非侵入式負載監控(Non-intrusive load monitoring NILM)是僅根據整個房屋的功率計讀數估算單個裝置所消耗的能量的過程。換句話說,它僅通過一個整個房屋的電表就可以判斷出各類電器使用的電量(比如空調,冰箱,白熾燈,熒光燈和電視機),知道了分類電器的用電情況,可以實作各種節能措施。
所謂非侵入是指不需要進入房屋内部,安裝各種計量裝置,就可以檢測内部各種電器的行為。該系統具有顯著的成本優勢,并且減少給顧客的麻煩。
國外研究這個課題的還很多。包括了
開源項目Open Source Projects
開源資料集Open Datasets
公開釋出的論文Published Research Papers
下面的網站記錄的比較完整 http://nilm.ca/
我還發現了一個github 項目:https://github.com/nilmtk/nilmtk 下載下傳了下來,還沒有
興趣者
美國的專利數反應了感興趣的程度
大公司包括了IBM,Intel,GE,小公司包括4home, PlotWatt, Enetics, Navetas
算法
算法有各種各樣的,大緻分為兩類
1 基于傳統的方式
早在上世紀80年代末,美國電科院和MIT就已經開始進行相關理論研究,代表文獻為:
Hart, G.W. Nonintrusive appliance load monitoring. IEEE Proc 1992, 80, 1870–1891.
通過用電功率變化的低速資料可以判斷出來電器的類型,比如電冰箱,空調的功率是間隙變化啟動和停止的。據此開發了相關的非侵入式負荷監測系統。但是當負荷種類和數量較多時,負荷監測的正确率大幅下降。
基本的方法是判斷下面的曲線。
2 基于深度學習/神經網絡方式
國外的商業化産品
我們以美國Enetics的speed 産品為例介紹商業化産品。
資料采集
和其他大資料分析項目一樣,資料的采集非常重要。采集的資料大緻是:
電壓 :幅度,頻率,相位角
電流:幅度,頻率,相位角
諧波信号:多屆諧波信号
功率因子
資料包括了低速資料和高速資料兩種。
采樣頻率
據Baranski2004年研究表明,典型的家庭的開關頻次1000到10000次,(冰箱和空調是間隙開關的)。
資料檢測裝置
如果直接通過電表采集資料,可能速度,精度和參數類型不夠,個人覺得使用專用儀表姚好一點,比如采集的方式可以使用電能分析儀,福祿克 稱為電能品質記錄儀。好像價格不便宜。
如果采集的資料用于神經網絡的訓練,我想還需要加上實際電器的開關情況。那就要采集各類電器的開關資訊。資料采集工作是非常耗費時間和資金的事情,但是有了資料相當于成功了一般。
我個人感覺。這是一個比較好的AI 項目。