JP2009047694A - コグニティブ電力メータ - Google Patents

Abstract

【課題】コグニティブ電力メータを提供する。
【解決手段】本電力メータ（１０）は、電力信号（１２）を構成負荷（１４）に分解して、該電力メータ（１０）に結合された複数のエネルギー消費機器内において各個々のエネルギー消費機器に関連するエネルギー消費量を分離しかつ特定するように構成された内蔵型分解モジュール（４０）を含む。
【選択図】 図１

Description

本発明は、総括的にはエネルギー消費量の測定に関し、より具体的には、測定電流及び電圧信号を特定の構成エネルギー消費量に分解する内蔵知能を有するコグニティブ電力メータに関する。

エネルギー／電気のコストが上昇し続けているので、消費者は、自分の消費量をより意識するようになってきており、また持続可能なエネルギー計画に関してさらに深く考えるようになってきている。人々は、例えば小型車及びハイブリッド車の両方を含むより低燃費の車を多く購入するようになっている。

人々は、家庭においてエネルギー／電気の使用量をより少なくするために、所有する電気機器の各々についての使用状況及びエネルギーコストを明確に示す項目別の請求書を必要としている。項目別のデータがあれば、消費者は、よりエネルギー効率のよい電気機器（エアコン、洗濯機／ドライヤ、温水浴槽、オーブン、照明、等）を設置するか、或いはエネルギー／電気の料金設定が１日の時間によって変化する地域ではそれらの使用パターンを変えるか、或いは単に未使用時に負荷をかけないようにするかのいずれかによって、節約を図るための措置をとることが可能となる。問題点として、人々は、自分の電気機器及び電気負荷の各々に電力センサを設置するために必要な大きな費用を負担したくないということが挙げられる。

入力電力メータで測定した電力信号をその構成要素である個々の負荷に分解する１つの方法は、単一地点最終消費エネルギー分解（ＳＰＥＥＤ（商標））として公知であり、ニューヨークのＥｎｅｔｉｃｓ社から入手可能である。このＳＰＥＥＤ（商標）製品は、屋内負荷データを記録するステップと、次に電話、ウォークアップ又は別の通信手段を介してこのデータをマスタステーションに転送するステップとを含み、このマスタステーションは、記録装置のデータを処理して、個々の負荷間隔データに変えると共に、事前処理及び事後処理したエネルギー消費データ、温度データ、分析ステーションからの問合せ、並びに他の情報システムからの問合せのためのサーバ及びデータベースマネージャとして機能する。この公知の方法は、ウィンドウズ（登録商標）のオペレーティングシステム上で実行される。
米国特許第４，８５８，１４１号公報 米国特許第５，４８３，１５３号公報 米国特許第６，８１６，０７８号公報 米国特許第６，８５０，７３５号公報 米国特許第５，９１０，８７５号公報 米国特許第６，０８１，１２３号公報

公知の分解法は、消費者のエネルギー消費に関連するサービス品質を改善する上で成功してきたが、電力メータの信号をその個々の構成負荷に分解するためのマスタステーション及び／又は付加的な人的資源を必要としないさらに包括的な電力メータに対するニーズが依然として存在する。

上記に鑑み、入力計で既に測定した電力信号をその個々の構成負荷に分解する内蔵知能を用いた電力メータを提供すること及び家庭での設置費用を必要とせずに使用状況の概要を消費者に提供することは有益かつ有利であると言える。

本発明の実施形態は、家庭での設置費用の負担なしで、電力メータの入力側で測定した入力電力信号をその個々の構成負荷に分解して、消費者への詳細な使用状況概要の提供を可能にするためのコグニティブ電力メータ及び方法に関する。１つの実施形態は、電力メータに関し、本電力メータは、複数のエネルギー消費機器に関連して変動する少なくとも１つの所望のエネルギー消費量を測定しかつ該測定したエネルギー消費量から少なくとも１つの出力信号を生成するように構成された少なくとも１つのセンサと、少なくとも１つの出力信号を個々の構成負荷に分解しかつ該個々の構成負荷から複数のエネルギー消費機器内において各個々のエネルギー消費機器に対応するエネルギー消費量を特定するように構成された分解モジュールとを含む。

本発明の別の実施形態は、家庭用電力メータ信号を分解する方法に関し、本方法は、家庭用メータ電力線信号を測定するステップと、家庭用電力メータ内において電力線信号を個々の構成負荷に分解するステップと、家庭用電力メータ内において、前記家庭用メータ電力線信号を一体に生成するように作動する複数の負荷内における各個々の負荷に対応するエネルギー消費量を特定するステップとを含む。

本発明のさらに別の実施形態は、電力メータに関し、本電力メータは、電力信号を構成負荷に分解して、複数のエネルギー消費機器内において各個々のエネルギー消費機器に関連するエネルギー消費量を分離しかつ特定するように構成された内蔵型分解モジュールを含む。

本発明のこれらの及びその他の特徴、形態及び利点は、図面を通して同じ参照符号が同様の部分を表す添付図面を参照しながら以下の詳細な説明を読むとき、より良好に理解されるようになるであろう。

図面の図は、別の実施形態を表しているが、以下の説明で述べるように、本発明のその他の実施形態についても意図している。全ての場合において、本開示は、説明を目的として本発明の例示の実施形態を示すものであり、限定を目的とするものではない。当業者には、本発明の原理の技術的範囲及び技術思想の範囲内に含まれる多くのその他の変更形態及び実施形態を案出することが可能であろう。

図１は、１つの実施形態による、１つの測定負荷信号１２をその構成要素１４に分解するための内蔵知能４０を有するコグニティブ（認知型）電力メータの用途を示す図である。コグニティブ電力メータ１０は、モデルベースの内蔵知能を用いて、入力計で既に測定した電力信号をその個々の構成負荷に分解しかつ家庭での設置費用を必要とせずに使用状況の概要を消費者に提供する。１つの実施形態では、このコグニティブ電力メータの機能は、住居用電力メータ１０に内蔵されている。

コグニティブ電力メータ１０は、電力供給会社が、分岐回線負荷の各々上への侵入性かつ高価なセンサの設置を必要とせずに、消費者の個々の負荷使用状況の全てを示す詳細な電気料金請求書を消費者に提供することを可能にする。これにより、消費者には、１次のかつ永続的なエネルギー監査報告書が月ごとに提供されることになる。この監査報告書の提供は、消費者が電気に関してどこに自分のお金を支出しているかを知る助けとなり、また節約、整備又は電気機器のグレードアップを行うための判断の後押しを可能にする。

１つの実施形態により以下にさらに詳細に説明するコグニティブ電力メータ１０は、大量のデータを収集し、この大量のデータを小さなデータ量の情報に変換し、この情報をさらに大きな情報システムに通信して、多数の顧客に実用可能かつ拡張可能なシステムを構成する。１つの実施形態では、電力メータ１０は知的請求システムの一部を形成し、収益メータ内に組み込まれる。

コグニティブ電力メータ１０は、負荷定義を強化するために、時間、日付、温度、セキュリティシステム、ＴＶ、コンピュータネットワークなどのような複数の様々なセンサから得られるデータ融合を含むことができ、パラメータのフィールドトレーニングを必要とせずに所望の結果を生成する。１つの実施形態では、電力メータ１０は、電力線搬送、無線リンク又はその他の好適な通信手段を介して高性能電気機器と直接通信を行うように構成される。

図２は、典型的な電流消費者の電気料金請求書２０を示し、一方、図３は、内蔵知能４０を有するコグニティブ電力メータ１０を使用した場合の、１つの実施形態による項目別の電気料金請求書３０を示す。典型的な請求書２０は、単に月初におけるメータの示度と月末におけるメータの示度との間の差分を示して、総エネルギー消費量を計算し、次に前年同時期の請求との比較を示しただけのものである。項目別の請求書３０は、一般的に人々の家庭で見られる電気負荷の各々についての推定値、同じ期間における自分の地域の同等者との比較値、国内平均値及びエネルギー省の目標値を示している。この請求書３０は、消費者が、新規なより効率的な技術への投資に関して、より良い決定を行うのを可能にする１次エネルギー監査報告書としての役割を果たすことができる。

項目別の電気料金請求書３０にはまた、例えば消費者がどのようにすればお金を節約できるかに関する提案を含めることができ、１つの例として、消費者が、継続的にエネルギーを消費するスイミングプールのポンプを有する場合に、タイマを設置するように消費者の請求書に提案することが挙げられる。さらに、プールのポンプが、混雑していない時間帯に作動するようにタイマをプログラムして、消費者がより低コストのエネルギーから利益を得ることになるようにすべきである。上記のシナリオでは、消費者は、エネルギーをより少なく使用し、かつ最低の可能なレートでエネルギーを購入することになる。このユーティリティは、需要がピークになる時間帯に不必要な負荷を削減するという点でも利益を得ることになる。

コグニティブ電力メータ１０は、図４に示すように、論理的に４つの構成要素に分解することができ、この図４は、１つの実施形態による、測定負荷信号をその構成要素に分解するためのシステム及び方法を示している。システムは、１）４１、４２、４３を検知した入力データと、２）コグニティブ分解アルゴリズム４４と、３）個々の推定負荷データ／情報４６と、４）通信インタフェース４８とを含む。

入力／検知：ブロック４１に示すように、１つの実施形態では、入力データは、Ａ位相線、Ｂ位相線及び中性線からの測定電圧及び電流を含む。Ａ位相及びＢ位相電圧は、Ａ位相から中性線、Ｂ位相から中性線、及びＡ位相からＢ位相で測定することができる。電圧及び電流測定値が取得されると、高調波、力率、導関数及びその他の合成計測値を計算しかつコグニティブ分解アルゴリズムへの入力として使用することができる。

ブロック４２に示すように、１つの実施形態では、電圧及び電流測定値に加えて、屋内及び屋外温度も利用することができる。温度測定値は、局所センサにより直接取得することができ、或いは例えば無線ネットワーク、有線ネットワーク又はＩＰネットワークによってメータにデジタル通信することができる。温度データは、家庭用ＨＶＡＣシステム、ケーブルＴＶ、ウェブサイト又はその他のソースから得ることができる。コグニティブ分解アルゴリズムは、この温度を使用して、例えば加熱及び冷却負荷又はプールポンプ負荷を一層正確に推定することができる。

ブロック４３に示すように、１日の時間及び日付もまた、コグニティブ分解アルゴリズムへの入力として使用することができる。この情報もまた、無線ネットワーク、有線ネットワーク、ＩＰネットワーク又はその他の手段を含む多くのソースから得ることができる。この日付及び時間データを使用して、エラーを減少させかつコグニティブ分解アルゴリズムを単純化するのを助けることができる。

コグニティブアルゴリズムはまた、ブロック４３に示すように、ＴＶの活動状況を表す入力データをケーブルＴＶシステムから、またコンピュータの活動状況を表す入力データをコンピュータネットワークから受信することができる。

ブロック４３に示すように、音響センサデータ及び家庭内セキュリティシステム関連データは、コグニティブアルゴリズムへの入力として使用することができる。

分解アルゴリズム／コグニション（認知）：コグニティブ電子システムを用いて、大企業レベル、システムレベル及び装置レベルで分散知能を集約することができる。知的電力メータは、（マイクログリッドなどの）システムレベルのインタフェース接続、並びに（配電網などの）大企業レベルのインタフェース接続をサポートすることが可能な装置レベルの知的システムの１つの実施例である。

引き続き図４を参照すると、１つの実施形態では、入力検知部４１、４２、４３と、分解モジュール部４４と、個々の負荷データ部４６と、通信インタフェース部４８とが、一体として電力メータ１０の収益測定部を形成する。１つの実施形態における個々の負荷データは、ブロック４６において処理されて、洗濯行為、空気調節（エアコン）行為及び食器洗浄行為が、分解アルゴリズム４４によって生成されたデータに基づいて使用時間価格設定とリンクされる。収益測定部はさらに、分解アルゴリズム４００によって生成されたデータに基づいて、電気機器の国内平均エネルギー使用量よりも多いエネルギーを使用している電気機器を特定するように構成し、また／又は分解モジュールアルゴリズム４４によって生成されたデータに基づいて、電力メータを用いて家庭内の配線不具合を特定するように構成することができる。

図５は、１つの実施形態によるコグニティブ処理サイクル５０を示すフロー図である。１つの実施形態では、図５に示すコグニティブサイクル５０の特定の要素５１、５３、５５、５７、５９は、以下の原理に基づいている。

観察要素５１：コグニティブ電力メータ１０は、電力線の瞬間状態を判定する目的で、該電力線における電圧及び電流を検知する。この検知には、電力負荷の特性検出及び予備分類が含まれる。この検知の結果、電力線の現在の状況について記述する特性、データ及びメータデータの組が得られる。

方向づけ要素５３：次いで、送電状態の観察結果はさらに、メータ１０が蓄積した今までの知識を用いてより高いレベルで分析される。この分析は、送電状況分析と呼ばれ、家庭用電気機器などの電力消費システムの個々の及び組合せの負荷特性の実際の特定を含む。関心のあるデータは、瞬間値からの複数のタイムスケールにわたって分析して、負荷のオン及びオフ切替えを時間毎、日毎、月毎及び年毎のスケールで特定して、より長いタイムスケールの周期及び傾向を観察することができる。例えば、洗濯の周期に多くの時間をかけて、週毎の洗濯パターンを観察することができる。

計画要素５５：１つの実施形態では、電力網の挙動に関する予測値を取得する目的で、送電網のベイズモデルが、構築されかつリアルタイムで動的に更新される。例えば、洗濯機が作動している場合には、この機械の種類についての知識及び／又は以前の観察から導き出したその作動についての知識が与えられると、その装置の作動継続時間の間における電力線の負荷動特性の非常に正確な予測モデルを構築することができる。

決定要素５７：この段階で、ベイズ推論及び確率的推論を使用して、家庭用電力線の状態に関する決定が行われる。簡単な決定は、不規則な又は過度の負荷として特定の電力消費機器に関連するメータデータを指摘することを含むことができる。さらに複雑な決定は、コスト削減という大義名分において電力設定又は作動時間を調整するように家の所有者に勧告することを含むことができる。さらに、ユーザの承認に従って、制御機能をサポートする幾つかの決定を行うことを可能にすることができる（消費者の行動パターンに基づくＡＣユニット、温水器等の最適な制御戦略）。

行動要素５９：コグニティブサイクル５０の最終段階は、コグニティブ電力メータ１０の最終措置を含み、この最終措置は、例えば、電力使用状況を含む報告書の作成から、異常な又は過度の負荷としての報告の特定部分の指摘、電力使用における改善のための勧告書の作成、及び家庭用機器の能動的制御までもの範囲にわたることができる。

コグニティブサイクル５０の特徴は、知識を蓄えかつ学習し、継続的に家庭の変化に適応し、また電力モニタ及び電力制御機能を改善する電力メータ１０の能力にある。１つの実施形態によると、不変表現及び連想処理は、コグニティブメータ１０内部での学習のキーメカニズムである。メータ１０の知識は、サポートするコグニティブサイクルの特定の要素に基づいて分割された多次元連想配列Ｗの形で集約される。サイクル５０の各段階５１、５３、５５、５７、５９は、それ自体に割り当てられた連想配列Ｗのセグメントを有することになる。知識は、各々がサイクル５０のｉ番目の段階をサポートする重み付けＷｉの組によって表される。これらの重み付けは、強化学習メカニズムを用いて家庭の総電力消費量を表わすコスト関数Ｑで継続的に更新される。コグニティブ電力メータ１０の全体としての最終目的は、電力消費戦略を提案することであり、従って、連想配列Ｗの重み付けを強化することによって、時間と共に知識が構築されて、家庭における総電力消費量が最小化されるようになる。コグニティブサイクル５０の個々の段階は、連想配列から得られる知識の集約と抽出の両方を行うことができる。集約は、対応するコグニティブサイクルの段階５１、５３、５５、５７、５９に割り当てられた配列Ｗのセグメントにおいて行うことができる。しかしながら、知識の抽出は、コグニティブサイクル５０の任意の段階で連想配列Ｗ全体から行うことができる。

例えば、分解アルゴリズムでは、ベイズ推論ベースの分類装置６０を使用することができる。１つの実施形態によるこのアルゴリズムの基本フローを図６に示しており、この図６は、１つの実施形態による、図１に示すコグニティブ電力メータ１０用の内蔵知能を構成するのに適した分解アルゴリズムを示すフロー図である。

過渡状態検出器６２は電圧及び電流を検知し、過渡状態をモデル化するために指定した微分値、高調波、位相及びその他のパラメータの前後において、電圧振幅及び電流振幅を含む過渡状態のパターンを検出しかつ記録する。過渡状態指標ルックアップブロック６４は、過渡状態パターンＴＩ_０、ＴＩ_１、・・・、ＴＩ_Ｍの予めプログラムしたルックアップテーブルから過渡状態指数ＴＩ_Ｍを取得する。

例えば、Ａ_０、Ａ_１・・・、Ａ_Ｎは、家庭内の通常電気機器のグループを示す。オフライン研究室実験を行うことによって、条件付き確率Ｐｒ（ＴＩ_ｍ／Ａ_ｎ）、すなわち電気機器Ａ_ｎをオン及びオフ切り換えすることが過渡状態パターンＴＩ_ｍを発生させる可能性を全てのｍ及びｎについて取得しかつ高性能メータ１０内に予めプログラムすることができる。

過渡状態パターンＴＩが観察されると、ベイズ型分類装置６６は、Ａ_ｎが観察過渡状態パターンＴＩを発生する電気機器である可能性について記述する事後確率Ｐｒ（Ａ_ｎ｜ＴＩ）を実質的に最大にする最大同時確率Ｐｒ（ＴＩ，Ａ_ｎ）を有する電気機器を選択する。

分類装置について同時確率Ｐｒ（ＴＩ，Ａ_ｎ）＝Ｐｒ（Ａ_ｎ）Ｐｒ（ＴＩ／Ａ_ｎ）６８を計算するためには、Ｐｒ（ＴＩ／Ａ_ｎ）はオフライン実験から入手可能であるので、Ｐｒ（Ａ_ｎ）の取得のみが必要となる。１つの実施形態によると、時系列分析６９に依拠して、Ｐｒ（Ａ_ｎ）の近似値を取得することが可能である。基本的な考え方としては、各個々の電気機器のオン及びオフの切り替え事象に関する過去の一連の発生時間及び周囲センサ情報について考察することによって、各電気機器についての次の事象の時間の確率分布を取得することである。事象（過渡状態パターン）の発生が示されると、この事象の発生時間についての確率密度（前述の確率分布からの）ＰＤ（Ａ_ｎ）は、各電気機器について取得することができる。Ｐｒ（Ａ_ｎ）は、確率密度の重み付けＰＤ（Ａ_ｎ）／（ＰＤ（Ａ_０）＋ＰＤ（Ａ_１）＋・・・＋ＰＤ（Ａ_Ｎ））として計算される。

このアルゴリズム６０は、実質的に２層推論改善型であり、この２層推論改善型では、第１の層は、過渡状態パターンの発生時に、時系列分析６６に依拠して、以前の確率の推論を行い、また第２の層は、過渡状態検出器６２及び過渡状態指標６４を介してその過渡状態パターンに関する詳細情報を含むその推論の改善を行う。

内蔵型システム：１つの実施形態では、内蔵型モジュール４０（図１及び図３に示す）は、以下のサブシステム、すなわち１）基本電圧検知及び電圧分路又はホール効果に基づく電流検知を含むセンサ、並びに容量、抵抗及び熱導電ベースの温度及び湿度センサと音響検知用のマイクロホンとを含む付加的周囲環境センサ。これらのセンサは、市場で広く入手可能であり、電圧インタフェースは容易に入手可能であるか或いは最小限の周辺回路を用いて取得することが可能である。２）センサ信号のフィルタ処理及びその他の所望の前処理を含むセンサ調整。このセンサ調整は、アナログデジタル変換器（ＡＤＣ）のサンプリングが適切なナイキスト周波数を保証する場合に、アナログ回路又はデジタル処理のいずれかを用いて行うことができる。３）汎用ＡＤＣ、特定用途向け集積回路（ＡＳＩＣ）、及びデジタル信号プロセッサ（ＤＳＰ）を含むことができる信号サンプリング及び信号処理。このサブシステムは、分解アルゴリズムに求められる必要な入力情報／検知情報を計算する。４）システム管理、時間管理、ロギング／保存及びインタフェースを担当する汎用プロセッサ。分解アルゴリズムは、ＤＳＰ又は汎用プロセッサのいずれかにおいて実行することができる。サブシステム３）及び４）を組み合わせ、単一のＤＳＰ又はＡＤＣに内蔵のプロセッサを用いて実現することができる。５）ユーザのコマンド／問合せを受信しかつ分解結果及び他の有益な情報を送信するための通信トランシーバ。それに限定されないがＲＳ２３２／ＵＳＢ／ファイアワイア、イーサネット（商標）、ジグビー、ＷｉＦｉ、ブルートゥース、ＲＦＩＤ、無線ＵＳＢ、セルラ／ＷＭＡＮ等を含む有線及び無線通信技術が、広く利用可能である。

別の実施例では、単一のＦＰＧＡを使用して、全てのデジタル収集機能及びコグニティブ使用状況分析アルゴリズムを実行することができる。非決定論的使用状況アルゴリズムについてはスカウティングハードウェア法を使用することができるが、従来通りの通信タスク及びデータ収集タスクの処理には、ＦＰＧＡのソフトプロセッサを使用することができる。スカウティングとは、ＦＰＧＡハードウェア内に容易に合成することができるハードウェアの多重コピーを用いてＮＰ完全問題を解くのに使用する高速技術のことである。この技術は、さらに高価なＤＳＰハードウェア上で実行されるベイズ式計算に頼らずに、電力メータ１０において必要な探索アルゴリズムを実行する低コストの方法を提供することができる。

さらに、処理速度は、ＦＰＧＡ内に合成されたスカウトの数を制御することによって調整することができる。従って、コストと性能との間で良好なトレードが達成可能である。電力割当て問題は、ナップザック問題、すなわちスカウティングベースの解決法で解決できることを既に示した周知のＮＰ完全問題の変形例である。

個々の負荷データ：１つの実施形態では、個々の負荷データ（図４における参照符号４６）は、エアコン、暖房、衣類洗濯機、衣類ドライヤ、プールポンプ、温水浴槽、照明、消費者用電子機器（時計、ラジオ、ビデオゲーム等）、テレビ、オーブン、ストーブ、冷蔵庫、コンピュータ、プリンタ、除湿器、コーヒーメーカ、ヘアドライヤ及びカーラ等のタイトルと共にヒストグラムのビン内にフォーマット化される。１つの実施形態によると、各ヒストグラムビンは、測定時間、ピーク負荷、平均負荷、及び正確の確率的基準の用法を含むことになる。

出力／情報通信：１つの実施形態では、コグニティブ電力メータ（ＣＥＰＭ）１０からの情報出力は、ユーティリティによって読み取られ、次に消費者の請求書内に組み込まれることになる。ＣＥＰＭ１０は、一般的に最近の電気料金請求書内に含まれる情報よりも多くの情報を含み、一般的に自動メータ読み取り器又は人的メータ読み取り人によって読み取られる。１つの実施形態では、ＣＥＰＭ１０の出力は、最近の８〜１０桁の数字よりもさらに多い情報を含むことになる標準フォーマットを有することになる。１つの実施形態では、符号化戦略では、数字ではなく８〜１０個のＡＳＣＩＩ文字を使用して、手動によるメータの読み取りを容易にすることができる。ＡＳＣＩＩ文字は、より多くの情報を同じ８〜１０個の文字に圧縮する１６進数又は他のコードを表すことができる。手動によるメータの読み取りは、メータとユーティリティとの間の双方向ネットワーク通信に置き換えられるので、文字の数は、将来的には重要性が少なくなる可能性が大きい。

メータのメッセージの情報には、例えば、エアコン、ヒータ、コーヒーメーカ、冷蔵庫、温水浴槽、スイミングプール、照明、時計、コンピュータ、オーブン、レンジ、ドライヤ、カール用アイロン、テレビ、ビデオゲーム機、湯沸かし器、運動用機器等の毎月の使用状況を含むことができる。異常を探索する場合には、この情報をオフィスレベルで集約して、近所の同等者と比較することができる。例えば、近所に１０軒の家が存在し、かつこれらの家の９軒には、一月当たり＄３０のＡＣ料金がかかりまた１軒の家には一月当たり＄２００の料金がかかっている場合には、＄２００の料金の消費者は、自分のＡＣユニットをチェックさせるべきである。

さらに、消費者が、国内平均エネルギー消費量の２倍の量を使用していることがわかった場合には、この消費者は、より良い地球市民になるために自分で目標を設定して、エネルギーを節約するようにすることもできる。

消費者の請求書はまた、前月及び前年からの同じ期間に対応するデータを含むことができる。これにより、エネルギー消費における傾向及び電気機器の劣化を特定するのに役立てるべきである。例えば、冷蔵庫又は他の任意の電気機器は、適切に維持管理していない場合には、著しく多くの電力を使用するおそれがある。

さらに、消費者は、標準的なユーティリティインタフェースに加えて、ウェブブラウザタイプのアプリケーションを介したローカルな有線又は無線インタフェースを自分のコグニティブメータ内に設けたいと望むことも可能である。

要約して説明すると、コグニティブ電力メータは、内蔵知能を有して、１つの測定負荷信号をその構成要素に分解する。このコグニティブ電力メータは、モデルベースの内蔵知能を使用して、入力メータにおいて既に測定した電力信号をその個々の構成負荷に分解し、家庭での設置費用を伴わずに使用状況概要を消費者に提供するものである。１つの実施形態によると、このコグニティブ電力メータの機能性は、住居用電力メータにおいて実現される。

本明細書では本発明の特定の特徴のみを示しかつ説明してきたが、当業者には多くの修正及び変更が想起されるであろう。従って、提出した特許請求の範囲は、全てのそのような修正及び変更を本発明の技術思想の範囲内に属するものとして保護しようとするものであることを理解されたい

１つの実施形態による、１つの測定負荷信号をその構成要素に分解する内蔵知能を有するコグニティブ電力メータの用途を示す図。 現在の典型的な電気料金請求書を示す図。 １つの実施形態による、将来の項目別の電気料金請求書を示す図。 １つの実施形態による、測定負荷信号をその構成要素に分解するための内蔵型システム及び方法を示すフローチャート。 １つの実施形態によるコグニティブ処理サイクルを示すフロー図。 １つの実施形態による、図１に示すコグニティブ電力メータ用の内蔵知能を構成するのに適した分解アルゴリズムを示すフロー図。

符号の説明

１０ 電力メータ
１２ 電力信号
１４ 構成負荷
２０ 典型的な電気料金請求書
３０ 項目別の電気料金請求書
４０ 内蔵型分解モジュール
５０ コグニティブサイクル
６０ アルゴリズム

Claims (10)

1. 電力信号（１２）を構成負荷（１４）に分解して、複数のエネルギー消費機器内において各個々のエネルギー消費機器に関連するエネルギー消費量を分離しかつ特定するように構成された内蔵型分解モジュール（４０）を含む、電力メータ（１０）。
2. 前記分解モジュール（４０）が、コグニティブサイクル（５０）を実行するように構成されたコグニティブ分解アルゴリズム（４４）を含み、前記コグニティブ分解アルゴリズム（４４）が、
   ａ）電力線の瞬間状態を判定し、
   ｂ）前記瞬間状態に基づいて送電状況分析を行って、前記電力線に結合された電力消費機器の個々の及び組合せの負荷特性を特定し、
   ｃ）前記電力線に結合された個々の及び組合せの電力消費機器の将来的な電力網の挙動を予測し、
   ｄ）前記将来的な電力網の挙動に基づいて、前記電力線の状態に関する判定を行い、
   ｅ）前記判定に基づいて所望のエネルギー保存措置を行う、
   請求項１記載の電力メータ（１０）。
3. 前記分解モジュール（４０）が、知識を蓄えかつ学習し、家庭用電力線特性の変化に継続的に適応して電力線のモニタ機能及びエネルギー消費機器の制御機能を改善するように構成されたコグニティブ分解アルゴリズム（４４）を含む、請求項１記載の電力メータ（１０）。
4. 前記分解アルゴリズム（４４）が、サポートする前記コグニティブサイクル（５０）の特定の要素に基づいて分割された多次元連想配列の形で集約される、請求項３記載の電力メータ（１０）。
5. 前記分解モジュール（４０）が、家庭用電力線上のエネルギー消費機器を特定するように構成された、ベイズ推論ベースの分類装置を使用するコグニティブ分解アルゴリズム（４４）を含む、請求項１記載の電力メータ（１０）。
6. 前記分解モジュール（４０）が、フィールドトレーニングを必要とせずに、家庭用電力線上のエネルギー消費機器を特定するように構成されたコグニティブ分解アルゴリズム（４４）を含む、請求項１記載の電力メータ（１０）。
7. 前記分解モジュール（４０）が、該電力メータ（１０）の収益測定部内に組み込まれて、該電力メータ（１０）内の知的請求システムの一部を形成する、請求項１乃至６のいずれか1項に記載の電力メータ（１０）。
8. 前記収益測定部が、前記分解モジュール（４０）によって生成されたデータに基づいて、洗濯行為、空気調節行為及び食器洗浄行為を使用時間価格設定とリンクさせるように構成される、請求項７記載の電力メータ（１０）。
9. 前記収益測定部が、前記分解モジュール（４０）によって生成されたデータに基づいて、前記電気機器についての国内平均エネルギー使用量よりも多くのエネルギーを使用する電気機器を特定するように構成される、請求項７又は８記載の電力メータ（１０）。
10. 前記収益測定部が、前記分解モジュール（４０）によって生成されたデータに基づいて、該電力メータ（１０）を用いて家庭内の配線の不具合を特定するように構成される、請求項７乃至９のいずれか1項に記載の電力メータ（１０）。

Images