EP3298542A1 - Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant - Google Patents

Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant

Info

Publication number
EP3298542A1
EP3298542A1 EP16726827.5A EP16726827A EP3298542A1 EP 3298542 A1 EP3298542 A1 EP 3298542A1 EP 16726827 A EP16726827 A EP 16726827A EP 3298542 A1 EP3298542 A1 EP 3298542A1
Authority
EP
European Patent Office
Prior art keywords
morphological
lineament
equipment
category
list
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.)
Withdrawn
Application number
EP16726827.5A
Other languages
German (de)
English (en)
Inventor
Jean-François HOCHEDEZ
Frédéric LEFEBVRE-NARE
Romain BENASSI
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.)
WATTGO
Original Assignee
Wattgo
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 Wattgo filed Critical Wattgo
Publication of EP3298542A1 publication Critical patent/EP3298542A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • G01D4/00—Tariff metering apparatus
    • G01D4/002—Remote reading of utility meters
    • G01D4/004—Remote reading of utility meters to a fixed location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Definitions

  • a method of identifying a data structure representative of a fluid consumption, device and corresponding computer program is a method of identifying a data structure representative of a fluid consumption, device and corresponding computer program.
  • the invention relates to a technique for identifying consumption.
  • the invention relates more particularly to a technique for identifying the consumption of a resource, such as a fluid, transported by a flow having variations, and of which repeated measurements are known. More particularly, the invention is part of an approach to control the consumption of resources, such as energy resources (gas, electricity, fuel pellets), but also natural resources (water).
  • the proposed technique is implemented by a dedicated device comprising means for processing large amounts of data and calculation means for identifying equipment sources of fluid consumption.
  • the invention does not have these disadvantages of the prior art. More particularly, the invention relates to a method of identification, implemented by an electronic device, of equipment belonging to a room connected to a fluid distribution network, said equipment realizing a consumption of said fluid, the consumption of said fluid by said equipment being represented by a unitary consumption segment, said lineament, said lineament comprising a list of parameters, said list of parameters comprising at least one contextual or morphological descriptor, a contextual descriptor being representative of a circumstance related to the consumption of said fluid and a morphological descriptor being representative of a consumption profile of said fluid by an equipment or a category of equipment.
  • such a method comprises:
  • a time period may for example be the minute, the hour, the day, the month or the year.
  • said identification step takes into account the list of posterior morphological scores.
  • a step of obtaining a datum representative of a morphological score of said lineament, whose endogenous parameters are listed in D comprises, for a given apparatus a k , a calculation of:
  • p D ⁇ a k represents the probability of observing the morphological descriptors D knowing that it is the equipment a k that has exhibited an activity.
  • p ⁇ D ⁇ ⁇ pk, m) 1 ⁇ m ⁇ M represents the probability of observing the morphological descriptors D knowing that they are distributed according to laws parameterized by parameters (pk, m) 1 ⁇ m ⁇ M > called " hyper-parameters ".
  • i9 fe m represents the M hyper-parameters of the laws describing the descriptors of the equipment a k .
  • a step of obtaining a datum representative of a morphological score of said linearity comprises, for a category A comprising a plurality of devices a k , when no reference linearity is available, a calculation of :
  • p (Z) represents the probability of observing the morphological descriptors D knowing that it is a device of the equipment category A, which has exhibited an activity.
  • i9j) represents the probability of observing the morphological descriptors D knowing that the hyper-parameters are equal to i9j.
  • p i 0 (i9 j ) represents the distribution of the hyper-parameters of the equipment category A ,.
  • di9 j represents an infinitesimal increment on the hyper-parameters
  • a step of obtaining a datum representative of a morphological score of said linearity comprises, for a category A comprising a plurality of devices a k , when a set of reference lineaments are available, a calculation from:
  • i9 j ) represents the probability of observing the morphological descriptors D knowing that the hyper-parameters are worth i9 j .
  • p ir (i9 j ) represents the posterior distribution of the hyper-parameters of equipment category A.
  • di9 j represents an infinitesimal increment on the hyper-parameters.
  • a step of obtaining a datum representative of a contextual score of said linearity comprises a calculation of:
  • c) represents the probability of observing an activity of the apparatus at lj of category A, - knowing the occurrence of circumstantial descriptors C.
  • ⁇ ( ⁇ ( ) is the average annual resource quantity v i, k (represents the product of the usage profiles according to the time of the day, the day of the week, the day of the year, etc.
  • the integral of each of the profiles (indexed by k) is standardized to unity.
  • ⁇ 0; is expressed in Wh [Watt hour] for the case of electricity.
  • the invention also relates to an electronic device identification device, belonging to a local connected to a fluid distribution network, said equipment realizing a consumption of said fluid, the consumption of said fluid by said equipment being represented by a unitary consumption segment, said lineamentally, said lineament comprising a list of parameters, said list of parameters comprising at least one contextual or morphological descriptor, a contextual descriptor being representative of a circumstance related to the consumption of said fluid and a morphological descriptor being representative of a consumption profile of said fluid by an equipment or a category of consumption equipment of said fluid.
  • Such a device comprises:
  • the various steps of the methods according to the invention are implemented by one or more software or computer programs, comprising software instructions intended to be executed by a data processor of a relay module according to the invention. invention and being designed to control the execution of the various process steps.
  • the invention also relates to a computer program, capable of being executed by a computer or a data processor, this program comprising instructions for controlling the execution of the steps of a method as mentioned above.
  • This program can use any programming language, and be in the form of source code, object code, or intermediate code between source code and object code, such as in a partially compiled form, or in any other form desirable shape.
  • the invention also relates to a data carrier readable by a data processor, and comprising instructions of a program as mentioned above.
  • the information carrier may be any entity or device capable of storing the program.
  • the medium may comprise storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or a magnetic recording means, for example a floppy disk, a disk Hard, SSD Solid State Disc), etc.
  • the information medium may be a transmissible medium such as an electrical or optical signal, which may be conveyed via an electrical or optical cable, by radio or by other means.
  • the program according to the invention can be downloaded in particular on an Internet type network.
  • the information medium may be an integrated circuit (ASIC or FPGA type) in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the method in question.
  • ASIC integrated circuit
  • FPGA field-programmable gate array
  • the invention is implemented by means of software and / or hardware components.
  • module may correspond in this document as well to a software component, a hardware component or a set of hardware and software components.
  • a software component corresponds to one or more computer programs, one or more subroutines of a program, or more generally to any element of a program or software capable of implementing a function or a program. set of functions, as described above and below for the module concerned.
  • Such a software component is executed by a data processor of a physical entity (terminal, server, gateway, router, etc.) and is capable of accessing the hardware resources of this physical entity (memories, recording media, bus communication cards, input / output electronic cards, user interfaces, etc.).
  • a hardware component corresponds to any element of a hardware set (or hardware) able to implement a function or a set of functions, as described above and below for the module concerned.
  • It can be a component programmable hardware or with an integrated processor for executing software, for example an integrated circuit, a smart card, a memory card, an electronic card for executing a firmware, etc.
  • Figure 1 shows a block diagram of the proposed technique for the treatment of fluid consumption data
  • FIG. 2 shows a device for implementing the proposed method.
  • the general principle of the technique described consists in characterizing data structures previously extracted from a consumption curve (data structures called arbitrarily linear) with the help of notations ("scores") which can make it possible to identify equipment that physically performed the said consumption in a given room.
  • the technique described can be arranged in ascending (or decreasing) order of likelihood the classes of equipment to which the lineament can belong and later exploit this ordered list for different purposes.
  • the fluid consumed is an electric fluid: refrigerator, electric heater, oven, dryer, etc.
  • the fluid is for example the gas
  • the fluid is running water
  • the data structures on the basis of which the present technique is implemented are distinct segments of consumption called lineaments. These segments are previously obtained by a method that is not the subject of the present.
  • the lineaments are for example obtained by identifying and bringing together at least two transitions (upwards and downwards) resulting from an initial consumption curve: that is, changes in the consumption flow that exceed ( in absolute value) a threshold parameter whose value can evolve along a process of cutting the curve of consumption.
  • a lineament is in the form of a data structure, for example stored within a file or database as a record comprising several fields.
  • a lineament includes exogenous data, dependent on external variables, usually circumstantial and usually having a temporal dependence, and endogenous data, describing the temporal profile of the consumption, generally of morphological type. , usually not having a time dependency.
  • a lineament may comprise, in a specific embodiment, a dozen different fields, corresponding to as many dimensions making it possible to identify this lineament in a unique manner.
  • One of the main objects of the present technique is to assign the lineaments or any other episode of consumption representing a distinct event to physical equipment of the local where the initial consumption curve (for extracting episodes) has been generated. .
  • This equipment is for example a boiler, a water heater, a refrigerator, a washing machine, a coffee maker, a television, a hob (gas or electric), etc.
  • This assignment has several objectives: (1) to be able to determine profiles and typologies of consumption, (2) to be able to detect malfunctions in the equipment used, (3) to be able to advise or inform actors - human or not - about measures to take in order to optimize fluid consumption, etc.
  • the proposed technique therefore has quite practical and useful applications.
  • a lineament is a finite sequence ([/? ", T n ]) of pairs of scalars, which, in this" raw "state, can not be processed in order to perform a classification.
  • a lineament is subsequently characterized using standardized descriptors. These descriptors constitute two vectors (viz, two ordered lists of scalars) which characterize, on the one hand, the endogenous morphology of the signature (in an imaginary way, the shape of the lineament), and on the other hand the exogenous circumstances under which it is happened (under what conditions this form appeared).
  • descriptors constitute two vectors (viz, two ordered lists of scalars) which characterize, on the one hand, the endogenous morphology of the signature (in an imaginary way, the shape of the lineament), and on the other hand the exogenous circumstances under which it is happened (under what conditions this form appeared).
  • the dimension D of the vector D can be of the order of a few units but it can reach a dozen or more.
  • the integrated consumption of L, its maximum consumption, its total variation (TV), or its global slope represent some examples of parameters likely to belong to D.
  • the timestamp and its derived values time slot, day of the week, working day / holiday), the inside and outside temperatures are indicated, when they are wanted and available, in C.
  • This technique identifies an equipment, belonging to a local connected to a fluid distribution network, said equipment realizing a consumption of said fluid, the consumption of said fluid by said equipment being represented by a unit consumption segment, called linearity (LI N), said linearity comprising a list of parameters, said list of parameters comprising at least one contextual or morphological descriptor, a contextual descriptor being representative of a circumstance related to the consumption of said fluid and a morphological descriptor being representative of a device or a device; category of consumption equipment of said fluid.
  • LI N unit consumption segment
  • the categories may for example be ranked in the order of the scores.
  • p k represents the probability that the lineament L comes from the apparatus a k .
  • D represents the different values of the endogenous parameters
  • p (D ⁇ a k AC) represents the probability of issuing the morphological descriptors D knowing that it is the apparatus a k which indicates an activity and that the circumstances are those described by the descriptors C.
  • pa k ⁇ C) represents the probability that the device has k shows an activity knowing the circumstances are those described by the descriptors C.
  • p D ⁇ C represents the probability of issuing the morphological descriptors D knowing that the circumstances are those described by the descriptors C.
  • MAP maximum a posteriori
  • the inventors have estimated that the morphology D of the lineaments (that is to say the shape of a lineament) could, for the most part, be considered as independent of the context C in which the episode of consumption appears: the morphology of the consumption of a device (for example a washing machine or a flush of water), does not vary according to for example the time of activation of the apparatus: the consumption of water of a flush or the The power consumption of a washing machine is practically the same regardless of, for example, the time of day or the outside temperature.
  • a score or score S corresponding to the stated specifications is defined by keeping the expression of the probability p k only as follows:
  • the score S k is proportional to the probability that the pair (D, C) comes from the apparatus a k .
  • the score appears as the product of the probability of emission of the morphological descriptors of the lineament (or morphological score S M ) and of the prior probability of the apparatus in the context (or contextual score S c ).
  • the score is thus defined as the product of two factors. In another implementation, it could be a more sophisticated function of these two factors.
  • the first factor accounts for the adequacy of the morphological descriptors of the lineament to the generic signature of the apparatus a k . This is the probability of emission or morphological score S M.
  • the second estimates the probability that a unit's activity happens k under the circumstances. This is the contextual score S c .
  • These two scores are calculated independently of each other, for a device a k given. They are for example recorded in a list (or a table or a table) in which the lineament L is associated with the apparatus a k and comprising the two previously calculated scores.
  • the scores of the L-lineament are calculated for all the devices one can perform the selection of the highest score (ie the highest score Si) in the list of scores s and select the lineament L as coming from the apparatus associated with the highest score.
  • the list of scores may be used by a downstream module which proceeds to the assignment using this list together with other information, in a framework for example fuzzy logic.
  • an object of the present is not to protect a theoretical approach to solve the problem, but a calculation technique. More particularly, as explained above, an interesting point of the described technique is to independently perform on the one hand a morphological calculation and secondly a contextual calculation, these two calculations can be conducted in parallel to accelerate the treatment speed. Furthermore, an object of the present technique is to propose a double level of calculation. Thus, a morphological score (basic when the calculation is made for a device, or categorical when the calculation is performed for a device category) can be calculated locally (that is, for a particular room or dwelling) and "reassembled" within a global database, in order to refine calculation results on other premises or housing (later local reuse).
  • a reference lineament is a lineament that can be assigned to a category of equipment by virtue of its morphological and circumstantial characteristics which can then be associated with said category.
  • the reference lineaments can be used to construct the probability densities that will subsequently be used to (1) refine the local allocation, but also to (2) evaluate the consumption of new housing or dwelling (ie new in that they have not yet been analyzed).
  • a local database can be an extract from the global database.
  • the method that is the subject of the present technique comprises: initial notations, a priori, lineaments, to a given apparatus or category; Consolidated post-clearance ratings of these allocations, including the use of reference lineaments;
  • This embodiment is presented for assigning a single lineament L to a category A. It is understood, however, that the assignment of multiple lineaments is performed in a substantially identical manner to a unitary assignment: it suffices to repeat calculations to determine the assignment of other lineaments.
  • the categorical score is a quantity proportional to the probability that a vector of descriptors D emitted in a context C comes from the category of devices A, (D and C being fixed).
  • the categorical score is a function of two factors (eg their product): the morphological score (category) and the context score.
  • V (P p (D
  • 3 ⁇ 4), with 3 ⁇ 4 (, m) 1 ⁇ m ⁇ M
  • the a priori ⁇ ⁇ ⁇ ( ⁇ ) is coded as N designated particles (i9 j j) eW (i) (NB: two indices for particles but only one for hyper-parameters) whose histogram approximates the laws ; 0 (i9 j ).
  • the probability of issuance is estimated as follows:
  • I p (f) i) have a sufficiently simple form that the generation of the particles is trivial using a computer medium (for example, if the form chosen for P; 0 (ui) is that of a normal law, any random generator of observations derived from a normal law can be used). Nevertheless, if the P; 0 (ui) have a complex shape, the particles can then be obtained, for example, from several iterations of a Metropolis-Hastings algorithm.
  • the "contextual" score is the prior probability of activity of an apparatus with k or of category Ai as a function of the context C. The calculation of this score is simpler than that of the morphological score.
  • ⁇ ( ⁇ ,) is the average annual resource quantity (expressed in Wh) consumed by the device or its category.
  • v ik (t) characterize usage patterns by time of day, day of the week, day of the year, and so on. Their integrals over the period considered are reduced to unity.
  • the purpose of this modeling is to take into account (thanks to v jk ) the fact that certain hours of the day and / or certain days of the week are more likely than others for the use of a given device, but to be nevertheless conservative in energy at the moment of the attribution thanks to ⁇ ( ⁇ ,). 5.3. Reference lineaments
  • a reference lineament is a lineament that is known to be transmitted by a given device and whose descriptors will be able, as such, to be exploited later.
  • reference lineaments are used to increase the recognition rate. They allow an adaptation to local specificities (laws a priori (global / national) can indeed present mutual recoveries and thus induce indeterminations that housing devices do not manifest), increasing the recognition rate when the conditions for obtaining lineaments are less favorable.
  • they are exploited to enrich a national (global) database that is gradually becoming more diversified and more representative of the equipment actually owned by a large population.
  • the probability densities, - , 0 ( ⁇ ⁇ ) are initialized from datasheets and semi-quantitative experiments.
  • the reference lineaments improve these probability densities i0 fi? / J indirectly at the global level and compensates locally more directly.
  • the set £ (t) is the set of all the lineaments extracted from a local load curve associated with their score for a given category A -. Cardinal L w (t) of this set depends on the w site and the time, but not in category A ,. It is a growing function of t.
  • -rf (t) represents the set of pairs of type [lineaments; local scores], for which the score exceeds an empirical threshold allowing to assign these lineaments to their category unambiguously.
  • the cardinal r, w (t) of this set depends on the site w, the category A h of the threshold and the time. It is a growing function of t.
  • r j 0 (t) is the expected number of lineaments for category A, and for duration t. This number can be derived from scientific literature or experience. We define the list of reference lineaments of local site w for category A, by:
  • the threshold is set empirically. This assumes a visual follow-up of the affectibility of the first lineaments, which helps to prevent the scoring system from forking into an unstable state. This humanly supervised phase is temporary and its time-consuming nature remains limited. Thus, at this stage, there are local lists of reference lineaments for each site and category.
  • This feedback loop (local initial computation, global update and then local reinjection), which is an important feature of this embodiment of the proposed technique, makes it possible to take into account locally ( ' .e. 'a particular dwelling or place), aggregations and global syntheses.
  • p ir is the probability of issuing the morphological descriptors D in the context C knowing that it is the apparatus A t which testified of an activity and in view of the assignment of all reference lineaments Lj tr .
  • the value of this morphological score is evaluated via an estimate of the integral above. Specifically, this score is estimated from N K noted particles (û irk ) keNK whose histogram approximates the posterior laws p ir di) via the following calculation:
  • the particles (û rik ) k are generated sequentially from the preceding particles ( ⁇ 9 ⁇ 7 -_ ⁇ ) - or, if the latter are not defined, from the particles (Pi ,] ) ] defined more high.
  • This sequential generation of particles can be performed using a sequential Monte Carlo approach (also known as particle filtering).
  • the use of such an approach is made possible by the fact that the posterior distribution Pi r (i9j) can be computed to a constant. Indeed, we have with known to the user.
  • the device comprises a memory 21 constituted by a buffer memory, a processing unit 22, equipped for example with a microprocessor, and driven by the computer program 23, implementing a method of creating a structure of consumption data.
  • the code instructions of the computer program 23 are for example loaded into a memory before being executed by the processor of the processing unit 22.
  • the processing unit 22 receives as input representative data. consumption, in the form of lineaments comprising morphological characteristics and circumstantial / contextual characteristics (having a temporal dependence).
  • the microprocessor of the processing unit 22 implements the steps of the creation method according to the instructions of the computer program 23 to associate these lineaments with predetermined equipment.
  • the device comprises, in addition to the buffer memory 21, communication means, such as network communication modules, data transmission means and possibly an encryption processor.
  • These means may be in the form of a particular processor implemented within the device. According to a particular embodiment, this device implements a particular application which is in charge of the calculations.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

L'invention se rapporte à un procédé d'identification d'un équipement réalisant une consommation d'un fluide, la consommation étant caractérisée par un segment de consommation unitaire appelé linéament comprenant une liste de paramètres contextuel et morphologique. Selon l'invention le procédé comprend : - une pluralité d'étapes d'obtention (10) de données représentatives d'un score morphologique (SM) dudit linéament (LIN) en fonction d'au moins une valeur d'au moins un descripteur morphologique (D) du linéament (LIN) et d'au moins une catégorie d'équipement (CE), délivrant une liste comprenant au moins un score morphologique (LSM); - une pluralité d'étapes d'obtention (20) de données représentatives d'un score contextuel (SC) dudit linéament (LIN) en fonction d'au moins une valeur d'un descripteur contextuel (C) du linéament (LIN) et d'une quantité de fluide moyenne consommée (QFMC) sur au moins une période temporelle, délivrant une liste comprenant au moins un score contextuel (LSC); - une étape d'identification (30) d'une catégorie d'équipement (CE) et/ou d'un équipement dont est issu ledit linéament (LIN) en fonction des scores de ladite liste de scores morphologiques (LSM) et de ladite liste de scores contextuels (LSC).

Description

Procédé d'identification d'une structure de données représentative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant.
1. Domaine de l'invention
L'invention se rapporte à une technique d'identification de consommation. L'invention se rapporte plus particulièrement à une technique d'identification de consommation d'une ressource, telle qu'un fluide, transportée par un flux présentant des variations, et dont on connaît des mesures répétées. Plus particulièrement l'invention s'inscrit dans une optique de maîtrise des consommations de ressources, comme par exemple les ressources énergétiques (gaz, électricité, pellets de combustibles), mais également des ressources naturelles (eau). La technique proposée est mise en œuvre par un dispositif dédié comprenant des moyens de traitements de grandes quantités de données et des moyens de calcul permettant d'identifier des équipements sources d'une consommation de fluide.
2. Art antérieur
La problématique de la désagrégation de courbe de consommation est relativement récente et les travaux s'y rapportant sont peu identifiables. Parmi les nombreux critères techniques susceptibles d'intervenir dans le principe et dans la performance d'un algorithme de désagrégation, une distinction principale apparaît en fonction de la fréquence à laquelle la puissance consommée est échantillonnée. Entre les gammes 1 hr - 1 min, 1 min - 1 Hz, 1-60 Hz, 60 Hz-2 kHz, 2-40 kHz, et >1 MHz, les problématiques et les possibilités diffèrent grandement.
Dans le cadre de la technique proposée, des méthodes qui reposent sur l'analyse des harmoniques ne sont pas adaptées car elles ne sont pas compatibles avec le parc des compteurs standards, ni même avec la plupart des 'smart meters' existants ou amenés à être installés lors de la future décade. Ceux-ci sont dits intelligents ('smart'), car aptes à transmettre de l'information au gestionnaire de réseau mais cette information reste rudimentaire et basse fréquence (un échantillon toutes les 10 à 30 minutes, typiquement) de façon à préserver la vie privée des usagers. Or dans la présente technique, on s'intéresse à des fréquences d'échantillonnage plus élevées que celle des smart meters, bien qu'inférieures à la dizaine de Hertz, et en pratique, de l'ordre du dixième de Hertz. Bien que non transmise au gestionnaire de réseau, cette information existe à l'intérieur des compteurs. Elle peut en être extraite à l'aide de divers moyens (capteur externe, sortie numérique locale du compteur) et communiquée par les particuliers à un service de type « opt-in », auquel ils auront adhéré volontairement. Pour la même raison de non compatibilité avec les cadences d'échantillonnage disponibles, des méthodes basées sur l'analyse des transitoires sont en bonne partie exclues du champ de l'art antérieur car elles exigent en général la centaine de Hertz environ.
Des méthodes comparables à la présente, en termes de résultats attendus, pourraient être fondées sur une analyse des états quasi-stationnaires : de telles méthodes, cependant, nécessitent des paliers pendant lesquels la consommation de fluide devrait être suffisamment constante. Or il est connu, qu'un profil temporel de consommation peut prendre des formes diverses et manifester des rampes croissantes ou décroissantes. Ceci est en particulier vrai dans le cas de la consommation électrique dans un logement. Ainsi, les résultats qui pourraient être obtenus par de telles méthodes seraient complexes à calculer et ne seraient pas forcément représentatifs de la structure réelle de la consommation.
3. Résumé de l'invention
L'invention ne présente pas ces inconvénients de l'art antérieur. Plus particulièrement, l'invention se rapporte à un procédé d'identification, mis en œuvre par un dispositif électronique, d'un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit équipement réalisant une consommation dudit fluide, la consommation dudit fluide par ledit équipement étant représentée par un segment de consommation unitaire, dit linéament, ledit linéament comprenant une liste de paramètres, ladite liste de paramètres comprenant au moins un descripteur contextuel ou morphologique, un descripteur contextuel étant représentatif d'une circonstance liée à la consommation dudit fluide et un descripteur morphologique étant représentatif d'un profil de consommation dudit fluide par un équipement ou par une catégorie d'équipement. Selon l'invention, un tel procédé comprend :
une pluralité d'étapes d'obtention de données représentatives d'un score morphologique dudit linéament en fonction d'au moins une valeur d'au moins un descripteur morphologique du linéament et d'au moins une catégorie d'équipement, délivrant une liste comprenant au moins un score morphologique ;
une pluralité d'étapes d'obtention de données représentatives d'un score contextuel dudit linéament en fonction d'au moins une valeur d'un descripteur contextuel du linéament et d'une quantité de fluide moyenne consommée sur au moins une période temporelle, délivrant une liste comprenant au moins un score contextuel ;
- une étape d'identification d'une catégorie d'équipement et/ou d'un équipement dont est issu ledit linéament en fonction des scores de ladite liste de scores morphologiques et de ladite liste de scores contextuels. Une période temporelle peut par exemple être la minute, l'heure, le jour, le mois ou l'année.
Selon une caractéristique particulière, préalablement à l'étape d'identification, au moins une étape d'obtention d'une liste de scores morphologiques a posteriori en fonction dudit linéament , de lois a priori pour chaque équipement ou catégorie et en fonction d'au moins une liste de linéaments de référence.
Selon une caractéristique particulière, ladite étape d'identification tient compte de la liste de scores morphologiques a posteriori.
Selon une caractéristique particulière, une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament, dont les paramètres endogènes sont listés dans D, comprend, pour un appareil ak donné, un calcul de :
p(D \ ak) = p (D = p (D |¾), avec ¾ = (A,m)1≤m≤M dans lequel :
p D \ ak) représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est l'équipement ak qui a manifesté une activité.
p {D \ {pk,m)1<m<M) représente probabilité d'observer les descripteurs morphologiques D sachant qu'ils sont distribués selon des lois paramétrées par des paramètres (pk,m)1<m<M> dits « hyper-paramètres ».
i9fe m représente les M hyper-paramètres des lois décrivant les descripteurs de l'équipement ak.
Selon une caractéristique particulière, une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament comprend, pour une catégorie A comprenant une pluralité d'appareils ak, lorsque aucun linéament de référence n'est disponible, un calcul de :
dans lequel :
p(Z) représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est un appareil de la catégorie d'équipements A, qui a manifesté une activité.
p(Z) | i9j) représente la probabilité d'observer les descripteurs morphologiques D sachant que les hyper-paramètres valent i9j . pi 0 (i9j) représente la distribution des hyper-paramètres de la catégorie d'équipements A,.
di9j représente un incrément infinitésimal sur les hyper-paramètres
Selon une caractéristique particulière, une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament comprend, pour une catégorie A comprenant une pluralité d'appareils ak, lorsqu'un ensemble de linéaments de référence sont disponibles, un calcul de :
p(D \ (L r) A Ai) = (f p tf x pi ù dâi
JJût
dans lequel :
représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est un appareil de la catégorie d'équipements A,- qui a manifesté une activité et sachant que les linéaments (Li r) ont été émis par l'appareil A,.
p(D |i9j) représente la probabilité d'observer les descripteurs morphologiques D sachant que les hyper-paramètres valent i9j .
pi r (i9j) représente la distribution a posteriori des hyper-paramètres de la catégorie d'équipements A.
di9j représente un incrément infinitésimal sur les hyper-paramètres.
Selon une caractéristique particulière, une approximation de est calculée par échantillonnage préférentiel :
p{D \ {L r) A Ai) ^ (£> r,fc)
k=l...N
dans lequel les (i9r i k)k correspondent à des particules, dont l'histogramme approxime Vi,r( d> construites à l'aide d'une procédure Monte-Carlo séquentielle.
Selon une caractéristique particulière, une étape d'obtention d'une donnée représentative d'un score contextuel dudit linéament comprend un calcul de :
p{a j viik(t)
dans lequel :
- p( jj | c) représente la probabilité d'observer une activité de l'appareil alj de la catégorie A,- sachant l'advenue des descripteurs circonstanciels C.
pG4j |C) représente la probabilité d'observer une activité de la catégorie A, sachant l'advenue des descripteurs circonstanciels C.
Ψ(^ () représente la quantité de ressource annuelle moyenne vi,k( représente le produit des profils d'utilisation en fonction de l'heure de la journée, du jour de la semaine, du jour de l'année, etc. L'intégrale de chacun des profils (indicés par k) est normalisée à l'unité.
Ψ0 ;) est exprimée en Wh [Watt heure] pour le cas de l'électricité.
Dans un autre mode de réalisation, l'invention se rapporte également à un dispositif électronique d'identification d'un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit équipement réalisant une consommation dudit fluide, la consommation dudit fluide par ledit équipement étant représentée par un segment de consommation unitaire, dit linéament, ledit linéament comprenant une liste de paramètres, ladite liste de paramètres comprenant au moins un descripteur contextuel ou morphologique, un descripteur contextuel étant représentatif d'une circonstance liée à la consommation dudit fluide et un descripteur morphologique étant représentatif d'un profil de consommation dudit fluide par un équipement ou par une catégorie d'équipement de consommation dudit fluide.
Un tel dispositif comprend :
- des moyens d'obtention de données représentatives d'un score morphologique dudit linéament en fonction d'au moins une valeur d'au moins un descripteur morphologique du linéament et d'au moins une catégorie d'équipement, délivrant une liste comprenant au moins un score morphologique ;
des moyens d'obtention de données représentatives d'un score contextuel dudit linéament en fonction d'au moins une valeur d'un descripteur contextuel du linéament et d'une quantité de fluide moyenne consommée sur une ou plusieurs périodes de temps, délivrant une liste comprenant au moins un score contextuel.
Selon une implémentation préférée, les différentes étapes des procédés selon l'invention sont mises en œuvre par un ou plusieurs logiciels ou programmes d'ordinateur, comprenant des instructions logicielles destinées à être exécutées par un processeur de données d'un module relais selon l'invention et étant conçu pour commander l'exécution des différentes étapes des procédés.
En conséquence, l'invention vise aussi un programme informatique, susceptible d'être exécuté par un ordinateur ou par un processeur de données, ce programme comportant des instructions pour commander l'exécution des étapes d'un procédé tel que mentionné ci-dessus. Ce programme peut utiliser n'importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable.
L'invention vise aussi un support d'informations lisible par un processeur de données, et comportant des instructions d'un programme tel que mentionnées ci-dessus.
Le support d'informations peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy dise), un disque dur, un SSD Solid State Disc), etc.
D'autre part, le support d'information peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.
Alternativement, le support d'information peut être un circuit intégré (type ASIC ou FPGA) dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
Selon un mode de réalisation, l'invention est mise en œuvre au moyen de composants logiciels et/ou matériels. Dans cette optique, le terme "module" peut correspondre dans ce document aussi bien à un composant logiciel, qu'à un composant matériel ou à un ensemble de composants matériels et logiciels.
Un composant logiciel correspond à un ou plusieurs programmes d'ordinateur, un ou plusieurs sous-programmes d'un programme, ou de manière plus générale à tout élément d'un programme ou d'un logiciel apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessus et ci-dessous pour le module concerné. Un tel composant logiciel est exécuté par un processeur de données d'une entité physique (terminal, serveur, passerelle, routeur, etc.) et est susceptible d'accéder aux ressources matérielles de cette entité physique (mémoires, supports d'enregistrement, bus de communication, cartes électroniques d'entrées/sorties, interfaces utilisateur, etc.).
De la même manière, un composant matériel correspond à tout élément d'un ensemble matériel (ou hardware) apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessus et ci-dessous pour le module concerné. Il peut s'agir d'un composant matériel programmable ou avec processeur intégré pour l'exécution de logiciel, par exemple un circuit intégré, une carte à puce, une carte à mémoire, une carte électronique pour l'exécution d'un micro logiciel (firmware), etc.
4. Figures
D'autres caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante d'un mode de réalisation préférentiel, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels :
la figure 1 présente un synoptique de la technique proposée pour le traitement des données de consommation de fluide ;
- la figure 2 présente un dispositif de mise en œuvre de la méthode proposée.
5. Description
5.1. Rappel du principe
Le principe général de la technique décrite consiste à caractériser des structures de données préalablement extraites d'une courbe de consommation (structures de données appelées arbitrairement linéaments) à l'aide de notations (« scores ») qui peuvent permettre d'identifier un équipement qui a physiquement effectué ladite consommation dans un local donné. À tout le moins, selon la technique décrite, lorsqu'il n'est pas envisageable ou possible d'identifier précisément un équipement physique particulier, la technique décrite permet de ranger par ordre croissant (ou décroissant) de vraisemblance les classes d'équipement auxquelles le linéament peut appartenir et exploiter ultérieurement cette liste ordonnée pour différentes finalités. À titre indicatif, on peut par exemple définir les classes suivantes, lorsque le fluide consommé est un fluide électrique : réfrigérateur, radiateur électrique, four, sèche-linge, etc. Lorsque le fluide est par exemple le gaz, on peut définir les classes : chaudière, chauffe-eau, plaque de cuisson. Lorsque le fluide est l'eau courante, on peut définir les classes : douche, toilettes, baignoire, lave-linge, lave-vaisselle, etc..
On rappelle, à toutes fins utiles, que les structures de données sur la base desquelles la présente technique est mise en œuvre sont des segments distincts de consommation appelés linéaments. Ces segments sont préalablement obtenus par une méthode qui n'est pas l'objet de la présente. Les linéaments sont par exemple obtenus en identifiant et en réunissant au moins deux transitions (à la hausse et à la baisse), issues d'une courbe de consommation initiale : c'est- à-dire des modifications du flux de consommation qui excèdent (en valeur absolue) un paramètre de seuil dont la valeur peut évoluer au long d'un processus de découpage de la courbe de consommation. Un linéament se présente sous la forme d'une structure de données, par exemple enregistrée au sein d'un fichier ou d'une base de données sous la forme d'un enregistrement comprenant plusieurs champs. Dans une mise en œuvre particulière, un linéament comprend des données exogènes, dépendant de variables qui lui sont extérieures, généralement de type circonstanciel et possédant habituellement une dépendance temporelle, et des données endogènes, décrivant le profil temporel de la consommation, généralement de type morphologique, ne possédant habituellement pas de dépendance temporelle. Par exemple un linéament peut comprendre, dans un mode de réalisation spécifique, une douzaine de champs différents, correspondant à autant de dimensions permettant d'identifier ce linéament de manière unique. L'un des objets principaux de la présente technique est d'affecter les linéaments ou tout autre épisode de consommation représentant un événement distinct à des équipements physiques du local où la courbe de consommation initiale (permettant d'en extraire des épisodes) a été générée. Ces équipements sont par exemple une chaudière, un chauffe-eau, un réfrigérateur, une machine à laver le linge, une cafetière, un téléviseur, une plaque de cuisson (gaz ou électrique), etc. Cette affectation poursuit plusieurs objectifs : (1) pouvoir déterminer des profils et des typologies de consommations, (2) pouvoir détecter des dysfonctionnements dans les équipements utilisés, (3) pouvoir conseiller ou renseigner des acteurs --humains ou non-- sur des mesures à prendre afin d'optimiser la consommation de fluide, etc. La technique proposée possède donc des applications tout à fait concrètes et utiles.
De manière plus précise, un linéament est une suite finie ([/?„, Tn]) de couples de scalaires, peu apte, dans cet état « brut », à être traitée en vue d'en réaliser une classification. Ainsi, afin d'accomplir cette classification, un linéament est subséquemment caractérisé à l'aide de descripteurs standardisés. Ces descripteurs constituent deux vecteurs (viz. deux listes ordonnées de scalaires) qui caractérisent, d'une part la morphologie endogène de la signature (de manière imagée, la forme du linéament), et d'autre part les circonstances exogènes sous lesquelles il est advenu (dans quelles conditions cette forme est apparue). Nous dirons aussi son contexte.
Les descripteurs morphologiques sont notés D = [Dk]1≤k≤0 et les descripteurs contextuels C=[Ck]1≤k≤c. La dimension D du vecteur D peut être de l'ordre de quelques unités mais elle peut atteindre la douzaine ou plus. La consommation intégrée de L, sa consommation maximale, sa variation totale (TV), ou encore sa pente globale représentent quelques exemples de paramètres susceptibles d'appartenir à D. L'horodatage et ses valeurs dérivées (tranche horaire, jour de la semaine, jour ouvré/férié), les températures intérieures et extérieures sont pour leur part renseignées, lorsqu'elles sont voulues et disponibles, dans C.
Dans la suite, on considère qu'un linéament L étant advenu, il se trouve complètement caractérisé par le couple [D, C].
L = [D, C]
On décrit, en relation avec la figure 1, la technique proposée, mise en œuvre par un dispositif électronique. Cette technique identifie un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit équipement réalisant une consommation dudit fluide, la consommation dudit fluide par ledit équipement étant représentée par un segment de consommation unitaire, dit linéament (LI N), ledit linéament comprenant une liste de paramètres, ladite liste de paramètres comprenant au moins un descripteur contextuel ou morphologique, un descripteur contextuel étant représentatif d'une circonstance liée à la consommation dudit fluide et un descripteur morphologique étant représentatif d'un équipement ou d'une catégorie d'équipement de consommation dudit fluide. De manière générale, pour ce linéament (LI N) donné, on met en œuvre :
une pluralité d'étapes d'obtention (10) de données représentatives d'un score morphologique (SM) du linéament en fonction des valeurs des descripteurs morphologiques D du linéament et d'au moins une catégorie d'équipement (CE), délivrant une liste (LSM) comprenant au moins un score morphologique (SM) ;
une pluralité d'étapes d'obtention (20) de données représentatives d'un score contextuel (Sc) du linéament en fonction des valeurs des descripteurs contextuels (C) du linéament et d'au moins une quantité (QFMC) de fluide consommée en moyenne sur une ou plusieurs durée caractéristiques (par exemple : heure, jour, semaine, mois, année), délivrant une liste (LSC) comprenant au moins un score contextuel (Sc) ;
une étape d'identification (30) d'une catégorie d'équipement (Ca) et/ou d'un équipement (E) dont est issu ledit linéament (LI N) en fonction des scores de ladite liste de scores morphologiques (LSM) et de ladite liste de scores contextuels (LSC). Alternativement, ou complémentairement, les catégories peuvent par exemple être classées dans l'ordre des scores.
Cette méthode est mise en œuvre pour une partie au moins des linéaments d'une courbe de charge, par exemple pour les linéaments jugés significatifs (pour les linéaments représentatifs d'une consommation assez élevée par exemple). Plus particulièrement, l'un des objectifs principaux de la technique proposée est de savoir si un linéament donné L = D A C (forme D émise dans un contexte C) correspond à la consommation de fluide d'un appareil ak donné. Pour obtenir cette information, il est par exemple possible de calculer une probabilité qu'un linéament L provienne de l'utilisation de l'appareil ak.
D'un point de vue théorique, d'après le théorème de Bayes, cette probabilité s'écrit :
Pk = p .ak \L) = p{ak \D A C) = p(D \ C) dans laquelle :
pk représente la probabilité que le linéament L soit issu de l'appareil ak,
correspondant à la probabilité de ak sachant D et C;
C représente les différentes valeurs des paramètres exogènes ;
D représente les différentes valeurs des paramètres endogènes ;
p(D \ak A C) représente la probabilité d'émettre les descripteurs morphologiques D sachant que c'est l'appareil ak qui témoigne d'une activité et que les circonstances sont celles décrites par les descripteurs C.
p ak \C) représente la probabilité que l'appareil ak témoigne d'une activité sachant que les circonstances sont celles décrites par les descripteurs C.
p D \ C) représente la probabilité d'émettre les descripteurs morphologiques D sachant que les circonstances sont celles décrites par les descripteurs C. Dans une démarche d'affectation du linéament L à un appareil ak, par exemple par un estimateur du maximum a posteriori (MAP), on recherche la probabilité pk la plus élevée (parmi les probabilités pk calculées pour différents appareils ak), D et C étant fixés. Il n'est cependant pas nécessaire de calculer l'ensemble des termes mentionnés ci-dessus donnant l'expression de cette probabilité. En effet, comme explicité plus haut, le fait de séparer en deux les composantes du linéament (morphologie versus contexte), met en exergue la valeur de p(D \ C) au dénominateur de l'expression. Or, les inventeurs ont estimé que la morphologie D des linéaments(c'est-à-dire la forme d'un linéament) pouvait, la plupart du temps, être considérée comme indépendante du contexte C dans lequel l'épisode de consommation apparaît : la morphologie de la consommation d'un appareil (par exemple un lave-linge ou une chasse d'eau), ne varie pas en fonction par exemple de l'heure d'activation de l'appareil : la consommation d'eau d'une chasse d'eau ou la consommation électrique d'un lave-linge est en pratique identique, quelle que soit, par exemple, l'heure de la journée ou la température extérieure.
Ainsi, on définit une note ou score S répondant aux spécifications énoncées (i.e. présentant une valeur relative, viz. apte à la comparaison entre appareils) en ne conservant de l'expression de la probabilité pk que les termes suivants :
SL fc = Sak(D, C) = p(D \ak) x p(ak \C) = S x S
On obtient ainsi le score des descripteurs morphologiques D émis dans le contexte C.
Comme D et C sont fixés, le score Sk est proportionnel à la probabilité que le couple (D,C) soit issu de l'appareil ak. Le score apparaît comme étant le produit de la probabilité d'émission des descripteurs morphologiques du linéament (ou score morphologique SM) et de la probabilité a priori de l'appareil dans le contexte (ou score contextuel Sc).
Le score est ainsi défini comme le produit de deux facteurs. Dans une autre implémentation, il pourrait être une fonction plus sophistiquée de ces deux facteurs. Le premier facteur rend compte de l'adéquation des descripteurs morphologiques du linéament à la signature générique de l'appareil ak. C'est la probabilité d'émission ou score morphologique SM. Le second estime la probabilité qu'une activité de l'appareil ak advienne dans les circonstances considérées. C'est le score contextuel Sc.
Ces deux scores sont calculés indépendamment l'un de l'autre, pour un appareil ak donné. Ils sont par exemple enregistrés dans une liste (ou un tableau ou une table) dans laquelle on associe le linéament L à l'appareil ak et comprenant les deux scores préalablement calculés.
Lorsque les scores du linéament L sont calculés pour tous les appareils a on peut effectuer la sélection du score le plus élevé (i.e. le score Si le plus élevé) dans la liste des scores s et sélectionner le linéament L comme étant issu de l'appareil associé au plus haut score. Alternativement, la liste de scores peut être utilisée par un module aval qui procède à l'affectation en utilisant cette liste en même temps que d'autres informations, dans un cadre par exemple de logique floue.
Ces étapes sont mises en œuvre par l'intermédiaire de modules et/ou de dispositifs électroniques permettant de réaliser un calcul, par exemple un calcul réparti.
On décrit, dans le mode de réalisation suivant, une mise en œuvre de la technique proposée pour réaliser une affectation de linéaments issus de courbes de consommations électriques. Ce mode de réalisation est accompagné des explications théoriques permettant de valider l'approche de la technique proposée.
Il est bien entendu que l'objet de la présente n'est pas de protéger une approche théorique de résolution du problème, mais bien une technique de calcul. Plus particulièrement, comme cela est explicité plus haut, un point intéressant de la technique décrite consiste à réaliser indépendamment d'une part un calcul morphologique et d'autre part un calcul contextuel, ces deux calculs pouvant être menés en parallèle afin d'accélérer la vitesse de traitement. Par ailleurs, un objet de la présente technique est de proposer un double niveau de calcul. Ainsi, un score morphologique (élémentaire lorsque le calcul est effectué pour un appareil, ou catégoriel lorsque le calcul est effectué pour une catégorie d'appareils) peut être calculé localement (c'est-à-dire pour un local ou une habitation particulière) et « remonté » au sein d'une base de donnée globale, afin d'affiner des résultats de calculs sur d'autres locaux ou habitation (réutilisation locale ultérieure). Plus particulièrement, lorsqu'un taux de reconnaissance acceptable est atteint pour un local ou une habitation, on dispose d'un mécanisme de remontée de cette information au sein d'une base de données dite « globale ». Cette remontée d'information est réalisée par l'intermédiaire de linéaments dits « de référence ». Un linéament de référence est un linéament affectable de manière assurée à une catégorie d'équipement grâce à ses caractéristiques morphologiques et circonstancielles qui vont pouvoir dès lors être associées à ladite catégorie. Les linéaments de référence peuvent être utilisés pour construire les densités de probabilités qui seront par la suite utilisées pour (1) affiner l'affectation en local, mais aussi pour (2) évaluer la consommation de nouveaux logement ou habitation (i.e. nouveau en ce qu'ils n'ont pas encore fait l'objet d'une analyse). On a donc un cercle vertueux dans lequel l'identification des linéaments d'une courbe de charge d'un logement utilise les résultats consolidés obtenus précédemment dans ce même logement, et aussi les résultats consolidés obtenus dans d'autres logements. Les nouveaux résultats obtenus étant par ailleurs utilisés pour mettre à jour les anciens. On entretient donc ainsi une base globale perpétuellement mise à jour.
En pratique, les bases de données locales et la base de données globale ne sont pas nécessairement séparées, une base de données locale pouvant être un extrait de la base de données globale.
Ainsi, d'une manière générale, la méthode objet de la présente technique comprend : des notations initiales, a priori, des linéaments, à un appareil ou une catégorie donnée ; des notations consolidées, a posteriori, de ces affectations, comprenant notamment l'utilisation de linéaments de référence ;
des mises à jour des linéaments de référence localement et globalement.
5.2. Description d'un mode de réalisation
Ce mode de réalisation est présenté pour l'affectation d'un seul linéament L à une catégorie A. Il est bien entendu cependant que l'affectation de multiples linéaments est effectuée d'une manière sensiblement identique à une affectation unitaire : il suffit de réitérer les calculs pour déterminer l'affectation d'autres linéaments.
Dans ce mode de réalisation de la technique proposée, on souhaite également, en sus, calculer un score par catégorie A, et non seulement par appareil. Dans ce cas, un tel calcul débute par l'utilisation du théorème de Bayes, comme pour celui réalisé pour un unique appareil, et se traduit mathématiquement par l'expression suivante :
Vt = vi t \D A C) = —
Dans laquelle p;est la probabilité qu'un linéament L (résumé par les descripteurs D émis dans un contexte C) soit issue de la catégorie d'appareils A,. De la même manière que pour la définition « élémentaire » (viz. par appareil) précédemment posée ci-dessus, le score catégoriel est défini par :
SAl(D, C) = S[ = P(D\A X p(Ai \C) = SM l x Sc l
Le score catégoriel est une grandeur proportionnelle à la probabilité qu'un vecteur de descripteurs D émis dans un contexte C soit issu de la catégorie d'appareils A, (D et C étant fixés). Comme pour le score élémentaire, le score catégoriel est une fonction de deux facteurs (par exemple leur produit) : le score morphologique (de catégorie) etle score contextuel.
5.2.1. Calcul de la probabilité d'émission des descripteurs d'un linéament (score morphologique) Le premier facteur SM apparaissant dans la formulation du score, p(Llak) ou p(LlA;), représente la probabilité d'émission des descripteurs du linéament L (par l'appareil ak ou par la catégorie A .
Les inventeurs ont noté que --pour un appareil ak donné- sa probabilité d'émission suivait ordinairement une loi paramétrique entièrement déterminée par M paramètres (i qui sont appelés dans la suite du texte les « hyper-paramètres de ak ». M est habituellement égal à 2. C'est le cas pour une loi normale où les hyper-paramètres codent sa moyenne et son écart-type, ou encore, par exemple, pour les lois gamma et inverse gamma. Mais M peut ne valoir que 1 comme dans le cas d'une loi exponentielle, ou plus de 2 (e.g. pour la loi normale asymétrique ou pour la loi normale généralisée).
Par souci de simplification, dans une implémentation particulière, les inventeurs considèrent que tous les descripteurs de tous les appareils peuvent être décrits par des lois paramétriques, et que ces lois sont de même nature (e.g. normale, exponentielle, etc. ) au sein de chaque catégorie A, d'appareils. Il en résulte que, au niveau d'un appareil individuel :
V(P = p (D |¾), avec ¾ = ( ,m)1≤m≤M
Ceci représente l'expression de la probabilité d'émission du linéament de forme D en fonction des hyper-paramètres de l'appareil ak pour lequel on souhaite calculer un score.
Pour
Ce développement représente l'expression de la probabilité d'émission du linéament de forme D par la catégorie A, pour laquelle on souhaite un score. En passant à la limite pour un grand nombre d'éléments au de Ah représentatifs par exemple d'un ensemble national d'équipements d'une catégorie :
Ceci est donc l'expression de la probabilité d'émission du linéament de paramètres endogènes D en fonction des hyper-paramètres de la catégorie A,. C'est cette expression qui est utilisée pour réaliser les calculs par catégorie.
De manière complémentaire, on constate, dans cette expression, que l'on retrouve la probabilité d'émission des appareils individuels p(Z) | i9j) -qui suivent des lois paramétriques, comme indiqué plus haut-, mais celles-ci sont maintenant pondérées par <,ο (¾ qui doit être interprété comme la densité de probabilité a priori des hyper-paramètres puisqu'elle procède du cumul des probabilités d'apparition des différents appareils au relativement à l'ensemble de la catégorie A, à laquelle ils appartiennent.
Ainsi, pour évaluer la probabilité d'émission de D vis-à-vis d'une catégorie fixée on effectue un calcul de l'expression (J) \A ) via une estimation de l'intégrale ci-dessus. Malgré le caractère paramétrique des probabilités d'émission élémentaires p (Z) |i9j), le calcul ne peut pas être mené analytiquement car le produit d'une probabilité d'émission élémentaire avec Γ a priori ρι 0 (βι) n'admet pas ordinairement de forme analytique, d'autant plus que Ριι0 {ϋ ) peut prendre la forme de créneaux, de peignes, de lois normales, de lois uniformes bornées, ou d'autres formes non paramétriques. L'a priori ρι ο(βι) est codé sous la forme de N particules désignées (i9jj) eW (i) (NB : deux indices pour les particules mais qu'un seul pour les hyper- paramètres) dont l'histogramme approxime les lois ; 0(i9j). Concrètement, la probabilité d'émission est estimée de la façon suivante :
Généralement, I es p^o fâi) ont une forme suffisamment simple pour que la génération des particules soit triviale à l'aide d'un support informatique (par exemple, si la forme choisie pour P; 0 (ûi) est celle d'une loi normale, n'importe quel générateur aléatoire d'observations issu d'une loi normale peut être utilisé). Néanmoins, si les P; 0 (ûi) ont une forme complexe, les particules peuvent alors être obtenues, par exemple, à partir de plusieurs itérations d'un algorithme de Metropolis- Hastings.
Ces lois sont initialisées « à la main » à partir de bases de données (catalogues des constructeurs par exemple), puis complétées et enrichies par un mécanisme de rétroaction décrit ci-après.
5.2.2. Calcul de la probabilité contextuelle a priori (score contextuel)
Le score « contextuel » la probabilité a priori d'activité d'un appareil ak ou d'une catégorie Ai en fonction du contexte C. Le calcul de ce score est plus simple que celui du score morphologique.
Pour rendre compte de sa dépendance vis-à-vis de l'heure de la journée, du jour de l'année et des cycles temporels en général, on pose :
p{a j oc Ψ(Α x ¾(t)
k
Ψ(Α,) correspond à la quantité de ressource annuelle moyenne (exprimée e.g. en Wh) consommée par l'appareil ou sa catégorie. vik(t) caractérisent les profils d'utilisation en fonction de l'heure de la journée, du jour de la semaine, du jour de l'année, etc. Leurs intégrales sur la période considérée sont ramenées à l'unité. L'objectif de cette modélisation est de prendre en compte (grâce aux vj k) le fait que certaines heures de la journée et/ou certains jours de la semaine sont plus probables que d'autres pour l'utilisation d'un appareil donné, mais d'être néanmoins conservateur en énergie au moment de l'attribution grâce à Ψ(Α,). 5.3. Linéaments de référence
Un des objectifs principaux de la technique décrite est de permettre une reconnaissance et une affectation optimisée des linéaments à des appareils ou des catégories d'appareils. Pour ce faire, les inventeurs ont eu l'idée d'introduire la notion de « Linéament de Référence ». De manière simple, un linéament de référence est un linéament que l'on sait être émis par un appareil donné et dont les descripteurs vont pouvoir, à ce titre, être exploités ultérieurement. Lors de l'examen d'un linéament issu de la courbe de consommation, les linéaments de référence sont utilisés pour augmenter le taux de reconnaissance. Ils permettent une adaptation aux spécificités locales (les lois a priori (globales/nationales) peuvent en effet présenter des recouvrements mutuels et donc induire des indéterminations que les appareils du logement ne manifestent pas), augmentant le taux de reconnaissance lorsque les conditions d'obtention des linéaments sont moins favorables. En second lieu, ils sont exploités pour enrichir une base de données nationale (globale) qui devient progressivement plus diversifiée et plus représentative des équipements réellement possédés par une grande population.
Les densités de probabilité ,-,0 (ϋί) sont initialisées à partir de fiches techniques et d'expériences semi-quantitatives. Les linéaments de référence améliorent ces densités de probabilité i0 fi?/J de manière indirecte au niveau global et les supplée localement de manière plus directe.
5.3.1. Initialisation globale des linéaments de référence.
À l'origine du fonctionnement d'un service de désagrégation, aucun linéament n'est disponible. Mais à ce stade, des lois paramétriques simples et tolérantes (par exemple normales ou uniformes et bornées) peuvent d'emblée être introduites dans le système sur la base de notices techniques par exemple, pour que des premiers scores morphologiques et contextuels puissent être calculés.
Dès lors, pour un site local donné w (e.g. un logement), il est possible d'associer des scores aux linéaments (produits par la désagrégation de la courbe de consommation), et ce pour chacun des appareils ak (relevant d'une catégorie A .
À tout instant, et pour chaque catégorie A„ on considère l'ensemble £^(t) de cardinal i.(t) de tous les couples de type [linéament ; son score pour la catégorie A , et le sous-ensemble ^i ^i ) de cardinal r,(t) pour lequel les scores dépassent un seuil fixé empiriquement.
£Γ( = { u] I Z e NL-(t)] L'ensemble £ (t) est l'ensemble de tous les linéaments extraits d'une courbe de charge locale associés à leur score pour une catégorie A,- donnée. Le cardinal Lw(t) de cet ensemble dépend du site w et du temps, mais pas de la catégorie A,. C'est une fonction croissante de t.
-rf (t) représente l'ensemble des couples de type [linéaments ;; scores locaux], pour lesquels le score dépasse un seuil empirique permettant d'affecter ces linéaments à leur catégorie de manière univoque. Le cardinal r,w(t) de cet ensemble dépend du site w, de la catégorie Ah du seuil et du temps. C'est une fonction croissante de t.
rj 0(t) est le nombre de linéaments attendus pour la catégorie A, et pour la durée t. Ce nombre peut être dérivé de la littérature scientifique ou de l'expérience. On définit la liste des linéaments de référence du site local w pour la catégorie A, par :
Xf (t) = {[L^] e rf(t) |Z e NR A V[Lm, Si>m] 6 Am < ¾}
avec/?r( = min(rr( .n,o( )
Il s'agit donc des Rl"(t) linéaments de la période considérée présentant les meilleurs scores. Leur nombre ne peut excéder le nombre attendu.
Le seuil est fixé empiriquement. Cela suppose un suivi visuel de l'affectibilité des premiers linéaments, ce qui aide à éviter que le système de scoring ne bifurque vers un état instable. Cette phase humainement supervisée est temporaire et son caractère chronophage reste donc limité. On dispose ainsi, à ce stade, de listes locales de linéaments de référence pour chaque site et chaque catégorie.
5.3.2. Rétroaction des listes locales vers l'a priori global
Lorsqu'une liste de linéaments de référence pour un site w apparaît fiable (de par la performance des résultats ou bien de par une supervision humaine) il est utile de l'exploiter non seulement localement pour le site w, mais aussi globalement. Cette prise en compte au niveau global permet également, au final, d'augmenter la représentativité de Va priori ρί 0 (ϋ{).
Cette boucle de rétroaction (calcul initial local, mise à jour globale puis réinjection locale), qui est une caractéristique importante de ce mode de réalisation de la technique proposée, permet de prendre en compte, de manière locale ( '.e. au sein d'un logement ou d'un local particulier), des regroupements et synthèses globales.
5.3.3. Enrichissement des listes locales et limitation de leur cardinal
Le cardinal de chaque ensemble de linéaments de référence (pour tout site et pour toute catégorie) croit avec le temps. Ce phénomène est d'abord bénéfique puisqu'il enrichit la liste et la rend plus représentative de l'appareil local. Il est cependant nécessaire de fixer des limites pour que le système ne devienne pas trop lourd. Pour cela, le seuil est relevé (très) progressivement et devient donc une fonction du temps : = M fit). Simultanément, Rfit) est borné par une valeur ?, (indépendante du site et du temps), ce qui oblige tout nouveau linéament à prendre la place d'un des linéaments de référence passés. Différentes stratégies sont envisageables mais il peut sembler stabilisant de remplacer aléatoirement les linéaments de référence passés tout en préservant les premiers linéaments à avoir été labellisés comme étant « de référence » (ceux ajoutés au cours de la première semaine par exemple), surtout s'ils ont été validés visuellement par un opérateur humain.
5.3.4. Redéfinition du score au vu des linéaments de référence
On redéfinit alors le score (élémentaire ou catégoriel) de façon à prendre en considération les linéaments de référence de tous les équipements ou de toutes les catégories. En utilisant à nouveau le théorème de Bayes et en remarquant que D, C et (Lj r)j r ne sont pas conditionnés l'un à l'autre, on obtient :
Pi.r = Pi,r (L) = PA L r Jr .D, C) = P (Ai \D> C> (L ) ) pi r est la probabilité d'émettre les descripteurs morphologiques D dans le contexte C sachant que c'est l'appareil At qui a témoigné d'une activité et au vu de l'affectation de tous les linéaments de référence Ljtr . En permutant les éléments du dernier terme, en réappliquant
Bayes et en utilisant l'indépendance mutuelle de D et Ljjr versus C :
Ρ (φί Λ ( ) A C x p ^ A C)
Pi,r =— ΓΎτ " κ V \P Λ (L r)) X viAAC),
• les inventeurs ayant en effet constaté que la probabilité p (∑) AI A {Lj^ A (où l'indice
']' énumère tous les équipements) ne dépend que des linéaments de référence de l'appareil Ait et vaut donc p(Z) A (Li r)r A C) (où 'i' est fixé),
• l'activité de A, étant supposée indépendante des {Lj,r) . r,
· et la valeur p i) | (Ljjr.) Acj étant identique pour tous les lj, il n'est pas nécessaire de calculer cette dernière.
En ne conservant de pi r que son numérateur on peut donc poser :
Si r = SM l r x Sç, en notant :
¾, = le score morphologique,
Sc l = p Ai \C), \e score contextuel.
Il s'agit de l'expression du score catégoriel Sjjr de L au vu des linéaments de référence Ljjr. En réintroduisant les hyper-paramètres, et en reprenant le développement présenté
précédemment (cf. §5.2.1) en l'absence de linéaments de référence, on aboutit à :
Il s'agit de l'expression du score morphologique a posteriori de L, i.e. au vu des linéaments de référence Li r. pour la catégorie A, caractérisée par la fonction p,-0 de ses hyper-paramètres. Avec la notation Pj r(i9j) = p(i9 a posteriori de l'ensemble des Li r,
Il s'agit de l'expression utilisée pour le score morphologique a posteriori. La valeur de ce score morphologique est évaluée via une estimation de l'intégrale ci-dessus. Concrètement, ce score est estimé à partir de NK particules notées (ûi r k)keNK dont l'histogramme approxime les lois a posteriori pi r di) via le calcul suivant :
En pratique, les particules (ûr i k)k sont générées séquentiellement à partir des particules précédentes (ι9ί 7-_ΐ ) - ou bien, si ces dernières ne sont pas définies, à partir des particules (Pi,])] définies plus haut. Cette génération séquentielle de particules peut s'effectuer à l'aide d'une approche Monte Carlo séquentielle (aussi connue sous le nom de filtrage particulaire). L'utilisation d'une telle approche est rendue possible par le fait que la loi a posteriori Pi r(i9j) peut se calculer à une constante près. En effet, on a avec eurs connues de l'utilisateur.
5.3.5. Amélioration graduelle de la loi a priori (réinjection de la connaissance acquise)
Comme vu en section « Rétroaction des listes locales vers l'a priori global », on souhaite faire remonter l'information locale vers la base de données globale. Pour ce faire, il faut attendre que la loi a posteriori d'un site w soit suffisamment renseignée. Comme p(L |i9É) est paramétrique, la loi a posteriori p i r{d) = p(i9j |32f (£)) converge vers une distribution de Dirac δΘγ, où 0f peut être estimé par la méthode du MAP.
0 = arg max piir(ûi)
Ainsi, de manière globale, pour chaque catégorie A, on constitue une collection
{Qf \w e Nw] à partir de laquelle une densité Ριι0( ί) est construite, soit de manière non- paramétrique (par exemple par des méthodes à noyau), soit de manière paramétrique par régression. Les lois a priori sont donc mises à jour en permanence pour assurer la meilleure représentativité possible. Cette rétroaction augmente la performance de la reconnaissance des linéaments, aussi bien pour les nouveaux sites qui n'ont pas encore de linéaments de référence, que pour les sites dont les linéaments de référence ne sont pas encore très nombreux.
5.4. Dispositif de mise en œuvre
On décrit, en relation avec la figure 2, un dispositif mis en œuvre pour affecter un linéament à un équipement responsable de la consommation ou à une catégorie à laquelle cet équipement appartient, selon le procédé décrit préalablement. Par exemple, le dispositif comprend une mémoire 21 constituée d'une mémoire tampon, une unité de traitement 22, équipée par exemple d'un microprocesseur, et pilotée par le programme d'ordinateur 23, mettant en œuvre un procédé de création de structure de données de consommation.
À l'initialisation, les instructions de code du programme d'ordinateur 23 sont par exemple chargées dans une mémoire avant d'être exécutées par le processeur de l'unité de traitement 22. L'unité de traitement 22 reçoit en entrée des données représentative de consommation, sous la forme de linéaments comprenant des caractéristiques morphologiques et des caractéristiques circonstancielles / contextuelles (ayant une dépendance temporelle). Le microprocesseur de l'unité de traitement 22 met en œuvre les étapes du procédé création selon les instructions du programme d'ordinateur 23 pour associer ces linéaments à des équipements prédéterminés. Pour cela, le dispositif comprend, outre la mémoire tampon 21, des moyens de communications, tels que des modules de communication réseau, des moyens de transmission de donnée et éventuellement un processeur de chiffrement.
Ces moyens peuvent se présenter sous la forme d'un processeur particulier implémenté au sein du dispositif. Selon un mode de réalisation particulier, ce dispositif met en œuvre une application particulière qui est en charge des calculs.
Ces moyens se présentent également comme des interfaces de communications permettant d'échanger des données sur des réseaux de communication, des moyens d'interrogations et de mise à jour de base de données, ...

Claims

REVENDICATIONS
Procédé d'identification, mis en œuvre par un dispositif électronique, d'un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit équipement réalisant une consommation dudit fluide, la consommation dudit fluide par ledit équipement étant représentée par un segment de consommation unitaire, dit linéament (LIN), ledit linéament comprenant une liste de paramètres, ladite liste de paramètres comprenant au moins un descripteur contextuel ou morphologique, un descripteur contextuel étant représentatif d'une circonstance liée à la consommation dudit fluide et un descripteur morphologique étant représentatif d'un profil de consommation dudit fluide par un équipement ou par une catégorie d'équipement,
ledit procédé comprenant :
une pluralité d'étapes d'obtention (10) de données représentatives d'un score morphologique (SM) dudit linéament (LIN) en fonction d'au moins une valeur d'au moins un descripteur morphologique (D) du linéament (LIN) et d'au moins une catégorie d'équipement (CE), délivrant une liste (LSM) comprenant au moins un score morphologique ;
une pluralité d'étapes d'obtention (20) de données représentatives d'un score contextuel (Sc) dudit linéament (LIN) en fonction d'au moins une valeur d'un descripteur contextuel (C) du linéament (LIN) et d'une quantité de fluide moyenne consommée (QFMC) sur au moins une période temporelle, délivrant une liste (LSC) comprenant au moins un score contextuel ;
une étape d'identification (30) d'une catégorie d'équipement (CE) et/ou d'un équipement (E) dont est issu ledit linéament (LIN) en fonction des scores de ladite liste de scores morphologiques (LSM) et de ladite liste de scores contextuels (LSC).
Procédé d'identification selon la revendication 1 comprenant, préalablement à l'étape d'identification, au moins une étape d'obtention d'une liste de scores morphologiques a posteriori en fonction dudit linéament (LIN), de lois a priori pour chaque équipement ou catégorie et en fonction d'au moins une liste de linéaments de référence. 3. Procédé d'identification selon la revendication 2, caractérisée en ce que ladite étape d'identification tient compte de la liste de scores morphologiques a posteriori.
4. Procédé d'identification selon la revendication 1, caractérisé en ce qu'une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament, dont les paramètres endogènes sont listés dans D, comprend, pour un appareil ak donné, un calcul de :
p(D \ ak) = p (D = p (D |¾), avec ¾ = (A,m)1≤m≤M dans lequel :
p D \ ak) représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est l'équipement ak qui a manifesté une activité ;
p {p\ {pk,m)1<m<M) représente probabilité d'observer les descripteurs morphologiques D sachant qu'ils sont distribués selon des lois paramétrées par des paramètres { k,m)1<m<M> dits « hyper-paramètres » ;
i9fe m représente les M hyper-paramètres des lois décrivant les descripteurs de l'équipement ak.
5. Procédé d'identification selon la revendication 1, caractérisé en ce qu'une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament comprend, pour une catégorie A comprenant une pluralité d'appareils ak, lorsque aucun linéament de référence n'est disponible, un calcul de :
p D \Ai) = [f pWâ x pifi ù dâi
JJût
dans lequel :
p D représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est un appareil de la catégorie d'équipements A, qui a manifesté une activité ;
p(D |i9j) représente la probabilité d'observer les descripteurs morphologiques D sachant que les hyper-paramètres valent i9j ;
pi 0 (i9j) représente la distribution des hyper-paramètres de la catégorie d'équipements A ;
di9j représente un incrément infinitésimal sur les hyper-paramètres. 6. Procédé d'identification selon la revendication 1, caractérisé en ce qu'une étape d'obtention d'une donnée représentative d'un score morphologique dudit linéament comprend, pour une catégorie A comprenant une pluralité d'appareils ak, lorsqu'un ensemble de linéaments de référence sont disponibles, un calcul de :
p(D \ (L r) A Ai) = [f piDWd pi &d dâi
JJût
dans lequel :
représente la probabilité d'observer les descripteurs morphologiques D sachant que c'est un appareil de la catégorie d'équipements A, qui a manifesté une activité et sachant que les linéaments (Li r) ont été émis par l'appareil A,.
p(D |i9j) représente la probabilité d'observer les descripteurs morphologiques D sachant que les hyper-paramètres valent i9j .
pi r (i9j) représente la distribution a posteriori des hyper-paramètres de la catégorie d'équipements A,.
di9j représente un incrément infinitésimal sur les hyper-paramètres.
7. Procédé d'identification selon la revendication 6, caractérisé en ce qu'une approximation de est calculée par échantillonnage préférentiel :
p{D \ {L r) A Ai) ^ (£> r,fc)
k=l...N
dans lequel les (i9r i k)k correspondent à des particules, dont l'histogramme approxime j r(i9j), construites à l'aide d'une procédure Monte-Carlo séquentielle.
8. Procédé d'identification selon la revendication 1, caractérisé en ce qu'une étape d'obtention d'une donnée représentative d'un score contextuel dudit linéament comprend un calcul de :
p{a j viik(t)
dans lequel :
p( jj | c) représente la probabilité d'observer une activité de l'appareil c¾ de la catégorie A, sachant l'advenue des descripteurs circonstanciels C.
pG4j |C) représente la probabilité d'observer une activité de la catégorie A, sachant l'advenue des descripteurs circonstanciels C.
Ψ(Α) représente la quantité de ressource annuelle moyenne vi,k (t) représente le produit des profils d'utilisation en fonction de l'heure de la journée et/ou du jour de la semaine et/ou du jour de l'année.
9. Produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou stocké sur un support lisible par ordinateur et/ou exécutable par un microprocesseur, caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution d'un procédé d'identification selon la revendication 1, lorsqu'il est exécuté par un processeur.
10. Dispositif électronique d'identification d'un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit équipement réalisant une consommation dudit fluide, la consommation dudit fluide par ledit équipement étant représentée par un segment de consommation unitaire, dit linéament, ledit linéament comprenant une liste de paramètres, ladite liste de paramètres comprenant au moins un descripteur contextuel ou morphologique, un descripteur contextuel étant représentatif d'une circonstance liée à la consommation dudit fluide et un descripteur morphologique étant représentatif d'un profil de consommation dudit fluide par un équipement ou par une catégorie d'équipement de consommation dudit fluide,
ledit dispositif comprenant :
des moyens d'obtention de données représentatives d'un score morphologique dudit linéament en fonction d'au moins une valeur d'au moins un descripteur morphologique du linéament et d'au moins une catégorie d'équipement, délivrant une liste comprenant au moins un score morphologique ;
des moyens d'obtention de données représentatives d'un score contextuel dudit linéament en fonction d'au moins une valeur d'un descripteur contextuel du linéament et d'une quantité de fluide moyenne consommée sur une ou plusieurs périodes de temps, délivrant une liste comprenant au moins un score contextuel ;
des moyens d'identification d'une catégorie d'équipement et/ou d'un équipement dont est issu ledit linéament en fonction des scores de ladite liste de scores morphologiques et de ladite liste de scores contextuels.
EP16726827.5A 2015-05-22 2016-05-23 Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant Withdrawn EP3298542A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1554600A FR3036524B1 (fr) 2015-05-22 2015-05-22 Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant
PCT/EP2016/061586 WO2016188958A1 (fr) 2015-05-22 2016-05-23 Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant

Publications (1)

Publication Number Publication Date
EP3298542A1 true EP3298542A1 (fr) 2018-03-28

Family

ID=53524879

Family Applications (1)

Application Number Title Priority Date Filing Date
EP16726827.5A Withdrawn EP3298542A1 (fr) 2015-05-22 2016-05-23 Procede d'identification d'une structure de donnees representative d'une consommation de fluide, dispositif et programme d'ordinateur correspondant

Country Status (3)

Country Link
EP (1) EP3298542A1 (fr)
FR (1) FR3036524B1 (fr)
WO (1) WO2016188958A1 (fr)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9104189B2 (en) * 2009-07-01 2015-08-11 Mario E. Berges Gonzalez Methods and apparatuses for monitoring energy consumption and related operations
EP2290328B1 (fr) * 2009-08-24 2015-03-04 Accenture Global Services Limited Système de gestion des services publics
EP2671178B1 (fr) * 2011-02-04 2018-10-17 Bidgely Inc. Systèmes et procédés d'amélioration de la précision de désagrégation de niveau appareil dans techniques de surveillance de charge d'appareil non intrusives
WO2013163460A1 (fr) * 2012-04-25 2013-10-31 Myenersave, Inc. Techniques de désagrégation d'énergie destinées à des données à basse résolution sur la consommation d'énergie domestique

Also Published As

Publication number Publication date
FR3036524B1 (fr) 2018-07-06
WO2016188958A1 (fr) 2016-12-01
FR3036524A1 (fr) 2016-11-25

Similar Documents

Publication Publication Date Title
US10175276B2 (en) Identifying and categorizing power consumption with disaggregation
JP6952058B2 (ja) メモリ使用量判断技術
EP2409167B1 (fr) Procédé et dispositif de filtrage de courbes de consommation électrique et d&#39;allocation de consommation à des classes d&#39;appareils
Benítez et al. Dynamic clustering segmentation applied to load profiles of energy consumption from Spanish customers
EP2000780B1 (fr) Procédé et système de détection et d&#39;estimation de la consommation des usages électriques des installations d&#39;un souscripteur
EP3172548B1 (fr) Procédé pour détecter des anomalies dans un réseau de distribution, en particulier d&#39;eau potable
EP3080970A1 (fr) Systèmes et procédés de poussée de message
CN110109899B (zh) 物联网数据填补方法、装置及系统
EP3391240B1 (fr) Traitement des donnees de telerelevee pour l&#39;analyse des modes de consommation
WO2017015184A1 (fr) Optimisation de l&#39;efficacité de rendement dans des systèmes de production
CN113204655A (zh) 多媒体信息的推荐方法、相关装置及计算机存储介质
CN105335537B (zh) 视频专辑中网络媒介信息的曝光量的预估方法和系统
CN110088756B (zh) 隐匿化装置、数据分析装置、隐匿化方法、数据分析方法以及计算机能读取的存储介质
WO2016188958A1 (fr) Procede d&#39;identification d&#39;une structure de donnees representative d&#39;une consommation de fluide, dispositif et programme d&#39;ordinateur correspondant
CN111797942A (zh) 用户信息的分类方法及装置、计算机设备、存储介质
CN108628889A (zh) 基于时间片的数据抽样方法、系统和装置
CN111368864A (zh) 识别方法、可用性评估方法及装置、电子设备、存储介质
EP2784742A1 (fr) Procédé et dispositif d&#39;identification de sources de consommation et/ou de production
EP3539259B1 (fr) Procédé et dispositif d&#39;actualisation d&#39;un modèle prédictif d&#39;une variable relative à un terminal mobile
WO2015193502A1 (fr) Procede de creation d&#39;une structure de donnees representative d&#39;une consommation de fluide d&#39;au moins un equipement, dispositif et programme correspondant
CN108599140B (zh) 用电负荷特征分析方法和装置、存储介质
US20230169345A1 (en) Multiscale dimensional reduction of data
FR3067501B1 (fr) Procede de traitement de la courbe de charge
Rafiuzzaman et al. $\pi $-Configurator: Enabling Efficient Configuration of Pipelined Applications on the Edge
EP2921867A1 (fr) Méthode pour extraire des signaux de puissance électrique d&#39;un signal mélangé alimentant une pluralité d&#39;appareils électriques distincts

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20171206

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20190524

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: WATTGO

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20191005