WO2022025743A1 - Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique - Google Patents
Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique Download PDFInfo
- Publication number
- WO2022025743A1 WO2022025743A1 PCT/MA2021/050012 MA2021050012W WO2022025743A1 WO 2022025743 A1 WO2022025743 A1 WO 2022025743A1 MA 2021050012 W MA2021050012 W MA 2021050012W WO 2022025743 A1 WO2022025743 A1 WO 2022025743A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- monitoring
- bimodal
- devices
- consumption
- intrusive
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
Definitions
- the present invention relates to the measurement of electrical variables; measurement of magnetic variables of the METROLOGY class; TESTS and more particularly to the sub-classes: - Electromechanical arrangements for measuring the integral over time of a power or an electric current, eg consumption.
- NILM systems are mainly developed for the acquisition of global consumption with a high sampling frequency (Raingeaud, 2016), with precise control of the instances of switching on and off of the devices (Meziane, 2016 ) for the analysis of transient states of devices, or in the context of a system encompassing different sensors (light level, sound intensity, humidity level, vibration, etc.) in synchronization with those for describing the consumption of electricity (Anderson, 2012).
- the acquisition of the global consumption with a high sampling frequency over a long duration is essential.
- a major problem is faced: how to store and process a very large amount of data?
- the present invention aims to remedy these drawbacks. More particularly, the present invention aims to provide a system incorporating non-intrusive bimodal monitoring allowing conditional acquisition based on the detection of various events relating to the operation of the connected devices. When no event is detected (ie, low frequency mode), the acquisition is made by a low sampling frequency; once an event is detected, an acquisition with a better sampling frequency is triggered (high frequency mode) for a specific duration in order to capture the discriminating characteristics relating to each device. The identification of the devices is thus completed by injecting these high frequency sequences into the classification model.
- no event ie, low frequency mode
- the acquisition is made by a low sampling frequency
- an acquisition with a better sampling frequency is triggered (high frequency mode) for a specific duration in order to capture the discriminating characteristics relating to each device.
- the identification of the devices is thus completed by injecting these high frequency sequences into the classification model.
- the subject of the invention is an intelligent system for the detection and identification of devices in operation using non-intrusive bimodal monitoring of the electrical signal, characterized by:
- Said system collects the overall electricity consumption of the room through a processing unit, a current sensor, and a voltage sensor.
- Said system processes the collected data describing the devices used in order to provide information and propose recommendations on its consumption.
- Said system incorporates a non-intrusive approach for acquiring and processing the overall electrical consumption from the single-phase or three-phase electrical panel supplying a room.
- This system mainly comprises said processing unit, said current and voltage sensors and the display interface.
- Said processing unit begins by reading user inputs describing the average power of each device available in its premises from their nameplates.
- the low frequency mode corresponding to the low frequency acquisition (e.g., ⁇ 10Hz) then starts by default, with the event detection algorithm. Once the latter detects an event, the high frequency mode corresponding to the high frequency acquisition (e.g., 50kHz) is executed for a specific duration (e.g. two seconds). This duration is the minimum acceptable duration between two instances of events (corresponding to the use of the devices).
- the data sequences acquired during this time i.e., current and voltage waveforms) are the only ones to be stored.
- Said smart device identification (in parallel with acquisition) is done through a pre-trained artificial intelligence classification model capable of to carry out a multi-label classification, that is to say to identify several peers ⁇ device name, operating status ⁇ at the same time from the overall consumption.
- the devices and their states (ON or OFF) identified are then retained in a measurement file with the date and time of detection.
- ( P x ) represents the value of the power of (x) defined by the user beforehand.
- Figure 1 Flowchart describing the operation of the system.
- Raingeaud M. N. M. a. T.P.a. P.R.a. G.L.a. J.L.B.a. Y., 2016. A measurement System for creating datasets of on/off-controlled electrical loads. Florence, Italy, IEEE, pp. 1--5.
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Selective Calling Equipment (AREA)
Abstract
L'invention a pour objet une méthode et système intelligent pour la détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique. La méthode de surveillance bimodale non-intrusive permettant une acquisition conditionnelle fondée sur la détection de différents évènements se rapportant avec le fonctionnement des appareils connectées. Lors qu'aucun évènement n'est détecté (i.e., mode basse fréquence), l'acquisition est faite par une fréquence d'échantillonnage basse; une fois un évènement est détecté, une acquisition avec une meilleure fréquence d'échantillonnage est déclenchée (mode haute fréquence) pour une durée spécifique afin de capturer les caractéristiques discriminantes relatives à chaque appareil.
Description
Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrigue
Description
Domaine de la technique
La présente invention se rapporte à la mesure des variables électriques ; mesure des variables magnétiques de la classe MÉTROLOGIE ; ESSAIS et plus particulièrement aux sous classes : - Dispositions électromécaniques pour la mesure de l'intégrale dans le temps d'une puissance ou d'un courant électrique, p.ex. de la consommation.
Etat de l'art
Plusieurs systèmes existent pour l'estimation de la consommation d'électricité et ainsi l'identification des équipements dans différents scénarios d'utilisation. En général, il existe deux démarches principales pour achever à ce but. Une méthode classique qui consiste à installer des systèmes de monitoring sur chaque équipement existant dans le même local. Même si l'estimation singulière de la consommation est plus directe et possible, l'achat, la maintenance et la gestion des données prévenantes de tous les noeuds sont difficiles. L'utilisation d'un simple wattmètre ou ampèremètre est plus pratique dans ce cas, mais nécessitant une expérience et connaissance préalable avant l'intervention. Ils existent d'autres système qui se basent sur une méthode moins chère mais plus exigeante consistant à exploiter la consommation totale du local pour estimer l'énergie consommée par chaque équipement. Il existe deux méthodes générales pour identifier les équipements responsables pour une consommation globale acquit par une acquisition non intrusive (NILM) : une basée sur la détection des évènements et une autre directe. La deuxième approche se rapporte avec l'utilisation des algorithmes de classification directement avec les données, lors que la première approche se rapport avec l'utilisation d'un des algorithmes de détection des évènements de changement d'état des appareils (e.g., ON/OFF) avant d'extraire des paramètres discriminants de chaque évènement détecté et les utiliser pour le traînage des modèles de classification.
Dans la littérature, les systèmes NILM sont principalement développés pour l'acquisition de la consommation globale avec une haute fréquence d'échantillonnage (Raingeaud, 2016), avec un contrôle précis des instances d'allumage et d'arrêt des appareils (Meziane, 2016) pour l'analyse des régimes transitoires des appareils, ou dans le contexte d'un système englobant différents capteurs (niveau de lumière, intensité du son, niveau d'humidité, vibration, etc.) en synchronisation avec ceux pour décrivant la consommation d'électricité (Anderson, 2012). Pour l'approche basée sur la détection des événements, l'acquisition de la consommation globale avec une haute fréquence d'échantillonnage sur une longue durée est essentielle. Or, avec les systèmes déjà mentionnés, un problème majeur est confronté : comment stocker et traiter un très grand nombre de données ? La nécessité à une grande capacité de stockage et ainsi capabilité de traitement des données augmente rapidement vu que la taille des fichiers de mesures dépende de la fréquence d'échantillonnage et de la durée d'acquisition.
La présente invention vise donc à remédier à ces inconvénients. Plus particulièrement la présente invention vise à prévoir un système incorporant une surveillance bimodale non- intrusive permettant une acquisition conditionnelle fondée sur la détection de différents évènements se rapportant avec le fonctionnement des appareils connectées. Lors qu'aucun évènement n'est détecté (i.e., mode basse fréquence), l'acquisition est faite par une fréquence d'échantillonnage basse ; une fois un évènement est détecté, une acquisition avec une meilleure fréquence d'échantillonnage est déclenchée (mode haute fréquence) pour une durée spécifique afin de capturer les caractéristiques discriminantes relatives à chaque appareil. L'identification des appareils est ainsi achevée en injectant ces séquences de haute fréquence au modelé de classification.
L'invention a pour objet un Système intelligent pour la détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique, caractérisé par :
• Ledit système collecte la consommation d'électricité globale du local par le biais d'une unité de traitement, un capteur de courant, et un capteur de tension.
• Ladite surveillance bimodale d'énergie agrégée se fait à différente fréquences d'échantillonnage selon la consommation.
• Ladite détection des évènements se fait par le biais d'un algorithme de détection approprié.
• Ladite identification intelligente des appareils est faite par le biais d'un modèle de classification d'intelligence artificielle.
• Ledit système traite les données collectées décrivant les appareils utilisés afin de donner des informations et proposer des recommandations sur sa consommation.
Ledit système incorpore une approche non intrusive d'acquisition et de traitement de la consommation électrique globale depuis le tableau électrique monophasé ou triphasé alimentant un local. Ce système comprend principalement ladite unité de traitement, lesdits capteur de courant et de tension et l'interface d'affichage.
-En référence à la figure 1, ledit système fonctionne suivant le processus suivant :
• Ladite unité de traitement commence par la lecture des entrées de l'utilisateur décrivant la puissance moyenne de chaque appareil disponible dans son local depuis leurs plaques signalétique.
• Le mode basse fréquence correspondant à l'acquisition basse fréquence (e.g., <10Hz) démarre ensuite par défaut, avec l'algorithme de détection d'évènements. Une fois ce dernier détecte un évènement, le mode haute fréquence correspondant à l'acquisition haute fréquence (e.g., 50kHz) est exécuté pour une durée spécifique (e.g. deux secondes). Cette durée est la durée minime acceptable entre deux instances d'évènements (correspondante à l'utilisation des appareils). Les séquences de données acquises durant cette durée (i.e., courant et tension waveforms) sont les seules à stocker.
• Ladite identification intelligente des appareils (en parallèle avec l'acquisition) se fait par le biais d'un modèle de classification pré-trainé d'intelligence artificielle capable
de faire une classification multi-label c'est-à-dire d'identifier plusieurs pairs {nom appareil, état du fonctionnement} à la fois depuis la consommation globale. Les appareils et leurs états (ON ou OFF) identifiés sont ensuite retenus dans un fichier de mesure avec la date et le temps de détection.
• Les paramètres statistiques, décrivant la consommation des résidents du local, sont calculés par ledit système en se base sur les pairs identifiés. Pour un appareil (x) durant un jour (i) : o Appareils les plus utilisés : Ledit système calcule la durée du fonctionnement
(Tf) de de (x) durant (i) suivant l'équation suivante :
Où t0Nxet t0FFxreprésentent les instances de l'identification de l'état ON et OFF de (x) identifiées durant (i) respectivement. o Appareils les plus consommateurs : Ledit système calcule la consommation de (x) durant (i) suivant l'équation suivante :
Où ( Px ) représente la valeur de la puissance de (x) définit par l'utilisateur en préalable.
Description des dessins
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description détaillée qui suit pour la compréhension de laquelle on se reportera aux dessins annexes dans lesquels
Figure 1 : Flowchart décrivant le fonctionnement du système.
Références
Anderson, K. a. O. A. a. B. D. a. C. D. a. R. A. a. B. M., 2012. BLUED: A fully labeled public dataset for event-based non-intrusive load monitoring research. Qiang Yang, ACM, pp. 1--5.
Meziane, M. N. a. P. T. a. R. P. a. L. G. a. L. B. J.-C. a. R. Y., 2016. COOLL: Controlled On/Off Loads Library, a Public Dataset of High-Sampled Electrical Signais for Appliance Identification. s.L, s.n.
Raingeaud, M. N. M. a. T. P. a. P. R. a. G. L. a. J. L. B. a. Y., 2016. A measurement System for creating datasets of on/off-controlled electrical loads. Florence, Italy, IEEE, pp. 1--5.
Claims
1. Méthode pour la détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique, constituée des étapes suivantes :
- Collecte des données sur la consommation d'électricité globale par le biais de capteur de courant et de tension.
- surveillance bimodale d'énergie agrégée à différentes fréquences d'échantillonnage selon la consommation.
- détection et identification des appareils moyennant un algorithme de détection.
- identification intelligente des appareils par le biais d'un modèle de classification d'intelligence artificielle
- traitement les données collectées décrivant les appareils utilisés afin de communiquer des informations et proposer des recommandations sur sa consommation.
2. Méthode selon la revendication précédente caractérisée en ce que l'échantillonnage se fait dans un premier temps à basse fréquence avant d'identifier les évènements.
3. Méthode selon la revendication précédente caractérisée en ce que l'échantillonnage se fait à haute fréquence lorsqu'un événement est identifié.
4. Méthode selon la revendication 1 caractérisée en ce que le modèle de classification pré- trainé d'intelligence artificielle est susceptible d'effectuer une classification multi-label c'est-à-dire d'identifier plusieurs pairs {nom appareil, état du fonctionnement} à la fois depuis la consommation globale.
5. Méthode selon la revendication précédente caractérisée en ce que la consommation des différents appareils est mesurée par le suivie du temps de fonctionnement et la puissance des appareils identifiées dans l'étape précédente.
6. Un système intelligent pour la détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique, composé de :
Capteurs de courant et de tension.
Unité de traitement des signaux des capteurs de courant et de tension, et d'indentification des évènements survenus selon un algorithme d'identification.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| MA50323 | 2020-07-29 | ||
| MA50323A MA50323B1 (fr) | 2020-07-29 | 2020-07-29 | Système intelligent pour la détection et l’identification des appareils en fonctionnement à l’aide d’une surveillance bimodale non-intrusive du signal électrique |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022025743A1 true WO2022025743A1 (fr) | 2022-02-03 |
Family
ID=78086021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/MA2021/050012 WO2022025743A1 (fr) | 2020-07-29 | 2021-09-03 | Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique |
Country Status (2)
| Country | Link |
|---|---|
| MA (1) | MA50323B1 (fr) |
| WO (1) | WO2022025743A1 (fr) |
-
2020
- 2020-07-29 MA MA50323A patent/MA50323B1/fr unknown
-
2021
- 2021-09-03 WO PCT/MA2021/050012 patent/WO2022025743A1/fr active Application Filing
Non-Patent Citations (2)
| Title |
|---|
| MARISA BATALHA ET AL: "Contributions to Electrical Energy Disaggregation in a Smart Home", 1 September 2013 (2013-09-01), XP055133488, Retrieved from the Internet <URL:https://www.cisuc.uc.pt/publication/showfile?fn=1398791801_PhDThesis-MarisaFigueiredo.pdf> [retrieved on 20140806] * |
| OSATHANUNKUL KITISAK ET AL: "Different Sampling Rates on Neural NILM Energy Disaggregation", 2019 JOINT INTERNATIONAL CONFERENCE ON DIGITAL ARTS, MEDIA AND TECHNOLOGY WITH ECTI NORTHERN SECTION CONFERENCE ON ELECTRICAL, ELECTRONICS, COMPUTER AND TELECOMMUNICATIONS ENGINEERING (ECTI DAMT-NCON), IEEE, 30 January 2019 (2019-01-30), pages 318 - 321, XP033538968, DOI: 10.1109/ECTI-NCON.2019.8692281 * |
Also Published As
| Publication number | Publication date |
|---|---|
| MA50323B1 (fr) | 2022-04-29 |
| MA50323A1 (fr) | 2022-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mengistu et al. | A cloud-based on-line disaggregation algorithm for home appliance loads | |
| US9679243B2 (en) | System and method for detecting platform anomalies through neural networks | |
| EP2000780B1 (fr) | Procédé et système de détection et d'estimation de la consommation des usages électriques des installations d'un souscripteur | |
| EP2718673B1 (fr) | Procede d'analyse de la consommation d'electricite d'un site equipe d'une pluralite d'equipements electriques | |
| EP3336560B1 (fr) | Procédé et dispositif de diagnostic d'usure d'un appareil électrique de coupure, et appareil électrique comportant un tel dispositif | |
| US11418701B2 (en) | Method and system for auto-setting video content analysis modules | |
| CN110119758A (zh) | 一种用电数据异常检测及模型训练方法、装置 | |
| Pathak et al. | Acoustic based appliance state identifications for fine-grained energy analytics | |
| EP2994763B1 (fr) | Procede et systeme d'analyse de la consommation d'electricite | |
| CN106464988A (zh) | 能量管理系统 | |
| EP3489831A1 (fr) | Procédé et dispositif de surveillance d'un processus générateur de données d'une métrique pour la prédiction d'anomalies | |
| FR3067124A1 (fr) | Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic | |
| Englert et al. | Reduce the number of sensors: Sensing acoustic emissions to estimate appliance energy usage | |
| CN104954528A (zh) | 终端设备的耗电信息的检测方法和装置 | |
| CN112307143A (zh) | 一种时空轨迹构建方法、系统、设备和介质 | |
| WO2022025743A1 (fr) | Système intelligent pour ta détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique | |
| Ridi et al. | User interaction event detection in the context of appliance monitoring | |
| JP2020201867A (ja) | 電力管理システム、電力管理方法及び電力管理プログラム | |
| CN115222018A (zh) | 非侵入式负荷分解方法及装置 | |
| Zhang et al. | Attention-based deep neural networks for battery discharge capacity forecasting | |
| Hoogsteen et al. | Non-intrusive appliance recognition | |
| FR3067501B1 (fr) | Procede de traitement de la courbe de charge | |
| EP3566459B1 (fr) | Systeme de caracterisation de la consommation | |
| WO2024061868A1 (fr) | Procede de surveillance d'une consommation fluidique d'un batiment a surveiller, par classification par apprentissage supervise d'evenements de consommation fluidique | |
| WO2024057996A1 (fr) | Dispositif de calcul d'état de dégradation d'élément d'accumulation d'électricité, procédé de calcul d'état de dégradation, programme de calcul d'état de dégradation, dispositif d'estimation d'état de dégradation, procédé d'estimation d'état de dégradation, dispositif de détection d'anomalie et procédé de détection d'anomalie |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21789885 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 21789885 Country of ref document: EP Kind code of ref document: A1 |