JP2014511096A - 信号同定の方法およびシステム - Google Patents

Abstract

本明細書では、信号同定の方法およびシステムが開示される。いくつかの実施例では、方法および／またはシステムは、電気器具がそれらの電気消費量と関連付けられることを可能にする。一実施例では、負荷が定常状態にあるか、または遷移しているか否かを決定するための方法は、少なくとも１つの回路における電力または電流測定値の時系列、少なくとも１つの回路に連結される少なくとも１つの負荷を分析するステップと、負荷が定常状態にあるか、または遷移しているか否かを決定するステップを含む。また、電気器具同定方法も開示される。さらに、遷移と定常状態クラスタとの間の連鎖を要約するＳＴＥＣ表を利用するラベリングされていない電気器具をマップする方法が開示される。

Description

（関連出願の相互参照）
本願は、米国仮特許出願第６１／４３７，４５４号（２０１１年１月２８日出願）の優先権を主張し、この出願は、その全体が参照することによって本明細書に援用される。

（政府支援についての謝辞）
本発明は、国立科学財団によって付与された助成金番号０９１２９１４、米国エネルギー省によって付与された助成金番号ＤＥ−ＦＧ３６−０８Ｇ０８８１６１およびＤＥ−ＦＧ３０−０８ＣＣ０００５７の下での政府支援によってなされた。政府は、本発明に一定の権利を有している。

（分野）
本開示は、概して、信号同定の方法およびシステムに関する。いくつかの実施例では、方法および／またはシステムは、電気器具がそれらの電気消費量と関連付けられることを可能にする。

本明細書では、信号同定の方法およびシステムが開示される。一実施形態では、負荷が定常状態にあるか、または遷移しているか否かを決定するための方法が開示される。いくつかの実施形態では、本方法は、少なくとも１つの回路における電力または電流測定値の時系列、少なくとも１つの回路に連結される少なくとも１つの負荷を分析するステップと、負荷が定常状態であるか、または遷移しているか否かを決定するステップとを含む。

いくつかの実施形態では、本方法はさらに、時系列の平均および分散を比較するステップを含む。

いくつかの実施形態では、本方法はさらに、時系列の平均および分散を比較することによって得られる値の絶対値を、閾値と比較するステップを含む。

いくつかの実施形態では、本方法はさらに、絶対値が閾値よりも大きいときに、負荷が遷移していると決定するステップを含む。

また、電気器具の状態を追跡するための方法も開示される。いくつかの実施形態では、電気器具の状態を追跡するための方法は、定常状態電気信号の電力シーケンスを決定するステップと、電力シーケンスの定常状態および遷移波形を計算するステップと、各クラスタがオンおよび／またはオフのいずれかである同じ一組の電気器具を表す、定常状態波形をクラスタ化するステップと、各クラスタが電気器具の同じ遷移、オンまたはオフ、あるいは電気利用の変化（より高いまたは低い電気利用への変化等）を表す、遷移波形をクラスタ化するステップと、定常状態波形の期間中に状態を変化させた全ての電気器具の完全オン・オフ循環を表す、クラスタ化遷移波形のシーケンスを決定するステップとを含む。

いくつかの実施形態では、本方法はさらに、クロージャルールを決定するステップを含み、クロージャルールは、特定の定常状態について、同じ定常状態クラスタ内で次の定常状態への遷移シーケンスを決定するステップを含む。クロージャルールの長さは、シーケンス中の遷移の数である。

いくつかの実施形態では、本方法はさらに、実際の電気器具と関係しないクロージャルールを排除するステップを含む。

また、１つ以上の電気器具を単一の事象と合致させることによって、電気器具の動作状態を分解するための方法も開示され、本方法は、監視された回路から電力遷移データであって、オンまたはオフになる１つ以上の電気器具と関連付けられる電力遷移データを取得するステップと、電力遷移データから少なくとも１つの電力シグネチャを決定するステップと、電力シグネチャを電力シグネチャのライブラリと比較するステップと、比較がライブラリ要素との合致を示す場合、測定された電力シグネチャを、ライブラリ電力シグネチャと関連付けられる電気器具と関連付けるステップと、測定された電力シグネチャがライブラリ要素に合致しない場合、測定されたシグネチャを、新しい未確認電気器具としてライブラリに追加するステップとを含む。

本方法のいくつかの実施形態では、ライブラリは、未確認電気器具シグネチャを含有し、さらに、測定されたシグネチャをライブラリ内の未確認電気器具シグネチャの組み合わせと比較するステップを含む。

いくつかの実施形態では、本方法はさらに、ライブラリ内の未確認電気器具シグネチャを組み合わせることによって生成される複合シグネチャから、基本的電気器具シグネチャを抽出するステップを含む。

また、電気器具同定方法も開示される。いくつかの実施形態では、本方法は、新しい定常状態で始まるサイズ２の一組のクロージャルールを決定するステップと、サイズ２の一組のクロージャルールから定義された定常状態を決定するステップと、定義された定常状態を一組の定義された定常状態に追加するステップとを含む。

いくつかの実施形態では、一組の定義された定常状態は、最初、最小量の電力を使用する定常状態から構成される。

いくつかの実施形態では、一組の定義された定常状態は、最初、ゼロエネルギーを消費する監視された回路と関連付けられる、全ての負荷に対応する定義された定常状態から構成される。

いくつかの実施形態では、本方法はさらに、一組の定義された定常状態に適用される、サイズ３のクロージャルールを決定するステップを含む。

いくつかの実施形態では、本方法はさらに、一組の定義された定常状態に適用される、サイズ４のクロージャルールを決定するステップを含む。

いくつかの実施形態では、本方法はさらに、複数の相関した動作状態を有する電気器具を同定するステップを含む。

いくつかの実施形態では、本方法はさらに、同一の遷移シグネチャを生成する複数の電気器具を同定するステップを含む。

いくつかの実施形態では、本方法はさらに、冗長定常状態を生じる負荷を同定するステップを含む。

また、遷移をラベリングされていない電気器具にマップする方法等の、ラベリングされていない電気器具をマップする方法も開示される。いくつかの実施形態では、本方法は、第１の開始遷移終了数（ＳＴＥＣ）表であって、複数の定常状態の間の複数の遷移を表す複数のＳＴＥＣ記録を備える、第１のＳＴＥＣ表中の１つ以上の不一致定常状態を決定するステップと、開始および終了定常状態が同じである、重要でないＳＴＥＣ入力を除去するステップと、遷移のみが異なるＳＴＥＣ記録を合併することによって、１つ以上の不一致定常状態を解決するステップと、複数の遷移のうちの少なくとも１つを１つ以上のラベリングされていない電気器具にマップするように、第１のＳＴＥＣ表にクエリを行うステップとを含む。

いくつかの実施形態では、ＳＴＥＣ記録のうちのそれぞれは、開始定常状態と、遷移と、終了定常状態とを備え、開始定常状態および終了定常状態は、複数の定常状態に属し、遷移は、複数の遷移に属する。

また、ラベリングシステムが個々の信号を同定するための方法も開示される。いくつかの実施形態では、本方法は、非侵入型電気器具負荷監視（ＮＩＡＬＭ）非集計負荷隔離データの結果を提示するステップと、ユーザが個々の信号をラベリングおよび同定することを可能にする、インターフェースを提供するステップとを含む。

いくつかの実施形態では、個々の信号は、１つ以上の電気器具内にある。

いくつかの実施形態では、本方法は、住居環境内のエネルギー消費を監視するために使用される。

いくつかの実施形態では、本方法は、迅速供給業界等の商業的環境内のエネルギーを監視するために使用される。

いくつかの実施形態では、本方法は、電気器具遷移および電力利用を経時的に定期的に採取された電気器具遷移および電力利用のスナップショットと比較するために使用される。異常は、電気器具の潜在的な問題を示し得る。電子アラームを介して、ユーザに通知することができ、メンテナンスサービス依頼電話を自動的に予定に入れることができる。

本開示の先述および他の特徴は、添付図面を参照して進められる、いくつかの実施形態についての以下の詳細な説明からより明白となるであろう。

以下の図面に関連して、種々の実施形態が示され、説明される。

図１は、雑音の多い背景上でスイッチをオンおよびオフにされた小型電気器具の動作状態を区別するために使用される、異なるＺパラメータの実施例に対する回路電力対時間のグラフである。 図２は、Ｚ＝６０の閾値、ｊ＝２秒の平均ウィンドウ、およびｋ＝２秒のギャップを使用して、定常状態境界を図示する、回路電力対時間のグラフである。 図３は、図２と同じデータを使用するが、３０という絶対Ｚ閾値を用いて定常状態境界を図示する、回路電力対時間のグラフである。 図４は、開始遷移、開始定常状態、中間定常状態、終了定常状態、または終了遷移等、各電力シーケンス中の５つの期間またはセグメントを図示する、回路電力対時間のグラフである。 図５は、全電力、スパ送風機電力、スパヒータ電力、およびスパポンプの電力時系列に対する電力対時間のグラフである。 図６は、回路上の２つの負荷という単純な場合について、電力定常状態の円（ＳＳ_ｉ）および遷移の線（Ｔ_ｊ）の可視化を可能にする略図である。定常状態の円の中の分割部分の白／黒色は、回路における負荷の状態を表す（すなわち、黒い左上四分円は、負荷Ａがオンであることを示す等）。表記の目的で、負の電力遷移は、偶数の指数を有し、鎖線を介して表される。 図７は、長さ１の重要でないクロージャルールＣＲの状態図（左パネル）および長さ２のクロージャルールの状態図を表す。 図８は、あまり接続されていないシステムの定常状態図を表す。 図９は、付加的なＣＲサイズ３シナリオを図示する略図である。 図１０は、Ｔ_４に隣接して及ぶ別個／冗長遷移Ｔ_８を伴う状態図を表す。 図１１は、多状態電気器具の状態図を表す。 図１２は、１つの定常状態および１つの遷移で合致する（灰色の）ＳＴＥＣ記録を伴う状態図を表す。 図１３は、２つの定常状態で合致するＳＴＥＣ記録を伴う状態図を表す。 図１４は、データ投入されていない無ラベリング電気器具の利用内訳を図示する、利用表である。 図１５は、データ投入された利用内訳を図示する利用表である。 図１６は、ユーザ選択可能な期間にわたるエネルギー利用のラベリングされていない系列を示すプロファイルである。 図１７は、訓練されたエネルギー時系列を示すプロファイルである。 図１８は、ラップトップコンピュータを含むが、それに限定されない、モバイルデバイス等の第２のデバイスに無線で伝送される等、インストールされたデバイスから流れるデータが伝送されることを図示する、デジタル画像および概略図である。エネルギー管理アプリケーションは、異なるユーザ、すなわち、商業的、家庭、および／または産業的ユーザに対してカスタマイズすることができる。 図１９は、ユーザがユーザ名およびパスワードを入力する、開示されたエネルギー管理アプリケーションの初期ログイン画面のスクリーンショットである。 図２０は、種々の電気器具が異なる店の場所での１ヶ月あたりの全体的光熱費に寄与する部分を図示する、開示されたエネルギー管理アプリケーションの多拠点フランチャイズエネルギーダッシュボードのスクリーンショットである。 図２１は、ユーザに実用的な情報および１つ以上の施設のエネルギー消費の概観を提供する、開示されたエネルギー管理アプリケーションの例示的なホームページのスクリーンショットである。 図２２は、下のチャートがカテゴリの実施例として利用の種類を示す、例示的なホームページのスクリーンショットを表す。右上の図は、最後の２４時間に対するエネルギー消費を時間別に示す。 図２３は、階層表示でカテゴリ別にグループ化された全ての機器のリストを提供する、エネルギーエクスプローラ特徴のスクリーンショットである。ユーザは、表示を重畳または拡張することができる。電球アイコンは、どの機器が現在オンになっているかを示す。ユーザが機器をクリックしたときに、右側に詳細を見ることができる。ユーザは、エネルギー消費および費用の詳細を閲覧し、また、カスタム日付範囲を選択することもできる。 図２４は、ユーザがカテゴリ分析別（場所、利用の種類別等）、機器別、または上位１０リストを作成すること等によってレポートを作成することを可能にする、エネルギー管理アプリケーションのレポート特徴のスクリーンショットである。 図２５は、日別の選択された時間範囲でカテゴリ別のエネルギー消費および費用比較を図示する、レポートのスクリーンショットである。 図２６は、選択された時間範囲でエネルギー消費および費用別に上位１０個の機器を表す、レポートのスクリーンショットである。 図２７は、ユーザがエネルギー管理アプリケーションの設定を支援することを選択し得る、種々の機能を図示する、セットアップメニューのスクリーンショットである。 図２８は、ユーザに利用可能な特徴を示す、ヘルプメニューのスクリーンショットである。 図２９は、開示された方法の側面を実施するための例示的なコンピュータ環境の概略図である。 図３０は、開示された方法およびシステムの側面を実施するための例示的な環境の概略図である。

特に説明されない限り、本明細書において使用される全ての技術および科学用語は、本開示が属する技術分野の当業者によって一般的に理解されるものと同じ意味を有する。対立の場合、用語の説明を含む本明細書が優先するであろう。「１つの」および「その」等の単数の用語は、文脈が特に明確に指示しない限り、複数の指示対象を含む。同様に、「または」という言葉は、文脈が特に明確に指示しない限り、「および」を含むことを目的としている。「備える」という用語は、「含む」を意味し、したがって、「ＡまたはＢを備える」は、ＡまたはＢ、ならびにＡおよびＢをともに含むことを意味する。本明細書で開示されるものと同様または同等の方法および材料を、本開示の実践または試験で使用することができるが、好適な方法および材料が本明細書で説明される。開示された材料、方法、および実施例は、例示的にすぎず、限定的となることを目的としていない。

下記の実施形態は、いくつかの方法で実装することができるが、少なくともいくつかの実装では、電気信号は、３８４０Ｈｚで１２ビットを使用するサンプルである。つまり、６０Ｈｚサイクルにつき６４サンプルで１２ビットである。

加えて、説明は、時には、開示された方法を説明するために「生成する」および「提供する」のような用語を使用する。これらの用語は、行われる実際のコンピュータ動作の高レベル抽象化である。これらの用語に対応する実際のコンピュータ動作は、特定の実装に応じて異なり、かつ当業者によって容易に判別可能である。

（序論）
非侵入型電気器具負荷監視（ＮＩＡＬＭ）は、回路遮断器において家屋中への電流の流れを監視することによって、非集計フィードバックを提供する技法である。個々の負荷を分離するコンピュータアルゴリズムは、１９９２年に初めて開発された。過去１０年にわたって、ＮＩＡＬＭ方法が改良されてきた。これらのアプローチは、主に、電気器具がオンまたはオフになる遷移期間と関連付けられる測定基準を使用することに集中し、８０％から９５％の精度を有する。

ＮＩＡＬＭ方法は、改良されてきたが、いくつかの欠点が依然として存在する（すなわち、可変負荷、多状態負荷、同負荷電気器具（同一の遷移を有する区別不可能な負荷を有する電気器具）、および常時オン負荷）。本開示は、可変負荷、多状態負荷、および同負荷電気器具を含むが、それらに限定されない、いくつかのこれらの欠点に対処する技法を提供する。住居試験からのアーカイブしたＮＩＡＬＭデータセットの検討は、電気器具のオフ遷移シグネチャからオン遷移シグネチャを分離する必要があることを明らかにした。しかしながら、これらを分離することにより、これら２つの無関係の遷移シグネチャを単一の電気器具に結び付けるためにアプローチが必要とされるという新しい問題を生じた。

本明細書では、２つの無関係の遷移シグネチャを単一の電気器具に結び付けるためのクロージャルールの使用が開示される。クロージャルールは、他の電気器具が状態を変化させないときに、回路の基準電力シグネチャが、電気器具が使用される前と後とで同じとなるはずであるという事実を活用する。「オン」事象前の定常状態が、「オフ」事象後の定常状態と同じである場合、これら２つの遷移を１つの電気器具に結び付けるように、クロージャルールを生成することができる。このルールを使用して、異なる量の電力を用いてオンおよびオフになる電気器具（すなわち、冷蔵庫、蛍光灯、ＨＶＡＣファン、および同等物）からの遷移シグネチャを結び付けることができる。大抵の場合、電気器具の「オン」遷移のすぐ後には、対応する「オフ」遷移が続かないであろうが、定常状態が繰り返すことが観察されるときはいつでも、その間に作動させられた全ての電気器具が、それらの元の状態に戻ったことを暗示するクロージャルールが作成される。クロージャルールが蓄積されるにつれて、それらの中のより短く単純なルールを排除することによって、より複雑なルールを単純化することができる。例えば、電灯が２時間オンであり得、電灯がオンである間にオーブンが作動し得る。オーブンの電力サイクルは、電灯の合致するオンオフ遷移を残して、電灯のクロージャルールから除去されてもよい。

これらの原則に基づいて、開示された方法およびシステムは、少なくとも１週間の継続時間のデータを効率的に処理し、非重要（長さ１のルール）から、二状態負荷の単純な切替（長さ２のルール）、同時にオンになる２つの負荷の合致する複合遷移（長さ３のルール）、および交互の２つの電気器具の作動（長さ４のルール）まで長さが及ぶ、クロージャルールを抽出することができる。３つ以上の電気器具の交互の切替を伴う、より複雑なルールも検出し、より短いルールから抽出される遷移連鎖を使用して解決することができる。したがって、開示された方法およびシステムは、単に相互の逆ではない、オンオフ遷移を有する、可変負荷から生じる欠点に対処する。

開示された方法およびシステムはまた、基準負荷が存在するときのみ生じる合致負荷を同定することによって、多状態負荷（すなわち、前面搭載型洗濯機、プラズマＴＶ、または可変速駆動（ＶＳＤ））問題にも対処する。本明細書で開示される方法は、これらの複雑な負荷を、基準負荷が存在するときのみ生じる有限集合まで低減させる、クロージャルールを利用する。この特徴は、アルゴリズムがユーザ介入を伴わずに多状態負荷を自動的に見出すことを可能にする。

クロージャルールを利用する本明細書で開示される方法およびシステムよりも以前においては、ＮＩＡＬＭ技法は、２つの同一の順次遷移が、状態を変化させる２つの同一の電気器具を表すか否か、またはアルゴリズムが逆遷移のうちの１つを検出したか否かを区別することができなかった。クロージャルールのアプリケーションは、区別不可能な負荷の複数のインスタンスが同時に存在することを可能にする。複数の電気器具が区別不可能であるが、グループのうちの１つが、グループのうちの他の構成要素と同じように、正常に機能しなくなり、電力を消費しなくなり始めるか否かを検出するために、この情報を使用することができる。

開示されたＮＩＡＬＭシステムの所望の結果は、建物中の主要なエネルギー消費電気器具の非集計エネルギー消費および費用をユーザに表示することである。非集計消費は、建物の全エネルギー消費の測定から導出される。開示されたＮＩＡＬＭシステムは、少なくとも、建物に流入する電流および電圧を監視すること、電力の有意な変化、すなわち、事象が起こったときを決定すること、各定常状態が、各電力サイクル（ＡＣ電圧の１つの全体サイクルである電力サイクル）の全体を通した間隔で得られる測定値の数、例えば、２５６であるプロファイルによって特徴付けられる２つの定常状態に、事象の両側の電力消費を分離すること、事象の前と後との定常状態プロファイルを比較することによって、遷移プロファイルを決定すること、十分に大量の事象が記録されるまでデータを収集すること、例えば、１週間のデータロギング、このデータロギング期間中に取得される遷移プロファイルおよび定常状態プロファイルをクラスタ化すること、クラスタ化された遷移およびクラスタ化された定常状態のシーケンスからクロージャルールを抽出すること、クロージャルールから、どのオフ遷移がオン遷移に対応するかを決定すること、クロージャルールから、どの遷移が状態を変化させる単一の電気器具、または同時に状態を変化させる複数の電気器具に対応するかを決定すること、遷移を個々の電気器具に対する負荷変化に割り当てること、複合電力利用信号からの電気器具を遷移から隔離すること、隔離された電気器具によって使用されるエネルギーおよび／またはエネルギーの費用を決定すること、隔離された電気器具の詳細をユーザに提示すること、およびユーザが意味のある呼称を各隔離された電気器具に割り当てるための支援ラベリング機構を提供すること、エネルギー利用を監視するために必要とされる情報を有するように、詳細な非集計電力利用を表示する種々のグラフィック画面をユーザに提供すること、所望であれば、監視された電気器具のエネルギー消費を削減するように１つ以上の措置を講じること、その結果を検証すること、および電気器具の健全性を監視することを可能にする。

（回路電力の振幅の変化に基づいて、１つ以上の電気器具の動作状態の変化を検出するためのプロセス）
一実施形態では、本開示は、回路電力の振幅の変化に基づいて、１つ以上の電気デバイス、負荷、または電気器具（集合的に「電気器具」）の動作状態の変化を検出するためのプロセスを提供する。特定の実装では、プロセスは、１つ以上の電気器具で回路上の電力または電流測定値の時系列を分析することを含む。変数Ｚが、各期間（ｔ）に対して計算される。各期間は、全電力サイクルである。他の実装では、期間は、全電力サイクルを上回り、または電力サイクルの一部、例えば、電力サイクルの半分等、全電力サイクルよりも小さくあり得る。Ｚは、等しいサンプルサイズおよび等しくない分散を有する２つの集団の確率を計算するためのスチューデントのｔ統計値と一致する無次元変数である。Ｚ値は、Ｚの絶対値が閾値未満であるときに電力が定常状態であるか、または閾値を上回るときに遷移していることを示す。

Ｚに対する式は、

であり、式中、Ｐ（ｘ）は、時間ｘで始まる全サイクルにわたって計算される平均電力（または電流）測定値である。ＡｖｇおよびＶａｒは、括弧内の項の範囲の平均および分散を表す。ｋは、各平均および分散期間に含まれる電力測定値の数である。２^＊ｊ＋１は、平均または分散計算から除外される、ｔを中心とする期間内の測定値の数である。除外される２^＊ｊ＋１個の測定値は、マスク期間として知られている。以下の実施例は、Ｚを計算する際に使用するためのいくつかの代表的な値を提供する。しかしながら、開示された方法は、これらの値に限定されない。例えば、他の実装では、ｊが１秒（または６０期間）であり、ｋが１２１期間または２秒以上であることが有益であり得る。例えば、どれだけ迅速に電気器具がオフおよびオンになるかに基づいて、他の値が選択されてもよい。

時系列の実施例が、図１に示される。この実施例では、６０Ｈｚの回路電力Ｐ_ｔが、黒で上方のトレース上に示され、Ｚが、下方のトレース上に示されるｊの３つの実施例を用いて計算されている。ここで、ｊは、期間として表され、毎秒が６０回の電力測定を表す。影付きの長方形は、Ｚを計算するために使用される２秒のｋ個の間隔（１２０個の電力測定値）に対応する。矢印は、対応する色付き長方形中のＰ値を使用して計算されたＺ値を示す。

この実施例では、６０というＺ閾値を使用して、６：４６：１８での「電力オン」遷移が、Ｚ_０，２ではなく、Ｚ_１，２およびＺ_２，２によって検出されたであろう。同様に、約６：４６：５５での「電力オフ」遷移は、Ｚ_２，２のみによって検出されるであろう。実施例は、ゼロではないマスク期間（ｊ）の使用が、どのようにして電気回路内の電力遷移を自動的に検出するためのこのプロセスの感度を増加させるかを示す。

定常状態は、Ｚの絶対値がＺ閾値未満であるときに、ｊ＋ｋよりも長い連続期間として定義される。全ての他の時間は遷移として定義される。長い遷移期間は、一般的には、電気器具がオンになるとき、または電気器具がゆっくりウォームアップするときの電力サージと関連付けられる。ある期間後に、電力は定常状態に落ち着く。

ある監視アプリケーションについては、電気器具がオンまたはオフにされる電力遷移の時間Ｔを推定することが役立ち得る。Ｔは、時間Ａで始まり、時間Ｂで終了する、遷移期間の継続時間に基づいて定義される。遷移継続時間（Ｂ−Ａ）が、２ｊ＋２ｋ未満である場合、Ｔ＝（Ａ＋Ｂ）／２である。長いターンオン遷移を伴う電気器具で起こり得るように、遷移期間が２ｊ＋２ｋよりも長い場合、（電力が増加した）ターンオン事象については、Ｔ＝Ａ＋ｊ＋ｋであり、すなわち、Ｚピークの最先端に近く、ターンオフ事象については、Ｔ＝Ｂ−ｊ−ｋである。このようにして遷移点を確立することにより、全電力が遷移期間と関連付けられる電気器具に起因すると考えるための改良型積分点を生成する。

図２は、上記の電力時系列を使用して、Ｚ_２，２から定常状態および遷移期間を計算することの実施例を図示する。薄い灰色で影を付けられた領域は、定常状態期間に対応する。濃い灰色の領域は、遷移に対応する。

Ｔ_１は、Ａ（第１の遷移の開始）とＢ（第１の遷移の終了）との間の中間点であり、Ｔ_２は、Ｃ（第２の遷移の開始）とＤ（第２の遷移の終了）との間の中間点である。

状態を変化させる電気器具を同定するために使用される電力シグネチャは、連続定常状態期間の間の差に基づいて計算される。時間Ｔ_１およびＴ_２は、状態を変化させた電気器具に起因する全電力を決定するための積分点としての機能を果たす。

いくつかの電気器具は、継続時間ｊ＋ｋよりも長い、電力変化遷移期間を有する。本プロセスは、新しい定常状態が確立される前に、Ｚ値が最低の期間ｌ（ｌ＝ｊ＋ｋ）にわたって閾値を下回ったままでなければならないという点で、これらの種類の電気器具に適応できる。

図３に示されるデータで、６０の代わりに、３０というより低いＺ閾値を使用することにより、より長いターンオフ遷移期間をもたらす。加えて、６：４７：０１において、２度目にＺが６：４７：０４で−３０の閾値を横断するまで遷移が終了しないように、Ｚは、わずか２．１秒（ｌ＝ｊ＋ｋ＝４秒未満である）にわたって３０の閾値未満のままである。

以下の表は、絶対Ｚ閾値＝３０および６０、ｊ＝２秒、およびｋ＝２秒で、前述の方法を使用する定常状態において計算された平均電力および積分点を示す。この実施例では、より低い絶対値Ｚ＝３０を使用して、定常状態の不確定性が最小化され、試験された電気器具の真の定常状態電力利用をより良好に表し、

この例では、データは、１１７．３＋／−６．２Ｗ事象がＴ１でオンになること、および１５３．０＋／−６．８Ｗ事象がＴ２でオフになることを示す。

上記の方法は、Ｚ_ｊ，ｋ（ｔ）を計算するために必要とされるウィンドウを適応的にバッファリングすることによってリアルタイムで行われる。電力および二乗電力の現在までの合計が、各ウィンドウ表示期間の平均および分散を計算するために使用される。これらの合計は、バッファリングされたウィンドウから最も古いサンプルを差し引き、次の新しいサンプルを追加することによって効率的に更新される。そうすることで、計算サイクルの数が最小化される。

説明されるシステムは、遷移期間の長さに適応できるギャップ間隔を提供する。開示された方法は、定常状態および遷移期間を分離する。開示された方法は、少なくともいくつかの実装では、ウィンドウサイズｋおよびギャップサイズ２ｊを使用する。開示された方法は、遷移が発生したとき、または発生したか否かを決定するためにＺ閾値を使用する。

統計学では、２つの集団（すなわち、ウィンドウ表示電力期間）の差を比較する方法は、平均値の間の差の標本分布と呼ばれる。本開示方法は、電気器具をオンにすることと関連付けられる過渡の挙動が、電気器具の定常状態シグネチャの計算に含まれないことを、集団間の間隙の使用が確実にするのに役立つため、有利である。加えて、Ｔ＝（Ａ＋Ｂ）／２、または電力の増加についてはＴ＝Ａ＋ｊ＋ｋ、または電力の減少についてはＴ＝Ｂ−ｊ−ｋのいずれかとしての積分点の目標が、電気器具がオンまたはオフにされるときの真のタイミングをより正確に捕捉する。

（定常状態および遷移電力シグネチャに結び付けられたクロージャルールを使用して、電気器具の状態を追跡するためのプロセス）
別の実施形態では、本開示は、定常状態および遷移電力シグネチャに結び付けられたクロージャルールを使用して、（上記で定義されるような）電気器具の状態を追跡するための方法を提供する。この開示されたプロセスは、少なくともいくつかの実装では、回路電力の振幅の変化に基づいて電気器具の動作段階の変化を検出する前述の方法から生成される、修正された定常状態信号とともに使用することができる。

前述の実施形態が、遷移および定常状態の期間で電力時系列を分離する一方で、現在説明している実施形態は、定常状態を、開始定常状態セグメント、中間定常状態セグメント、および定常状態セグメント等、３つのセグメントにさらに分離する（図４）。

一実装では、開始および終了定常状態の両方が、１秒の固定セグメントを有する。他のセグメント継続時間が使用されてもよい。中間定常状態セグメントは、開始および終了セグメントが除去された、残りの定常状態期間である。開始遷移、開始定常状態セグメント、中間定常状態セグメント、終了定常状態セグメント、および終了遷移のシーケンス全体は、電力シーケンスと呼ばれる。

３つの定常状態セグメントは、どのようにして電気器具が動作するかを反映する。開始定常状態セグメントは、電気器具がオンにされた直後に、どのようにして挙動するかを反映する。このセグメント中の電気器具のプロファイルは、電気器具を相互から隔離する際に非常に有用であるが、電気器具が安定化したときにどれだけ多くの電力を使用するかを示さない場合がある。概して、中間定常状態セグメントは、電気器具が動作している間に、どれだけ多くの電力が使用されるかを示す。以降で説明されるように、終了定常状態セグメントは、次の遷移後の電力シーケンスからの開始定常状態セグメントに対して比較するために使用される。
他の実施形態は、どのようにして電気器具が動作するかを表すために、３つよりも多くのセグメントを採用してもよい。

Ｐ_１２０波形は、以下の方程式を使用して、１つの６０Ｈｚ電圧サイクルを表す信号において定義され、

式中、ｔは、０から１６．７ｍｓまでの範囲の６０Ｈｚの電圧サイクルの開始からの時間であり、ｉ（ｔ）は、測定された電流であり、ｖ（ｔ）は、測定された電圧であり、ｖ_１２０（ｔ）は、１２０ＶというＲＭＳ値およびｖ（ｔ）と同じ位相角を有する正弦波電圧信号である。Ｐ_１２０波形は、任意の期間にわたって平均化されてもよい。Ｐ_１２０波形は、単純に、ｖ_１２０（ｔ）を乗じたコンダクタンスプロファイルである（米国特許出願公開第２００９／０３０７１７８号において言及される）。これらの変数の他の値を使用することができる。

定常状態の波形Ｓ（ｔ）は、具体的実施例では、単一の電力シーケンスからの開始、中間、および終了定常状態セグメントに対するサンプル加重平均波形として計算され、

式中、ｎ_ｊは、各定常状態セグメント中に平均Ｐ_１２０（ｔ）を計算するために使用される６０Ｈｚの波形の数である。定常状態波形は、一般的実施形態の範囲から逸脱することなく、他の方法によって計算することができる。

遷移波形Ｔ（ｔ）は、１つの電力シーケンスの開始定常状態セグメントおよび直前の電力シーケンスの終了定常状態セグメントに対する平均Ｐ_１２０波形の間の差として計算され、

式中、下付き文字ｉ−１およびｉは、逐次電力シーケンスを表す。遷移波形は、一般的実施形態の範囲から逸脱することなく、他の方法によって計算されることができる。

電気器具を隔離するために、電気器具監視、追跡、および分析アルゴリズムが、個々の電気器具に属する別個のオンオフ遷移波形を結び付けることに役立ち得る。いくつかの電気器具は、反対の規模を有する（すなわち、Ｔ_{ｌｉｇｈｔ＿ｏｎ}（ｔ）＋Ｔ_{ｌｉｇｈｔ＿ｏｆｆ}（ｔ）＝０）遷移波形を伴ってオンおよびオフになる。そのような電気器具については、オン／オフ遷移を結び付けることは、比較的容易である。しかしながら、モータおよび蛍光灯等の多くの電気器具については、電力オン遷移および電力オフ遷移は非対称であり、したがって、この等式が該当せず、遷移を見つけて対合するために、より複雑なアルゴリズムが必要とされ得る。

１つの後処理実装では、電気器具のスイッチがオンおよびオフにされるにつれて、データ収集システムが、瞬時電圧および電流を記録し、Ｓ（ｔ）およびＴ（ｔ）波形の表を生成する。後処理の各Ｔ（ｔ）を捕捉することにより、その後になって、適切なオンオフ遷移を結び付ける手順を可能にする。

いくつかの実施例では、後処理は、オフラインシステムによって実行されない。例えば、この後処理は、リアルタイムデータがデータ収集システムによって収集されている間に、並列タスクとして行われる。このタスクの後処理側面は、十分な遷移データがデータ処理システムによって記録されるまで、それを行うことができないことである。

定期的間隔等の間隔で、クラスタ化アルゴリズムが、Ｓ（ｔ）およびＴ（ｔ）波形の両方の表に適用される。適切な数の定常状態クラスタが、閾値クラスタ類似性または非類似性測定基準（例えば、ユークリッド距離、残差二乗和、相関係数等）に基づいて、クラスタ集積表から得られる。

本実施形態によれば、同じＳ（ｔ）クラスタの構成要素は、同じ一組の電気器具がオンまたはオフのいずれかである時間を表す。

実施形態によれば、２つの定常状態Ｓ_ｊ（ｔ）とＳ_ｊ＋ｋ（ｔ）とが同じ定常状態クラスタに属するときに、次いで、Ｔ_ｊ＋１（ｔ），．．．，Ｔ_ｊ＋ｋ（ｔ）のシーケンスは、Ｓ_ｊ（ｔ）とＳ_ｊ＋ｋ（ｔ）との間で状態を変化させた全ての電気器具の完全（オン・オフ、またはオフ・オン）循環を表す。これは、クロージャと呼ばれ、たとえそれらの波形が異なっても、非対称電力オンと電力オフ遷移とが一緒に結び付けられることを可能にする。以前の分析方法は、一般的には、合致を確立するために、オンオフ遷移が反対の規模でなければならないことを要求し、したがって、多くの電気器具には不適切である。

クロージャルールは、データセットから抽出される。特定の定常状態クラスタ内の各定常状態については、同じ定常クラスタ内の次の定常状態への遷移シーケンスが、クロージャルールを生成する。遷移シーケンスは、一意的である必要はなく、各一意的遷移シーケンスの１つだけの例が、完全な一組のクロージャルールに含まれる必要がある。同じクラスタの構成要素である２つの定常状態の間の遷移の数は、１から定常状態の総数より１つ少ない数（すなわち、ｚ−１）に及び得る。さらに、データセットから抽出され得るルールの数は、定常状態クラスタの総数を引いた、観察された定常状態の数である（すなわち、ｚ−ｙ）。

クロージャルールの長さは、そのルール中の遷移の数である。長さ１のクロージャルールは、発生し、定常状態の分類を変化させない比較的小さい電力変化を表す。それらは、一般的には、電気器具のオン／オフ遷移を結び付ける際に有用な情報を提供しない。少なくともいくつかの場合において、長さ１のルールを放棄することができる。

長さ２のルールは、概して、１つの電気器具の循環を表す。そのようなルールでは、２つの遷移は、単一の電気器具のオン／オフ（またはオフ／オン）遷移を表す。これらの遷移は、ここで結び付けられることができる。サイズ２のルールは、同時に循環する２つ以上の電気器具を表すことができる可能性がある。一般的な場合、このルールだけでは、単一の電気器具と複数の電気器具とを区別することができない。

長さ３の遷移は、複数の電気器具を単一の事象に合致させることによって、電気器具の動作状態を解決する方法と題された実施形態において、以下に説明されるような「多重合致」シナリオを表すことができる。３よりも長いルールは、より複雑な電気器具の状態変化を表し得るが、いくつかの電気器具の単純な循環シーケンス、例えば、電気器具Ａがオンになり、電気器具Ｂがオンになり、電気器具Ａがオフになり、電気器具Ｂがオフになることを表す可能性もある。

これらのより長いルールから情報を抽出するために、手順は、排除機構を採用してもよい。Ｔ_ｉ（ｔ）が、遷移の波形重心を表してもよい一方で、項ｘ_ｉは、クラスタ化遷移を指すが、関連定量値を持たない。ｘ_ｉ項は、線形代数変換を使用してクロージャルールを表すために使用される。

合計ｍ個の遷移クラスタを考えると、各クロージャルールを

として表すことができ、式中、係数ａ_ｉは、何回遷移クラスタｘ_ｉがクロージャルール中で観察されるかを表す。ｙ個のクロージャルールを有するデータセット全体は、Ａがｍ列およびｙ行を有する行列である、Ａｘ＝０の行列形式で表すことができる。単純なクロージャルールｘ_ｉ＋ｘ_ｊ＝０は、遷移ｘ_ｉが遷移ｘ_ｊの逆数であるという関係を提供する。

慎重な排除プロセスが、実際の電気器具に関係する遷移を排除することなく、これらの関係を同定するために使用される。このプロセスは、以下の、または付加的な構成要素のうちの１つ以上を含む。
１）他のルール内でネスト化して発生する全てのルール等のルールを排除する。例えば、ルールｘ_ｉ＋１＋ｘ_ｉ＋２＝０がルールｘ_ｉ＋ｘ_ｉ＋１＋ｘ_ｉ＋２＋ｘ_ｉ＋３＝０に従う場合には、第１のルールが第２のルールから排除されて、２つのルールｘ_ｉ＋１＋ｘ_ｉ＋２＝０およびｘ_ｉ＋ｘ_ｉ＋３＝０のみを残す。
２）同一のルールをグループ化し、発生の頻度の減少によって、一意的なルールを分別する。
３）最も頻繁に観察された長さ２のルールから始まって、より大きい長さのルールを低減させるために、長さ２のルールを使用する。場合によっては、長さ２のルールが、より大きいルールで複数回発生してもよく、かつ複数回除去することができ、すなわち、ｘ_ｉ＋１＋ｘ_ｉ＋２という長さ２のルールを考慮すると、ｘ_ｉ＋２ｘ_ｉ＋１＋３ｘ_ｉ＋２＋ｘ_ｉ＋３という長さ７のルールが、ｘ_ｉ＋ｘ_ｉ＋２＋ｘ_ｉ＋３まで低減させられるであろう。各排除により、長さ２のルールの頻度数が１だけ増加する。
４）全ての他のルールから長さ２のルールを排除した後に、長さ２のルールは、使用済みルールセット中へ移動させられる。
５）再グループ化および分別されたルールリストからの次に最も頻繁な長さ２のルールを使用して、ステップ２−５が繰り返される。これは、残りの長さ２のルールがなくなるまで継続する。
６）使用済みルールセット中の最も頻繁に発生するルールが、電気器具１に割り当てられる。正の電力ステップに関連付けられる遷移が、電気器具がオンになることと関連付けられる（＋電気器具ＩＤ）一方で、負の電力遷移は、電気器具をオフにすることと関連付けられる（−電気器具ＩＤ）。
７）使用済みルールセット中の次の長さ２のルールが、各電気器具ＩＤの遷移構成要素と比較される。すでに電気器具ＩＤに割り当てられている遷移が見出された場合には、ルール中の両方の遷移が、対応する正または負の電気器具ＩＤに割り当てられる。合致が見出されない、すなわち、いずれの遷移も以前に割り当てられてない場合、ルール中の２つの遷移は、次の電気器具ＩＤに割り当てられる。
８）ステップ７は、長さ２のルールの遷移の全てが電気器具に割り当てられるまで繰り返される。各遷移は、唯一の符号付き電気器具ＩＤに割り当てられる。この割当プロセスは、異なる遷移シグネチャを伴ってオンおよびオフ電気器具に適応する。
９）グループ化および分別されたルールセット中の全ての残りの長さ１のルールは、ヌル電気器具ＩＤ、電気器具０に割り当てられ、使用済みルールセットに移動させられる。これらのルールは、一般的には電気器具遷移と確実に関連付けることができない、わずかな電力遷移に対応する。
１０）グループ化および分別されたルールセット中の（長さ３以上の）の残りのルールは、残りの長いルールセットとして名前を変更される。
１１）残りの長いルールセット内の最高頻度ルールから始まって、各遷移が、電気器具ＩＤにまだ割り当てられていない第１の遷移について検索される。任意の以前の割当は、使用済みルールセット中のルールによるものである。１つよりも多くの割り当てられていない遷移がルール中にある場合、そのルールは飛ばされ、次のルールが検索される。割り当てられていない遷移が見出され、ルール中の全ての他の遷移がすでに割り当てられている場合には、１つの割り当てられていない遷移が、ルール中の割り当てられた遷移と関連付けられる反対符号付き電気器具の組み合わせに割り当てられる。この割当プロセスは、１つよりも多くの電気器具が同時に変化する遷移に適応する。
１２）次いで、新しく割り当てられたルールが、使用済みルールセットに移動させられる。
１３）ステップ１１および１２は、２つ以上の割り当てられていない遷移を有するルールのみが残るまで繰り返される。
１４）次いで、全ての割り当てられていない遷移ＩＤは、以下で説明される多重合致分析を受ける。割り当てられていない遷移のプロファイルが、１つ以上の割り当てられた遷移のプロファイルと合致させられ、対応する一組の電気器具が、割り当てられていない遷移のＩＤに割り当てられる。上述の閾値クラスタの類似性または非類似性想定基準に基づいて、合致が行われない場合には、遷移は、低頻度で発生すると仮定され、ヌル電気器具に割り当てられる。

これらのステップの結果は、電気器具状態変化の時系列を生成するために使用することができる、全ての遷移クラスタに対する電気器具割当表である。次いで、この時系列は、各隔離された電気器具の動作状態を決定するために使用される。

電気器具がオンになり、次いで、オフにされる前に再びオンになること等の、時系列における異常を検出することができる。これらの異常は、アルゴリズムが、事象、すなわち、その電気器具の状態の変化を見逃した、期間を見つけるために使用することができる。状態の変化は、例えば、一度に状態を変化させる多数の電気器具により、見逃される可能性があり、またはデータ中の大量の雑音の存在によるものであり得る。異常の間、見逃された事象を見出すために、より計算が複雑なアルゴリズムを使用することができる。見逃された事象が発生した期間は、２つの異常事象によって境界される。この境界された期間、およびどのような種類の事象が見逃されたか、すなわち、特定の電気器具の特定のオン／オフ遷移についての知識を考慮して、境界された期間中にその事象を検索するために、より計算が複雑なアルゴリズムを使用することができる。見逃された事象を見出すことができない場合には、異常事象のうちの１つが放棄されるであろう。２つのオン事象の異常シーケンスの場合、第１のオン事象が放棄され、２つのオフ事象の異常シーケンスについては、第２のオフ事象が放棄される。

現在説明している実施形態は、段階的遷移によって電気器具状態を決定するだけのシステムよりも優れた精度を有する等、有利となり得る。現在説明している実施形態はまた、単一の事象中に複数の電気器具が状態を変化させる状況をより正確に検出するために使用することもできる。

（複数の電気器具を単一の事象と合致させることによって電気器具の動作状態を解決する方法）
いくつかの実施形態では、電気器具の動作段階を解決する方法は、時として「多重合致」または「コンボ事象」と呼ばれる、複数の電気器具を単一の事象に合致させることを含む。本方法は、回路上の各個別負荷と関連付けられるエネルギー消費を分離して同定するように、電力計信号を構成負荷に分解すること等の、非侵入型電気器具負荷監視（ＮＩＡＬＭ）の分野に適用することができる。

いくつかのＮＩＡＬＭ方法は、（１）正味変化検出器を使用して、電気器具がオフまたはオンになったときを同定すること、（２）電気器具の特徴的なシグネチャを取得するために、２つの定常状態期間の間の差を比較するように減算器を使用すること、および（３）シグネチャのリストをともにグループ化し、各電気器具の状態の時系列を決定するためにクラスタアルゴリズムを使用すること等、３つのステップを伴う。このアプローチは、サンプリングの期間後に行われるように構造化され、一般的には、リアルタイムデータ分析に役立たない。しかしながら、分析は、リアルタイムデータロギングへのバックグラウンドタスクとして行うことができ、いったん分析の結果が利用可能になると、リアルタイムで記録されたデータを処理するために使用することができる。

本開示実施形態は、１つよりも多くの電気器具が同時にオンまたはオフになるときに、複数の電気器具の動作状態を同定することができる方法を提供するため、有利となり得る。加えて、この実施形態は、デバイスが無効状態に遷移することが見出されたときに、電気器具の推定動作状態を訂正するために使用することができる第２の方法を提供する。

電圧および電流信号を監視するように、最初にＡＣ主線に接続されたときに、本実施形態は、回路上の電気器具の数、種類、または初期状態（オン／オフ）についての演繹的知識を持たない。プロセッサが、オンまたはオフになる１つ以上の電気器具と関連付けられる、監視された回路上の電力遷移を隔離する。場合によって、全ての電力遷移が隔離される。他の場合においては、電力遷移の一部分のみが隔離される。１つ以上の電気器具の状態が変化するにつれて、事象が生成され、開示された実施形態は、１つの状態から次の状態への遷移の電力シグネチャを定義することができる。

シグネチャは、すでに隔離されているシグネチャのライブラリと比較される。ライブラリ中のシグネチャとの最良の合致を確認して選択するために、適合度指標（すなわち、相関係数、傾斜、切片、ＲＭＳ誤差、残余）の加重組み合わせ等の１つ以上が使用される。

合致が見出されない場合、シグネチャは、新しい未確認 電気器具としてシグネチャのライブラリに追加される。未確認電気器具は、以前に見られていない電気器具、または以前に見られているが、現在は不一致状態にある電気器具である。加えて、未確認電気器具は、２つ以上の同時に変化する（基本的）電気器具の組み合わせであり得、これらの基本的電気器具は、以前に見られていてもいなくてもよい。

新しい未確認 電気器具はさらに、他の未確認 ライブラリ入力の複数の組み合わせの二次合致を受けてもよい。組み合わせの候補は、２つ以上の未確認電気器具の正および負の遷移の各可能な順列から構成される。

例えば、ライブラリが３つの未確認シグネチャＡ、Ｂ、およびＣを含有し、新しいシグネチャＤが別の未確認電気器具として追加される場合、Ｄは、正および負の形態の両方でＡ、Ｂ、およびＣの各組み合わせと比較される。この単純事例では、
Ｄ＝｛Ａ，Ｂ，Ｃ｝，｛−Ａ，Ｂ，Ｃ｝，｛Ａ，−Ｂ，Ｃ｝，｛Ａ，Ｂ，−Ｃ｝，｛−Ａ，−Ｂ，Ｃ｝，｛Ａ，−Ｂ，−Ｃ｝，｛−Ａ，Ｂ，−Ｃ｝，｛−Ａ，−Ｂ，−Ｃ｝，｛Ａ，Ｂ｝，｛Ａ，Ｃ｝，｛Ｂ，Ｃ｝，｛−Ａ，Ｂ｝，｛−Ａ，Ｃ｝，｛−Ｂ，Ｃ｝，｛Ａ，−Ｂ｝，｛Ａ，−Ｃ｝，｛Ｂ，−Ｃ｝，｛−Ａ，−Ｂ｝，｛−Ａ，−Ｃ｝，または｛−Ｂ，−Ｃ｝
のように、２０の組み合わせが存在する。

組み合わせは、最初に、複合電力が所定の相対および絶対公差内のＤに合致することを確実にするように試験される。これらの基準を満たす解決法のサブセットは、より計算費用が高い適合度検定を受ける。計算費を最小化するために、いくつかの実装では、組み合わせは、６以下の要素に限定される。

１つ以上の組み合わせが加重適合度検定を満たすときに、候補は、随意に、組み合わせ中にあるシグネチャ、および個々の電気器具に対応する組み合わせの要素であるシグネチャを区別するように、さらに検討される。

実施例として、図５は、温水浴槽中の構成要素の循環に対応する、４つの事象のシーケンスを図示する。第１の事象（Ａ）で、３つの構成要素（ヒータ、ポンプ、および送風機）がオンになる。第２の事象で、送風機がオフになる（−Ｂ）。第３の事象で、ヒータがオフになる（−Ｃ）。この時点で、いずれのシグネチャもライブラリ中で合致させられていない。第４の事象で、ポンプがオフになる（−Ｄ）。この時点で、Ｄ＝｛Ａ，−Ｂ，−Ｃ｝であるように、適合度合致が、可能な組み合わせのリスト中で見出されている。

合致の存在は、一般的には、どのシグネチャが組み合わせであり、どれが要素であるかを決定するためには不十分である。シグネチャ不確定性の伝搬の解析が、要素のシグネチャから複合シグネチャを区別するために使用されてもよい。

ｎ個の変数ａ_１ｘ_１，…，ａ_ｎｘ_ｎの一次結合ｆについては、

であり、ｆの分散は、

として定義され、式中、ρ_ｉｊは、ｘ_ｉとｘ_ｊとの間の相関係数である。変数ｘが無相関であるとき（別個の電気器具の電力シグネチャについて予測されるように）、ｆの分散は、
に低減する。

したがって、複合シグネチャの分散は、定義により、要素の分散の合計である。温水浴槽の構成要素に関する上記の例に対して、適合度合致は、以下のシグネチャ
Ｄ＝Ａ−Ｂ−Ｃ
を示す。

しかしながら、以下のように

分散の対応する式は真ではない。

組み合わせの式中の項を系統的に並べ替えることによって、正しい配列は以下のようになり、
Ａ＝Ｂ＋Ｃ＋Ｄ
式の片側の複合シグネチャ、および反対側の要素を用いると、複合分散式

を満たす。

この新規のＡＮＯＶＡ方法は、同時に１つ以上の要素がオンになり、１つ以上の要素がオフになるときの事象中の組み合わせから要素を区別するために同等に効果的である。それはまた、遷移のうちのどれが複合遷移であるかを決定するために、サイズ３以上のクロージャルールと併せて使用することもできる。

いったん要素が組み合わせから定量的に分析されると、複合シグネチャに関係する事象が、図５に示されるような基本的電気器具のうちのそれぞれの事象と置換される。

複合シグネチャは、このシグネチャでの合致が、送風機、ヒータ、およびポンプ等３つの構成要素の状態の変化を表すことを示すポインタとともに、ライブラリ中にとどまる。複合事象は、再び発生するときに、以前の複合シグネチャと即時に合致させられ、３つの基本的電気器具の状態変化を記録するために使用される。

未確認電気器具が、一貫して状態を変化させる（すなわち、最初にオン、次いでオフ、または最初にオフ、次いでオン）ことが見られた後、未確認ラベルがライブラリ入力から除去される。

以前にオン状態であると見なされた電気器具が、最初にオフになることなく再びオンになることが見られるときに、状態の不一致変化が存在する。そのような状況は、電気器具の不一致事象をもたらす。この時点で、電気器具は、未確認として再ラベリングされる。

（電気消費を特定の負荷へ項目に分けるためのプロセス）
本開示実施形態は、電気消費を特定の負荷へ項目に分けるためのプロセスを提供する。少なくとも１つの実装では、開示された実施形態は、回路電力の振幅の変化に基づいて１つ以上の電気器具の動作状態の変化を検出するためのプロセスの現在説明している実施形態、ならびに定常状態および遷移電力シグネチャに結び付けられたクロージャルールを使用して電気器具の状態を追跡するためのプロセスの前述の実施形態から生成される、修正された定常状態信号を使用する。

負荷非集計アルゴリズムは、後プロセス分析およびリアルタイム分析等、２つのモードで作動してもよい。後プロセス分析では、クラスタプログラムが定常状態および遷移に適用されたときに、定常状態の複数のインスタンスが共通クラスタにグループ化されるように、データが期間から分析される。リアルタイムモードでは、各新しい定常状態および遷移が、既存のクラスタと比較される。それらが十分に近い場合、それらは既存のクラスタに割り当てられ、クラスタ重心が再計算される。それらが任意の既存のクラスタよりも十分大きいユークリッド距離を有する場合には、新しいクラスタの重心になる。両方の場合の少なくともある実装では、たとえクラスタが１つだけの構成要素を有するとしても、全ての測定された定常状態および遷移シグネチャがクラスタに割り当てられる。

各定常状態期間は、遷移事象別に分離される。遷移表は、［定常状態ＩＤ_{Ｓｔａｒｔ}，遷移ＩＤ，定常状態ＩＤ_Ｅｎｄ］等フィールドを用いてリアルタイムで維持することができ、フィールドは、定常状態および遷移シグネチャクラスタＩＤである。

分析を図示する例示的なシステムが、以下の表３

に示される状態遷移表で挙げられる。

状態遷移表は、アルゴリズムによって使用されるものであるが、人間が辿るためには、状態図がより容易であり得る。図６は、遷移表３で特定されるシステムの状態図を提示する。円は、一意的な定常状態を示し、線は、遷移を表す。状態図、特に、各定常状態での各負荷の状態は、定常状態、遷移、定常状態の組のリストからアルゴリズムによって導出されるものである。

クロージャが、遷移のシーケンスが特定の定常状態から同じ定常状態に戻るときに定義される。遷移のシーケンス、および横断される中間状態は、クロージャルール（ＣＲ）として知られている。ＣＲの長さは、発生する遷移の数である。ＣＲは、初期定常状態を別とした状態を繰り返すことなく、状態に戻るための可能な限り最短の一意的な遷移シーケンスである。

概して、電気器具がオン／オフになることを、どのような負荷が表すかを推定するために直接使用することができるという点で、短いＣＲが望ましい。図７の左パネルで描写される、長さ１のクロージャルールは、一般的には、クラスタ化定常状態の変化を引き起こさない、非常にわずかな遷移を表す。これらの遷移ＩＤは、任意の関連負荷が検出可能な限界を下回り得ることを示すように、非重要またはヌルとしてフラグされてもよい。

一般的には、クロージャルール中の２つの遷移が、図７の右パネルで描写されるように、「オン」遷移および「オフ」遷移に直接変わるため、長さ２のＣＲが、一般的には最も有用である。図７では、使用される変換は、「オン」遷移が奇数の遷移指数によって表される一方で、「オフ」遷移が偶数の遷移指数によって表されるものである。

定常状態は、オンまたはオフのいずれかである、全ての負荷の状態が、その定常状態に対して把握されているときに、定義された定常状態として知られている。システム中の負荷の数は、最初は未知であるが、最大「ｎ」個の負荷を仮定することができる。個別負荷は、下付の（_ｉ）が指数１．．ｎのうちの１つである負荷ＩＤ Ｌ_ｉによって表される。各定常状態は、オン＋Ｌ_ｉまたはオフ−Ｌ_ｉである負荷のうちのそれぞれの組み合わせを表す。大部分については、定常状態が、通常、個々の負荷の組み合わせに関して一意的である。しかしながら、以降で論議されるように、電気器具の動作状態の変動により、いくつかの定常状態は、重複する負荷の組み合わせを有してもよい。

一組の定義された定常状態（ＳＤＳＳ）は、各負荷のオン／オフ状態が各状態に対して把握されているという点で、分析によってこれまで定義されている全ての定常状態を表す。最終的な目標は、ＳＤＳＳ中の全ての定常状態を有することである。新しい定義された定常状態を導出するために、ＳＤＳＳ中の既存のＳＤＳＳにＣＲを使用することができる。最初に、ＳＤＳＳは、最小量の電力を使用する定常状態に対応する、１つだけの入力を含有する。この開始定常状態ＳＳ_０の仮定としては、その状態によって表される全ての負荷Ｌ_１．．．Ｌ_ｎがゼロである。この時点で、ＳＤＳＳは、以下の表４

によって表される。

ＳＳ_０から始まって、各状態がＳＤＳＳに追加されるにつれて、新しいＤＳＳを含む、サイズ２の一組のＣＲが見出される。これらのＣＲは、次の定常状態を決定し、どのような負荷遷移が発生したかを定義する。これらは、新しいＤＳＳを生成させ、それがひいては、ＳＤＳＳに追加されるであろう。図６のシステムについては、ＳＳ_０が最初にＳＤＳＳに追加されたときに、以下の

ＣＲが得られる。

負荷ＩＤ、Ｌ_ｉは、増加する指数を用いて各ＣＲに系統的に割り当てられる。この実施例では、Ｌ_１およびＬ_２が、オン／オフになる１つの負荷に対応するが、Ｌ_３は、同時にオン／オフになる２つの負荷に対応する。ＣＲ_１．．．ＣＲ_３等、ＣＲが、単一の負荷を、それぞれの新たに訪れた状態ＳＳ_１、ＳＳ_２、およびＳＳ_３において変化させるのみであるという最初の仮定は、新たに訪れた状態が定義されることを可能にする。［分析におけるこの段階で、すなわち、ＳＳ_０からサイズ２のＣＲのみを考慮すると、一般的には、Ｌ_３が２つの負荷の組み合わせであると決定するための十分な情報がまだない。］この仮定を使用して、以下の

ＳＤＳＳが生成される。

次に、新たに追加された定常状態ＳＳ_１、ＳＳ_２、およびＳＳ_３について、以下のように

サイズ２のクロージャルールが検討される。

７つの新しいＣＲがあるが、それらのうちのいずれも、以前に決定されたことから付加的な情報を提供しない。少なくとも１つの未定義定常状態に遭遇した場合、サイズ２のＣＲが有用と見なされる。ＣＲが有用ではない場合は放棄することができ、そのルール番号および負荷ＩＤ番号の両方を再利用することができる。７つのＣＲのうちのいずれも有用ではないため、追加をＳＤＳＳに行うことができなかった。

追加がＳＤＳＳに行われなかったため、ここで分析は、ＳＤＳＳ中の定常状態に対してサイズ３のＣＲを考慮する。ＳＤＳＳ中の定常状態は、それらがＳＤＳＳ中に配置された順序で評価され、すなわち、最初、サイズ３のＣＲがＳＳ_０のみに対して考慮され、サイズ３のＣＲは、ＳＳ_１、ＳＳ_２、およびＳＳ_３に対して以降で考慮される。すなわち、

のようである。

各ＣＲについて、３つの遷移のうちのそれぞれとともに変化した負荷を表す３つの負荷ＩＤが必要とされる。以前に見られたように、ＣＲ中の２つの遷移が、その負荷の正および負のバージョンに直接対応するため、サイズ２のＣＲは、１つの負荷ＩＤしか必要としなかった。ＳＤＳＳで以前に見られた遷移および定常状態の組み合わせについては、新しい負荷ＩＤを既存の負荷ＩＤと置換することができる。上記の実施例では、遷移Ｔ_１が、対応する負荷ＩＤ Ｌ_４を伴ってＳＳ_０からＳＳ_１へ移行するが、以前、この同じＳＳ_０−＞Ｔ_１−＞ＳＳ_１シーケンスは、負荷ＩＤ Ｌ_１によって表された。全ての以前に存在した負荷ＩＤの代替が、以下の

をもたらす。

サイズ３のＣＲは、訪れた未定義の定常状態の数に基づいて、３つのカテゴリ、すなわち、０、１、または２に該当し、各カテゴリは、別々に処理される必要がある。上記の実施例では、新しい定常状態が訪れなかった。新しい定常状態を持たなかったＣＲが有用ではない、サイズ２のＣＲに関する場合と違って、新しい定常状態が訪れないサイズ３のＣＲは、長さ２のＣＲによって以前に決定された負荷が実際には複合負荷であることを決定するために使用することができる、情報を提供することができるため、有用となり得る。各ＣＲについては、関与する全ての負荷の複合効果は、ゼロに相当しなければならない。したがって、ＣＲ_４は、負荷ＩＤ関係Ｌ_１＋Ｌ_２−Ｌ_３＝０をもたらす。全て正になるように負荷ＩＤを配列することにより、Ｌ_３＝Ｌ_１＋Ｌ_２である、すなわち、負荷ＩＤ Ｌ_３が、実際にはより小さい負荷Ｌ_１およびＬ_２の組み合わせである、関係をもたらす。次いで、負荷ＩＤ Ｌ_３は、ＳＤＳＳ中で負荷ＩＤ Ｌ_１およびＬ_２の組み合わせと置換され、以下の

を生じさせる。

このようにした負荷ＩＤ Ｌ_３の代替は、Ｌ_３が表から除外されることを可能にし、以下の

を生じさせる。

このようにして除外された負荷ＩＤは、再利用することもできる。ＣＲ_５、ＣＲ_６、およびＣＲ_７はまた、Ｌ_３＝Ｌ_１＋Ｌ_２である関係をもたらし、一致している一方で、負荷Ｌ_３がすでに代入されているため、付加的な情報を提供しない。

前述のように、ＤＳＳが起源である、サイズ３のＣＲは、訪れた未定義の定常状態の数に基づいて、３つのカテゴリ、すなわち、０、１、または２に該当してもよい。上記の実施例でのサイズ３のＣＲは、未定義の定常状態をもたらさないが、図８に示される状態図の修正が、未定義の定常状態３を有するサイズ３のＣＲをもたらす。

このシステムについては、長さ２の全てのＣＲの評価後に得られるＳＤＳＳは、以下の

である。

ＣＲ_３については、１つの新しい訪れた未定義の定常状態、すなわち、ＳＳ_３が存在する。この状態は、遷移Ｔ_３を介してＳＳ_１から到達する。以下のように、

ＳＳ_１が定義され、Ｔ_３が負荷ＩＤＬ_２と関連付けられ、したがって、ＳＳ_３が定義された定常状態になることを可能にし、ＳＤＳＳに追加することができる。

図９は、２つの異なるサイズ３のＣＲのシナリオを図示する。結果として生じるＣＲ表が、以下の表１５

に示されている。

最初に、表１５中のＣＲ_２は、１つだけの未定義定常状態が訪れたという点で、表１３中のＣＲ_３に類似すると考えられる。しかしながら、この場合、負荷ＩＤシーケンスＬ_１、Ｌ_２、−Ｌ_３は、以前に見られていない２つの負荷Ｌ_２および−Ｌ_３を含有する。
クロージャを考慮すると、関係Ｌ_３＝Ｌ_１＋Ｌ_２を抽出することができ、したがって、状態ＳＳ_３が定義されることを可能にする。すなわち、

のようである。

ＣＲ_３は、２つの新しい定常状態ＳＳ_２およびＳＳ_４を有し、負荷ＩＤのうちの３つ全てが以前には見られていない。しかしながら、関係Ｌ_６＝Ｌ_４＋Ｌ_５を抽出することができ、状態ＳＳ_２およびＳＳ_４がＳＤＳＳに追加されることを可能にする。すなわち、

のようである。

各定常状態がＳＤＳＳに追加されると、アルゴリズムは、新しい定常状態がサイズ２の任意のＣＲを有するか否かを再帰的に考慮する。もしそうでなければ、アルゴリズムは、サイズ３のＣＲを評価し続ける。これは、全ての定常状態がＳＤＳＳ中にあるまで継続する。いくつかの状況では、ＳＤＳＳに全ての定常状態を含むために、サイズ４以上のＣＲが適用される必要がある。これらのルールは、サイズ３のルールに適用されるのと同じ論理に従う。

（同じ負荷の状態変化に対する異なる遷移シグネチャ）
いくつかの電気器具がオンになり、それらの安定した電力利用に達するために、数秒から数分の期間を必要とする。これらの電気器具が、それらの安定状態に達する前にオフになる場合には、オフ遷移の規模が、より長い動作サイクルで観察されるものとは大幅に異なり得る。図１０に示される状態図で、これは、遷移４に隣接する定常状態２および０を接続する遷移８（太線）として表される。

この場合、アルゴリズムは、クロージャルール表１８に示されるように、遷移Ｔ_３からＴ_８に結び付ける新たに解放された負荷ラベルＬ_３に対する別のサイズ２のＣＲを同定する。すなわち、

のようである。

以下の定常状態負荷表

において描写される通りである。

定常状態２に対する２つの記録があり、一方は、Ｌ_２のみがオンであることを示す、他方は、負荷Ｌ_３のみがオンであることを示す。同じ定常状態を表す、これらの冗長レコードからの結論は、Ｌ_２＝Ｌ_３であるが、遷移の別個の組み合わせによって特徴付けられることである。この所見は、クロージャルール表中の対応するＬ_３をＬ_２として名前を変更することによって保持されてもよい。

（ツイン同定）
多くの回路上で、２つの電気器具が同一の遷移シグネチャを有するインスタンスが頻繁にある（例えば、一列の同一の電灯、２つのコンピュータモニタ等）。これらの負荷は、一般的には、クロージャルールのみを使用して区別することができないが、複数のインスタンスが、１よりも大きい入力を伴う定常状態負荷表で表される。正確にどの負荷が作動させられているかをユーザが把握しない場合があるが、エネルギーを同様の負荷群に割り付けることができるため、この情報は貴重である。

（多状態電気器具隔離）
多くの電気器具は、相関性のある複数の動作状態を有する。例えば、炉用送風機は、電気回路パネルが通電させられたときのみ動作してもよい。代替として、天井ファンは、４つの速度設定を有してもよい。これらの種類の負荷は、単純な二状態負荷として循環しないため、課題をもたらす。上記で説明される方式を使用して、複雑な負荷を特徴付けることができる。図１１は、ＳＳ_０からＳＳ_１へオンになり、次いで、ＳＳ_３でオフになる前にＳＳ_１からＳＳ_４の間を移動する、負荷を図示する。（注記：定常状態ＩＤおよび遷移ＩＤは以前の実施例に対応しない。）増加するサイズ（すなわち、２、３、４等）のＣＲを系統的に適用することにより、以下の電気器具が、複数回現れ得る種々のサブ負荷に分解されることを可能にするであろう。

ランダムな循環の十分に長い期間にわたって、システムは、状態の変化のそれぞれが、表２０Ａ

に類似の定常状態負荷表を用いて単一の隔離負荷として表されるように挙動してもよい。

これらの負荷をともに結び付ける特徴は、Ｌ_１がオンであるときのみ、Ｌ_２およびＬ_３がオンであるという事実である。場合によっては、これは同時発生してもよく、ランダムな電気器具循環を伴った期間後に、関係が断たれてもよいが、他の場合においては（例えば、大きい基礎負荷を伴うプラズマＴＶ、および画像輝度と相関する多数の同一ステップ負荷）、連鎖は、全ての対応する負荷が単一の電気器具と関連付けられることを可能にする。

（電気器具の最確マッピングを決定するための方法）
本開示実施形態は、電気器具の最確マッピングを決定するための方法を提供する。少なくとも１つの実装では、開示された実施形態は、電気器具の最確マッピングを推定するためにＳＴＥＣ表を使用する。ＳＴＥＣ表は、見られた長さ１の全ての遷移シーケンスでデータ投入される。

ＳＴＥＣ表は遷移および定常状態クラスタの間の連鎖を要約し、以下の形式

を有する。クロージャルールは、次の記録のＳｔａｒｔ＿ＳＳ＿ＩＤに等しい１つの記録のＥｎｄ＿ＳＳ＿ＩＤを有する、シーケンスＳＴＥＣ記録として定義することができる。加えて、第１の記録のＳｔａｒｔ＿ＳＳ＿ＩＤは、最後の記録のＥｎｄ＿ＳＳ＿ＩＤに等しくなければならない。

クラスタ化方法、および回路上の多数の小負荷の存在により、不一致がＳＴＥＣ表で発生し得る。不一致は、それらの開始および終了定常状態ＩＤが同一であるが、それらの遷移ＩＤが異なる、２つ以上のＳＴＥＣ記録として定義される。図１３は、異なる遷移による、定常状態の開始および終了の実施例を示す。定常状態Ａは、遷移１または遷移３によって定常状態Ｂへ進ませることができる。

状態が定義された定常状態の表で定義される、１つ以上の電気器具に、全ての遷移をマップするという目標により、不一致が、一意的ではない解決法の可能性をもたらす。対応するＳＴＥＣ入力を合併することによって不一致を除去し、一致ＳＴＥＣ表を組み立てることができる。ＳＴＥＣ表中の不一致シーケンスＩＤの間で、最高カウントを伴うものが、一致ＳＴＥＣ表中に記録される。カウントが同等である場合、第１の記録が選択される。記録されたシーケンスＩＤの新しいカウント値は、不一致シーケンスＩＤの全てのカウントの合計である。

一実施例では、不一致は、ＳＴＥＣ表からクエリされる。表２０Ｂでは、シーケンスＩＤ３、４、ならびにシーケンス５、６、および７が不一致を有する。一致した表（表２０Ｃ）において、最高カウントを有するシーケンスが選択され、シーケンスの対応するカウントが更新される。すなわち、

であり、次いで、クロージャルールの包括的リストを作成するように、一致ＳＴＥＣ表を処理することができる。異なる長さのクロージャルールが、ＳＴＥＣ中の入力のシーケンスから抽出される。各クロージャルールは、異なる遷移の間の起こり得るリンクについての情報を提供する。遷移があるが、定常状態の変化がないときに、長さ１のクロージャルールが発生する。これらの定常状態については、これらの遷移は、ヌル遷移と見なされる。図１２は、定常状態Ａから定常状態Ａまで移行する遷移２を有する。一致ＳＴＥＣ表からそのようなルールを除去した後、長さ２、３、および４のクロージャルールを見出すように、包括的な検索が行われる。

長さ２のルールは、相互の反対として結び付けることができる２つの遷移を特定する。２つの遷移のうちのそれぞれは、電気器具のオンまたはオフ遷移のいずれかである。

長さ３のルールは、１つの遷移を２つの他の遷移の組み合わせに結び付ける。長さ４のルールは、２つの遷移を、それらの反対の事象、または３つの単一遷移および３つの遷移の組み合わせに結び付ける。全ての遷移および定常状態が、長さ２から４のルールの対象とならない場合、ルールが全ての遷移および定常状態に達するまで、高次長さルールクロージャが調べられるであろう。高次長さルールのうちのそれぞれはまた、いくつかの遷移を、それらの反対の遷移またはそれらの組み合わせに結び付ける。

遷移マッピング表は、全ての遷移がそれらの反対および組み合わせに結び付くことを要約する表である。いくつかの実施例では、遷移マッピング表は、以下の列

を含む。確率列は、各遷移の発生の確率を記載する。この確率値は、ＳＴＥＣおよびクロージャルール表中の遷移のカウントに基づいて決定することができる。確率値は、不一致が検出されたときを選択するために使用することができる。

次いで、遷移マッピング表は、ＳＳ＿ＩＤ、Ｔｒａｎｓｉｔｉｏｎｓ＿ＩＤ、およびラベルングされていない負荷の間の最も可能性の高い連鎖を決定するためにクエリを受けることができる。

いくつかの実施形態では、Ｃｌｏｓｕｒｅ＿Ｒｕｌｅ＿Ｔａｂｌｅが、定義された定常状態の表の値を求めるために、本明細書で説明されるように使用される。

（ラベリングシステムが個々の信号を同定するための方法）
また、本明細書では、ラベリングシステムが、１つ以上の 電気器具を含む、デバイスから生成される個々の信号等の個々の信号を同定するための方法も開示される。いくつかの実施形態では、本方法は、非侵入型電気器具負荷監視（ＮＩＡＬＭ）の分野（回路上の各個別負荷と関連付けられるエネルギー消費を分離して同定するように、電力計信号を構成負荷に分解すること等）に適用することができる。例えば、本方法は、ＮＩＡＬＭ非集計負荷隔離データの結果を提示するステップと、個々の電気器具を同定するように、ユーザがシステムにラベリング情報を入力することを可能にするインターフェースを提供するステップとを含む。いくつかの実施形態では、本方法は、公共料金の納付者等のユーザが、電力費を認識し、より効率的等、所望に応じてエネルギーの使用を管理することを可能にする。このＮＩＡＬＭの実装では、特徴的な電力シグネチャおよび利用パターンが、各電気器具に対して自動的に学習される。利用パターンは、どれだけ長く電気器具が使用されているか、利用の間の時間の長さ、毎日（または任意の他の定義された期間）の最初の利用、１日の最後の利用、経時的な利用の頻度、１日の最低／最大／平均利用期間、１日の最低／最大／総使用、（全オン＋オフ時間によって割った時間での）最低／最大／平均負荷サイクル、別の電気器具と併せた使用、または別の設備と併せた電気器具設備の使用、別の電気器具または設備と併せた使用のシーケンスを含むが、それらに限定されない。いくつかの実施形態では、この情報は、１つ以上の監視された回路に存在する個々の負荷を隔離して同定するために使用される。いくつかの実施例では、シグネチャは、高分解能でサンプリングされた電流および電圧値を含む。利用パターンは、使用の頻度、利用の継続時間、利用の時刻、他の設備と併せた利用、他の電気器具と併せた利用、および同等物、またはそれらの任意の組み合わせ等の時間的情報を含む。集合的に、シグネチャおよび利用パターンは、電気器具のプロファイルを形成する。

全ての他のデバイスからデバイスを隔離するプロセスでは、検出された全ての一意的な電気器具のライブラリが構築される。ライブラリは、最初は空であり、負荷隔離／検出方法は、演繹的知識を必要とせず、新しい電気器具が監視された回路上で発見されるにつれて、ライブラリを徐々に構築する。電気器具が最初に検出されたときに記録される電力シグネチャが、その電気器具の将来の検出の根拠として使用される。電気器具隔離アルゴリズムが、各電気器具がオンおよびオフになる時を連続的に決定するにつれて、各電気器具の利用パターンが経時的に徐々に構築される。

いくつかの実施例では、開示されたＮＩＡＬＭ方法は、監視されている１つ以上の回路中の全ての主要な電気器具の隔離を成功させるとともに、これらの電気器具を同定することができる。Ｅｎｅｔｉｃｓ ＳＰＥＥＤ等の以前のＮＩＡＬＭ実施形態は、このタスクを行うために演繹的知識を使用する。電気器具プロファイルのライブラリは、測定を開始する前に存在する。電気器具が隔離されたときに、合致する電気器具を見出すようにライブラリが検索される。合致が見出された場合、その電気器具の同定が暗示的に把握される。

ＮＩＡＬＭの開示された方法の実装では、電気器具を同定するために、演繹的知識を必要としない。特徴的な電力シグネチャおよび利用パターンが、各電気器具に対して学習される。この情報は、監視された回路に存在する個々の負荷を隔離して同定するために使用される。いくつかの実施形態では、シグネチャは、高分解能でサンプリングされた電流および電圧波形を含む。いくつかの実施形態では、利用パターンは、使用の頻度、利用の継続時間、利用の時刻、他の設備と併せた利用、他の電気器具と併せた利用、および同等物等の時間的情報を含む。集合的に、シグネチャおよび利用パターンは、電気器具のプロファイルを形成する。

前述のように、全ての他のデバイスからデバイスを隔離するプロセスでは、検出された全ての一意的な電気器具のライブラリが構築される。ライブラリは、最初は空であり、負荷隔離／検出方法は、演繹的知識を必要としない。新しい電気器具が監視された回路上で発見されるにつれて、徐々にライブラリが構築される。いくつかの実施形態では、電気器具が最初に検出されたときに記録される電力シグネチャが、その電気器具の将来の検出の根拠として使用される。電気器具隔離アルゴリズムが、各電気器具がオンおよびオフになる時を連続的に決定するにつれて、各電気器具の利用パターンが経時的に自動的に発展させられる。

開示された方法はまた、開示された方法が電気器具プロファイルのライブラリを用いて開始しないという点で、以前のＮＩＡＬＭ実施形態とは異なる。アルゴリズムが進行するにつれて、各個別主要電気器具の電力消費が隔離されるが、その電気器具の同定は未知である。この時点で、システムは、全電力利用から、これらの電気器具の全ての発生を認識するように、それ自体を訓練することに成功しており、関連エネルギー利用および費用を割り付けている。例示的な利用内訳が図１４に示されている。いくつかの実施例では、番号付けされた電気器具のうちのそれぞれの同定が把握されていないため、内訳がまだユーザにとって有用ではない。そのような場合、次のタスクは、ラベルを番号付けされた電気器具のうちのそれぞれと関連付けること、すなわち、電気器具を同定し、図１５に示されるもの等の利用内訳を生成することである。

いくつかの実施形態では、このタスクの一部分は、各電気器具の同定について提案がユーザに提示されるという点で半自動である。デバイスの利用パターンが検討され、特定のパターンに適合する電気器具については、例えば、冷蔵庫等の昼も夜も周期的に作動する電気器具等、電気器具の同定についての提案がユーザに提示され、家が非活動状態になる前に使用された最後の電気器具である電気器具、または家が活動状態になる前に使用された第１の電気器具は、ガレージドア開閉機となり得る。

この方法の使用は、既知の利用パターンと比較して、演繹的知識を使用するシステムに類似すると考えられる。違いは、特定の活動パターンが事前学習されないことであり、事前定義されたパターンの属性にすぎない。例えば、冷蔵庫の特定のオン／オフ時間が、冷蔵庫の同定を提案するために使用されず、冷蔵庫が、一般的には、使用される連続的な反復固定オン／オフ負荷サイクルを有するという事実である。

いくつかの実装では、１つ以上の電気器具が同定される。しかしながら、他の実装では、電気器具は、電気器具の種類を確実に予測するように十分明確である利用パターンを持たない。そのような実装では、グラフィカルラベリングツールが採用される。このツールの実施例が図１６に示される。図１６は、ユーザ選択可能な期間にわるエネルギー利用の時系列を示す。上パネル中の２本および下パネル中の２本等、４本のプロット線が使用される。下パネルの下側には、ユーザが、上下両方のパネル中に表示される期間を変更することを可能にする、「ズーム制御」がある。上パネル中の時系列は、未知の電気器具の電力利用を表す。下パネル中で最初にゼロである、時系列は、全ての既知の（同定された）電気器具を表す。ユーザ支援ラベリングの目的は、上の時系列から下の時系列へ移動するように、同定呼称を各主要電気器具に割り当てることである。下パネル中の黒い（全）時系列は、全エネルギー利用を表す。上パネル中の時系列は、現在選択されている電気器具のエネルギー利用を表す。

ユーザ支援ラベリングの開始時に、未知の電気器具の時系列は、黒い時系列に等しい。しかしながら、２つの時系列の間に極めて重要な差があり、黒い（全）時系列が、測定された全電力利用である一方で、未知の電気器具の時系列は、ＮＩＡＬＭによって隔離される個々の電気器具のうちのそれぞれの利用の合計から構成される。

時系列の各上昇または下降ステップは、電気器具がオンまたはオフになる、あるいはその電力利用が変化する事象を表す。電気器具をラベリングして同定するために、ユーザは、未知の時系列中の事象をクリックする。ユーザインターフェースが、未知の時系列上の対応する事象を引き起こした、電気器具の電力利用の時系列上で表示する。未知の時系列上の対応する事象を引き起こした電気器具の電力利用の時系列は、プロットした期間にわたって選択された電気器具と関連付けられる全事象を示す。図１６に示されるように、１９：１２での事象をクリックすることにより、電気器具１７の全ての活動を示す時系列をもたらす。この時系列は、その１つの電気器具の隔離された電力消費であり、その利用時系列を表示することにより、ユーザがその電気器具を同定するのに役立つための情報を提供する。いったんユーザが、どのような電気器具をこの時系列が表すかを決定すると、ユーザは、その電気器具を名前／同定子でラベリングし、その電気器具を既知として印付ける。いったん既知として印付けられると、未知の電気器具の時系列へのその電気器具の寄与が差し引かれ、既知または同定された電気器具の 時系列に追加される。ユーザは、全ての所望の主要電気器具が同定されるまで、未知の時系列の関心がある部分をクリックし、結果として生じた時系列を検討し、結果として生じた時系列をラベリングし、未知の時系列から結果として生じた時系列を差し引くように学習ボタンをクリックするプロセスを繰り返す。

ユーザは、黒い時系列の下の領域を、既知または同定された電気器具の時系列の下の領域と比較することによって、常にラベリングプロセスについて知らされる。加えて、図１７のプロットの右側で見られるように、進捗率指標が示される。この実施例では、エネルギー利用の８２．６３％が計上されている。

ユーザ支援ラベリングは、任意の期間にわたって、任意の時間に起こることができ、全て一度に行われる必要はない。ユーザは、最初に、隔離された主要電気器具のうちのいくつかのみをラベリングし始めてもよい。ユーザは、後の時点で、ラベリングを再開し、例えば、最後の１時間にオン／オフになった電気器具のみに集中してもよい。ラベリングすべきときを選別する能力は、方法をより困難ではないものにし、ユーザは、有用であると知覚するだけの少ないまたは多くの隔離された電気器具をラベリングする必要しかなくなる。ラベリングがなくても、デバイスは、隔離された電気器具の電力を非集計化することができる。ラベリングは、意味のある呼称を隔離された電気器具に添付するために必要とされるのみである。

このラベリングを行うために、相対的な最小の努力がユーザによって必要とされ、約１５分の全ラベリング時間後に、ユーザは、エネルギー利用の８３％以上が把握され、残りの１７％が、主に、一定の「バックグラウンド」エネルギー利用である、図１７に示されるようなラベリングされたシステムに至る。バックグラウンドエネルギー利用は、常にオンである電気器具、例えば、盗難警報機、火災警報機、ＤＳＬモデム、壁取り付け型電力供給、および他の類似電気器具／デバイスの利用である。エネルギー利用を最小化しようとして、ユーザは、システムをラベリングし続け、これらのより小型の電気器具を同定することができる。実践では、多くのユーザにとって、家庭内の全ての電気器具についてシステムをラベリングすることができる。ユーザが「バックグラウンド」エネルギー利用の量を監視／可視化できるという事実は、ユーザに、不必要な常時「オン」電気器具のうちのいくつかのプラグを抜かせる、または電源コードに移動させる等のように、ユーザのエネルギー消費を改変させる場合がある。

いくつかの実施形態では、ラベリングプロセスを支援するために、１つ以上のユーザインターフェース特徴が実装される。例示的なユーザインターフェース特徴が以下で説明される。以下のボタン／セレクタは、種々の基準に従って、電力利用プロファイルを上パネル上に表示させる。

（ｉ．最大利用および／または最大費用）
いくつかの実装では、「最大利用および／または最大費用ボタン」が、最大電力利用（または使用時間価格決定を用いたユーザにとっての最大エネルギー費用）を有する電気器具を分別し、未知の時系列上の対応する事象を引き起こした電気器具の電力利用の時系列上に、その電気器具を表示する。いったんラベリングされ、既知の時系列に移転させられると、次の最大エネルギー利用を伴う未知の電気器具を見出すために、「最大」ボタンを再び使用することができる。この実装は、ユーザが、最も電力を消費する、および／または動作が高価な電気器具を同定するための非常に迅速な機構を提供するため有利である。

（ｉｉ．開始時間）
いくつかの実装では、「開始時間」ボタンが、ユーザ特定された期間内に使用される、最初期または最新の未知の電気器具を見出す。例えば、朝一番に使用される電気器具を表示することにより、ユーザが、一般的に１日の初めに使用される電気器具、すなわち、トースター、ワッフル焼き器、コーヒーポット、温水シャワー、および他の類似デバイス／電気器具のラベリングに集中することを可能にする。この特徴は、電気器具が学習された後でさえも有用である。いくつかの実施例では、大型オフィス環境の管理者が、システムにクエリを行い、どのオフィスが通常の営業時間後に電灯をオンにさせたかを問うことができる。このような情報は、エネルギー費用を監視するとともに、セキュリティ情報を提供するために使用することができる。

（ｉｉｉ．使用の継続時間）
いくつかの実装では、長期間にわたってオンにされたままである電気器具を同定するために、「使用の継続時間」ボタンが採用される。

以下で提供される実施例を含む、データのラベリングおよび解釈を促進するために、付加的なユーザインターフェース特徴を利用できることが考慮される。

（ｉ．学習を取り消す／ラベリングを取り消す）
いくつかの実装では、「学習を取り消す／ラベリングを取り消す」ボタンが、ユーザがラベリングプロセス中に生じた誤りを訂正するための機構を提供する。

（ｉｉ．電気器具ＩＤ連鎖）
電気器具を隔離するプロセス等のいくつかの実装では、開示されたＮＩＡＬＭは、種々の動作負荷または同じ電気器具の安定した状態に対する異なる電力プロファイルを生成し、これらのプロファイルは、各電気器具の全電力利用を正確に割り付けるように結び付けられる必要がある。例えば、異なるプロファイルを、洗濯機等の多段階電気器具に対して生成することができ、洗浄サイクルに対するプロファイルは、回転サイクルに対するプロファイルとは異なる。加えて、異なるプロファイルを、料理用ミキサーまたは電気ドリル等の多負荷／多速度電気器具に対して生成することができる。開示されたＮＩＡＬＭは、１つの特定の電気器具と関連付けられているものとして、これらの明確に異なるプロファイルを認識することができる技法を有する。いくつかの実施形態では、「電気器具連鎖」ボタンが、ユーザが手動でこれら２つ（以上の）電気器具を１つとして結合し、それらをエネルギー利用分析において単一の電気器具として扱うための機構を提供する。この特徴はまた、実質的に異なるターンオンおよびターンオフシグネチャを有する電気器具のプロファイルＩＤを結合するために使用することもできる。

（ｉｉｉ．電気器具分割）
いくつかの実装では、２つの電気器具が、同じ遷移期間中に状態を変化させるであろう。複合事象は、実際には電気器具事象Ｂおよび電気器具事象Ｃから構成される、単一の事象Ａである。電気器具Ａが存在せず、電気器具Ｃの事象との電気器具Ｂの事象の接近した時間的近接性が、単一の複合事象、事象Ａのみを検出させる。いくつかの実施形態では、ＮＩＡＬＭアルゴリズムが、複合事象を別個の構成（基本的）事象に分解する。しかしながら、ＮＩＡＬＭアルゴリズムが、構成の基本的事象よりもむしろ、複合事象を不正確に認識した場合等の、いくつかの実施形態では、組み合わせをその基本的電気器具中に適正に割り当てる機構をユーザに提供する必要がある。そのような場合、「電気器具分割」ボタンが、複合関連事象が複合事象と同等になるであろう、潜在的な基本的電気器具をユーザに提示する。潜在的な基本的電気器具は、全ての電気器具のオン／オフ状態の全体的一致を改善しようとするアルゴリズムによって、自動的に選択される。加えて、これらの組み合わせが同時にユーザに示されたときに、ユーザは、複合電気器具が適切な要素に分割される必要があるときを非常に迅速に確認することができる。複合プロファイルがこのようにして正確に分割されたときに、この電気器具同定子を伴う全ての事象と関連付けられる電力が、基本的電気器具の間で比例的に分割され、対応する事象が、基本的電気器具に対して生成される。

図１５の利用内訳表と図１７のラベリング時系列プロットとの間のインターフェースが、緊密に連結され、ユーザが、ユーザにとって重要である電気器具を迅速に同定することを可能にする。例えば、利用表中の電気器具同定子番号をクリックすることによって、ユーザは、その電気器具に対する時系列プロットへ直接導かれる。

ＮＩＡＬＭ処理データをラベリングするための機構をユーザに提示するグラフィカルユーザインターフェースを使用する、この開示された方法は、自己学習アプローチを採用する。本明細書で開示されるＮＩＡＬＭより以前に、ＮＩＡＬＭは、システムを大量の入力および出力に繰り返し暴露させ、そのシステムが順応し、入力／出力データセットの間の固有の関係を学習することを可能にすることによって、ニューラルネットワークがラベリングされる方法と類似して動作するように構成された。

いくつかの実装では、ユーザが手動で電気器具をオンまたはオフにすることによって、ラベリングを支援することができる。例えば、同時に、ＰＣまたはスマートフォンあるいはタブレット等の手持ち式デバイスを使用して、リアルタイム電力利用プロットを閲覧することができる。最近生成された事象、電気器具がオン／オフになることが、全電力消費プロット中で遷移として表示されるであろう。ユーザが、その遷移をクリックすることができ、結果として生じた表示が、その遷移を生成した電気器具の全ての隔離された事象を示すであろう。ユーザはここで、その隔離された電気器具をラベリングすることができる。

（電気器具健全性監視デバイス）
本明細書では、どのように電気器具の性能が経時的に変化したか否かをユーザが確認するための機構を提供するデバイスが開示される。電気器具の現在の遷移プロファイルを、遷移プロファイルの過去の履歴スナップショットと比較することによって、プロファイルの差を検出することができる。いくつかの実施形態では、これらの差は、故障の初期兆候、例えば、圧縮機をより激しく稼働させる、いくらかの冷蔵冷却剤の損失、またはより多くの電力を使用させる、ファンの軸受問題を示す。いくつかの実施形態では、デバイスは、これらの問題についてユーザに知らせることができ、故障が決定的な故障に進展する前にサービス依頼電話を自動的に予定に入れることができる。デバイスが種々の電気器具を常に監視しているので、将来の壊滅的な故障を予測する能力が可能である。この能力は、小企業に有意な節約をもたらすことができる。例えば、レストラン業界では、温度警報機が鳴るよりも十分に前もって、冷蔵ユニットが補修される必要があると診断されることが可能であることが、食品の腐敗を回避することによって、有意な節約をもたらすことができる。付加的な節約は、サービス料金がより高い週末の前にサービス依頼電話を予定に入れることとなり得る。

デバイスの一実施形態は、自己学習する能力を含む。ほとんどの学習システムは、フィードバック、または学習されたことを訂正するために使用される教示入力を必要とする。他の学習システムは、最良モデルの内蔵データベースを有し、見られる入力と最良モデルとの間で合致するパターンを使用する。この実施形態は、演繹的知識、教示入力、事前定義された内蔵ライブラリ、およびこの情報を有する外部データベースへの接続を持たない。データがセンサから記録されるにつれて、デバイスが自動的に事象を抽出し、事象がクロージャルールを形成するようにクラスタ化され、クロージャルールが、各遷移を電気器具または電気器具の組み合わせに関連付けるために使用される。この自動的に学習された関連を考慮すると、デバイスは、全エネルギー利用から電気器具エネルギー利用を非集計化することができる。

（例示的なコンピュータ環境）
本明細書で説明される技法および解決法は、１つ以上のコンピュータデバイス等のコンピュータ環境のソフトウェア、ハードウェア、または両方によって行うことができる。例えば、コンピュータ環境は、サーバコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、ノート型コンピュータ、手持ち式デバイス、ネットブック、タブレットデバイス、モバイルデバイス、ＰＤＡ、および他の種類のコンピュータデバイスを含む。

図２９は、説明された技術を実装することができる、好適なコンピュータ環境１００の一般化実施例を図示する。コンピュータ環境１００は、技術が多様な汎用または専用コンピュータ環境で実装されてもよいため、使用または機能性の範囲に関していずれの制限も提案することを目的としていない。例えば、開示された技術は、本明細書で開示される方法を実装するコンピュータ実行可能命令を記憶する、処理ユニット、メモリ、および記憶装置を備えるコンピュータデバイスを使用して実装されてもよい。開示された技術はまた、手持ち式デバイス、マルチプロセッサシステム、マイクロプロセッサベースまたはプログラム可能な家庭用電化製品、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、クライアント／サーバシステムの集合、および同等物を含む、他のコンピュータシステム構成を用いて実装されてもよい。開示された技術はまた、タスクが、通信ネットワークを通してリンクされる遠隔処理デバイスによって行われる、分散コンピュータ環境内で実践されてもよい。分散コンピュータ環境では、プログラムモジュールが、ローカルおよび遠隔メモリ記憶デバイスの両方中に位置してもよい。

図２９を参照すると、コンピュータ環境１００は、メモリ１２０に連結された少なくとも１つの処理ユニット１１０を含む。図２９では、この基本構成１３０が、鎖線内に含まれる。処理ユニット１１０は、コンピュータ実行可能命令を実行し、実プロセッサまたは仮想プロセッサであってもよい。多重処理システムでは、複数の処理ユニットが、処理電力を増加させるように、コンピュータ実行可能命令を実行する。メモリ１２０は、揮発性メモリ（例えば、レジスタ、キャッシュ、ＲＡＭ）、不揮発性メモリ（例えば、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ等）、または２つの何らかの組み合わせであってもよい。メモリ１２０は、本明細書で説明される技術のうちのいずれかを実装する、ソフトウェア１８０を記憶することができる。

コンピュータ環境は、付加的な特徴を有してもよい。例えば、コンピュータ環境１００は、記憶装置１４０と、１つ以上の入力デバイス１５０と、１つ以上の出力デバイス１６０と、１つ以上の通信接続１７０とを含む。バス、コントローラ、またはネットワーク等の相互接続機構（図示せず）が、コンピュータ環境１００の構成要素を相互接続する。一般的には、オペレーティングシステムソフトウェア（図示せず）が、コンピュータ環境１００内で実行される他のソフトウェアの動作環境を提供し、コンピュータ環境１００の構成要素の活動を協調させる。

記憶装置１４０は、可撤性または非可撤性であってもよく、磁気ディスク、磁気テープまたはカセット、ＣＤ−ＲＯＭ、ＣＤ−ＲＷ、ＤＶＤ、または情報を記憶するために使用することができ、かつコンピュータ環境１００内でアクセスすることができる任意の他のコンピュータ可読媒体を含む。記憶装置１４０は、本明細書で説明される技術のうちのいずれかに対する命令を含有する、ソフトウェア１８０を記憶することができる。

入力デバイス１５０は、キーボード、マウス、ペン、またはトラックボール等のタッチ入力デバイス、音声入力デバイス、走査デバイス、タッチパッド、または入力をコンピュータ環境１００に提供する別のデバイスであってもよい。他の入力デバイスは、電流、電圧、温度、圧力、湿度、および光のレベル等の物理量を測定する物理センサに取り付けられる、アナログ・デジタル変換器を含む。音声については、入力デバイス１５０は、アナログ・デジタル形態で音声入力を受け取るサウンドカードまたは同様のデバイス、あるいは音声サンプルをコンピュータ環境に提供するＣＤ−ＲＯＭリーダであってもよい。出力デバイス１６０は、ディスプレイ、プリンタ、スピーカ、ＣＤライタ、またはコンピュータ環境１００から出力を提供する別のデバイスであってもよい。

通信接続１７０は、通信機構上で別のコンピュータエンティティへの通信を可能にする。通信機構は、コンピュータ実行可能命令、音声／ビデオまたは他の情報の情報、あるいは他のデータを伝える。限定ではなく一例として、通信機構は、電気、光学、ＲＦ、赤外線、音響、または他の搬送波を用いて実装される有線または無線技法を含む。

本明細書の技法は、標的の実プロセッサまたは仮想プロセッサ上のコンピュータ環境で実行されている、プログラムモジュールに含まれるもの等のコンピュータ実行可能命令の一般的状況で説明することができる。概して、プログラムモジュールは、特定のタスクを行う、または特定の抽象データ型を実装する、ルーチン、プログラム、ライブラリ、オブジェクト、クラス、構成要素、データ構造等を含む。プログラムモジュールの機能性は、種々の実施形態で所望されるように、プログラムモジュールの間で組み合わせられ、または分割されてもよい。プログラムモジュールに対するコンピュータ実行可能命令は、ローカルまたは分散コンピュータ環境内で実行されてもよい。

（コンピュータ可読媒体における方法）
開示された方法のうちのいずれかは、１つ以上のコンピュータ可読記憶媒体（例えば、ＤＶＤまたはＣＤ等の１つ以上の光学媒体ディスク等の不揮発性のコンピュータ可読媒体、揮発性メモリ構成要素（ＤＲＡＭまたはＳＲＡＭ等）、またはハードドライブ等の不揮発性メモリ構成要素）上に記憶され、コンピュータ（例えば、スマートフォン、タブレット、またはコンピュータハードウェアを含む他のモバイルデバイスを含む、任意の市販のコンピュータ）上で実行される、コンピュータ実行可能命令またはコンピュータプログラム製品として実装することができる。コンピュータ可読媒体は、伝搬信号を含まない。開示された技法を実装するためのコンピュータ実行可能命令のうちのいずれか、ならびに開示された実施形態の実装中に生成および使用される任意のデータを、１つ以上のコンピュータ可読媒体（例えば、不揮発性のコンピュータ可読媒体）上に記憶することができる。コンピュータ実行可能命令は、例えば、専用ソフトウェアアプリケーション、あるいはウェブブラウザまたは他のソフトウェアアプリケーション（遠隔計算アプリケーション等）を介してアクセスまたはダウンロードされるソフトウェアアプリケーションの一部となり得る。そのようなソフトウェアは、例えば、単一のローカルコンピュータ（例えば、任意の好適な市販のコンピュータ）上で、またはネットワーク環境（例えば、インターネット、広域ネットワーク、ローカルエリアネットワーク、クライアント・サーバネットワーク（クラウドコンピューティングネットワーク等）を介した）、あるいは１つ以上のネットワークコンピュータを使用する他のそのようなネットワーク内で実行することができる。

明確にするために、ソフトウェアベースの実装のある選択された側面のみが説明される。当技術分野で周知である他の詳細は省略される。例えば、開示された技術は、任意の特定のコンピュータ言語またはプログラムに限定されないことを理解されたい。例えば、開示された技術は、Ｃ、Ｃ＋＋、Ｊａｖａ（登録商標）、Ｐｅｒｌ、Ｐｙｔｈｏｎ、Ｒｕｂｙ、ＪａｖａＳｃｒｉｐｔ（登録商標）、Ａｄｏｂｅ Ｆｌａｓｈ、または任意の他の好適なプログラミング言語で書かれたソフトウェアによって実装することができる。同様に、開示された技術は、任意の特定のコンピュータまたはハードウェアの種類に限定されない。好適なコンピュータおよびハードウェアのある詳細が、当技術分野で周知であり、本開示では詳細に記載される必要がない。

さらに、ソフトウェアベース実施形態（例えば、コンピュータに開示された方法のうちのいずれかを行わせるためのコンピュータ実行可能命令を備える）のうちのいずれかは、好適な通信手段を通して、アップロードする、ダウンロードする、または遠隔でアクセスすることができる。そのような好適な通信手段は、例えば、インターネット、ワールドワイドウェブ、イントラネット、ケーブル（光ファイバケーブルを含む）、磁気通信、電磁通信（ＲＦ、マイクロ波、および赤外線通信を含む）、電子通信、または他のそのような通信手段を含む。

図３０は、開示された方法およびシステムの側面を実施するための例示的な環境の概略図を提供する。概略図では、開示された信号同定システムを含む処理ボードが、ドーターボードに連結される。ドーターボードは、加えて、複数の検出器／センサを介して複数のデバイスに、およびインターネット接続によってネットワーク環境に連結される。

（代替案）
開示された方法およびシステムは、決して限定的と解釈されるべきではない。代わりに、本開示は、単独で、ならびに相互との種々の組み合わせおよび副次的組み合わせで、種々の開示された実施形態の全ての新規かつ非明示的な特徴および側面を対象としている。開示された方法およびシステムは、いずれの特定の側面または特徴あるいはそれらの組み合わせにも限定されず、また、開示された実施形態は、いずれか１つ以上の特定の利点が存在すること、または問題が解決されることも要求しない。

本開示は、以下の非限定的実施例によって、さらに例示される。

（実施例）
（実施例１）
この実施例は、住居環境内のエネルギー消費を監視するための開示された電気負荷非集計システム（設備会計（ＵＡ）と呼ばれる）の使用中に生成されたデータを示す。

表２１は、２４０Ｖ電気器具の場合に各区間上または両方の区間上のＵＡによって隔離される種々の高エネルギー電気器具を記載する。

示される「基準」エネルギーの数字は、「常時オン」電気器具によってその区間上で消費されたエネルギーの量である。電気器具は、それらが状態を変化させた場合にＵＡによって隔離することしかできない。したがって、常時オン電気器具は、単一の束に集計されなければならない。常時オン電気器具のエネルギー使用を把握することは、消費者が、これらの無駄な電気器具を同定して軽減するために有用である。

電気器具によって使用された実際の電力は、どれだけうまくそれを隔離することができるかということが主要な側面ではなかった。主要な側面は、その電気器具の電力シグネチャが、他の電気器具のものとどれだけ異なったかであった。アルゴリズムは、オーブン等の大型電気器具を隔離することと同様に、ＣＦ電球等の小型電気器具を隔離することに優れていた。

設備会計からのデータを用いて確実に行うことができる共通エネルギー効率決定：
実施例１：家１の中の冷蔵庫は、別の家の中の同様のサイズ（２０ ｃｆ）の冷蔵庫に対する＄５０／年と対比して、動作するのに＄１５３／年かかる。これらの節約は、８年の単純返済期間を有するであろう、新しいより効率的な冷蔵庫（約＄８００）を購入する決定に織り込まれる。

実施例２：家１は、家の下から湿気を除去するために、床下空間用ファン（＄４４／年）を使用する。湿気を除去する代替的な方法は、設置するのに＄４５０かかるが、低頻度で効率的に（＄５／年）動作する排水ポンプを用いる。排水ポンプの単純返済期間は、＞１０年である。

実施例３：家１の中のスパ内のヒータは、動作することに＄３００／年かかる。新しいカバーは、＄３００の費用がかかり、Ｒ−１２で定格されるストックカバーと対比してＲ−２１の絶縁値を有するが、水で飽和するため、その定格を下回って機能し得る。新しいカバーがエネルギー費用を１／３削減することを仮定すると、新しいカバーは、３年で元が取れるであろう。

実施例４：３つの家の中の基準電力は、＄２００から＄３２９／年に及んだ。エネルギー費用を削減するための低／ゼロ費用解決法は、これらの電気器具のうちのどれのプラグを抜くことができるかを見出すことであろう。

（実施例２）
この実施例は、開示された電気負荷非集計システム（設備会計（ＵＡ）と呼ばれる）の使用、および迅速供給施設（ファストフードレストラン、ガソリンスタンド、およびミニマートを含む）でのそのようなものの使用を説明する。

３，０００平方フィートの迅速供給用ビルの平均光熱費は、１ヶ月あたり約＄２，５００である。＄６，０００／年の潜在的な節約（２０％エネルギー削減に基づく）は、平均的な米国の家庭に対する約＄３００／年の節約を伴う住宅市場をはるかに上回る。

クラスタ化アルゴリズムは、抵抗遷移が別々にクラスタ化されるように修正することができる。実施例１で収集されるエネルギーデータセットは、回路上のリアルタイム電圧に比例して電流を引き込むという点で、多数の電気器具を純抵抗として分類できることを示す。これらの電気器具は、ヒータまたは白熱灯である傾向がある。ＵＡ負荷非集計アルゴリズムは、それらの電力シグネチャの差に基づいて電気器具を隔離する。抵抗性電気器具シグネチャは、電流で割られる電圧を表す、オーム単位の単一の値まで効果的に低減させることができるため、シグネチャはあまり差別的ではない値を有する。しかしながら、試験用の家で観察される全ての抵抗性電気器具は、区間または回路上の残りの電気器具からのそれらの隔離を促進するために使用することができる、２つの挙動を明示した。第１に、抵抗性電気器具によって使用される正規化電力は、非常に安定しており、繰り返しの作動で０．５％未満の偏差が観察される。第２に、オンおよびオフ電力変化は、規模がほぼ同等である。これらの挙動差は、クラスタ化の前に、遷移シグネチャを抵抗、正弦波、または非正弦波として最初に分類することによって活用することができる。抵抗遷移は、クラスタ間変動が最小化されるように、より緊密な類似性閾値を使用してクラスタ化することができる。このステップは、いくつかの弱結合した遷移クラスタと関連付けられ得る非抵抗性電気器具（冷蔵庫等）に依然として適応しながら、区別することが困難である抵抗性電気器具の分離を改善させる。

（実施例３）
この実施例は、エネルギー消費が同定および管理されることを可能にする、エネルギー管理アプリケーションを説明する。

図１８で図示されるように、エネルギー消費が同定および管理することを可能にするエネルギー管理アプリケーションを含む、ラップトップコンピュータを含むが、それに限定されない、モバイルデバイス等の第２のデバイスに無線で伝送される等、インストールされたデバイスから流れるデータが伝送される。エネルギー管理アプリケーションは、特定のユーザ、例えば、商業的、家庭、および／または産業的ユーザに対してカスタマイズされる。例えば、エネルギー管理アプリケーションは、ユーザが、そのようなユーザにとって最も意味があるようにレポートを生成することを可能にする（例えば、電気器具負荷が、事業単位（ガスポンプ、スロットマシン、食品貯蔵庫等）、電気器具の種類（ＨＶＡＣ、冷蔵、照明、調理）、場所（駐車場、店頭、ダイニングルーム、キッチン等）、または任意の他の基準に従ってグループ化される）。図１９は、ユーザがユーザ名およびパスワードを入力する、開示されたエネルギー管理アプリケーションの初期ログイン画面のスクリーンショットである。

いったんアプリケーションへのアクセスを獲得すると、そのようなアプリケーションを使用して、エネルギー消費を同定および監視することができる。例えば、エネルギー管理アプリケーションは、種々の場所または施設に対するエネルギー消費プロファイルを表示する、ダッシュボードを含む。一実施例では、開示されたエネルギー管理アプリケーションは、食品業界で多拠点フランチャイズ所有者によって使用され、そのようなアプリケーションは、多拠点フランチャイズ所有者が、種々の場所での種々の電気器具のエネルギー消費を可視化することを可能にする、多拠点フランチャイズエネルギーダッシュボードを含む。図２０は、例示的な多拠点フランチャイズエネルギーダッシュボードのスクリーンショットである。

食品サービスは、全ての商業部門のうちで最高エネルギー強度を有する。莫大な無駄が独立研究所によって実証されている。例えば、一般的なファストフード店の光熱費は、１ヶ月あたり＄１５００〜＄５０００である。ＰＮＮＬの２０１０年レポートは、そのようなエネルギーの４１％から５２％が無駄であったと推定した。大抵の場合、所有者は、費用を削減するために必要な情報に容易にアクセスできない。エネルギー費は、利益とほぼ同じである。一般的なレストランの節約の＄５００は、２０００個以上のハンバーガーを販売することと同じである。したがって、エネルギー費用を制御するための対策を講じることは、売上を増加させることが時間がかかる一方で、現在のエネルギーを節約することができるため、倹約するための魅力的な方法である。したがって、開示されたアプリケーションは、非効率的な電気器具および活動が同定され、電気器具の修理または交換の費用便益が計算され、ピーク需要が管理されることを可能にする。例えば、所有者は、複数のフランチャイズを有し、各フランチャイズが特定の光熱費を有することのみ把握しているが、どのような電気器具または活動が、そのような光熱費のどのような部分に寄与するかを把握していない。開示されたエネルギー管理アプリケーションを採用して、所有者は、各場所での各電気器具または最もエネルギーを消費する電気器具の電力利用を同定することができる。特定の電気器具に対する種々のエネルギー プロファイルを同定すると、エネルギー消費が計算され、次いで、各電気器具のエネルギー消費が容易に理解される形式で（円グラフまたは棒グラフ等で）ユーザに表示される。図２１は、ユーザに実用的な情報および１つ以上の施設のエネルギー消費の概観を提供する、開示されたエネルギー管理アプリケーションの例示的なホームページのスクリーンショットを提示する。図２１で図示されるように、全ての画面で閲覧することができるホームページの最上部に２つのダイヤルがある。それらは、過去の平均と比較して、現在の電力利用および入ってくる電力を提供する。所与のホームページは、左上に警告、および右側に上位５件のエネルギー消費物を示す。ユーザは、時間枠を変更し、エネルギー消費および費用表示を切り替える能力を有する。費用表示が、本明細書で実施例として示される。ホームページの右下には、物理的な場所が、カテゴリの実施例として取り入れられる。ユーザがスライスをクリックしたときに、右側がそのセグメントの詳細を示す。図２２は、下のチャートがカテゴリの実施例として利用の種類を示す、ホームページの別のバージョンを提供する。右上は、最後の２４時間に対するエネルギー消費を時間別に示す。

図２３は、階層表示でカテゴリ別にグループ化された全ての機器のリストを提供する、エネルギーエクスプローラ特徴のスクリーンショットである。ユーザは、表示を重畳または拡張することができる。電球アイコンは、どの機器が現在オンになっているかを示す。ユーザが機器をクリックしたときに、右側に詳細を見ることができる。ユーザは、エネルギー消費および費用の詳細を閲覧し、また、カスタム日付範囲を選択することもできる。

図２４は、ユーザがカテゴリ分析別（場所、利用の種類別等）、機器別、または上位１０リストを作成すること等によってレポートを作成することを可能にする、レポート特徴のスクリーンショットである。例えば、図２５は、日別の選択された時間範囲でカテゴリ別のエネルギー消費および費用比較を図示する、レポートのスクリーンショットである。

図２６は、選択された時間範囲でエネルギー消費および費用別に上位１０個の機器を表す、レポートのスクリーンショットである。

図２７は、ユーザがエネルギー管理アプリケーションの設定を支援することを選択し得る、種々の機能を図示する、セットアップメニューのスクリーンショットである。初期設定中に与えられる全てのデータは、設定メニューに記憶される。さらに、ユーザは、現行のメンテナンスのためにデータを変更することができる（例えば、新しい機器が追加される、既存の機器が再配置される等）。

図２８は、ユーザに利用可能な特徴を示す、ヘルプメニューのスクリーンショットである。例えば、ユーザは、オンラインヘルプを求め、頻繁に尋ねられる質問を参照し、チュートリアルにアクセスし、またはエネルギー管理アプリケーションに関する付加的な情報（本明細書では負荷ＩＱと呼ばれる）にアクセスしてもよい。

負荷隔離アルゴリズムは、バックグラウンドから負荷を分離するように複数の詳細なステップを含む。第１に、電力信号が、遷移および定常状態の期間にセグメント化される。これらのセグメントは、遷移期間の開始および終了時間とともに５０Ｈｚの電力シグネチャの個々の波形（電圧サイクルにつき２５６サンプルでサンプリングされる）として記憶される。波形は、クラスタの構成要素の間のユークリッド距離を最小化する方法によってともにクラスタ化される。次いで、電力信号は、負荷作動のパターンを抽出するために、各定常状態および遷移クラスタＩＤへの基準まで低減させられる。

上記の論議は、種々の実施形態の詳細な説明を提供すると理解されたい。上記の説明は、当業者が、上記で説明される特定の実施例から多くの新しい面を引き出し、本開示に従って解釈される装置を提供することを可能にするであろう。実施形態は例示的であり、本開示の範囲を限定することを目的としていない。本開示の範囲はむしろ、発行されるような請求項の範囲およびそれらの同等物によって決定されるものである。

Claims (28)

1. 負荷が定常状態にあるか、または遷移しているか否かを決定するための方法であって、
   該方法は、
   少なくとも１つの回路における電力または電流測定値の時系列を分析することであって、少なくとも１つの負荷が該少なくとも１つの回路に連結される、ことと、
   該負荷が定常状態にあるか、または遷移しているか否かを決定することと
   を含む、方法。
2. 前記時系列の平均および分散を比較することをさらに含む、請求項１に記載の方法。
3. 前記時系列の平均および分散を比較することによって得られる値の絶対値を閾値と比較することをさらに含む、請求項１に記載の方法。
4. 前記絶対値が前記閾値よりも大きいときに、前記負荷は遷移していると決定することをさらに含む、請求項３に記載の方法。
5. 電気器具の状態を追跡するための方法であって、
   該方法は、
   電力シーケンスを定常状態電気信号に対して決定することと、
   定常状態および遷移波形を該電力シーケンスに対して計算することと、
   定常状態波形をクラスタ化することであって、各クラスタは、同じ一組の電気器具がオンおよび／またはオフのいずれかであることを表す、ことと、
   遷移波形をクラスタ化することであって、各クラスタは、電気器具に対して同じ遷移、オンまたはオフを表す、ことと、
   開始定常状態波形クラスタ、遷移波形クラスタ、終了定常状態遷移クラスタ（ＳＴＥＣ）の全ての一意のシーケンスを決定することと、
   発生数を各ＳＴＥＣシーケンスに割り当てることと
   を含む、方法。
6. 不一致のＳＴＥＣを排除することをさらに含む、請求項５に記載の方法。
7. クロージャルールを決定することをさらに含み、該クロージャルールは、特定の定常状態に対して、同じ定常状態クラスタの中の次の定常状態への遷移シーケンスを決定することを含む、請求項５に記載の方法。
8. 重要でないクロージャルールを排除することをさらに含む、請求項５に記載の方法。
9. 前記クロージャルール内の相補的なオン／オフ遷移は、電気器具と関連付けられる、請求項５に記載の方法。
10. 前記クロージャルール内の複合遷移は、電気器具のオン／オフ遷移の組み合わせと関連付けられる、請求項５に記載の方法。
11. １つ以上の電気器具を単一の事象と合致させることによって、電気器具の動作状態を分解するための方法であって、
    該方法は、
    監視された回路から電力遷移データを取得することであって、該電力遷移データは、オンまたはオフになる１つ以上の電気器具と関連付けられる、ことと、
    該電力遷移データから少なくとも１つの電力シグネチャを決定することと、
    該電力シグネチャを電力シグネチャのライブラリと比較することと、
    該比較がライブラリ要素との合致を示す場合、該測定された電力シグネチャを該ライブラリ電力シグネチャと関連付けられた該電気器具と関連付けることと、
    該測定された電力シグネチャがライブラリ要素に合致しない場合、該測定されたシグネチャを新しい未確認電気器具として該ライブラリに追加することと
    を含む、方法。
12. 前記ライブラリは、未確認電気器具シグネチャを含有し、さらに、前記測定されたシグネチャを該ライブラリの中の未確認電気器具シグネチャの組み合わせと比較することを含む、請求項１１に記載の方法。
13. 前記ライブラリの中の未確認電気器具シグネチャを組み合わせることによって生成された複合シグネチャから、基本的電気器具シグネチャを抽出することをさらに含む、請求項１１に記載の方法。
14. 電気器具同定方法であって、
    該方法は、
    新しい定常状態から始まるサイズ２の一組のクロージャルールを決定することと、
    サイズ２の該一組のクロージャルールから定義される定常状態を決定することと、
    定義された定常状態を一組の定義された定常状態に追加することと
    を含む、方法。
15. 前記一組の定義された定常状態は、最初、最小量の電力を使用する定常状態から構成される、請求項１４に記載の方法。
16. 前記一組の定義された定常状態は、最初、全ての負荷に対応する定義された定常状態から構成され、該全ての負荷は、ゼロエネルギーを消費する監視された回路と関連付けられる、請求項１４に記載の方法。
17. 前記一組の定義された定常状態に適用されるサイズ３のクロージャルールを決定することをさらに含む、請求項１４に記載の方法。
18. 前記一組の定義された定常状態に適用されるサイズ４以上のクロージャルールを決定することをさらに含む、請求項１４に記載の方法。
19. 複数の相関した動作状態を有する電気器具を同定することをさらに含む、請求項１４に記載の方法。
20. 同一の遷移シグネチャを生成する複数の電気器具を同定することをさらに含む、請求項１４に記載の方法。
21. 冗長の定常状態を生じさせる負荷を同定することをさらに含む、請求項１４に記載の方法。
22. 個々の信号を同定するラベリングシステムのための方法であって、
    該方法は、
    非侵入型電気器具負荷監視（ＮＩＡＬＭ）非集計負荷隔離データの結果を提示することと、
    ユーザが該個々の信号をラベリングおよび同定することを可能にするインターフェースを提供することと
    を含む、方法。
23. 前記個々の信号は、１つ以上の電気器具内にある、請求項２２に記載の方法。
24. 前記方法は、住居環境におけるエネルギー消費を監視するために使用される、請求項２２に記載の方法。
25. 前記方法は、迅速サービス業界等の商業的環境におけるエネルギーを監視するために使用される、請求項２２に記載の方法。
26. 電気器具の健全性を追跡するための方法であって、
    該方法は、
    リアルタイムの電気器具遷移および電力利用を経時的に定期的に採取された電気器具遷移および電力利用のスナップショットと比較することと、
    該比較における任意の異常の存在を決定することであって、該比較における異常の同定は、該電気器具について起こり得る問題を示す、ことと
    を含む、方法。
27. 潜在的な問題について個人に警告することをさらに含む、請求項２６に記載の方法。
28. メンテナンスサービス依頼電話を自動的に予定に入れることをさらに含む、請求項２６に記載の方法。