CN105372541A - 一种基于模式识别的家用电器智能集总检测***及其工作方法 - Google Patents
一种基于模式识别的家用电器智能集总检测***及其工作方法 Download PDFInfo
- Publication number
- CN105372541A CN105372541A CN201510980918.1A CN201510980918A CN105372541A CN 105372541 A CN105372541 A CN 105372541A CN 201510980918 A CN201510980918 A CN 201510980918A CN 105372541 A CN105372541 A CN 105372541A
- Authority
- CN
- China
- Prior art keywords
- electrical appliance
- household electrical
- detection system
- recognition
- pattern
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于模式识别的家用电器智能集总检测***及其工作方法。该检测***包括交流电压互感器VT、交流电流互感器CT、初级处理单元PM和高级处理单元CM；交流电压互感器VT初级线圈的两端分别与进户零线和进户火线连接；交流电流互感器CT的初级线圈与进户零线或火线串联；交流电压互感器VT的次级线圈与交流电流互感器CT的次级线圈作为初级处理单元PM的输入端；初级处理单元PM通过物联网与高级处理单元CM连接。基于模式识别的家用电器智能检测***是一种智能集总检测***，只对进户线处的电压、电流采样，无需对每一个家用电器的电压、电流采样；降低了***硬件成本，简化了物联网拓扑结构，提高了采样数据的客观性。
Description
技术领域：
本发明涉及一种基于模式识别的家用电器智能集总检测***及其工作方法，属于模式识别技术应用的技术领域。
背景技术：
随着科学技术的迅猛发展，家用电器的种类和功能越来越多，家用电器正极大地改变着现代人的生活。毫无疑问，家电对家庭生活的重要性越来越高，而技术复杂度也变得越来越高，造成普通消费者对家电的技术原理了解越来越少，由此对不同种类的家用电器运行状态的监控、分析以及故障诊断预测变得越来越重要。
现有技术中，市电经过用户进线开关进入，并连接n个家用电器(DQ1～DQn)，主流的家用电器监控***(如图1所示)通过在每个家用电器都内嵌或外置一个监控模块(PM1～PMn)，监控模块负责对应家用电器的监控，并通过物联网将对应家用电器的运行状态上传到高级处理单元CM，由CM进行数据存储与进一步数据分析。
这种通过给每一个家用电器配置一个监控模块，并通过物联网组成的分布式家电智能监控***可靠性差、结构复杂；目前这种***中各家电大多无内置监控模块(即使有，通讯协议也往往互不兼容)，且生产厂家提供的内置监控模块提供的数据往往标准、格式不统一，准确性也无法保证，难以让人信服；如果统一外置监控模块会显著增加***成本，尤其在每个低成本、低功耗的小家用电器上配置一个监控模块，显然也是不现实和不科学的。
对分布式家电智能监控***更详细论述见硕士论文《智能家居控制***的设计与实现》(唐荣霞山东大学2009)。
模式识别(英语：PatternRecognition)，是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。模式识别是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着计算机的出现以及人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。
边沿检测和时域分析技术是数字信号处理技术的重要分支。
时域分析是指控制***在一定的输入下，根据输出量的时域表达式，分析***的稳定性、瞬态和稳态性能。由于时域分析是直接在时间域中对***进行分析的方法，所以时域分析具有直观和准确的优点。
测试信号的频域分析是把信号的幅值、相位或能量变换以频率坐标轴表示，进而分析其频率特性的一种分析方法，又称为频谱分析。对信号进行频谱分析可以获得更多有用信息，如求得动态信号中的各个频率成分和频率分布范围，求出各个频率成分的幅值分布和能量分布，从而得到主要幅度和能量分布的频率值。
中国专利CN100495918公开了一种同步信号检测装置，该装置根据从所述脉冲信号检测单元所输出的信号选择性输出所述边沿检测单元产生的脉冲信号或所述时钟发生器产生的内部时钟信号。
发明内容：
针对现有技术的不足，本发明提供一种基于模式识别的家用电器智能集总检测***。
本发明还提供一种上述家用电器智能集总检测***的工作方法。
发明概述：
本发明所述基于模式识别的家用电器智能集总检测***通过对家庭用户进线电压/电流进行采样、计算和分析，实现对不同种类家用电器集总智能识别、运行状态分析及故障诊断与预测。该***通过对进户线电流和电压进行采样，并通过计算采样信号的有效值、有功/无功功率、功率因数、谐波等电量信息，以及电器启动、停止等事件信息，然后采用模式识别算法智能识别用户在用电器的类别/型号、数量、功率、及运行状态、运行规律等参数，并预估设备存在的潜在风险与故障。
本发明的技术方案如下：
一种基于模式识别的家用电器智能集总检测***，包括交流电压互感器VT、交流电流互感器CT、初级处理单元PM和高级处理单元CM；所述交流电压互感器VT的初级线圈的两端分别与进户零线N和进户火线L连接；所述交流电流互感器CT的初级线圈与进户零线N或进户火线L串联；所述交流电压互感器VT的次级线圈与交流电流互感器CT的次级线圈作为初级处理单元PM的输入端；所述初级处理单元PM通过物联网与高级处理单元CM连接。所述初级处理单元PM实时获取在用电器的电量信息；并采用边沿检测技术和时域分析技术获取在用电器的时序信息；同时采用频谱分析技术获取不同家用电器(例如，整流类电器、电机类电器和电加热类电器)因其工作原理、结构和材料差异形成的独有的特征频谱。(频谱分析技术frequencyspectrumanalysis，technologyof是在频率域内揭示及分析信号和(或)***特性的一种技术方法)
所述电量信息包括，进户电压、电流的有效值、有功/无功功率、功率因数及谐波等；所述时序信息包括，启/停时刻、启/停时长和启/停电流等信息。
优选的，所述初级处理单元PM包括数字信号处理芯片(DSP)。数字信号处理芯片对进户电压/电流的采样值进行计算处理，获取在用家用电器的电量信息、时序信息以及其特征频谱，然后采用模式识别算法智能识别在用电器的类别、型号、数量及运行状态、运行规律等信息。在现有技术中，针对不同类别、型号、数量及运行状态、运行规律的电器对应的电量信息、时序信息及特征频谱建立数据库，以使得本领域技术人员在获得“电量信息、时序信息及特征频谱”时即可通过模式识别算法获得对应的在用电器的类别、型号、数量及运行状态、运行规律等信息。
优选的，所述高级处理单元CM包括存储单元，所述存储单元对初级处理单元PM上传的数据进行分类存储。高级处理单元CM根据存储的长期历史数据，对不同家用电器的在更长周期尺度下进行数据分析处理，更进一步挖掘出用户不同家用电器长期运行规律、运行状态(如某家用电器的使用频率/效率/负载率的长周期变化规律)，进而推断出家电的“健康”状况，以及潜在运行风险与故障等深层信息；并进一步统计出来自不同生产厂家，同种类家用电器之间的性能差异。在现有技术中，针对来自初级处理单元PM上传的数据进行存储并建立另一个数据库，以使得本领域技术人员在获得“一定时长内的电量信息、时序信息及特征频谱”后即可通过模式识别算法估计出对应的在用电器的“健康”状况、潜在运行风险与故障等深层信息；并进一步统计出来自不同生产厂家，同种类家用电器之间的性能差异。
进一步优选的，所述高级处理单元CM为电脑、工作站或服务器。
优选的，所述交流电流互感器CT为宽频线性互感器。宽频线性互感器能在几十赫兹到几百千赫兹的频率范围内低失真地变送电流信号。
一种上述基于模式识别的家用电器智能集总检测***的工作方法，包括步骤如下，
1)电压互感器VT、交流电流互感器CT对进户电压和进户电流进行隔离和比例变换；
2)初级处理单元PM对经隔离和比例变换后的进户电压和进户电流进行采样，并对采样值进行计算处理，获取不同在用家用电器的数据，所述数据包括电量信息、时序信息及特征频谱；并进一步获得在用家用电器的类别、型号、数量、运行状态和运行规律信息；
3)初级处理单元PM定期通过物联网将数据传递给高级处理单元CM；
4)高级处理单元CM对数据进行分类存储和进一步处理；通过统计各个家用电器的使用频率、工作效率和负载率，估计各个家用电器潜在的运行风险和潜在的故障信息。
优选的，所述步骤2)中获取不同在用家用电器的时序信息及特征频谱的具体方法为，采用边沿检测技术和时域分析技术获取在用电器的时序信息；采用频谱分析技术获取不同家用电器的特征频谱；估计在用家用电器的类别、型号、数量、运行状态和运行规律信息的具体方法为模式识别算法。
优选的，所述步骤4)中高级处理单元CM对数据进行进一步处理的过程还包括，对比不同生产厂家，同种类家用电器之间的使用频率、工作效率和负载率数据，得到不同生产厂家，同种类家用电器之间的性能差异。
优选的，所述步骤4)中高级处理单元CM对数据进行分类存储的具体方法为，将家用电器的电量信息、时序信息以及特征频谱分别进行存储。
本发明的优势在于：
1.本发明所述基于模式识别的家用电器智能检测***是一种智能集总检测***，即只通过对进户线处的电压、电流进行采样，无需对每一个家用电器的电压、电流进行采样；从而降低了***硬件成本，简化了物联网拓扑结构，提高了采样数据的客观性；
2.本发明所述基于模式识别的家用电器智能集总检测***，所述初级处理单元PM利用模式识别算法对用户进线电压/电流的电量信息、时域信息、特征频谱信息进行分析处理，进一步获取在用电器的类别、型号、数量及运行状态、运行规律等信息；
3.本发明所述基于模式识别的家用电器智能集总检测***，通过高级处理单元CM对家用电器的长周期运行数据进行分析处理，进一步挖掘不同家用电器长期运行规律、状态，进而推断出家电的“健康”状况，以及潜在运行风险与故障等深层信息；
4.本发明所述基于模式识别的家用电器智能集总检测***，通过不同***之间数据信息的对比，可进一步统计来自不同厂家同种类家用电器之间性能差异。
附图说明：
图1为现有技术中家用电器的监控***的结构示意图；
图2为本发明所述基于模式识别的家用电器智能集总检测***的结构示意图；
具体实施方式：
下面结合实施例和说明书附图对发明做详细的说明，但不限于此。
实施例1、
如图2所示，图中220V交流市电经过用户进线开关K1进入用户家中，后接n个不同种类家用电器DQ1～DQn。
一种基于模式识别的家用电器智能集总检测***，包括交流电压互感器VT、交流电流互感器CT、初级处理单元PM和高级处理单元CM；所述交流电压互感器VT的初级线圈的两端分别与进户零线N和进户火线L连接；所述交流电流互感器CT的初级线圈与进户零线N串联；所述交流电压互感器VT的次级线圈与交流电流互感器CT的次级线圈作为初级处理单元PM的输入端；所述初级处理单元PM通过物联网与高级处理单元CM连接。所述初级处理单元PM实时获取在用电器的电量信息，所述电量信息包括进户电压、电流的有效值、有功/无功功率、功率因数及谐波等；并采用边沿检测技术和时域分析技术获取在用电器的时序信息，所述时序信息包括，启/停时刻、启/停时长和启/停电流；同时采用频谱分析技术获取不同家用电器的特征频谱。
实施例2、
根据实施例1所述的基于模式识别的家用电器智能集总检测***，其区别在于，所述初级处理单元PM包括数字信号处理芯片DSP。数字信号处理芯片DSP对进户电压/电流的采样值进行计算处理，获取在用家用电器的电量信息、时序信息以及其特征频谱，然后采用模式识别算法智能识别用户在用电器的类别、型号、数量及运行状态、运行规律等信息。
实施例3、
根据实施例1所述的基于模式识别的家用电器智能集总检测***，其区别在于，所述高级处理单元CM包括存储单元，所述存储单元对初级处理单元PM上传的数据进行分类存储。高级处理单元CM根据存储的长期历史数据，对不同家用电器的在更长周期尺度下进行数据分析处理，更进一步挖掘出用户不同家用电器长期运行规律、运行状态(家用电器的使用频率/效率/负载率的长周期变化规律)，进而推断出家电的“健康”状况，以及潜在运行风险与故障等深层信息；并进一步统计出来自不同生产厂家，同种类家用电器之间的性能差异。
实施例4、
根据实施例3所述的基于模式识别的家用电器智能集总检测***，其区别在于，所述高级处理单元CM为电脑。
实施例5、
根据实施例1所述的基于模式识别的家用电器智能集总检测***，其区别在于，所述交流电流互感器CT为宽频线性互感器。宽频线性互感器能在几十赫兹到几百千赫兹的频率范围内低失真地变送电流信号。
实施例6、
根据实施例1所述的基于模式识别的家用电器智能集总检测***，其区别在于，所述交流电流互感器CT的初级线圈与进户火线L串联。
实施例7、
一种如实施例1-6所述的基于模式识别的家用电器智能集总检测***的工作方法，包括步骤如下，
1)电压互感器VT、交流电流互感器CT对进户电压和进户电流进行隔离和比例变换；
2)初级处理单元PM对经隔离和比例变换后的进户电压和进户电流进行采样，并对采样值进行计算处理，获取不同在用家用电器的数据，所述数据包括电量信息、时序信息及特征频谱；并进一步获得在用家用电器的类别、型号、数量、运行状态和运行规律信息；
3)初级处理单元PM定期通过物联网将数据传递给高级处理单元CM；
4)高级处理单元CM对数据进行分类存储和进一步处理；通过统计各个家用电器的使用频率、工作效率和负载率，估计各个家用电器潜在的运行风险和潜在的故障信息。
实施例8、
如实施例7所述的基于模式识别的家用电器智能集总检测***及其工作方法，其区别在于，所述步骤2)中获取不同在用家用电器的时序信息及特征频谱的具体方法为，采用边沿检测技术和时域分析技术获取在用电器的时序信息；采用频谱分析技术获取不同家用电器的特征频谱；估计在用家用电器的类别、型号、数量、运行状态和运行规律信息的具体方法为，模式识别算法。
实施例9、
如实施例7所述的基于模式识别的家用电器智能集总检测***及其工作方法，其区别在于，所述步骤4)中高级处理单元CM对数据进行进一步处理的过程还包括，对比不同生产厂家，同种类家用电器之间的使用频率、工作效率和负载率数据，得到不同生产厂家，同种类家用电器之间的性能差异。
实施例10、
如实施例7所述的基于模式识别的家用电器智能集总检测***及其工作方法，其区别在于，所述步骤4)中高级处理单元CM对数据进行分类存储的具体方法为，将家用电器的电量信息、时序信息以及特征频谱分别进行存储。
Claims (9)
1.一种基于模式识别的家用电器智能集总检测***，其特征在于，包括交流电压互感器VT、交流电流互感器CT、初级处理单元PM和高级处理单元CM；所述交流电压互感器VT的初级线圈的两端分别与进户零线N和进户火线L连接；所述交流电流互感器CT的初级线圈与进户零线N或进户火线L串联；所述交流电压互感器VT的次级线圈与交流电流互感器CT的次级线圈作为初级处理单元PM的输入端；所述初级处理单元PM通过物联网与高级处理单元CM连接。
2.根据权利要求1所述的基于模式识别的家用电器智能集总检测***，其特征在于，所述初级处理单元PM包括数字信号处理芯片DSP。
3.根据权利要求1所述的基于模式识别的家用电器智能集总检测***，其特征在于，所述高级处理单元CM包括存储单元，所述存储单元对初级处理单元PM上传的数据进行分类存储。
4.根据权利要求3所述的基于模式识别的家用电器智能集总检测***，其特征在于，所述高级处理单元CM为电脑、工作站或服务器。
5.根据权利要求1所述的基于模式识别的家用电器智能集总检测***，其特征在于，所述交流电流互感器CT为宽频线性互感器。
6.根据权利要求1-5任意一项所述的基于模式识别的家用电器智能集总检测***的工作方法，其特征在于，包括步骤如下，
1)电压互感器VT、交流电流互感器CT对进户电压和进户电流进行隔离和比例变换；
2)初级处理单元PM对经隔离和比例变换后的进户电压和进户电流进行采样，并对采样值进行计算处理，获取不同在用家用电器的数据，所述数据包括电量信息、时序信息及特征频谱；并进一步获得在用家用电器的类别、型号、数量、运行状态和运行规律信息；
3)初级处理单元PM定期通过物联网将数据传递给高级处理单元CM；
4)高级处理单元CM对数据进行分类存储和进一步处理；通过统计各个家用电器的使用频率、工作效率和负载率，估计各个家用电器潜在的运行风险和潜在的故障信息。
7.根据权利要求6所述的基于模式识别的家用电器智能集总检测***的工作方法，其特征在于，所述步骤2)中获取不同在用家用电器的时序信息及特征频谱的具体方法为，采用边沿检测技术和时域分析技术获取在用电器的时序信息；采用频谱分析技术获取不同家用电器的特征频谱；估计在用家用电器的类别、型号、数量、运行状态和运行规律信息的具体方法为，模式识别算法。
8.根据权利要求6所述的基于模式识别的家用电器智能集总检测***的工作方法，其特征在于，所述步骤4)中高级处理单元CM对数据进行进一步处理的过程还包括，对比不同生产厂家，同种类家用电器之间的使用频率、工作效率和负载率数据。
9.根据权利要求6所述的基于模式识别的家用电器智能集总检测***的工作方法，其特征在于，所述步骤4)中高级处理单元CM对数据进行分类存储的具体方法为，将家用电器的电量信息、时序信息以及特征频谱分别进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510980918.1A CN105372541A (zh) | 2015-12-24 | 2015-12-24 | 一种基于模式识别的家用电器智能集总检测***及其工作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510980918.1A CN105372541A (zh) | 2015-12-24 | 2015-12-24 | 一种基于模式识别的家用电器智能集总检测***及其工作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105372541A true CN105372541A (zh) | 2016-03-02 |
Family
ID=55374903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510980918.1A Pending CN105372541A (zh) | 2015-12-24 | 2015-12-24 | 一种基于模式识别的家用电器智能集总检测***及其工作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105372541A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868790A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 用电负载类型识别器 |
| CN105866580A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 电器类型判断装置 |
| CN105891633A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 学生宿舍用电器类型判断装置 |
| CN105891634A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 电器类型识别装置 |
| CN105891635A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 一种基于数字信号处理的电器类型识别的装置及方法 |
| CN105913006A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 一种用电负载类型识别方法 |
| CN105913009A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 电器类型识别器 |
| CN105913010A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 用电器类型判断器 |
| CN105913005A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 电器负载类型智能识别方法与装置 |
| CN109344809A (zh) * | 2018-11-21 | 2019-02-15 | 上海交通大学 | 基于磁感应信号的家用电器设备智能管理*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102901869A (zh) * | 2012-10-15 | 2013-01-30 | 吉林大学 | 基于单点感知的家庭用电智能监测方法及其设备 |
| CN103026246A (zh) * | 2010-06-04 | 2013-04-03 | 胜赛斯美国公司 | 一种用于非侵入式负载监测和处理的***和方法 |
| CN103217603A (zh) * | 2013-03-22 | 2013-07-24 | 重庆大学 | 一种非侵入式家用电器用电状况在线监测的识别方法 |
| CN104158179A (zh) * | 2014-08-08 | 2014-11-19 | 天津大学 | 非侵入式电力负荷监测与分解技术实施的体系架构 |
| CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
| US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
| CN205246783U (zh) * | 2015-12-24 | 2016-05-18 | 山东大学 | 一种基于模式识别的家用电器智能集总检测*** |
-
2015
- 2015-12-24 CN CN201510980918.1A patent/CN105372541A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103026246A (zh) * | 2010-06-04 | 2013-04-03 | 胜赛斯美国公司 | 一种用于非侵入式负载监测和处理的***和方法 |
| CN102901869A (zh) * | 2012-10-15 | 2013-01-30 | 吉林大学 | 基于单点感知的家庭用电智能监测方法及其设备 |
| US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
| CN103217603A (zh) * | 2013-03-22 | 2013-07-24 | 重庆大学 | 一种非侵入式家用电器用电状况在线监测的识别方法 |
| CN104158179A (zh) * | 2014-08-08 | 2014-11-19 | 天津大学 | 非侵入式电力负荷监测与分解技术实施的体系架构 |
| CN104483575A (zh) * | 2014-12-22 | 2015-04-01 | 天津求实智源科技有限公司 | 用于非侵入式电力监测的自适应负荷事件检测方法 |
| CN205246783U (zh) * | 2015-12-24 | 2016-05-18 | 山东大学 | 一种基于模式识别的家用电器智能集总检测*** |
Non-Patent Citations (1)
| Title |
|---|
| 余贻鑫 等: "非侵入式居民电力负荷监测与分解技术", 《南方电网技术》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868790A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 用电负载类型识别器 |
| CN105866580A (zh) * | 2016-04-08 | 2016-08-17 | 湖南工业大学 | 电器类型判断装置 |
| CN105891633A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 学生宿舍用电器类型判断装置 |
| CN105891634A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 电器类型识别装置 |
| CN105891635A (zh) * | 2016-04-08 | 2016-08-24 | 湖南工业大学 | 一种基于数字信号处理的电器类型识别的装置及方法 |
| CN105913006A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 一种用电负载类型识别方法 |
| CN105913009A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 电器类型识别器 |
| CN105913010A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 用电器类型判断器 |
| CN105913005A (zh) * | 2016-04-08 | 2016-08-31 | 湖南工业大学 | 电器负载类型智能识别方法与装置 |
| CN109344809A (zh) * | 2018-11-21 | 2019-02-15 | 上海交通大学 | 基于磁感应信号的家用电器设备智能管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105372541A (zh) | 一种基于模式识别的家用电器智能集总检测***及其工作方法 | |
| CN106022645B (zh) | 非侵入式在线实时电力负荷识别方法及识别*** | |
| CN108021736B (zh) | 一种基于滑动窗残差模型的负荷投切动作监测方法 | |
| CN110956220B (zh) | 一种非侵入式家用电器负荷识别方法 | |
| CN103116098B (zh) | 一种基于互相关系数的家用电器运行状态识别方法 | |
| Yu et al. | Nonintrusive appliance load monitoring for smart homes: Recent advances and future issues | |
| CN106093565A (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
| CN104091056B (zh) | 一种实验室设备使用寿命预测***和方法 | |
| CN104777383A (zh) | 一种非侵入式电力负载监测与负荷分解装置 | |
| CN112434799A (zh) | 基于全卷积神经网络的非侵入式负荷识别方法 | |
| CN113036759B (zh) | 一种电力用户负荷细粒度识别方法及识别*** | |
| CN109449919A (zh) | 一种非侵入式用电负荷分析方法及装置 | |
| Bergés et al. | Leveraging data from environmental sensors to enhance electrical load disaggregation algorithms | |
| CN114970633A (zh) | 一种基于lstm的非侵入式用电器识别方法、***及设备 | |
| CN206223887U (zh) | 一种具备负荷识别功能的智能装置 | |
| Bucci et al. | A non-intrusive load identification system based on frequency response analysis | |
| Hernández et al. | Design of a SoC architecture for the edge computing of NILM techniques | |
| Gurbuz et al. | Comprehensive non-intrusive load monitoring process: Device event detection, device feature extraction and device identification using KNN, random forest and decision tree | |
| Dan et al. | Review of non-intrusive load appliance monitoring | |
| Cannas et al. | NILM techniques applied to a real-time monitoring system of the electricity consumption | |
| CN205246783U (zh) | 一种基于模式识别的家用电器智能集总检测*** | |
| Kelati et al. | IoT based appliances identification techniques with fog computing for e-health | |
| Adabi et al. | Seads: A modifiable platform for real time monitoring of residential appliance energy consumption | |
| TW201530959A (zh) | 非侵入式負載監測系統及其方法 | |
| Cannas et al. | Real-time monitoring system of the electricity consumption in a household using NILM techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160302 |
|
| RJ01 | Rejection of invention patent application after publication |