JP3892358B2 - 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム - Google Patents
消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム Download PDFInfo
- Publication number
- JP3892358B2 JP3892358B2 JP2002214182A JP2002214182A JP3892358B2 JP 3892358 B2 JP3892358 B2 JP 3892358B2 JP 2002214182 A JP2002214182 A JP 2002214182A JP 2002214182 A JP2002214182 A JP 2002214182A JP 3892358 B2 JP3892358 B2 JP 3892358B2
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- power consumption
- pattern
- power
- series data
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/242—Home appliances
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/124—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wired telecommunication networks or data transmission busses
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、電気機器の動作状態を推定する方法および電気機器モニタリングシステムに関する。さらに詳述すると、本発明は、変動が頻繁に起こる電気機器の動作状態を、電力需要家の家屋内に入らない非侵入的な方法で推定する方法およびシステムに関する。
【０００２】
【従来の技術】
従来、電気機器の動作状態を非侵入的に推定するモニタリングシステムとしては、ＭＩＴ（Massachusetts Institute of Technology ; 米国) で開発されたアルゴリスムを用いてＥＰＲＩ(Electric Power Research Institute; 米国) が装置化しているものがある。このモニタリングシステムは、電気機器のオン・オフ動作を電力需要家の総電力負荷カーブのステップ状の時間変化として捉え、電気機器の定格消費電力及び力率に基づいてオンあるいはオフとなった電気機器の特定と動作状態の推定を行うものである。
【０００３】
一方、本件出願人によって、電力需要家において設置されている電気機器が発生する高調波電流のパターンに着目し、給電線引込口付近で測定される総負荷電流と電圧から、総負荷電流の基本波並びに高調波の電流及び電圧に対するそれらの位相差を求め、そのパターンから屋内で使用されている電気機器と電気機器個別の動作状態を推定する電気機器モニタリングシステムが提案されている（特開平２０００−２９２４６５号公報等参考）。
【０００４】
【発明が解決しようとする課題】
しかしながら、前者および後者のモニタリングシステムでは、電力需要家の建物内に、洗濯機や炊飯器等の消費電力の変動が頻繁に起こるような電気機器があると、正確な推定が行えない。前者および後者のモニタリングシステムとも、電力需要家の建物内にある全ての電気機器の消費電力は一定時間変動せず一定であることを前提にしており、ある時点での測定データに基づいた推論を行っている。しかし、当該測定の時点において、消費電力の変動が頻繁に起こるような電気機器の動作状態は、過渡状態であることが殆んどである。このため、消費電力の変動が頻繁に起こるような電気機器のオン・オフ動作を、電力需要家の総電力負荷カーブのステップ状の時間変化として捉えるのは困難である。また、消費電力の変動が頻繁に起こるような電気機器では、高調波のパターンが無数に表れるため、高調波のパターンに基づく電気機器の動作状態の特定も困難である。
【０００５】
そこで本発明は、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定できる方法およびモニタリングシステムを提供することを目的とする。
【０００６】
【課題を解決するための手段】
かかる目的を達成するため、請求項１記載の発明は、消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定する方法であり、電力需要家の給電線引込口付近において消費電力あるいは電流の時系列データを測定し、当該測定された時系列データに対してスペクトル解析を行い、当該スペクトル解析により得られるスペクトルのパターンに基づいて対象電気機器の動作状態を推定するようにしている。
【０００７】
また、請求項２記載の発明は、消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定するモニタリングシステムであり、電力需要家の給電線引込口付近に設置されて消費電力あるいは電流の時系列データを測定する測定センサーと、測定センサーで測定された時系列データに対してスペクトル解析を行うスペクトル解析実行手段と、スペクトル解析実行手段により得られたスペクトルのパターンに基づいて対象電気機器の動作状態を推定する推定手段とを備えるようにしている。
【０００８】
消費電力あるいは電流の時系列データのスペクトルのパターンには、消費電力の変動が頻繁に起こる電気機器が稼動している場合には、比較的短い周期の成分が突出して大きくなるという特徴が表れるのに対し、消費電力の変動が頻繁に起こる電気機器が稼動しておらず、消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器が稼動している場合には、そのような特徴は表れない。したがって、測定された時系列データに基づいて当該特徴の有無を調べることで、消費電力が頻繁に変動する電気機器である対象電気機器が動作しているか否かを推定することが可能となる。
【０００９】
また、請求項３記載の発明は、請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステムにおいて、推定手段は、対象電気機器が動作している場合に表れる消費電力あるいは電流の時系列データのスペクトルのパターンが予め記憶されているデータベースを有し、スペクトル解析実行手段により得られたスペクトルのパターンとデータベースに予め記憶されているスペクトルのパターンとのパターンマッチングを行い、当該パターンマッチングの結果に基づいて対象電気機器の動作状態を推定するようにしている。
【００１０】
この場合、推定手段は、スペクトル解析実行手段により得られたスペクトルのパターンと、データベースに予め記憶されているスペクトルのパターンとを比較して、スペクトル解析実行手段により得られたスペクトルと一致するものをデータベースから検索する。例えば、一致するパターンがあった場合は、対象電気機器は動作状態にある（即ち、電源オンの状態にある）と推定され、一致するパターンがなかった場合は、対象電気機器は電源オフの状態にあると推定される。尚、ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合に一致とみなすようにしても良い。
【００１１】
また、請求項４記載の発明は、請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステムにおいて、推定手段は、学習機能を有し、消費電力あるいは電流の時系列データのスペクトルのパターンとその時の解答である対象電気機器の動作状態とが教師データとして与えられて予め学習が行われており、スペクトル解析実行手段により得られたスペクトルのパターンから対象電気機器の動作状態をパターン認識によって推定するようにしている。
【００１２】
この場合、推定手段は、スペクトル解析実行手段により得られたスペクトルのパターンが入力されることにより、学習時に与えられた教師データおよび学習によって得られた推定能力によってパターン認識を行い、入力されたスペクトルのパターンの解答である対象電気機器の動作状態の推定結果（例えば、どの対象電気機器の電源がオンまたはオフの状態にあるか）を出力する。
【００１３】
【発明の実施の形態】
以下、本発明の構成を図面に示す実施形態に基づいて詳細に説明する。
【００１４】
図１から図５に本発明の実施の一形態を示す。本発明の消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法は、電力需要家の給電線引込口付近において消費電力あるいは電流の時系列データを測定し、当該測定された時系列データに対してスペクトル解析を行い、当該スペクトル解析により得られるスペクトルのパターンに基づいて消費電力の変動が頻繁に起こる対象電気機器の動作状態を推定するものである。この本発明方法は、図１に示すように、消費電力の変動が頻繁に起こる電気機器の動作状態を推定するモニタリングシステムとして装置化される。即ち、このモニタリングシステム１は、電力需要家２の給電線引込口付近に設置されて消費電力あるいは電流の時系列データを測定する測定センサー４と、測定センサー４で測定された時系列データに対してスペクトル解析を行うスペクトル解析実行手段５と、スペクトル解析実行手段５により得られたスペクトルのパターンに基づいて対象電気機器の動作状態を推定する推定手段６とを備えるようにしている。
【００１５】
対象電気機器とは、電力需要家２の屋内に設置されている電気機器のうち消費電力の変動が頻繁に起こる電気機器であって、モニタリングシステム１が動作状態の推定対象とする電気機器である。例えば本実施形態では、電力需要家２の屋内の給電線下流には、電気機器として、テレビジョン受像機３ａ、冷蔵庫３ｂ、エアコンデショナー３ｃ、白熱灯や蛍光灯などの照明機器３ｄ、洗濯機３ｅ、炊飯器３ｆ等が接続されているものとする。消費電力の変動が頻繁に起こる電気機器としては、洗濯動作時において反転を繰り返す洗濯機３ｅや、釜を熱するヒータを頻繁にオン・オフする炊飯器３ｆが挙げられる。テレビジョン受像機３ａ、冷蔵庫３ｂ、エアコンディショナー３ｃ、照明機器３ｄは、消費電力の変動が無いか、或いは消費電力が変動しても当該変動の周期が洗濯機３ｅや炊飯器３ｆと比較してずっと長い。本実施形態では、対象電気機器を洗濯機３ｅおよび炊飯器３ｆとした例について説明する。ただし、対象電気機器は、本例に限定されるものではない。また、対象電気機器は単数または単一種に限られず、複数または複数種であっても良い。尚、電気機器が接続される電力需要家２に設置されている電気機器は、家庭内コンセントに接続され、電力量計から給電線（即ち、引込線７及び電柱８に架設された電線）を介して電気事業者等の電力系統に接続されている。
【００１６】
本実施形態の測定センサー４は、電力需要家２の建物外、例えば電力需要家２の給電線引込口あるいは電力量計の一箇所に設置している。このように測定センサー４を引込口付近に一箇所に設置する構成とすることにより、モニタリングシステム１は非侵入的なシステムとなる。即ち、対象電気機器に測定センサー４を直接取り付ける必要がないため、モニタリングシステム１を電力需要家２に導入するに際して、プライバシーの侵害等の問題は無く、また追加の配線等を施す工事が少なくて済む。
【００１７】
本実施形態の測定センサー４は、例えば電力需要家２の給電線引込口付近において総消費電力を測定する電力計としている。この電力計としては、有効電力を測定するための周知の計器（例えば、電流力計を用いたもの、誘導形（移動磁界）を利用したもの、ホール効果を利用したもの、熱電対やダイオードの二乗特性や時分割乗算回路などを利用したものなど）を用いて良く、電力計の構成が特に限定されるものではない。
【００１８】
ここで、本実施形態では、測定センサー４による時系列データの測定において、最初の測定時刻から最後の測定時刻までの時間を測定時間幅と呼び、測定時間幅内におけるサンプリングの間隔（ある測定時刻から次の測定時刻まで時間）を測定時間間隔と呼ぶ。測定時間間隔および測定時間幅は、例えば、消費電力あるいは電流の時系列データのスペクトルのパターンに、対象電気機器の特徴が表れ得るように設定することが好ましい。本発明者等が種々実験検討した結果、測定時間間隔を１秒とし、測定時間幅を５分から１０分としたところ、洗濯機３ｅの消費電力の時系列データのスペクトルのパターンおよび炊飯器３ｆの消費電力の時系列データのスペクトルのパターンに、他の電気機器とは明確に区別できる特徴が表れることが知見された。そこで、本実施形態では、測定時間間隔を１秒で一定とし、測定時間幅を５分から１０分としている。ただし、これらの値は好適な例であって、測定時間間隔および測定時間幅が本実施形態の例に限定されるものではない。
【００１９】
本実施形態のスペクトル解析実行手段５は、スペクトル解析（フーリエ解析とも呼ばれる）を実行する手段であり、入力信号を周期（もしくは周波数）成分毎に分解して当該成分の大きさを求める手段である。スペクトル解析実行手段５が実行するスペクトル解析には、例えばフーリエ変換やパワースペクトル解析等の既知の方法を採用して良い。例えば本実施形態のスペクトル解析実行手段５は、入力信号としての消費電力の時系列データを、周期成分毎に分解し、各周期成分の大きさをスペクトルとして算出する手段として構成される。尚、スペクトル解析実行手段５は、入力信号としての消費電力の時系列データを、周期成分毎に分解し、各周期成分の大きさをパワースペクトル密度として算出する手段であっても良い。この場合は、周期成分毎のパワースペクトル密度が、スペクトル解析実行手段５により得られるスペクトルのパターンとなる。また、周期の刻み幅は必ずしも整数値でなくても良い。例えば、周期の値とスペクトルの値との関係を示すグラフ（図３，図５参照）を滑らかに描くことができるように、周期の刻み幅を調整しても良い。このようなスペクトル解析実行手段５は、例えば上記演算内容を実行する電子回路を実装した専用機として構成しても良く、或いは例えば汎用計算機（コンピュータ）に上記演算内容を実行させるソフトウェアを実装することにより構成しても良い。
【００２０】
本実施形態の推定手段６は、対象電気機器が動作している場合に表れる消費電力の時系列データのスペクトルのパターンが予め記憶されているデータベース９を有し、スペクトル解析実行手段５により得られたスペクトルのパターンとデータベース９に予め記憶されているスペクトルのパターンとのパターンマッチングを行い、当該パターンマッチングの結果に基づいて対象電気機器の動作状態を推定するようにしている。
【００２１】
この推定手段６は、例えば、中央演算処理部（ＣＰＵ）、主記憶装置、外部記憶装置、スペクトル解析実行手段５等との通信インターフェースなどのハードウェア資源と、これらのハードウェア資源を制御するオペレーティングシステムと、対象電気機器が動作している場合に表れる消費電力の時系列データのスペクトルのパターンを外部記憶装置に記憶してデータベース９を構築する処理と、スペクトル解析実行手段５により得られたスペクトルのパターンとデータベース９に記憶されているスペクトルのパターンとのパターンマッチング処理とを実行するデータベース管理システムなどのソフトウェア資源とを有するコンピュータとして構成される。
【００２２】
データベース９は、例えば次のようにして予め構築される。即ち、対象電気機器のみを稼動させ、測定センサー４により消費電力の時系列データを測定時間間隔を１秒で且つ測定時間幅を５分から１０分として測定し、スペクトル解析実行手段５により当該時系列データのスペクトルのパターンを得て、当該スペクトルのパターンと稼動させた対象電気機器を特定する情報とを関連付けてデータベース９に格納する。
【００２３】
例えば本実施形態では、洗濯機３ｅのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が洗濯機３ｅであることを示すコードとの組と、炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が炊飯器３ｆであることを示すコードとの組と、洗濯機３ｅおよび炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が洗濯機３ｅおよび炊飯器３ｆであることを示すコードとの組とをデータベース９に格納するようにしている。ただし、洗濯機３ｅおよび炊飯器３ｆを組み合わせて稼動させる必要は必ずしもない。例えば、推定手段６としてのコンピュータが有する演算機能により、複数種の対象電気機器をそれぞれ単独で稼動させた場合のスペクトルのパターンを種々の組み合わせで重ね合わせて、複数種の対象電気機器の種々の組み合わせに対応するスペクトルのパターンを得るようにしても良い。例えば、洗濯機３ｅのみを稼動させた場合におけるスペクトルのパターンと、炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンとを重ね合わせたパターンを、推定手段６としてのコンピュータが有する演算機能により得て、当該得られたパターンと対象電気機器が洗濯機３ｅおよび炊飯器３ｆであることを示すコードとの組をデータベース９に格納するようにしても良い。この場合、複数種の対象電気機器を組み合わせて種々の動作状態状況を作る必要が無く、複数種の対象電気機器を組み合わせた種々の動作状態状況に対応するスペクトルのパターンを自動生成することができる。
【００２４】
図２は、洗濯機３ｅのみを稼動させた場合における測定センサー４により得られた消費電力の時系列データ（１２８秒間）を示す。図３は、図２に示す時系列データを入力信号としてスペクトル解析実行手段５により得られた周期成分毎のスペクトルを示す。また、図４は、炊飯器３ｆのみを稼動させた場合における測定センサー４により得られた消費電力の時系列データ（１２８秒間）を示す。図５は、図４に示す時系列データを入力信号としてスペクトル解析実行手段５により得られた周期成分毎のスペクトルを示す。図２および図４から、消費電力が頻繁に変動していることが確認できる。尚、スペクトル解析実行手段５が実行するスペクトル解析には、ＦＦＴ（高速フーリエ変換）を用いた。
【００２５】
例えば本実施形態では、スペクトル解析実行手段５により得られたスペクトルの値（数値データ）を周期順に並べてデータ系列を作成し、当該データ系列をスペクトルのパターンとしてデータベース９に格納するようにしている。但し、周期の値とスペクトルの値との関係を表すグラフ（画像データ）をスペクトルのパターンとしてデータベース９に格納するようにしても良く、或いは当該グラフの特徴を抽出して当該特徴をスペクトルのパターンとしてデータベース９に格納するようにしても良い。例えば、図３に示すように、洗濯機３ｅのみを稼動させた場合における周期の値とスペクトルの値との関係を表すグラフには、周期の値が２．５秒、３．３秒、７．５秒であるときに、スペクトルが突出している（即ちピークを形成している）という特徴があることが分かる。
【００２６】
消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器（例えば冷蔵庫３ｂやテレビジョン受像機３ａなど）では、比較的短い周期（例えば１０秒以下程度）においてスペクトルの値が突出する（即ちピークが形成される）という特徴が表れることはない。したがって、当該特徴の有無を捉えることで、消費電力が頻繁に変動する電気機器である対象電気機器が動作しているか否かを推定することが可能となる。さらに、種類が異なる対象電気機器間では、例えば洗濯機３ｅと炊飯器３ｆとでは、周期の値とスペクトルの値との関係を表すグラフのピークの数や位置或いは大きさ等に差異がある。したがって、当該差異点を捉えることで、複数種の対象電気機器が存在する場合でも、どの対象電気機器が動作しているかを推定することが可能となる。
【００２７】
本実施形態の推定手段６によるパターンマッチング処理は、例えば次のようにして行う。即ち、スペクトル解析実行手段５から推定手段６に周期成分毎のスペクトルの値が入力されると、推定手段６では、当該スペクトルの値を周期順に並べてデータ系列を作成し、当該データ系列を入力のスペクトルのパターン（以下、入力パターンと呼ぶ）として、当該パターンと一致するものを、データベース９から検索する。ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合に一致とみなすようにしても良い。例えば、本実施形態の推定手段６では、入力パターンとデータベース９に格納されているスペクトルのパターン（以下、格納パターンと呼ぶ）との相関係数を求めて、当該相関係数の値が予め定めた値以上となる場合に、入力パターンと格納パターンとが一致していると判断するようにしている。
【００２８】
尚、推定手段６によるパターンマッチング処理は、上記の例に限定されるものではなく、例えば次のように処理しても良い。例えば、データベース９に、対象電気機器についての周期の値とスペクトルの値との関係を表すグラフのピークにおける周期の値とスペクトルの値とを、格納パターンとして予め格納しておく。そして、スペクトル解析実行手段５から推定手段６に周期成分毎のスペクトルの値が入力されると、推定手段６では当該入力データのうちピークを形成するスペクトルの値と当該スペクトルの値に対応する周期の値とを、入力パターンとして抽出する。ピークが複数表れる場合には、全てのピークについてスペクトルの値と当該スペクトルの値に対応する周期の値とを抽出する。次に推定手段６では、このように抽出されたスペクトルのパターン（入力パターン）と一致するものを、データベース９から検索する。ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合（例えば入力パターンと格納パターンとの差が予め定めた許容範囲にある場合に）に一致とみなすようにしても良い。
【００２９】
以上のように構成されるモニタリングシステム１によれば、例えば次のようにして対象電気機器の動作状態を非侵入的な方法で推定する。先ず、測定センサー４では、電力需要家２の家屋内に入らない非侵入的な方法で、消費電力の時系列データを、測定時間間隔を１秒で且つ測定時間幅を５分から１０分として測定する。次に、スペクトル解析実行手段５では、当該測定された時系列データに対してスペクトル解析を行い、周期成分毎のスペクトルを推定手段６に対して出力する。次に、推定手段６では、入力された周期成分毎のスペクトルを周期順に並べて入力パターンとし、データベース９に予め格納されている格納パターンの中に当該入力パターンと一致するものが有るか検索する。
【００３０】
検索の結果、一致する格納パターンがあった場合は、当該格納パターンに関連付けられて記憶されているコードに対応する対象電気機器が、動作状態にある（即ち、電源オンの状態にある）と推定される。一方、入力パターンと一致する格納パターンがなかった場合は、対象電気機器は電源オフの状態にあると推定される。尚、当該推定結果は、ディスプレイやプリンタ等の出力装置に出力するようにしても良く、或いは推定手段６が備える外部記憶装置に記憶するようにしても良く、或いは通信回線（例えば電話回線、光ファイバ専用回線、ＰＨＳ等）を介して遠隔の情報処理装置に送信するようにしても良い。当該推定結果は、電力需要家２自身が利用できる以外に、通信回線を経由して電力会社やＥＳＣＯ（Energy Service Company）等が利用できる。
【００３１】
２１世紀初頭には、需要家情報ネットワークが整備され、多用な情報サービスが電力需要家２へ提供されると同時に、電力需要家２の側の情報もネットワークを通して収集され、これらの情報は電気事業者等の経営にも反映されてゆくものと期待される。例えば、電気事業者にとって電力需要家２の側の重要な情報の一つに電力需要家２が保有する電気機器の構成や使用実態に関する情報があるが、これらはＤＳＭ（Demand Side Management）の効果評価、潜在需要の予測、需要変化の予測、負荷率低下（悪化）の要因分析、きめ細かな季時別料金システムの構築、電力需要家２への各種サービスの提供等を行う上で必要不可欠である。本発明のモニタリングシステム１は、上述したニーズに応えることができる有力なシステムの一つである。
【００３２】
また、本発明の消費電力の変動が頻繁に起こる電気機器のモニタリングシステム１と、従来の電気機器モニタリングシステム（特開平２０００−２９２４６５号公報等参考）を組み合わせて用いることもできる。即ち、従来の電気機器モニタリングシステムでは動作状態の特定が困難となる消費電力の変動が頻繁に起こる電気機器については、本発明のモニタリングシステム１で動作状態を推定し、消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器については、従来の電気機器モニタリングシステムで動作状態を推定する、といったことが可能となる。これにより、信頼性の高い電気機器モニタリングシステムを構築できる。
【００３３】
なお、上述の実施形態は本発明の好適な実施の一例ではあるがこれに限定されるものではなく、本発明の要旨を逸脱しない範囲において種々変形実施可能である。例えば、上述の実施形態では、測定センサー４は消費電力を測定するものを用いたが、測定センサー４が測定対象とするデータは、必ずしも消費電力に限られない。測定センサー４が測定対象とするデータは、対象電気機器が動作していることに起因する消費電力の頻繁な変動が反映され得るデータであれば良い。
【００３４】
例えば、測定センサー４を電流を測定する電流計としても良い。電流計としては、電流を測定するための周知の計器を用いて良い。測定センサー４により電流の時系列データを測定する場合も上述の実施形態と同様に、当該測定した電流の時系列データにスペクトル解析を施すことにより得られるスペクトルのパターンには、対象電気機器の動作状態を推定できる特徴が表れる。また、測定センサー４は、力率または無効電力を測定する計器であっても良い。
【００３５】
本明細書でいう電力需要家２の給電線引込口付近において測定する「消費電力あるいは電流の時系列データ」には、対象電気機器が動作していることに起因する消費電力の頻繁な変動が反映され得るデータ全般（例えば消費電力、電流、力率、無効電力など）が含まれる。そして、測定センサー４は、そのようなデータを測定できる手段であれば良い。
【００３６】
また、例えば推定手段６として、学習機能を有し、消費電力あるいは電流の時系列データのスペクトルのパターンとその時の解答である対象電気機器の動作状態とが教師データとして与えられて予め学習が行われており、スペクトル解析実行手段５により得られたスペクトルのパターンから対象電気機器の動作状態をパターン認識によって推定するものを採用しても良い。
【００３７】
このような推定手段６は、例えば帰納学習能力を有するニューラルネットワーク（ニューロコンピュータとも呼ばれる）として実現できる。ニューラルネットワークは、人間の脳の神経細胞を模倣した情報処理システムであり、神経細胞（ニューロン）にあたるユニットを、ネットワーク状に多数結合した構造になっている。各ユニットは、結合された他のユニットからの入力の総和に応じて、出力を発生する。この時、結合の強さ（重み付け）を調整することで、全体の入力に対して最善の出力が得られるように、ニューラルネットワークを学習させることができる。
【００３８】
推定手段６としてのニューラルネットワークの学習は、例えば次のようにして行う。即ち、電力需要家２内に存在する対象電気機器を含む複数の電気機器個々につけられたスイッチを入り切りして、複数の電気機器が種々の動作状態となる状況を作る。当該状況のそれぞれについて、即ち複数の電気機器の種々の動作状態の各組み合わせについて、測定センサー４とスペクトル解析実行手段５とを用いて、消費電力あるいは電流の時系列データのスペクトルのパターン（例えば周期成分毎のスペクトル）を得るようにする。そして、当該得られた種々のスペクトルのパターンと、各パターンに対応した解答である対象電気機器の動作状態（例えば、どの対象電気機器の電源がオンまたはオフの状態であったか等）とを、教師データとしてニューラルネットワークに与えて、学習を行う。尚、ニューラルネットワークによる推定精度を向上させるための学習を、電力需要家２の外部から電話回線、光ファイバー専用回線等を利用して外部から行うようにしても良い。このようにしてニューラルネットワークを教師データで学習させた後に、実際に電力需要家２の対象電気機器の動作状態の推定を行うことになる。
【００３９】
この場合、モニタリングシステム１では、例えば次のようにして対象電気機器の動作状態を非侵入的な方法で推定する。測定センサー４では、電力需要家２の家屋内に入らない非侵入的な方法で消費電力あるいは電流の時系列データを測定する。尚、測定時間間隔および測定時間幅は、例えば上述の実施形態と同様として良い。次に、スペクトル解析実行手段５では当該測定された時系列データに対してスペクトル解析を行い、スペクトルのパターン（例えば周期成分毎のスペクトル）を推定手段６に対して出力する。推定手段６では、当該スペクトルのパターンが入力されると、学習時に与えられた教師データおよび学習によって得られた推定能力によってパターン認識を行い、入力されたスペクトルのパターンの解答である対象電気機器の動作状態の推定結果（例えば、どの対象電気機器の電源がオンまたはオフの状態にあるか）を出力する。尚、当該推定結果は、ディスプレイやプリンタ等の出力装置に出力するようにしても良く、或いは推定手段６が備える外部記憶装置に記憶するようにしても良く、或いは通信回線（例えば電話回線、光ファイバ専用回線、ＰＨＳ等）を介して遠隔の情報処理装置に送信するようにしても良い。当該推定結果は、電力需要家２自身が利用できる以外に、通信回線を経由して電力会社やＥＳＣＯ（Energy Service Company）等が利用できる。
【００４０】
尚、推定手段６のパターン認識のアルゴリズムは必ずしもニューラルネットワークを利用したものに限られず、その他の既知または新規のアルゴリズムを採用して良い。
【００４１】
【発明の効果】
以上の説明から明らかなように、請求項１および２に記載の本発明によれば、消費電力の変動が頻繁に起こる電気機器が稼動することにより表れる消費電力あるいは電流の時系列データのスペクトルのパターンの特徴に着目し、従来のモニタリングシステムでは動作状態の推定が困難であった消費電力の変動が頻繁に起こる電気機器の動作状態を、非侵入的な方法で推定することができる効果がある。
【００４２】
さらに、請求項３記載の本発明によれば、データベース技術を応用することにより、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定することができる。
【００４３】
さらに、請求項４記載の本発明によれば、ニューラルネットワーク等のパターン認識手法を応用することにより、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定することができる。
【図面の簡単な説明】
【図１】本発明の消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法およびモニタリングシステムの実施の一形態を示す概略構成図である。
【図２】洗濯機のみを稼動させた場合における消費電力の時系列データを示し、縦軸は消費電力［Ｗ］を、横軸は時間経過［秒］を示す。
【図３】図２における消費電力の時系列データについてスペクトル解析を行った結果を示し、縦軸はスペクトル［Ｗ］を、横軸は周期成分［秒］を示す。
【図４】炊飯器のみを稼動させた場合における消費電力の時系列データを示し、縦軸は消費電力［Ｗ］を、横軸は時間経過［秒］を示す。
【図５】図４における消費電力の時系列データについてスペクトル解析を行った結果を示し、縦軸はスペクトル［Ｗ］を、横軸は周期成分［秒］を示す。
【符号の説明】
１ モニタリングシステム
２ 電力需要家
４ 測定センサー
５ スペクトル解析実行手段
６ 推定手段
９ データベース
【発明の属する技術分野】
本発明は、電気機器の動作状態を推定する方法および電気機器モニタリングシステムに関する。さらに詳述すると、本発明は、変動が頻繁に起こる電気機器の動作状態を、電力需要家の家屋内に入らない非侵入的な方法で推定する方法およびシステムに関する。
【０００２】
【従来の技術】
従来、電気機器の動作状態を非侵入的に推定するモニタリングシステムとしては、ＭＩＴ（Massachusetts Institute of Technology ; 米国) で開発されたアルゴリスムを用いてＥＰＲＩ(Electric Power Research Institute; 米国) が装置化しているものがある。このモニタリングシステムは、電気機器のオン・オフ動作を電力需要家の総電力負荷カーブのステップ状の時間変化として捉え、電気機器の定格消費電力及び力率に基づいてオンあるいはオフとなった電気機器の特定と動作状態の推定を行うものである。
【０００３】
一方、本件出願人によって、電力需要家において設置されている電気機器が発生する高調波電流のパターンに着目し、給電線引込口付近で測定される総負荷電流と電圧から、総負荷電流の基本波並びに高調波の電流及び電圧に対するそれらの位相差を求め、そのパターンから屋内で使用されている電気機器と電気機器個別の動作状態を推定する電気機器モニタリングシステムが提案されている（特開平２０００−２９２４６５号公報等参考）。
【０００４】
【発明が解決しようとする課題】
しかしながら、前者および後者のモニタリングシステムでは、電力需要家の建物内に、洗濯機や炊飯器等の消費電力の変動が頻繁に起こるような電気機器があると、正確な推定が行えない。前者および後者のモニタリングシステムとも、電力需要家の建物内にある全ての電気機器の消費電力は一定時間変動せず一定であることを前提にしており、ある時点での測定データに基づいた推論を行っている。しかし、当該測定の時点において、消費電力の変動が頻繁に起こるような電気機器の動作状態は、過渡状態であることが殆んどである。このため、消費電力の変動が頻繁に起こるような電気機器のオン・オフ動作を、電力需要家の総電力負荷カーブのステップ状の時間変化として捉えるのは困難である。また、消費電力の変動が頻繁に起こるような電気機器では、高調波のパターンが無数に表れるため、高調波のパターンに基づく電気機器の動作状態の特定も困難である。
【０００５】
そこで本発明は、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定できる方法およびモニタリングシステムを提供することを目的とする。
【０００６】
【課題を解決するための手段】
かかる目的を達成するため、請求項１記載の発明は、消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定する方法であり、電力需要家の給電線引込口付近において消費電力あるいは電流の時系列データを測定し、当該測定された時系列データに対してスペクトル解析を行い、当該スペクトル解析により得られるスペクトルのパターンに基づいて対象電気機器の動作状態を推定するようにしている。
【０００７】
また、請求項２記載の発明は、消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定するモニタリングシステムであり、電力需要家の給電線引込口付近に設置されて消費電力あるいは電流の時系列データを測定する測定センサーと、測定センサーで測定された時系列データに対してスペクトル解析を行うスペクトル解析実行手段と、スペクトル解析実行手段により得られたスペクトルのパターンに基づいて対象電気機器の動作状態を推定する推定手段とを備えるようにしている。
【０００８】
消費電力あるいは電流の時系列データのスペクトルのパターンには、消費電力の変動が頻繁に起こる電気機器が稼動している場合には、比較的短い周期の成分が突出して大きくなるという特徴が表れるのに対し、消費電力の変動が頻繁に起こる電気機器が稼動しておらず、消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器が稼動している場合には、そのような特徴は表れない。したがって、測定された時系列データに基づいて当該特徴の有無を調べることで、消費電力が頻繁に変動する電気機器である対象電気機器が動作しているか否かを推定することが可能となる。
【０００９】
また、請求項３記載の発明は、請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステムにおいて、推定手段は、対象電気機器が動作している場合に表れる消費電力あるいは電流の時系列データのスペクトルのパターンが予め記憶されているデータベースを有し、スペクトル解析実行手段により得られたスペクトルのパターンとデータベースに予め記憶されているスペクトルのパターンとのパターンマッチングを行い、当該パターンマッチングの結果に基づいて対象電気機器の動作状態を推定するようにしている。
【００１０】
この場合、推定手段は、スペクトル解析実行手段により得られたスペクトルのパターンと、データベースに予め記憶されているスペクトルのパターンとを比較して、スペクトル解析実行手段により得られたスペクトルと一致するものをデータベースから検索する。例えば、一致するパターンがあった場合は、対象電気機器は動作状態にある（即ち、電源オンの状態にある）と推定され、一致するパターンがなかった場合は、対象電気機器は電源オフの状態にあると推定される。尚、ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合に一致とみなすようにしても良い。
【００１１】
また、請求項４記載の発明は、請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステムにおいて、推定手段は、学習機能を有し、消費電力あるいは電流の時系列データのスペクトルのパターンとその時の解答である対象電気機器の動作状態とが教師データとして与えられて予め学習が行われており、スペクトル解析実行手段により得られたスペクトルのパターンから対象電気機器の動作状態をパターン認識によって推定するようにしている。
【００１２】
この場合、推定手段は、スペクトル解析実行手段により得られたスペクトルのパターンが入力されることにより、学習時に与えられた教師データおよび学習によって得られた推定能力によってパターン認識を行い、入力されたスペクトルのパターンの解答である対象電気機器の動作状態の推定結果（例えば、どの対象電気機器の電源がオンまたはオフの状態にあるか）を出力する。
【００１３】
【発明の実施の形態】
以下、本発明の構成を図面に示す実施形態に基づいて詳細に説明する。
【００１４】
図１から図５に本発明の実施の一形態を示す。本発明の消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法は、電力需要家の給電線引込口付近において消費電力あるいは電流の時系列データを測定し、当該測定された時系列データに対してスペクトル解析を行い、当該スペクトル解析により得られるスペクトルのパターンに基づいて消費電力の変動が頻繁に起こる対象電気機器の動作状態を推定するものである。この本発明方法は、図１に示すように、消費電力の変動が頻繁に起こる電気機器の動作状態を推定するモニタリングシステムとして装置化される。即ち、このモニタリングシステム１は、電力需要家２の給電線引込口付近に設置されて消費電力あるいは電流の時系列データを測定する測定センサー４と、測定センサー４で測定された時系列データに対してスペクトル解析を行うスペクトル解析実行手段５と、スペクトル解析実行手段５により得られたスペクトルのパターンに基づいて対象電気機器の動作状態を推定する推定手段６とを備えるようにしている。
【００１５】
対象電気機器とは、電力需要家２の屋内に設置されている電気機器のうち消費電力の変動が頻繁に起こる電気機器であって、モニタリングシステム１が動作状態の推定対象とする電気機器である。例えば本実施形態では、電力需要家２の屋内の給電線下流には、電気機器として、テレビジョン受像機３ａ、冷蔵庫３ｂ、エアコンデショナー３ｃ、白熱灯や蛍光灯などの照明機器３ｄ、洗濯機３ｅ、炊飯器３ｆ等が接続されているものとする。消費電力の変動が頻繁に起こる電気機器としては、洗濯動作時において反転を繰り返す洗濯機３ｅや、釜を熱するヒータを頻繁にオン・オフする炊飯器３ｆが挙げられる。テレビジョン受像機３ａ、冷蔵庫３ｂ、エアコンディショナー３ｃ、照明機器３ｄは、消費電力の変動が無いか、或いは消費電力が変動しても当該変動の周期が洗濯機３ｅや炊飯器３ｆと比較してずっと長い。本実施形態では、対象電気機器を洗濯機３ｅおよび炊飯器３ｆとした例について説明する。ただし、対象電気機器は、本例に限定されるものではない。また、対象電気機器は単数または単一種に限られず、複数または複数種であっても良い。尚、電気機器が接続される電力需要家２に設置されている電気機器は、家庭内コンセントに接続され、電力量計から給電線（即ち、引込線７及び電柱８に架設された電線）を介して電気事業者等の電力系統に接続されている。
【００１６】
本実施形態の測定センサー４は、電力需要家２の建物外、例えば電力需要家２の給電線引込口あるいは電力量計の一箇所に設置している。このように測定センサー４を引込口付近に一箇所に設置する構成とすることにより、モニタリングシステム１は非侵入的なシステムとなる。即ち、対象電気機器に測定センサー４を直接取り付ける必要がないため、モニタリングシステム１を電力需要家２に導入するに際して、プライバシーの侵害等の問題は無く、また追加の配線等を施す工事が少なくて済む。
【００１７】
本実施形態の測定センサー４は、例えば電力需要家２の給電線引込口付近において総消費電力を測定する電力計としている。この電力計としては、有効電力を測定するための周知の計器（例えば、電流力計を用いたもの、誘導形（移動磁界）を利用したもの、ホール効果を利用したもの、熱電対やダイオードの二乗特性や時分割乗算回路などを利用したものなど）を用いて良く、電力計の構成が特に限定されるものではない。
【００１８】
ここで、本実施形態では、測定センサー４による時系列データの測定において、最初の測定時刻から最後の測定時刻までの時間を測定時間幅と呼び、測定時間幅内におけるサンプリングの間隔（ある測定時刻から次の測定時刻まで時間）を測定時間間隔と呼ぶ。測定時間間隔および測定時間幅は、例えば、消費電力あるいは電流の時系列データのスペクトルのパターンに、対象電気機器の特徴が表れ得るように設定することが好ましい。本発明者等が種々実験検討した結果、測定時間間隔を１秒とし、測定時間幅を５分から１０分としたところ、洗濯機３ｅの消費電力の時系列データのスペクトルのパターンおよび炊飯器３ｆの消費電力の時系列データのスペクトルのパターンに、他の電気機器とは明確に区別できる特徴が表れることが知見された。そこで、本実施形態では、測定時間間隔を１秒で一定とし、測定時間幅を５分から１０分としている。ただし、これらの値は好適な例であって、測定時間間隔および測定時間幅が本実施形態の例に限定されるものではない。
【００１９】
本実施形態のスペクトル解析実行手段５は、スペクトル解析（フーリエ解析とも呼ばれる）を実行する手段であり、入力信号を周期（もしくは周波数）成分毎に分解して当該成分の大きさを求める手段である。スペクトル解析実行手段５が実行するスペクトル解析には、例えばフーリエ変換やパワースペクトル解析等の既知の方法を採用して良い。例えば本実施形態のスペクトル解析実行手段５は、入力信号としての消費電力の時系列データを、周期成分毎に分解し、各周期成分の大きさをスペクトルとして算出する手段として構成される。尚、スペクトル解析実行手段５は、入力信号としての消費電力の時系列データを、周期成分毎に分解し、各周期成分の大きさをパワースペクトル密度として算出する手段であっても良い。この場合は、周期成分毎のパワースペクトル密度が、スペクトル解析実行手段５により得られるスペクトルのパターンとなる。また、周期の刻み幅は必ずしも整数値でなくても良い。例えば、周期の値とスペクトルの値との関係を示すグラフ（図３，図５参照）を滑らかに描くことができるように、周期の刻み幅を調整しても良い。このようなスペクトル解析実行手段５は、例えば上記演算内容を実行する電子回路を実装した専用機として構成しても良く、或いは例えば汎用計算機（コンピュータ）に上記演算内容を実行させるソフトウェアを実装することにより構成しても良い。
【００２０】
本実施形態の推定手段６は、対象電気機器が動作している場合に表れる消費電力の時系列データのスペクトルのパターンが予め記憶されているデータベース９を有し、スペクトル解析実行手段５により得られたスペクトルのパターンとデータベース９に予め記憶されているスペクトルのパターンとのパターンマッチングを行い、当該パターンマッチングの結果に基づいて対象電気機器の動作状態を推定するようにしている。
【００２１】
この推定手段６は、例えば、中央演算処理部（ＣＰＵ）、主記憶装置、外部記憶装置、スペクトル解析実行手段５等との通信インターフェースなどのハードウェア資源と、これらのハードウェア資源を制御するオペレーティングシステムと、対象電気機器が動作している場合に表れる消費電力の時系列データのスペクトルのパターンを外部記憶装置に記憶してデータベース９を構築する処理と、スペクトル解析実行手段５により得られたスペクトルのパターンとデータベース９に記憶されているスペクトルのパターンとのパターンマッチング処理とを実行するデータベース管理システムなどのソフトウェア資源とを有するコンピュータとして構成される。
【００２２】
データベース９は、例えば次のようにして予め構築される。即ち、対象電気機器のみを稼動させ、測定センサー４により消費電力の時系列データを測定時間間隔を１秒で且つ測定時間幅を５分から１０分として測定し、スペクトル解析実行手段５により当該時系列データのスペクトルのパターンを得て、当該スペクトルのパターンと稼動させた対象電気機器を特定する情報とを関連付けてデータベース９に格納する。
【００２３】
例えば本実施形態では、洗濯機３ｅのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が洗濯機３ｅであることを示すコードとの組と、炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が炊飯器３ｆであることを示すコードとの組と、洗濯機３ｅおよび炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンと稼動させた対象電気機器が洗濯機３ｅおよび炊飯器３ｆであることを示すコードとの組とをデータベース９に格納するようにしている。ただし、洗濯機３ｅおよび炊飯器３ｆを組み合わせて稼動させる必要は必ずしもない。例えば、推定手段６としてのコンピュータが有する演算機能により、複数種の対象電気機器をそれぞれ単独で稼動させた場合のスペクトルのパターンを種々の組み合わせで重ね合わせて、複数種の対象電気機器の種々の組み合わせに対応するスペクトルのパターンを得るようにしても良い。例えば、洗濯機３ｅのみを稼動させた場合におけるスペクトルのパターンと、炊飯器３ｆのみを稼動させた場合におけるスペクトルのパターンとを重ね合わせたパターンを、推定手段６としてのコンピュータが有する演算機能により得て、当該得られたパターンと対象電気機器が洗濯機３ｅおよび炊飯器３ｆであることを示すコードとの組をデータベース９に格納するようにしても良い。この場合、複数種の対象電気機器を組み合わせて種々の動作状態状況を作る必要が無く、複数種の対象電気機器を組み合わせた種々の動作状態状況に対応するスペクトルのパターンを自動生成することができる。
【００２４】
図２は、洗濯機３ｅのみを稼動させた場合における測定センサー４により得られた消費電力の時系列データ（１２８秒間）を示す。図３は、図２に示す時系列データを入力信号としてスペクトル解析実行手段５により得られた周期成分毎のスペクトルを示す。また、図４は、炊飯器３ｆのみを稼動させた場合における測定センサー４により得られた消費電力の時系列データ（１２８秒間）を示す。図５は、図４に示す時系列データを入力信号としてスペクトル解析実行手段５により得られた周期成分毎のスペクトルを示す。図２および図４から、消費電力が頻繁に変動していることが確認できる。尚、スペクトル解析実行手段５が実行するスペクトル解析には、ＦＦＴ（高速フーリエ変換）を用いた。
【００２５】
例えば本実施形態では、スペクトル解析実行手段５により得られたスペクトルの値（数値データ）を周期順に並べてデータ系列を作成し、当該データ系列をスペクトルのパターンとしてデータベース９に格納するようにしている。但し、周期の値とスペクトルの値との関係を表すグラフ（画像データ）をスペクトルのパターンとしてデータベース９に格納するようにしても良く、或いは当該グラフの特徴を抽出して当該特徴をスペクトルのパターンとしてデータベース９に格納するようにしても良い。例えば、図３に示すように、洗濯機３ｅのみを稼動させた場合における周期の値とスペクトルの値との関係を表すグラフには、周期の値が２．５秒、３．３秒、７．５秒であるときに、スペクトルが突出している（即ちピークを形成している）という特徴があることが分かる。
【００２６】
消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器（例えば冷蔵庫３ｂやテレビジョン受像機３ａなど）では、比較的短い周期（例えば１０秒以下程度）においてスペクトルの値が突出する（即ちピークが形成される）という特徴が表れることはない。したがって、当該特徴の有無を捉えることで、消費電力が頻繁に変動する電気機器である対象電気機器が動作しているか否かを推定することが可能となる。さらに、種類が異なる対象電気機器間では、例えば洗濯機３ｅと炊飯器３ｆとでは、周期の値とスペクトルの値との関係を表すグラフのピークの数や位置或いは大きさ等に差異がある。したがって、当該差異点を捉えることで、複数種の対象電気機器が存在する場合でも、どの対象電気機器が動作しているかを推定することが可能となる。
【００２７】
本実施形態の推定手段６によるパターンマッチング処理は、例えば次のようにして行う。即ち、スペクトル解析実行手段５から推定手段６に周期成分毎のスペクトルの値が入力されると、推定手段６では、当該スペクトルの値を周期順に並べてデータ系列を作成し、当該データ系列を入力のスペクトルのパターン（以下、入力パターンと呼ぶ）として、当該パターンと一致するものを、データベース９から検索する。ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合に一致とみなすようにしても良い。例えば、本実施形態の推定手段６では、入力パターンとデータベース９に格納されているスペクトルのパターン（以下、格納パターンと呼ぶ）との相関係数を求めて、当該相関係数の値が予め定めた値以上となる場合に、入力パターンと格納パターンとが一致していると判断するようにしている。
【００２８】
尚、推定手段６によるパターンマッチング処理は、上記の例に限定されるものではなく、例えば次のように処理しても良い。例えば、データベース９に、対象電気機器についての周期の値とスペクトルの値との関係を表すグラフのピークにおける周期の値とスペクトルの値とを、格納パターンとして予め格納しておく。そして、スペクトル解析実行手段５から推定手段６に周期成分毎のスペクトルの値が入力されると、推定手段６では当該入力データのうちピークを形成するスペクトルの値と当該スペクトルの値に対応する周期の値とを、入力パターンとして抽出する。ピークが複数表れる場合には、全てのピークについてスペクトルの値と当該スペクトルの値に対応する周期の値とを抽出する。次に推定手段６では、このように抽出されたスペクトルのパターン（入力パターン）と一致するものを、データベース９から検索する。ここでいう一致とは、必ずしも完全一致には限られず、類似範囲にある場合（例えば入力パターンと格納パターンとの差が予め定めた許容範囲にある場合に）に一致とみなすようにしても良い。
【００２９】
以上のように構成されるモニタリングシステム１によれば、例えば次のようにして対象電気機器の動作状態を非侵入的な方法で推定する。先ず、測定センサー４では、電力需要家２の家屋内に入らない非侵入的な方法で、消費電力の時系列データを、測定時間間隔を１秒で且つ測定時間幅を５分から１０分として測定する。次に、スペクトル解析実行手段５では、当該測定された時系列データに対してスペクトル解析を行い、周期成分毎のスペクトルを推定手段６に対して出力する。次に、推定手段６では、入力された周期成分毎のスペクトルを周期順に並べて入力パターンとし、データベース９に予め格納されている格納パターンの中に当該入力パターンと一致するものが有るか検索する。
【００３０】
検索の結果、一致する格納パターンがあった場合は、当該格納パターンに関連付けられて記憶されているコードに対応する対象電気機器が、動作状態にある（即ち、電源オンの状態にある）と推定される。一方、入力パターンと一致する格納パターンがなかった場合は、対象電気機器は電源オフの状態にあると推定される。尚、当該推定結果は、ディスプレイやプリンタ等の出力装置に出力するようにしても良く、或いは推定手段６が備える外部記憶装置に記憶するようにしても良く、或いは通信回線（例えば電話回線、光ファイバ専用回線、ＰＨＳ等）を介して遠隔の情報処理装置に送信するようにしても良い。当該推定結果は、電力需要家２自身が利用できる以外に、通信回線を経由して電力会社やＥＳＣＯ（Energy Service Company）等が利用できる。
【００３１】
２１世紀初頭には、需要家情報ネットワークが整備され、多用な情報サービスが電力需要家２へ提供されると同時に、電力需要家２の側の情報もネットワークを通して収集され、これらの情報は電気事業者等の経営にも反映されてゆくものと期待される。例えば、電気事業者にとって電力需要家２の側の重要な情報の一つに電力需要家２が保有する電気機器の構成や使用実態に関する情報があるが、これらはＤＳＭ（Demand Side Management）の効果評価、潜在需要の予測、需要変化の予測、負荷率低下（悪化）の要因分析、きめ細かな季時別料金システムの構築、電力需要家２への各種サービスの提供等を行う上で必要不可欠である。本発明のモニタリングシステム１は、上述したニーズに応えることができる有力なシステムの一つである。
【００３２】
また、本発明の消費電力の変動が頻繁に起こる電気機器のモニタリングシステム１と、従来の電気機器モニタリングシステム（特開平２０００−２９２４６５号公報等参考）を組み合わせて用いることもできる。即ち、従来の電気機器モニタリングシステムでは動作状態の特定が困難となる消費電力の変動が頻繁に起こる電気機器については、本発明のモニタリングシステム１で動作状態を推定し、消費電力の変動が無いか或いは消費電力が変動しても当該変動の周期が長い電気機器については、従来の電気機器モニタリングシステムで動作状態を推定する、といったことが可能となる。これにより、信頼性の高い電気機器モニタリングシステムを構築できる。
【００３３】
なお、上述の実施形態は本発明の好適な実施の一例ではあるがこれに限定されるものではなく、本発明の要旨を逸脱しない範囲において種々変形実施可能である。例えば、上述の実施形態では、測定センサー４は消費電力を測定するものを用いたが、測定センサー４が測定対象とするデータは、必ずしも消費電力に限られない。測定センサー４が測定対象とするデータは、対象電気機器が動作していることに起因する消費電力の頻繁な変動が反映され得るデータであれば良い。
【００３４】
例えば、測定センサー４を電流を測定する電流計としても良い。電流計としては、電流を測定するための周知の計器を用いて良い。測定センサー４により電流の時系列データを測定する場合も上述の実施形態と同様に、当該測定した電流の時系列データにスペクトル解析を施すことにより得られるスペクトルのパターンには、対象電気機器の動作状態を推定できる特徴が表れる。また、測定センサー４は、力率または無効電力を測定する計器であっても良い。
【００３５】
本明細書でいう電力需要家２の給電線引込口付近において測定する「消費電力あるいは電流の時系列データ」には、対象電気機器が動作していることに起因する消費電力の頻繁な変動が反映され得るデータ全般（例えば消費電力、電流、力率、無効電力など）が含まれる。そして、測定センサー４は、そのようなデータを測定できる手段であれば良い。
【００３６】
また、例えば推定手段６として、学習機能を有し、消費電力あるいは電流の時系列データのスペクトルのパターンとその時の解答である対象電気機器の動作状態とが教師データとして与えられて予め学習が行われており、スペクトル解析実行手段５により得られたスペクトルのパターンから対象電気機器の動作状態をパターン認識によって推定するものを採用しても良い。
【００３７】
このような推定手段６は、例えば帰納学習能力を有するニューラルネットワーク（ニューロコンピュータとも呼ばれる）として実現できる。ニューラルネットワークは、人間の脳の神経細胞を模倣した情報処理システムであり、神経細胞（ニューロン）にあたるユニットを、ネットワーク状に多数結合した構造になっている。各ユニットは、結合された他のユニットからの入力の総和に応じて、出力を発生する。この時、結合の強さ（重み付け）を調整することで、全体の入力に対して最善の出力が得られるように、ニューラルネットワークを学習させることができる。
【００３８】
推定手段６としてのニューラルネットワークの学習は、例えば次のようにして行う。即ち、電力需要家２内に存在する対象電気機器を含む複数の電気機器個々につけられたスイッチを入り切りして、複数の電気機器が種々の動作状態となる状況を作る。当該状況のそれぞれについて、即ち複数の電気機器の種々の動作状態の各組み合わせについて、測定センサー４とスペクトル解析実行手段５とを用いて、消費電力あるいは電流の時系列データのスペクトルのパターン（例えば周期成分毎のスペクトル）を得るようにする。そして、当該得られた種々のスペクトルのパターンと、各パターンに対応した解答である対象電気機器の動作状態（例えば、どの対象電気機器の電源がオンまたはオフの状態であったか等）とを、教師データとしてニューラルネットワークに与えて、学習を行う。尚、ニューラルネットワークによる推定精度を向上させるための学習を、電力需要家２の外部から電話回線、光ファイバー専用回線等を利用して外部から行うようにしても良い。このようにしてニューラルネットワークを教師データで学習させた後に、実際に電力需要家２の対象電気機器の動作状態の推定を行うことになる。
【００３９】
この場合、モニタリングシステム１では、例えば次のようにして対象電気機器の動作状態を非侵入的な方法で推定する。測定センサー４では、電力需要家２の家屋内に入らない非侵入的な方法で消費電力あるいは電流の時系列データを測定する。尚、測定時間間隔および測定時間幅は、例えば上述の実施形態と同様として良い。次に、スペクトル解析実行手段５では当該測定された時系列データに対してスペクトル解析を行い、スペクトルのパターン（例えば周期成分毎のスペクトル）を推定手段６に対して出力する。推定手段６では、当該スペクトルのパターンが入力されると、学習時に与えられた教師データおよび学習によって得られた推定能力によってパターン認識を行い、入力されたスペクトルのパターンの解答である対象電気機器の動作状態の推定結果（例えば、どの対象電気機器の電源がオンまたはオフの状態にあるか）を出力する。尚、当該推定結果は、ディスプレイやプリンタ等の出力装置に出力するようにしても良く、或いは推定手段６が備える外部記憶装置に記憶するようにしても良く、或いは通信回線（例えば電話回線、光ファイバ専用回線、ＰＨＳ等）を介して遠隔の情報処理装置に送信するようにしても良い。当該推定結果は、電力需要家２自身が利用できる以外に、通信回線を経由して電力会社やＥＳＣＯ（Energy Service Company）等が利用できる。
【００４０】
尚、推定手段６のパターン認識のアルゴリズムは必ずしもニューラルネットワークを利用したものに限られず、その他の既知または新規のアルゴリズムを採用して良い。
【００４１】
【発明の効果】
以上の説明から明らかなように、請求項１および２に記載の本発明によれば、消費電力の変動が頻繁に起こる電気機器が稼動することにより表れる消費電力あるいは電流の時系列データのスペクトルのパターンの特徴に着目し、従来のモニタリングシステムでは動作状態の推定が困難であった消費電力の変動が頻繁に起こる電気機器の動作状態を、非侵入的な方法で推定することができる効果がある。
【００４２】
さらに、請求項３記載の本発明によれば、データベース技術を応用することにより、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定することができる。
【００４３】
さらに、請求項４記載の本発明によれば、ニューラルネットワーク等のパターン認識手法を応用することにより、消費電力の変動が頻繁に起こる電気機器の動作状態を非侵入的な方法で推定することができる。
【図面の簡単な説明】
【図１】本発明の消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法およびモニタリングシステムの実施の一形態を示す概略構成図である。
【図２】洗濯機のみを稼動させた場合における消費電力の時系列データを示し、縦軸は消費電力［Ｗ］を、横軸は時間経過［秒］を示す。
【図３】図２における消費電力の時系列データについてスペクトル解析を行った結果を示し、縦軸はスペクトル［Ｗ］を、横軸は周期成分［秒］を示す。
【図４】炊飯器のみを稼動させた場合における消費電力の時系列データを示し、縦軸は消費電力［Ｗ］を、横軸は時間経過［秒］を示す。
【図５】図４における消費電力の時系列データについてスペクトル解析を行った結果を示し、縦軸はスペクトル［Ｗ］を、横軸は周期成分［秒］を示す。
【符号の説明】
１ モニタリングシステム
２ 電力需要家
４ 測定センサー
５ スペクトル解析実行手段
６ 推定手段
９ データベース
Claims (4)
- 消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定する方法であり、前記電力需要家の給電線引込口付近において消費電力あるいは電流の時系列データを測定し、当該測定された時系列データに対してスペクトル解析を行い、当該スペクトル解析により得られるスペクトルのパターンに基づいて前記対象電気機器の動作状態を推定することを特徴とする消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法。
- 消費電力の変動が頻繁に起こる対象電気機器の動作状態を電力需要家の家屋内に入らずに推定するモニタリングシステムであり、前記電力需要家の給電線引込口付近に設置されて消費電力あるいは電流の時系列データを測定する測定センサーと、前記測定センサーで測定された時系列データに対してスペクトル解析を行うスペクトル解析実行手段と、前記スペクトル解析実行手段により得られたスペクトルのパターンに基づいて前記対象電気機器の動作状態を推定する推定手段とを備えることを特徴とする消費電力の変動が頻繁に起こる電気機器のモニタリングシステム。
- 前記推定手段は、前記対象電気機器が動作している場合に表れる消費電力あるいは電流の時系列データのスペクトルのパターンが予め記憶されているデータベースを有し、前記スペクトル解析実行手段により得られたスペクトルのパターンと前記データベースに予め記憶されているスペクトルのパターンとのパターンマッチングを行い、当該パターンマッチングの結果に基づいて前記対象電気機器の動作状態を推定することを特徴とする請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステム。
- 前記推定手段は、学習機能を有し、消費電力あるいは電流の時系列データのスペクトルのパターンとその時の解答である前記対象電気機器の動作状態とが教師データとして与えられて予め学習が行われており、前記スペクトル解析実行手段により得られたスペクトルのパターンから前記対象電気機器の動作状態をパターン認識によって推定することを特徴とする請求項２記載の消費電力の変動が頻繁に起こる電気機器のモニタリングシステム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002214182A JP3892358B2 (ja) | 2002-07-23 | 2002-07-23 | 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002214182A JP3892358B2 (ja) | 2002-07-23 | 2002-07-23 | 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004056969A JP2004056969A (ja) | 2004-02-19 |
| JP3892358B2 true JP3892358B2 (ja) | 2007-03-14 |
Family
ID=31936572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002214182A Expired - Fee Related JP3892358B2 (ja) | 2002-07-23 | 2002-07-23 | 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3892358B2 (ja) |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4433890B2 (ja) * | 2004-06-04 | 2010-03-17 | 三菱電機株式会社 | 電気機器稼動状態推定システムおよび電気機器稼動状態推定用データベース構築方法 |
| JP4977648B2 (ja) * | 2008-06-16 | 2012-07-18 | Ｎｅｃシステムテクノロジー株式会社 | 機器判別装置、プログラム、および、方法 |
| CN102341984B (zh) * | 2009-01-26 | 2015-01-14 | 吉尼瓦洁净技术公司 | 电源输送网络中校正功率因子及减少失真与噪音的方法和仪器 |
| JP5218453B2 (ja) * | 2009-04-10 | 2013-06-26 | オムロン株式会社 | 設備運転状態計測装置、設備運転状態計測方法、および制御プログラム |
| US8156055B2 (en) * | 2009-05-04 | 2012-04-10 | ThinkEco, Inc. | System and method for utility usage, monitoring and management |
| KR101652109B1 (ko) * | 2009-07-22 | 2016-08-29 | 엘지전자 주식회사 | 전력 모니터링 장치 |
| WO2011091441A1 (en) * | 2010-01-25 | 2011-07-28 | Geneva Cleantech Inc. | Methods and apparatus for power factor correction and reduction of distortion in and noise in a power supply delivery network |
| JP5119503B2 (ja) * | 2010-02-25 | 2013-01-16 | Ｎｅｃシステムテクノロジー株式会社 | 電力供給システム、電力供給方法、ならびに、プログラム |
| JP5392155B2 (ja) * | 2010-03-12 | 2014-01-22 | オムロン株式会社 | エネルギー属性判別装置、およびエネルギー属性判別方法 |
| TWI423549B (zh) * | 2010-07-02 | 2014-01-11 | Univ Nat Chiao Tung | 辨識電器狀態的電力監測裝置及其電力監測方法 |
| JP2012055100A (ja) * | 2010-09-02 | 2012-03-15 | Yazaki Corp | 使用電気機器判断装置及び使用電気機器判断方法 |
| US9523718B2 (en) | 2010-09-22 | 2016-12-20 | Philips Lighting Holding B.V. | Disaggregation apparatus for identifying an appliance in an electrical network |
| US8825215B2 (en) * | 2010-11-17 | 2014-09-02 | General Electric Company | Power consumption compliance monitoring system and method |
| JP5627486B2 (ja) * | 2011-01-31 | 2014-11-19 | 三菱電機株式会社 | 信号発生装置及び機器動作検出システム |
| JP5627487B2 (ja) * | 2011-01-31 | 2014-11-19 | 三菱電機株式会社 | 信号発生装置、機器動作検出装置、機器動作検出システム、機器動作検出方法、及びプログラム |
| KR101135985B1 (ko) | 2012-01-20 | 2012-04-17 | 굿어스 주식회사 | 전력 모니터링 시스템 |
| JP5727949B2 (ja) * | 2012-01-23 | 2015-06-03 | 日本電信電話株式会社 | 電流波形識別装置 |
| WO2013157294A1 (ja) * | 2012-04-18 | 2013-10-24 | ソニー株式会社 | 電気機器の動作状態推定装置、電気機器の動作状態推定方法、プログラム、電気機器の特徴ベクトル登録装置、電気機器の特徴ベクトル登録方法、サーバ装置および電気機器の動作状態推定システム |
| JP5520338B2 (ja) * | 2012-05-16 | 2014-06-11 | 日本電信電話株式会社 | 電気機器検出および電力消費量モニタリングシステム |
| JP2014075964A (ja) * | 2012-09-11 | 2014-04-24 | Ricoh Co Ltd | 種類判定装置、種類判定方法およびプログラム |
| TWI489230B (zh) * | 2012-12-03 | 2015-06-21 | Inst Information Industry | 電力監控裝置及其電力分析方法 |
| CN105308827B (zh) * | 2013-06-14 | 2018-11-20 | 飞利浦灯具控股公司 | 用于在多组电网中使用的解聚装置 |
| CN105717355A (zh) * | 2014-07-11 | 2016-06-29 | 英科德技术股份有限公司 | 用于能量测量的装置、服务器、系统和方法 |
| JP2016102775A (ja) * | 2014-11-12 | 2016-06-02 | 日本電信電話株式会社 | 電気機器の動作状態同定方法及びシステム |
| JP6607252B2 (ja) * | 2015-03-31 | 2019-11-20 | 日本電気株式会社 | データ処理装置、データ処理方法、及び、プログラム |
| KR101717849B1 (ko) * | 2015-07-28 | 2017-03-17 | 엘에스산전 주식회사 | 전력 측정 시스템 및 이를 이용한 부하 전력 모니터링 시스템 및 그 동작 방법 |
| JP6719753B2 (ja) * | 2016-05-16 | 2020-07-08 | 清水建設株式会社 | デマンド要因分析システムおよびデマンド要因分析方法 |
| JP6318276B2 (ja) * | 2017-02-10 | 2018-04-25 | サターン ライセンシング エルエルシーＳａｔｕｒｎ Ｌｉｃｅｎｓｉｎｇ ＬＬＣ | 情報処理装置及び情報処理方法 |
| JP7473890B2 (ja) * | 2019-07-30 | 2024-04-24 | 双葉電機工業株式会社 | 制御状態監視システムおよびプログラム |
| CN113533875B (zh) * | 2020-04-22 | 2024-02-23 | 释普信息科技（上海）有限公司 | 智能化判断实验室设备运行状态及计算设备利用率的方法 |
-
2002
- 2002-07-23 JP JP2002214182A patent/JP3892358B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004056969A (ja) | 2004-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3892358B2 (ja) | 消費電力の変動が頻繁に起こる電気機器の動作状態を推定する方法および消費電力の変動が頻繁に起こる電気機器のモニタリングシステム | |
| Mengistu et al. | A cloud-based on-line disaggregation algorithm for home appliance loads | |
| Weiss et al. | Leveraging smart meter data to recognize home appliances | |
| EP3589962B1 (en) | An appliance operation signal processing system and method | |
| EP1296147B1 (en) | System and method for estimating power consumption of electric apparatus, and abnormality alarm system utilizing the same | |
| Berges et al. | Enhancing electricity audits in residential buildings with nonintrusive load monitoring | |
| US8447541B2 (en) | Energy usage monitoring with remote display and automatic detection of appliance including graphical user interface | |
| JP5604089B2 (ja) | 消費電力計測システム、制御装置、及び消費電力計測方法 | |
| EP2579050B1 (en) | Utility metering | |
| US9020769B2 (en) | Automatic detection of appliances | |
| JP3877269B2 (ja) | 電気機器モニタリングシステム及びこれを利用した異常警告システム | |
| US8694291B2 (en) | System and method of waveform analysis to identify and characterize power-consuming devices on electrical circuits | |
| Cox et al. | Transient event detection for nonintrusive load monitoring and demand side management using voltage distortion | |
| US20120278014A1 (en) | Method and apparatus for monitoring power consumption | |
| CN111242391B (zh) | 用于电力负荷识别的机器学习模型训练方法及系统 | |
| Yu et al. | Nonintrusive appliance load monitoring for smart homes: Recent advances and future issues | |
| US10114050B2 (en) | Utility consumption identification | |
| US20140005853A1 (en) | Method and system for monitoring electrical load of electric devices | |
| JP6290868B2 (ja) | 電力監視システムおよび電力監視方法 | |
| US20130204399A1 (en) | Determining an indication of a background level of utility consumption | |
| GB2464634A (en) | Utility Meter | |
| JP5727949B2 (ja) | 電流波形識別装置 | |
| CN109447473B (zh) | 一种电力负荷监测方法、装置、设备及可读存储介质 | |
| US10942205B2 (en) | Method and system for analyzing electricity consumption | |
| Nardello et al. | A low-cost smart sensor for non intrusive load monitoring applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20041022 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050225 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060621 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060818 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061129 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061206 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101215 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101215 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111215 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131215 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |