch bekannt als eine sich selbst organisierende Eigenschaftsabbildung bzw. SOFM (SOFM = self-organizing feature map)), die eine Art von nicht überwachtem, künstlichem neuralen Netzwerk ist, das unter Verwendung von kompetitivem Lernen trainiert wird, um eine diskretisierte Darstellung mit relativ geringer Dimension (typischerweise zweidimensional) des Eingangsraums von Trainingsbeispielen zu erzeugen, die als Abbildung bezeichnet wird, wie in der Veröffentlichung Nr. 2013/0138651 offenbart ist.
Tests bezüglich fünf Hauptlastkategorien
Fünf der Lastkategorien (d. h. R, X, NP, P und M) decken den Großteil der existierenden PELs ab. Das Folgende diskutiert die Erfolgsrate des Identifizierens von Lasten aus diesen fünf Lastkategorien durch Verwenden der ersten fünf Eigenschaften, die hierin offenbart sind. Es wird erwartet, dass die vorgeschlagenen graphischen Signaturen aus der binären Abbildung von V-I-Trajektorien für diese fünf Kategorien von PELs Werte haben (wobei ”X” entweder 0 oder 1 bedeutet), wie in Tabelle 2 gezeigt ist. Tabelle 2

Kategorie Eigenschaft1 Eigenschaft2 Eigenschaft3 Eigenschaft4 Eigenschaft5

R 0 1 1 1 0

X 0 0 0 2 0

NP 1 1 0 1 0

P 0 1 0 1 0

M 0 X 0 2 1 oder mehr

Für jede Kategorie wird eine Anzahl von PELs getestet und jedes PEL wird unabhängig 100 mal getestet. Die Ergebnisse sind in Tabelle 3 gezeigt. Tabelle 3

Kategorie	Gesamtzahl von Lasten	Gesamtzahl von Tests	Gesamtzahl korrekter Ergebnisse	Erfolgsrate
R	6	600	597	99,5%
X	10	1000	991	99,1%
NP	15	1500	1493	99,5%
P	11	1100	1091	99,2%
M	4	400	395	98,8%

Zusammenfassend erreichen die vorgeschlagenen graphischen Signaturen aus einer binären Abbildung von V-I-Trajektorien einen Durchschnitt von über 99% einer Genauigkeitsrate. Die Identifikation von Lasten aus Kategorie M (d. h. mehrere unabhängige Front-End-Leistungsversorgungseinheiten) hat die geringste Genauigkeit in Tabelle 3. Dies liegt hauptsächlich an der breiten Diversität der Lasten in dieser Kategorie.
Tests bezüglich allen sieben Lastkategorien

In diesem Test werden alle sieben Lastkategorien berücksichtigt. Es wird erwartet, dass die vorgeschlagenen graphischen Signaturen aus einer binären Abbildung von V-I-Trajektorien für die sieben Kategorien von PELs Werte haben, wie sie in Tabelle 4 gezeigt sind. Tabelle 4

Kategorie	Eigenschaft1	Eigenschaft2	Eigenschaft3	Eigenschaft4	Eigenschaft5	Eigenschaft6	Eigenschaft7	Eigenschaft8
R	0	1	1	1	0	1	0	0
X	0	0	0	2	0	2	0	0
NP	1	1	0	1	0	1	1	0
P	0	1	X	1	0	1	1	0
M	0	X	0	2	1 oder mehr	2	0	0
T	0	0	0	2	0	2	0	1
PAC	X	1	1	1	0	2	1	0

In diesem Test wurde eine Gesamtzahl von 20 Lasttypen (mit einem bis sieben Lastmodellen für jeden Lasttyp) getestet. Für jeden Datensatz wurden ungefähr 900 bis 3000 V-I-Trajektorien ausgewählt und auf ein 64 × 64-Zellengitter abgebildet. Die Ergebnisse sind in Tabelle 5 gezeigt. Tabelle 5

Ziellastkategorie	Lasttyp	Gesamte Modelle	Gesamtzahl von Tests	Erfolgsrate (%)
NP	Batterieladegerät	1	3000	83,4
	DVD-Player	4	3000	100
	Desktop-Computer	2	3000	99,8
	LCD-Monitor	7	3000	99,5
	Drucker	1	3000	99,9
	Elektronische Leiterplatte	1	3000	98,7
P	LCD-Fernseher	8	3000	98,5
	LED-Fernseher	3	3000	99,2
	Plasma-Fernseher	2	3000	99
	Multifunktionsgerät	3	3000	93
	Projektor	4	3000	99,9
Komplexes M	Mikrowellenherd	4	1800	99
R	Raumheizer	4	1800	93
	Kaffeemaschine	2	1800	98
	Glühlampe	4	1800	99,2
	Elektrische Pfanne	2	1800	98,6
T	Hefter	1	1800	98,9
T	Adapter	5	1800	100
X	Lüfter	5	3600	98,5
	Kühlschrank	4	3600	100
	Wasserspender	1	3600	100
	Aktenvernichter	2	3600	65
PAC	Glühlampe mit Dimmer	1	1800	50

Die Testergebnisse validieren, dass die vorgeschlagenen graphischen Signaturen aus der binären Abbildung der V-I-Trajektorien einen Durschnitt von über 90% einer Genauigkeitsrate bei einem relativ großen Lastsatz und mit sieben Ziellastkategorien erreichen können. Die Hauptfehler stammen von einigen PAC-Lasten, bei denen der Phasenwinkel weniger als 90° beträgt, was die Eigenschaften der Last ähnlich zu dem macht, was für resistive Lasten erwartet wird, so dass sie fälschlicherweise so kategorisiert werden, als seien sie in der R-Kategorie. Ein Erhöhen der Abtastrate der abgefühlten Spannungs- und Stromsignale könnte helfen, die Performance zu verbessern, obwohl ein Trade-Off bzw. eine Abwägung berücksichtigt werden sollte hinsichtlich der Verfügbarkeit von Speicherplatz und der Rechenlast. Gleichzeitig wird, aus Anwendungssicht, wenn eine Glühlampe mit Dimmer mit einem relativ kleinen Phasenwinkel als eine resistive Last identifiziert wird, dann die sich ergebende Kategorisierung immer noch akzeptabel sein.
Zusammenfassung
8 zeigt ein System 100 für unterschiedliche elektrische Verbraucher bzw. Lasten 102, 103, 104. Das System beinhaltet Sensoren 106, die aufgebaut sind, um Spannungs- und Stromsignale 107 für jede der unterschiedlichen elektrischen Lasten 102, 103, 104 abzufühlen, eine hierarchische Lasteigenschaftsdatenbank 108 mit einer Vielzahl von Ebenen bzw. Schichten (L1, L2, L3) 110, wobei eine erste Schicht 112 (L1) der Schichten 110 eine Vielzahl unterschiedlicher Lastkategorien beinhaltet; und einen Prozessor 114. Der Prozessor 114 beinhaltet eine Routine 116, die gemäß den Lehren des offenbarten Konzepts Spannungs- und Stromwellenformen von den Sensoren 106 für eine entsprechende eine der unterschiedlichen elektrischen Lasten 102, 103, 104 akquiriert; bildet eine Spannungs-Strom-Trajektorie auf ein Gitter ab, das eine Vielzahl von Zellen beinhaltet, wobei jeder ein binärer Wert von Null oder Eins zugewiesen wird (siehe zum Beispiel 3); extrahiert eine Vielzahl unterschiedlicher Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten 102, 103, 104; leitet eine Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten 102, 103, 104 aus der Datenbank 108 her; und identifiziert einen einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten 102, 103, 104.
Die Hauptvorteile der vorgeschlagenen binären V-I-Eigenschaftsreduktion beinhalten das Verringern der Oberwellen- und Rauscheffekte auf Laststrom- und -spannungswellenformen, das Vorsehen einer relativ einfachen Abstraktion von graphischen Formen von Trajektorien und das Vereinfachen einer graphischen Eigenschaftsextraktion.
Die binären V-I-Eigenschaften sind relativ leicht zu berechnen und nehmen weniger Speicherplatz ein, da die Eigenschaftswerte alle ganze Zahlen sind. Die anfängliche Berechnung und Speicheranforderungen wurden evaluiert und die Ergebnisse zeigen, dass der Berechnungsaufwand des Berechnens der graphischen Merkmale und die Speicheranforderung in einer Größenordnung von x% dessen ist, was von einer schnellen Fourier-Transformation bzw. FFT benötigt wird.
Das offenbarte Konzept setzt ein Verfahren und System mit relativ geringen Berechnungskosten ein, das dennoch akkurat ist, um Signaturen zur elektrischen Lastidentifikation zu extrahieren. Statt Digitalsignalverarbeitung und Frequenzbereichsanalyse zu nutzen, nutzt das offenbarte Konzept die Ähnlichkeit von V-I-Trajektorien zwischen Lasten und bildet V-I-Trajektorien auf ein Zellengitter mit binären Zellwerten ab. Graphische Eigenschaften werden dann für viele Anwendungen extrahiert.
Das offenbarte Konzept verringert den Berechnungsaufwand signifikant im Vergleich zu existierenden Frequenzbereichseigenschaftsextraktions- und -analysetechniken. Testergebnisse zeigen, dass ein Durchschnitt einer über 99%igen Erfolgsrate unter Verwendung der vorgeschlagenen Signaturen erreicht werden kann.
Während spezifische Ausführungsbeispiele des offenbarten Konzepts im Detail beschrieben worden sind, wird dem Fachmann klar sein, dass verschiedene Modifikationen und Alternativen zu jenen Details in Hinblick auf die gesamten Lehren der Offenbarung entwickelt werden könnten. Dementsprechend sollen die bestimmten Anordnungen, die offenbart sind, nur veranschaulichend sein und sollen den Umfang des offenbarten Konzepts nicht einschränken, welchem die volle Breite der angehängten Ansprüche und jeglicher und aller äquivalenten Ausführungen davon gewährt werden soll.

Claims

Ein System (100) für eine Vielzahl unterschiedlicher elektrischer Verbraucher bzw. Lasten (102, 103, 104), wobei das System Folgendes aufweist: eine Vielzahl von Sensoren (106), die aufgebaut ist zum Abfühlen eines Spannungssignals (107) und eines Stromsignals (107) für jede der unterschiedlichen elektrischen Lasten; eine hierarchische Lasteigenschaftsdatenbank (108), die eine Vielzahl von Ebenen bzw. Schichten (110) aufweist, wobei eine (112) der Schichten eine Vielzahl von unterschiedlichen Lastkategorien beinhaltet; und einen Prozessor (114) der aufgebaut ist (116) zum: Akquirieren einer Spannungswellenform und einer Stromwellenform von den Sensoren für eine entsprechende eine der unterschiedlichen elektrischen Lasten; Abbilden einer Spannungs-Strom-Trajektorie auf ein Gitter, das eine Vielzahl von Zellen beinhaltet, wobei jeder der Zellen ein binärer Wert von Null oder Eins zugewiesen ist; Extrahieren einer Vielzahl von unterschiedlichen Merkmalen bzw. Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten; Herleiten einer Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus der hierarchischen Lasteigenschaftsdatenbank; und Identifizieren eines einer Vielzahl von unterschiedlichen elektrischen Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei die hierarchische Lasteigenschaftsdatenbank drei der Schichten aufweist; wobei eine erste Schicht (112, L1) der Schichten die unterschiedlichen Lastkategorien beinhaltet; wobei eine zweite Schicht (L2) der Schichten eine Vielzahl unterschiedlicher Lastsubkategorien für jede der unterschiedlichen Lastkategorien beinhaltet; und wobei eine dritte Schicht (L3) der Schichten die unterschiedlichen elektrischen Lasttypen für die unterschiedlichen Lastsubkategorien beinhaltet.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei die unterschiedlichen Lastkategorien resistive Lasten, reaktive, prädominante Lasten, elektronische Lasten mit einer Leistungsfaktorkorrekturschaltung, elektronische Lasten ohne Leistungsfaktorkorrekturschaltung, elektronische Lasten, die eine lineare Leistungsversorgung unter Verwendung eines Transformator zur Verstärkung der Spannung beinhalten, phasenwinkelgesteuerte Lasten und komplexe Strukturen beinhalten.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei die unterschiedlichen Merkmale acht unterschiedliche Merkmale sind.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei das Gitter eine erste horizontale Achse, die eine Zählung der Zellen definiert und eine zweite vertikale Achse beinhaltet, die eine Zählung der Zellen definiert; wobei die Zählung eine positive ganze Pluralzahl N ist; wobei N = 2Δ + 1; und wobei die unterschiedlichen Eigenschaften aus der Gruppe ausgewählt sind, die aus Folgendem besteht: (1) einem binären Wert einer der Zellen an einer ersten Position der ersten horizontalen Achse und einer Position Δ + 1 der zweiten vertikalen Achse; (2) einem binären Wert einer der Zellen an einer Position Δ + 1 der ersten horizontalen Achse und der Position Δ + 1 der zweiten vertikalen Achse; (3) einem binären Wert, der bestimmt wird durch Multiplikation der binären Werte aller Zellen entlang einer diagonalen Linie in dem Gitter von einer unteren linken Ecke zu einer oberen rechten Ecke um anzuzeigen, ob die Spannungs-Strom-Trajektorie linear (64) oder nicht linear ist; (4) eine Anzahl von Kontinua der Zellen, wobei benachbarte Koordinaten einen binären Wert von Eins innerhalb aller Zellen haben, um eine Anzahl von Schnittpunkten der Spannungs-Strom-Trajektorie und einen Durchschnitt eines maximalen Wertes und eines minimalen Wertes für die Spannungswellenform entsprechend der ersten horizontalen Achse anzuzeigen; (5) eine Zählung von Null oder eine Anzahl von Schnittpunkten der Spannungs-Strom-Trajektorie mit sich selbst; (6) eine Anzahl von Schnittpunkten der Spannungs-Strom-Trajektorie mit 1,3-mal dem Durchschnitt des maximalen Wertes und des minimalen Wertes der Spannungswellenform entsprechend der ersten horizontalen Achse; (7) einer Existenz eines zentralen, horizontalen Liniensegments (68), das wenigstens 30% der gesamten ersten horizontalen Achse belegt und wenn sich wenigstens 50% des zentralen horizontalen Liniensegments mit dem Teil der Spannungs-Strom-Trajektorie überlappt; und (8) einem binären Wert einer der Zellen an der Position Δ + 1 der ersten horizontalen Achse und einer ersten Position der zweiten vertikalen Achse.
System (100) nach Anspruch 1, wobei die Spannungswellenform und die Stromwellenform jeweils eine Gesamtzahl von K Datenpunkten der Form (v_k, i_k) enthalten, wobei: k = 1,..., K; wobei v_k und i_k ein Spannungs- bzw. Stromwert eines Abtastungsdatenpunkt k sind; wobei maximale und minimale Werte der Spannungswellenform und der Stromwellenform berechnet sind aus: v_max = max v_k, v_min = min v_k, i_max = max i_k, i_min = min i_k, v₀ = 1 / 2(v_max + v_min), und i₀ = 1 / 2(i_max + i_min); wobei v₀ und i₀ beides Durchschnitte der entsprechenden maximalen und minimalen Werte sind, welche die zentralen Punkte des Gitters von Zellen bilden, wobei Δ eine Größe des Gitters definiert; wobei
wobei der Prozessor weiter aufgebaut ist zum Erzeugen von zwei Sequenzen aus der Spannungswellenform und der Stromwellenform als: {v₀ – dv·Δ, v₀ – dv·(Δ – 1), ..., v₀, ..., v₀ + dv·(Δ – 1), v₀ + dv·Δ} und {i₀ – di·Δ, i₀ – di·(Δ – 1), ..., i₀, ..., i₀ + di·(Δ – 1), i₀ + di·Δ} wobei jeder der zwei Sequenzen N = 2Δ + 1 Elemente hat; wobei das Gitter der Zellen eine erste Achse, die N der Zellen hat und eine zweite Achse beinhaltet, die N der Zellen hat; und wobei jeder der Zellen ein Positionswert (v₀ + dv·x, i₀ + di·y) und ein Binärmodellwert B_x,y zugewiesen ist, der auf 0 initialisiert ist.
System (100) nach Anspruch 6, wobei der Prozessor weiter aufgebaut ist zum Abbilden eines Halbzyklus der Spannungswellenform und der Stromwellenform auf das Gitter der Zellen und zum Zuweisen jedes der K Datenpunkte zu einer entsprechenden einen der Zellen mit dem Binärmodellwert B_x,y von 1.
System (100) nach Anspruch 1, wobei der Prozessor weiter aufgebaut ist zum Bestimmen einer Anzahl von Schnittpunkten mit sich selbst, die in der abgebildeten Spannungs-Strom-Trajektorie enthalten sind.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei die Kategorie des entsprechenden einen der unterschiedlichen elektrischen Lasttypen aus einer überwachten, sich selbst organisierenden Abbildung bzw. SSOM (SSOM = Supervised Self-Organizing Map) hergeleitet ist.
System (100) nach Anspruch 1 oder Verfahren nach Anspruch 11, wobei die Kategorie des entsprechenden einen der unterschiedlichen elektrischen Lasttypen hergeleitet wird aus einer sich selbst organisierenden Abbildung bzw. SOM (SOM = self-organizing map) oder einer sich selbst organisierende Eigenschaftsabbildung bzw. SOFM (SOFM = self-organizing feature map), die unter Einsatz von kompetitivem Lernen trainiert werden.
Ein Verfahren zum Identifizieren von Lasttypen für eine Vielzahl unterschiedlicher elektrischer Lasten (102, 103, 104), wobei das Verfahren Folgendes aufweist: Abfühlen (106) eines Spannungssignals (107) und eines Stromsignals (107) für jede der unterschiedlichen elektrischen Lasten; Vorsehen einer hierarchischen Lasteigenschaftsdatenbank (108), die eine Vielzahl von Schichten (110) aufweist, wobei eine (112) der Schichten eine Vielzahl unterschiedlicher Lastkategorien aufweist; Akquirieren einer Spannungswellenform und einer Stromwellenform für eine entsprechende eine der unterschiedlichen elektrischen Lasten; Abbilden einer Spannungs-Strom-Trajektorie auf ein Gitter, das eine Vielzahl von Zellen beinhaltet, wobei jeder der Zellen ein binärer Wert von Null oder Eins zugewiesen ist; Extrahieren einer Vielzahl unterschiedlicher Eigenschaften aus dem abgebildeten Gitter von Zellen als eine graphische Signatur der entsprechenden einen der unterschiedlichen elektrischen Lasten; Herleiten einer Kategorie der entsprechenden einen der unterschiedlichen elektrischen Lasten aus der hierarchischen Lasteigenschaftsdatenbank; und Identifizieren eines einer Vielzahl unterschiedlicher elektrischer Lasttypen für die entsprechende eine der unterschiedlichen elektrischen Lasten.
Verfahren nach Anspruch 11, das weiter Folgendes aufweist: Einbeziehen einer Gesamtzahl von K Datenpunkten der Form (v_k, i_k) mit sowohl der Spannungswellenform und als auch er Stromwellenform, wobei: k = 1, ..., K; wobei v_k und i_k ein Spannungswert bzw. ein Stromwert eines Abtastdatenpunktes k sind; wobei maximale und minimale Werte der Spannungswellenform und der Stromwellenform berechnet werden aus: v_max = max v_k, v_min = min v_k, i_max = max i_k, i_min = min i_k, v₀ = 1 / 2(v_max + v_min), und i₀ = 1 / 2(i_max + i_min); wobei v₀ und i₀ beides Durchschnitte der entsprechenden maximalen und minimalen Werte sind, welche die zentralen Punkte des Gitters der Zellen bilden, wobei Δ eine Größe des Gitters definiert; wobei
Erzeugen von zwei Sequenzen aus der Spannungswellenform und der Stromwellenform als: {v₀ – dv·Δ, v₀ – dv·(Δ – 1), ..., v₀, ..., v₀ + dv·(Δ – 1), v₀ + dv·Δ} und {i₀ – di·Δ, i₀ – di·(Δ – 1), ..., i₀, ..., i₀ + di·(Δ – 1), i₀ + di·Δ} wobei jede der zwei Sequenzen N = 2Δ + 1 Elemente hat; wobei das Gitter der Zellen eine erste Achse, die N der Zellen hat und eine zweite Achse beinhaltet, die N der Zellen hat; und wobei jeder der Zellen ein Positionswert (v₀ + dv·x, i₀ + di·y) und ein Binärmodellwert B_x,y zugewiesen ist, der auf 0 initialisiert ist.
Verfahren nach Anspruch 12, das weiter Folgendes aufweist: Abbilden eines Halbzyklus der Spannungswellenform und der Stromwellenform auf das Gitter der Zellen; und Zuweisen jedes der K Datenpunkte zu einer entsprechenden einen der Zellen mit dem Binärmodellwert B_x.y von 1.
Verfahren nach Anspruch 11, das weiter Folgendes aufweist: Bestimmen einer Anzahl von Schnittpunkten mit sich selbst, die in der abgebildeten Spannungs-Strom-Trajektorie enthalten sind.