CN105393088A - 用于瞬时功率分解和估计的***以及方法 - Google Patents
用于瞬时功率分解和估计的***以及方法 Download PDFInfo
- Publication number
- CN105393088A CN105393088A CN201480034472.7A CN201480034472A CN105393088A CN 105393088 A CN105393088 A CN 105393088A CN 201480034472 A CN201480034472 A CN 201480034472A CN 105393088 A CN105393088 A CN 105393088A
- Authority
- CN
- China
- Prior art keywords
- voltage
- current
- peak
- adopt
- polymerization
- 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.)
- Granted
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims description 42
- 238000006116 polymerization reaction Methods 0.000 claims description 64
- 238000011068 loading method Methods 0.000 claims description 63
- 238000012937 correction Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 101100446506 Mus musculus Fgf3 gene Proteins 0.000 claims description 2
- 101000767160 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) Intracellular protein transport protein USO1 Proteins 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 2
- 238000012360 testing method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D4/00—Tariff metering apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D2204/00—Indexing scheme relating to details of tariff-metering apparatus
- G01D2204/20—Monitoring; Controlling
- G01D2204/24—Identification of individual loads, e.g. by analysing current/voltage waveforms
-
- 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
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
一种用于分解并估计由单个电插座(10)供电的电负载(4、6、8)的功率消耗的***(2)。***包括具有程序(14)的处理器(12);与处理器协作的电流传感器(16),用于测量由单个电插座供电的电负载的聚合的电流波形(18)的一个线周期的样本;以及与处理器协作的电压传感器(20),用于测量由单个电插座供电的电负载的电压波形(22)的一个线周期的样本。处理器程序将所聚合的电流波形和电压波形的一个线周期的所测量的样本转换成单个电插座的聚合的电压-电流轨迹(24),以及根据一个线周期的所聚合的电压-电流轨迹提供多个不同类别的电负载的功率消耗的即时分解。
Description
相关申请的交叉引用
本申请要求于2013年6月18日提交的美国专利申请序列号No.13/920,602的优先权和权益,其通过引用并入本文。
本发明在国家能源技术实验室能源部(DepartmentofEnergyNationalEnergyTechnologyLaboratory)授予的DE-EE0003911的政府支持下做出。
技术领域
所公开的概念一般涉及电负载,并且特别地涉及确定电负载的功率消耗的方法。所公开的概念还涉及用于确定电负载的功率消耗的***。
背景技术
在商业建筑使用的主要电量中,大约37%是由***式电负载(PEL)消耗的,也称为混杂电负载(MEL)。这种使用预期在2008和2030年之间上升78%。将PEL限定为在建筑中的所有非干线连接的电负载,并且PEL包括例如且不限于冰箱、计算机、食物准备电器和空间加热器/电扇的各种电设备。这些“***式”设备的总能量消耗经常被忽略。
一些研究表明,PEL的有效管理可潜在地提高建筑物节能直到约其使用的10%至30%。然而,发展可广泛应用的PEL的节能方案是困难的,主要是因为现今建筑物中PEL能量使用的受限的可见性。为克服以上困难,需要知道PEL的类型和类别的能量消耗。因此,期望在负载级(也称为“电器级”)上发展具有成本效率的非侵入式电器负载监测和识别技术。
在建筑物中,可将电能通过墙壁插座直接提供到PEL,或通过***到墙壁插座的电源板提供到PEL以便将电能分配到电源板的多个插座。后一情形是用户为实现墙壁插座同时为多个PEL提供电能而更常采用的。
通常期望能够通过仅测量墙壁插座级的所聚合的电信号来分解/解耦PEL的功率消耗的技术为具有成本效率的非侵入式负载监测和识别(NILM)方案。通过美国专利No.4,858,141公开了在先的示例NILM设备和方法。
世界范围内的许多研究者已经致力于能够提供关于在个体电器或设备级的消耗的分解数据的新一代电测量***。一般而言,可将用于监测下至电器级或设备级的特征和分解方法分类为三组:(1)检测在聚合实际和无功功率消耗两者中的剧烈变化;(2)电流消耗和启动特性;以及(3)电压标记。
尽管从1980年代已经发展NILM技术,但是仍认为不存在已知的容易部署、准确度高并具有成本效益的在商业上可获得的分解方法。多数已知方法需要若干小时或甚至更长时间的观测,并且一些其它方法需要中央处理单元(CPU)和操作***来运行人工智能算法,这通常需要昂贵的平台来支持该实施。
存在用于估计多个电负载的功率消耗的方法的改进空间。
同样存在用于估计多个电负载的功率消耗的***的改进空间。
发明内容
通过所公开概念的实施例来满足这些和其它需求,该实施例测量由单个电插座供电的多个电负载的聚合的电流波形和电压波形的一个线周期的多个样本,将一个线周期的测量的样本转换成单个电插座的聚合的电压-电流轨迹,以及根据一个线周期的聚合的电压-电流轨迹提供多个不同类别的电负载的功率消耗的即时分解。
根据本公开概念的一个方面,分解并估计由单个电插座供电的多个电负载的功率消耗的方法包括:测量由单个电插座供电的多个电负载的聚合的电流波形和电压波形的一个线周期的多个样本;通过处理器将一个线周期的所测量的样本转换成单个电插座的聚合的电压-电流轨迹;以及根据一个线周期的聚合的电压-电流轨迹提供多个不同类别的电负载的功率消耗的即时分解。
作为本公开概念的另一方面,用于分解并估计由单个电插座供电的多个电负载的功率消耗的***包括:包括程序的处理器;与处理器协作的电流传感器,用于测量由单个电插座供电的多个电负载的聚合的电流波形的一个线周期的多个样本;以及与处理器协作的电压传感器,用于测量由单个电插座供电的多个电负载的电压波形的一个线周期的多个样本;其中处理器的程序被构造成将所聚合的电流波形和电压波形的一个线周期的所测量的样本转换成单个电插座的聚合的电压-电流轨迹,以及根据一个线周期的所聚合的电压-电流轨迹提供多个不同类别的电负载的功率消耗的即时分解。
附图说明
当结合附图阅读时,从以下优选实施例的描述中可得到对公开概念的全面理解,在附图中:
图1A和1B分别是针对电阻(R)负载的电压-电流(V-I)轨迹以及电压和电流波形的图;
图2A和2B分别是针对电抗(X)负载的V-I轨迹以及电压和电流波形的图;
图3A和3B分别是针对另一电抗(X)负载的V-I轨迹以及电压和电流波形的图;
图4A和4B分别是针对相角控制(PAC)负载的V-I轨迹以及电压和电流波形的图;
图5A和5B分别是针对具有功率因数校正电路的电子负载(P)的V-I轨迹以及电压和电流波形的图;
图6A和6B分别是针对不具有功率因数校正电路的电子负载(NP)的V-I轨迹以及电压和电流波形的图;
图7是根据本公开概念的实施例的即时功率分解和估计程序的流程图;
图8A是LED灯的电压和电流波形以及V-I轨迹的图;
图8B是白炽灯的电压和电流波形以及V-I轨迹的图;
图8C是空间电扇的电压和电流波形以及V-I轨迹的图;
图8D是调光灯的电压和电流波形以及V-I轨迹的图;
图9A和9B分别是根据本公开概念的实施例的针对包括LED灯和白炽灯的组合负载的聚合电流和电压波形以及对应V-I轨迹的图;
图10A是图9A和9B的组合负载的分解的电流波形和原始的聚合电流的图;
图10B是图10A的组合负载的V-I轨迹和分解的电流波形的图;
图11A和11B分别是根据本公开概念的实施例的包括LED灯和空间电扇的组合负载的聚合电流和电压波形以及对应V-I轨迹的图;
图12A是图11A和图11B的组合负载的分解电流波形和原始的聚合电流的图;
图12B是图12A的组合负载的V-I轨迹和分解的电流波形的图;
图13A和13B分别是根据本公开概念的实施例的包括LED灯、空间电扇和调光灯的组合负载的聚合电流和电压波形以及对应V-I轨迹的图;
图14A是图13A和13B的组合负载的分解的电流波形和原始的聚合电流的图;
图14B是图14A的组合负载的V-I轨迹和分解的电流波形的图;
图15和16是根据本公开概念的实施例的***的框图。
具体实施方式
如本文所采用的,术语“数量”将意为一或大于一的整数(即,多个)。
如本文所采用的,术语“处理器”将意为可存储、获取和处理数据的可编程模拟和/或数字设备;计算机;数字信号处理器;控制器;工作站;个人计算机;微处理器;微控制器;微计算机;中央处理单元;主机计算机;迷你计算机;服务器;网络处理器;或任意合适的处理装置或设备。
本公开概念采用通过图形方法进行的即时分解方式,以便通过仅在单个电插座(例如但不限于墙壁插座)处测量其聚合电流和电压波形来分解并估计多个PEL的功率消耗。这旨在以相对低样本率(例如在若干kHz的尺度中)获得在线逐周期(linecycle-by-cycle)上的能量消耗的即时分解。这实现在嵌入式环境(例如但不限于在从电插座供电的电源板中;在为电源板供电的电插座中)中可容易地实施的低成本NILM方案。
于2013年6月7日提交的名称为“MethodAndSystemEmployingGraphicalElectricLoadCategorizationToIdentifyOneOfAPluralityOfDifferentElectricLoadTypes”的美国专利申请序列号No.13/912,819公开了采用图形电负载分类来识别并分类不同电负载的方法和***。这从被映射的单元网格中提取多个不同特征作为多个不同电负载中的对应一个电负载的图形标记,从分层负载特征数据库中导出不同电负载中的对应一个电负载的类别,以及识别不同电负载中的对应一个电负载的多个不同电负载类型中的一种电负载类型。申请13/912,819中所公开的该方法基于电压和电流波形测量可用于个体PEL或可结合个体PEL使用的假设。
本文公开的概念扩展了在申请13/912,819中所公开的实现***到单个电插座的个体电负载的功率消耗的分解的负载分类和特征提取方法。本公开概念假定在向多个下游PEL供电的单个电插座处(例如但不限于在墙壁插座处;在电源板的插座入口处)仅可获得聚合电流和电压测量。没有已知的现有方法从聚合的电流和电压测量中分解并估计PEL的即时功率消耗。
如果将电负载的电压和电流波形的一个线周期直接转换成对应的电压-电流(V-I)轨迹(未归一化),则不同类别的PEL具有相当不同的V-I轨迹的形状和特性。图1A、2A和3A、4A、5A以及6A相应地示出了五种不同负载类型类别的V-I轨迹的示例:R(电阻负载)、X的两个示例(电抗负载)、PAC(相角控制负载)、P(具有功率因数校正电路的电子负载)以及NP(不具有功率因数校正电路的电子负载)。V-I轨迹的X轴代表电压值(伏特)且Y轴代表电流值(安培)。图1B-6B示出了相应的图1A-6A的电压波形的归一化值(虚线示出)和电流波形的实际值(安培)(实线示出)。采用电压波形的归一化值以便于说明并提高图1B-6B的可读性。
作为针对每个负载类别的即时功率消耗估计的重要观测,可根据从V-I轨迹提取的一些关键特性来估计负载的实际功率。这些特性也称为可在观测下帮助估计PEL的功率消耗的“典型特征”。
对于类别R中的电负载,根据等式1估计实际功率(P)(不要与负载类别P混淆),其等于RMS电压(Vrms)和RMS电流(Irms)的乘积。
P=Vrms·Irms
≈Vpeak 2·Slopdiag/2(等式1)
其中:
Vpeak是电压波形的一个线周期的最大值;
Slopdiag是图1A(仅针对类别R的负载)中示出的V-I轨迹的对角线的斜率,并可通过Slopdiag=Ik/Vk计算;
(Vk,Ik)代表沿V-I轨迹的任意点(即在波形的一个线周期内电压和电流样本的任意成对值);
k=1,2,…N;以及
N是每个线周期的样本数。
针对类别X的电负载(图2A-2B的情况1),由等式2估计实际功率。
P=Vrms·Irms·cos(θ)
≈Vpeak·Ipeak·cos(θ)/2(等式2)
其中:
Vpeak是电压波形的一个线周期的最大值;
Ipeak是电流波形的一个线周期的最大值;
θ是如图2B中示出的在电压和电流波形之间的相角,并且(针对类别X的情况1)可根据下式在图形上估计该相角:
acos是反余弦;以及
当电流I为零时VI=0是正电压值,并且实际上是沿着如图2A所示的V-I轨迹的“电流过零”点的X轴的值。
对于类别X的电负载(图3A-3B的情况2),根据等式3估计实际功率。
P=Vrms·Irms·cos(θ)
≈Vpeak·Ipeak·cos(θ)/2(等式3)
其中:
Vpeak是电压波形的一个线周期的最大值;
Ipeak是电流波形的一个线周期的最大值;
θ是如图3B中示出的在电压和电流波形之间的相角,并且(针对类别X的情况2)可根据下式在图形上估计该相角:
当电流I在其峰值Ipeak时,Vpeak是正电压值,并且实际上是沿着如图3A所示的V-I轨迹的“电流峰值”点的X轴的值。
为了估计类别X的负载的功率消耗,如果估计的相角小于30度,则认为从类别X(情况1(case-1))导出的值(θcase_1)更准确,并且采用该值作为相角估计。另一方面,如果所估计的相角大于30度,则认为从类别X(情况2(case-1))导出的值(θcase_2)更准确,并且将来自情况1和情况2的结果的加权平均值用于如等式4示出的相角估计。
θ≈(θcase_1+2·θcase_2)/3(等式4)
对于类别PAC的电负载,根据等式5估计实际功率。
P=Vrms·Irms·(cos(α)+1)/2
≈Vpeak·Ipeak·(cos(α)+1)/4;(等式5)
其中:
Vpeak是电压波形的一个线周期的最大值;
Ipeak是电流波形的一个线周期的最大值;
α是如图4B示出的相位控制角(也称为触发角),其可根据下式经由V-I轨迹在图形上进行估计:
Vpoint_1和Vpoint_2是位于如图4A示出的V-I轨迹中沿着垂线L1的底部“点1(Point_1)”和顶部“点2(Point2)”的电压值(即X轴的值);
可根据下式估计Ipeak的值:
Ipeak≈ΔIpoint1-2/sin(α);以及
ΔIpoint1-2=Ipoint_2–Ipoint_1(即“点1”和“点2”之间的Y轴的值之差)。
针对类别P中的电负载,实际功率估计与类别X(情况1)相似,并根据等式6来估计。
P=Vrms·Irms·cos(θ)
≈Vpeak·Ipeak·cos(θ)/2(等式6)
其中:
Vpeak是电压波形的一个线周期的最大值;
Ipeak是电流波形的一个线周期的最大值;
θ是如图5B示出的在电压和电流波形之间的相角,并且(对于类别P)可根据下式在图形上估计该相角:
当电流I为零时,VI=0是正电压值,并且实际上是沿着如图5A所示的V-I轨迹的“电流过零”点的X轴的值。
类别P负载和两个类别X负载之间的差别是:对于类别P负载,电流波形超前电压波形,导致相角θ为负值,而相反对于类别X负载相角θ为正值。
对于类别NP中的电负载,实际功率的分析估计通常是具有挑战性的。这主要是因为用于切换直流(DC)电源的电子组件选择(通常依赖于制造)的不确定性,由此电流波形难以通过分析方程来形成。对于该功率分解应用,将NP负载的功率消耗估计保留为功率分解过程的最后一步,下面结合图7、表1-3以及对应的图描述该功率分解过程。这可被认为是在所有其它负载已经被解耦并估计之后的其余功率消耗。
为了进一步确定其余功率消耗是属于类别NP,还是不能被正确定义的负载类别,可使用电流不连续性水平作为类别NP负载的典型特征。作为类别NP负载的最明显的特征之一,NPPEL的电流通常是高度不连续的,其中负载电流在周期内的长持续期间(例如但不限于长于周期持续时间的50%)保持为零或非常低的电流值(例如但不限于低于Ipeak的10%)。该持续时间称为不连续电流持续时间。可经由以下两个条件来评价电流不连续性水平:
IVk<30%·Vpeak<10%·Ipeak
(Vpoint_1+Vpoint_2)/2>50%·Vpeak
其中:
点1和点2相应地是不连续电流持续期间的开始和终止点,如图6A和6B所示;以及
IVk<30%·Vpeak指当对应电压值小于Vpeak的30%时数据样本的平均电流幅值。
如果以上两个条件都满足,则将其余功率消耗分类到NP类别中。否则,将其分类为不能正确定义的负载类别,称为未知类别。
即时功率分解和估计过程
当通过一个电插座对多个PEL同时供电时,以上的“典型特征”仍然可被应用到聚合的波形(即聚合的V-I轨迹)。以上每种负载类别的典型特征可用于重构关注的个体负载的波形。这些不同负载类别的典型特征一般不聚合或具有非常有限的重叠,并且对解耦来自不同负载类别的功率消耗起重要作用。
图7示出了即时功率分解和估计的过程。该过程采用单个电插座处的电压和电流波形的一个线周期,并将这些波形的一个线周期转换成聚合的V-I轨迹。该过程然后以分层方式确定是否可得到类别R、PAC、X和P的典型特征。如果是,则估计对应的功率消耗。如果否,则检查下一负载类别。
例如,对于负载类别R,如果可得到类别R的典型特征,则结合等式1使用上述典型特征来分解类别R波形。然后,估计类别R负载的功率消耗,并估计其余负载的功率消耗(例如根据基于电压和电流波形的一个线周期的总功率消耗减去所估计的类别R负载的功率消耗)。如果不存在要分解的另外的负载(例如其余负载的功率消耗大约为0),则退出该程序。
否则,如果存在要分解的另外的负载(例如其余负载的功率消耗大于预定值),则该程序以与针对类别R负载讨论的相似方式结合等式5使用上述典型特征来分解下一个类别(例如PAC)波形。PAC类别之后是X类别,再之后是P类别。
在P类别之后,如果不存在该类别的“典型特征”,或如存在要分解的另外的负载,则估计其余负载的功率消耗。如果可得到类别NP(即不具有功率因数校正电路的电子负载)的“典型特征”,则估计类别NP负载的其余功率消耗。否则,估计未知类别负载的其余功率消耗。
过程确认
以下讨论采用负载电器的不同组合进行的确认公开的功率分解和估计过程的性能的各种示例测试。这些测试包括四种示例类型的PEL的组合:(1)LED灯(电子NP负载)(例如但不限于实际功率消耗=18.0W);(2)白炽灯(电阻R负载)(例如但不限于实际功率消耗=95.0W);(3)空间电扇(电抗R负载)(例如但不限于实际功率消耗=22.5W);以及(4)调光灯(PAC负载)(例如但不限于实际功率消耗=17.5W)。图8A-8D示出了单个负载电器的电流和电压波形以及对应的V-I轨迹。
具有LED灯和白炽灯的聚合波形的测试
在该测试中,当通过一个电插座对LED灯(电子NP负载)和白炽灯(电阻R负载)同时供电时,在一个电插座处测量聚合的电流和电压波形。图9A示出了聚合的电流和电压波形18、22,图9B示出了对应的V-I轨迹24。在该示例中,实际总功率消耗是113W。
根据图7,首先考虑类别R负载。参考类别R中的负载的典型特征,图9B中示出的对角线段的斜率等于Slopdiag=0.36/52=0.0069。然后通过下式估计白炽灯的功率消耗:
Pincandescent≈Vpeak 2·Slopdiag/2
=1652·0.0069/2
=94.24W
还可通过下式重构已分解的电流波形:
Iincandescent(k)≈V(k)·Slopdiag
图10A示出针对单独的白炽灯和LED灯的原始的聚合电流波形和两个分解的电流波形。图10B示出原始的聚合V-I轨迹和两个分解的V-I轨迹。剩余的电流波形和V-I轨迹(即聚合的电流和V-I轨迹减去分解的白炽灯电流波形和V-I轨迹)表示类别NP负载的明显不同的典型特征,其中满足以下两个条件:
IVk<30%·Vpeak≈0.005A<10%·Ipeak=0.05A,以及
(Vpoint_1+Vpoint_2)/2=(85V+165V)/2=125V>50%·Vpeak=165V/2=82.5V
因此,可将其余的功率消耗分类为类别NP负载。通过将图10A和10B的这些分解的波形相应地与图1B、6B和1A、6A中示出的实际波形进行比较,可看出存在有希望的匹配。
表1概括了图10A和10B的白炽灯和LED灯的分解的功率消耗估计以及其实际的个体功率消耗。所估计的功率消耗匹配其实际值(总实际功率=113W),具有大于95%的准确度。
表1
负载 | 实际个体功率消耗(瓦) | 估计的个体功率消耗(瓦) |
LED灯 | 18.0 | 18.71 |
白炽灯 | 95.0 | 94.11 |
具有LED灯和空间电扇的聚合波形测试
在该测试中,当通过一个插座对LED灯(电子NP负载)和空间电扇(电抗X负载)同时供电时,在该插座处测量聚合的电流和电压波形。图11A示出聚合的电流和电压波形,而图11B示出聚合的V-I轨迹。实际的总功率消耗为40.5W。
根据图7,首先考虑类别X负载。如上所讨论的,参考结合等式2的类别X的负载的典型特征,针对情况1通过下式来估计相角:
此外针对如上讨论的情况2而估计的相角,结合等式3通过下式给出:
由于相角大于30度或π/6,将来自情况1和情况2的结果的加权平均值用于使用等式4的相角估计,由θ=(0.59+2*1.33)/3=1.1rad给出。然后根据下式估计空间电扇的功率消耗:
Pspace_fan≈Vpeak·Ipeak·cos(θ)/2
=166·0.61·cos(1.1)/2
=22.8W
还可通过下式重构已分解的电流波形:
Iincandescent(k)≈Ipeak·sin(2π·k/N-θ)
图12A示出单独的空间电扇和LED灯的原始的聚合电流波形和两个分解的电流波形。图12示出原始的聚合电流V-I轨迹以及两个分解的V-I轨迹。剩余的电流波形和V-I轨迹(即聚合的电流和V-I轨迹减去已分解的白炽灯电流波形和V-I轨迹)表示类别NP负载的明显不同的典型特征,其中满足以下两个条件:
IVk<30%·Vpeak≈0.05A<10%·Ipeak=0.1·0.6A=0.06A,以及
(Vpoint_1+Vpoint_2)/2=(50V+165V)/2=107V>50%·Vpeak=165V/2=82.5V
因此,可将其余的功率消耗分类为类别NP负载。通过将图12A和12B中的这些分解的波形和V-I轨迹相应地与图3B、6B和3A、6A中所示的实际波形和V-I轨迹进行比较,可看出存在有希望的匹配。
表2概括了图12A和12B的LED灯和空间电扇的分解的功率消耗估计以及其实际的个体功率消耗。所估计的功率消耗匹配其实际值(总实际功率=40.5W),具有高于95%的准确度。
表2
负载 | 实际的个体功率消耗(瓦) | 估计的个体功率消耗(瓦) |
LED灯 | 18 | 17.7 |
空间电扇 | 22.5 | 22.8 |
具有空间电扇、LED和调光灯的聚合电流的测试
在该测试中,当通过一个电插座对LED灯(电子NP负载)、空间电扇(电抗X负载)和调光灯(相角控制PAC负载)同时供电时,在该插座处测量聚合的电流和电压波形。图13A示出聚合的电流和电压波形,图13B示出聚合的V-I轨迹。实际的总功率消耗是58.0W。
从图7中,首先考虑类别PAC负载。如上所讨论的结合等式5参考类别PAC中的负载的典型特征,可通过下式估计触发角:
根据图7,接下来考虑类别X负载。可通过下式估计电流峰值:
Ipeak≈(0.72-0.36)/sin(1.42)=0.37A
然后通过下式估计调光灯的功率消耗:
P≈169·0.37·(cos(1.42)+1)/4
=17.8W
还可基于电流峰值和触发角来重构调光灯(PAC负载)的已分解的电流波形。
图14A示出调光灯和其余两种负载(即空间电扇和LED灯)的原始聚合的电流波形和分解的电流波形。图14B示出原始聚合的电流V-I轨迹以及两个分解的V-I轨迹(即针对调光灯和其余两个负载)。通过将图14A和14B的这些分解的波形和V-I轨迹相应地与图3B、4B、6B和3A、4A、6A中示出的实际波形和V-I轨迹进行比较,可看出存在有希望的匹配。
对于进一步的分解,过程与上面针对空间电扇和LED灯进行的在先测试所描述的过程相似。不再重复细节,但仅提供分解的功率消耗结果。
表3概括了图14A和14B的这三种负载的分解的功率消耗估计以及其实际的个体功率消耗。所估计的功率消耗匹配其实际值(总实际功率=58W),具有高于95%的准确度。
表3
参考图15,示出了用于分解并估计由单个电插座10供电的多个电负载4、6、8(例如但不限于PEL)的功率消耗的***2。虽然示出了三个示例电负载,但是本公开概念适用于任意合适的多个电负载。***2包括具有程序14的处理器(P)12。电流传感器16与处理器12协作以测量电负载4、6、8的聚合电流波形18(例如但不限于如图9A所示)的一个线周期的多个样本。电压传感器(VS)20也与处理器12协作以测量电负载4、6、8的电压波形22(例如但不限于如图9A所示)的一个线周期的多个样本。
根据本公开概念的教示,处理器程序14被构造成将聚合的电流波形18和电压波形22的一个线周期的测量的样本转换成单个电插座10的聚合的电压-电流轨迹24(例如但不限于如图9B所示),并根据一个线周期的聚合的电压-电流轨迹24提供多个不同类别的电负载4、6、8的功率消耗的即时分解。
图15的示例中,将处理器12嵌入到由电插座10供电的电源板26中。
作为替代,如图16所示,将处理器12嵌入到电插座10’中。
在已经详细描述本公开概念的具体实施例的同时,本领域的技术人员将理解根据本公开的整体教导可以对这些细节进行各种修改和替换。因此所公开的特定布置仅意为说明而不是对所公开概念的范围的限制,所公开概念的范围将在所附权利要求及其任意和所有等同中整体给出。
Claims (15)
1.一种方法,用于分解并估计由单个电插座(10)供电的多个电负载(4、6、8)的功率消耗,所述方法包括:
测量(16、20)由所述单个电插座供电的所述多个电负载的聚合的电流波形(18)和电压波形(22)的一个线周期的多个样本;
通过处理器(12)将所述一个线周期的所述测量的样本转换成所述单个电插座的聚合的电压-电流轨迹(24);以及
根据所述一个线周期的所述聚合的电压-电流轨迹,提供所述多个不同类别的电负载的功率消耗的即时分解。
2.如权利要求1所述的方法,进一步包括:
采用电阻负载、相角控制负载、电抗负载和具有功率因数校正电路的电子负载作为所述电负载的所述不同类别;
分层确定在聚合的电压-电流轨迹中是否可得到所述电阻负载、所述相角控制负载、所述电抗负载以及所述具有功率因数校正电路的电子负载的典型特征;以及
针对所述不同类别中的每种类别,估计由所述单个电插座供电的若干电负载的功率消耗。
3.如权利要求2所述的方法,进一步包括:
所述分层确定从所述电阻负载开始,
确定在所聚合的电压-电流轨迹中可得到若干所述电阻负载的典型特征,并且作为响应地使用最后的所述典型特征来分解所述若干所述电阻负载的电流波形和电压-电流轨迹;以及
估计若干所述电阻负载的功率消耗,并且估计针对所述相角控制负载、所述电抗负载以及所述具有功率因数校正电路的电子负载的由所述单个电插座供电的若干其余负载的功率消耗。
4.如权利要求3所述的方法,进一步包括:
采用所述电负载的所述不同类别进一步包括不具有功率因数校正电路的电子负载;
分层确定所述若干其余负载的功率消耗从所述相角控制负载开始,然后是所述电抗负载,并且然后是所述具有功率因数校正电路的电子负载;以及
最后基于在所聚合的电压-电路轨迹中的电流不连续性水平,估计不具有功率因数校正电路的若干所述电子负载的功率消耗。
5.如权利要求3所述的方法,进一步包括:
采用所述电负载的所述不同类别进一步包括不具有功率因数校正电路的电子负载和未知电负载;
分层确定所述若干其余负载的功率消耗从所述相角控制负载开始,然后是所述电抗负载,并且然后是所述具有功率因数校正电路的电子负载;
最后基于在所聚合的电压-电流轨迹中的电流不连续性水平,估计若干所述未知电负载的功率消耗。
6.如权利要求1所述的方法,进一步包括:
以所述聚合的电流和电压波形的每个样本大约若干千赫兹的速率,对所述聚合的电流和电压波形进行采样。
7.如权利要求1所述的方法,进一步包括:
根据下式估计由所述单个电插座供电的若干电阻负载的功率消耗:
Vpeak 2×Slopdiag/2
采用Vpeak作为所采样的电压波形的最大值;
采用Slopdiag作为通过Slopdiag=Ik/Vk计算的聚合的电压-电流轨迹的对角线的斜率;
采用(Vk,Ik)作为沿着所聚合的电压-电流轨迹的任意点;
采用k=1,2,…N;以及
采用N作为每个所述一个线周期的每个聚合的电流和电压波形的样本数。
8.如权利要求1所述的方法,进一步包括:
根据下式估计若干电抗负载的功率消耗:
Vpeak·Ipeak·cos(θ)/2;以及
采用Vpeak作为所采样的电压波形的最大值;
采用Ipeak作为所采样的聚合的电流波形的最大值;
采用θ作为在该电压波形和聚合的电流波形之间的相角;根据下式在图形上估计θ:
采用VI=0作为当对应电流值为0时的正电压值。
9.如权利要求1所述的方法,进一步包括:
根据下式估计若干电抗负载的功率消耗:
Vpeak·Ipeak·cos(θ)/2;
采用Vpeak作为所采样的电压波形的最大值;
采用Ipeak作为所采样的聚合的电流波形的最大值;
采用θ作为在该电压波形和聚合的电流波形之间的相角;
根据下式在图形上估计θ:
采用VIpeak作为当对应电流值为0时的正电压值。
10.如权利要求9所述的方法,进一步包括:
估计θ将小于30度;
根据下式在图形上估计θ:
采用VI=0作为当对应电流值为0时的正电压值。
11.如权利要求9所述的方法,进一步包括:
估计θ将大于30度;
根据下式确定θ的加权平均值:
采用VI=0作为当对应电流值为0时的正电压值。
12.如权利要求1所述的方法,进一步包括:
根据下式估计若干相角控制负载的功率消耗:
Vpeak·Ipeak·(cos(α)+1)/4;
采用Vpeak作为所采样的电压波形的最大值;
采用Ipeak作为所采样的聚合的电流波形的最大值;
采用α作为根据下式采用所聚合的电压-电流轨迹在图形上估计的相位控制角:
采用Vpoint_1和Vpoint_2作为位于沿着聚合的电压-电流轨迹中的垂线的底部和顶部的两个点的电压值;
根据下式估计Ipeak:
ΔIpoint1-2/sin(α);以及
采用ΔIpoint1-2=Ipoint_2–Ipoint_1作为所述两个点的电流值之差。
13.如权利要求1所述的方法,进一步包括:
根据下式估计具有功率因数校正电路的若干电负载的功率消耗:
Vpeak·Ipeak·cos(θ)/2;
采用Vpeak作为所采样的电压波形的最大值;
采用Ipeak作为所采样的聚合的电流波形的最大值;
采用θ作为在该电压和聚合的电流波形之间的相角;
根据下式在图形上估计θ:
采用VI=0作为当对应电流值为0时的正电压值。
14.如权利要求4所述的方法,进一步包括:
当满足以下两个条件时,进行所述最后估计不具有功率因数校正电路的若干所述电子负载的功率消耗:
IVk<30%·Vpeak<10%·Ipeak,以及
(Vpoint_1+Vpoint_2)/2>50%·Vpeak;
采用Point_1和point_2相应地作为所述聚合的电压-电流轨迹的不连续电流的持续期间的开始点和终止点;
采用Ipeak作为所采样的聚合的电流波形的最大值;
采用Vpeak作为所采样的电压波形的最大值;
采用IVk<30%·Vpeak作为当所述采样的电压波形的电压值的对应若干样本小于Vpeak的30%时,所述采样的聚合的电流波形的电流值的若干样本的平均电流幅值。
15.一种***(2),用于分解并估计由单个电插座(10)供电的多个电负载(4、6、8)的功率消耗,所述***包括:
包括程序(14)的处理器(12);
与所述处理器协作的电流传感器(16),用于测量由所述单个电插座供电的所述多个电负载的聚合的电流波形(18)的一个线周期的多个样本;以及
与所述处理器协作的电压传感器(20),用于测量由所述单个电插座供电的所述多个电负载的聚合的电压波形(22)的一个线周期的多个样本;
其中将所述处理器的程序构造成:
将所聚合的电流波形和电压波形的所述一个线周期的所测量的样本转换成所述单个电插座的聚合的电压-电流轨迹(24);以及
根据所述一个线周期的所述聚合的电压-电流轨迹,提供多个不同类别的所述电负载的功率消耗的即时分解。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/920,602 | 2013-06-18 | ||
US13/920,602 US10290063B2 (en) | 2013-06-18 | 2013-06-18 | System and method for instantaneous power decomposition and estimation |
PCT/US2014/039075 WO2014204613A1 (en) | 2013-06-18 | 2014-05-22 | System and method for instantaneous power decomposition and estimation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105393088A true CN105393088A (zh) | 2016-03-09 |
CN105393088B CN105393088B (zh) | 2018-06-22 |
Family
ID=51022433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480034472.7A Active CN105393088B (zh) | 2013-06-18 | 2014-05-22 | 用于瞬时功率分解和估计的***以及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10290063B2 (zh) |
CN (1) | CN105393088B (zh) |
CA (1) | CA2910799C (zh) |
DE (1) | DE112014002885T5 (zh) |
WO (1) | WO2014204613A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0816721D0 (en) | 2008-09-13 | 2008-10-22 | Daniel Simon R | Systems,devices and methods for electricity provision,usage monitoring,analysis and enabling improvements in efficiency |
US9366702B2 (en) * | 2013-08-23 | 2016-06-14 | Green Edge Technologies, Inc. | Devices and methods for determining whether an electrical device or component can sustain variations in voltage |
GB2553514B (en) * | 2016-08-31 | 2022-01-26 | Green Running Ltd | A utility consumption signal processing system and a method of processing a utility consumption signal |
DE102017203664B4 (de) | 2017-03-07 | 2023-07-06 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zur Bestimmung eines Stroms in einen Gleichrichter |
CN109447473B (zh) * | 2018-10-30 | 2022-02-15 | 南方电网科学研究院有限责任公司 | 一种电力负荷监测方法、装置、设备及可读存储介质 |
CN109902356A (zh) * | 2019-01-30 | 2019-06-18 | 北京大学 | 电力信号非侵入式负载分解方法 |
FR3092401B1 (fr) * | 2019-02-04 | 2022-11-11 | Eaton Intelligent Power Ltd | Système et procédé de surveillance et de contrôle de charges électriques |
WO2021180307A1 (en) * | 2020-03-10 | 2021-09-16 | Eaton Intelligent Power Limited | Power usage in an electricity distribution apparatus for a plurality of electrical loads |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5736936A (en) * | 1994-08-03 | 1998-04-07 | Schlumberger Technology Corporation | Method and apparatus for predicting peak voltage of a cable conveyed tool |
CN101910848A (zh) * | 2007-11-26 | 2010-12-08 | 安全工程有限公司 | 功率传感器 |
US20130066479A1 (en) * | 2011-09-14 | 2013-03-14 | Honeywell International Inc. | Energy consumption disaggregation system |
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 |
US20130138661A1 (en) * | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a minimum distance and a load feature database to identify electric load types of different electric loads |
WO2013078541A1 (en) * | 2011-11-29 | 2013-06-06 | Energy Aware Technology Inc. | Method and system for forecasting power requirements using granular metrics |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4858141A (en) | 1986-04-14 | 1989-08-15 | Massachusetts Institute Of Technology | Non-intrusive appliance monitor apparatus |
US5717325A (en) | 1994-03-24 | 1998-02-10 | Massachusetts Institute Of Technology | Multiprocessing transient event detector for use in a nonintrusive electrical load monitoring system |
US5483153A (en) | 1994-03-24 | 1996-01-09 | Massachusetts Institute Of Technology | Transient event detector for use in nonintrusive load monitoring systems |
FR2752944B1 (fr) | 1996-09-03 | 1998-10-16 | Schneider Electric Sa | Dispositif de detection preventive de defauts avec reconnaissance du type de charge |
FR2756049B1 (fr) | 1996-11-18 | 1998-12-31 | Schneider Electric Sa | Dispositif de detection preventive de defauts avec identification du type de charge |
US5910892A (en) * | 1997-10-23 | 1999-06-08 | General Electric Company | High power motor drive converter system and modulation control |
WO2008109337A2 (en) * | 2007-03-02 | 2008-09-12 | Rambus Inc. | Noise model method of predicting mismatch effects on transient circuit behaviors |
US9702923B2 (en) * | 2007-09-17 | 2017-07-11 | Pål Even Gaarder | Method and apparatus for monitoring electric power transmission, disturbances and forecasts |
US8094034B2 (en) | 2007-09-18 | 2012-01-10 | Georgia Tech Research Corporation | Detecting actuation of electrical devices using electrical noise over a power line |
WO2010005985A1 (en) | 2008-07-07 | 2010-01-14 | Control4 Corporation | Systems and methods for presenting saving opportunities for electronic devices |
GB2465367B (en) | 2008-11-13 | 2011-01-05 | Isis Innovation | Variable power load detector apparatus and method |
US8294453B2 (en) * | 2009-05-21 | 2012-10-23 | Veris Industries, Llc | Externally reporting branch power monitoring system |
CA2796507A1 (en) * | 2010-04-15 | 2011-10-20 | Yale University | Consumption breakdown monitoring through power state sensing |
CN103998942A (zh) * | 2010-12-13 | 2014-08-20 | 美国弗劳恩霍夫股份公司 | 用于非侵入式负载监测的方法和*** |
US20130138669A1 (en) | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a hierarchical load feature database to identify electric load types of different electric loads |
US8756181B2 (en) | 2011-11-28 | 2014-06-17 | Eaton Corporation | System and method employing a self-organizing map load feature database to identify electric load types of different electric loads |
US9081043B2 (en) * | 2012-02-10 | 2015-07-14 | Sharp Laboratories Of America, Inc. | System and method for calculating power using contactless voltage waveform shape sensor |
US9863985B2 (en) * | 2012-04-13 | 2018-01-09 | Regents Of The University Of Minnesota | State estimation of electrical power networks using semidefinite relaxation |
US20140207398A1 (en) * | 2013-01-23 | 2014-07-24 | Samsung Electronics Co., Ltd | Transient Normalization for Appliance Classification, Disaggregation, and Power Estimation in Non-Intrusive Load Monitoring |
-
2013
- 2013-06-18 US US13/920,602 patent/US10290063B2/en active Active
-
2014
- 2014-05-22 CA CA2910799A patent/CA2910799C/en active Active
- 2014-05-22 WO PCT/US2014/039075 patent/WO2014204613A1/en active Application Filing
- 2014-05-22 DE DE112014002885.1T patent/DE112014002885T5/de active Pending
- 2014-05-22 CN CN201480034472.7A patent/CN105393088B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5736936A (en) * | 1994-08-03 | 1998-04-07 | Schlumberger Technology Corporation | Method and apparatus for predicting peak voltage of a cable conveyed tool |
CN101910848A (zh) * | 2007-11-26 | 2010-12-08 | 安全工程有限公司 | 功率传感器 |
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 |
US20130066479A1 (en) * | 2011-09-14 | 2013-03-14 | Honeywell International Inc. | Energy consumption disaggregation system |
US20130138661A1 (en) * | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a minimum distance and a load feature database to identify electric load types of different electric loads |
WO2013078541A1 (en) * | 2011-11-29 | 2013-06-06 | Energy Aware Technology Inc. | Method and system for forecasting power requirements using granular metrics |
Non-Patent Citations (2)
Title |
---|
H. Y. LAM ET AL.: "A Novel Method to Construct Taxonomy of Electrical Appliances Based on Load Signatures", 《TRANSACTIONS ON CONSUMER ELECTRONICS》 * |
唐昆明 等: "一种基于参数辨识的单相瞬时功率理论研究", 《电力***保护与控制》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105393088B (zh) | 2018-06-22 |
WO2014204613A1 (en) | 2014-12-24 |
CA2910799A1 (en) | 2014-12-24 |
US20140371932A1 (en) | 2014-12-18 |
CA2910799C (en) | 2021-01-19 |
DE112014002885T5 (de) | 2016-03-24 |
US10290063B2 (en) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105393088A (zh) | 用于瞬时功率分解和估计的***以及方法 | |
Lin et al. | A nonintrusive load identification method for residential applications based on quadratic programming | |
US9292794B2 (en) | Voltage-based clustering to infer connectivity information in smart grids | |
Chang et al. | A new measurement method for power signatures of nonintrusive demand monitoring and load identification | |
Cox et al. | Transient event detection for nonintrusive load monitoring and demand side management using voltage distortion | |
TWI491136B (zh) | 電器負載監測方法與系統 | |
US20140336831A1 (en) | Non-intrusive load monitoring apparatus and method | |
US20140365490A1 (en) | Method and system employing graphical electric load categorization to identify one of a plurality of different electric load types | |
CN109299134B (zh) | 一种非侵入式监测***下电器的识别方法 | |
Kavulya et al. | Understanding the influence of occupant behavior on energy consumption patterns in commercial buildings | |
JP2013543364A (ja) | 個別識別化装置 | |
Guillén-García et al. | Identification of the electrical load by C-means from non-intrusive monitoring of electrical signals in non-residential buildings | |
CN109270316A (zh) | 一种电力用户用电量异常识别方法、装置及终端设备 | |
CN109146265A (zh) | 基于动态规划时间序列相似性的三相不平衡源溯源方法 | |
Silsüpür et al. | Flicker source detection methods based on IEC 61000-4-15 and signal processing techniques–a review | |
CN103675513A (zh) | 电器设备识别***及方法 | |
CN103155352B (zh) | 工作状态确定装置 | |
Hsu et al. | Power measurement for high performance computing: State of the art | |
Adabi et al. | Cost-effective instrumentation via NILM to support a residential energy management system | |
de Souza et al. | An effective CPT-based nonintrusive load monitoring for cognitive meters | |
CN105305437B (zh) | 电力负荷三重可信度匹配辨识方法 | |
CN206002680U (zh) | 一种电表串户检测装置 | |
Caetano et al. | Comparison between static models of commercial/residential loads and their effects on conservation voltage reduction | |
Jonetzko et al. | High frequency non-intrusive electric device detection and diagnosis | |
Wu et al. | A nonintrusive fast residential load identification algorithm based on frequency‐domain template filtering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190528 Address after: Dublin, Ireland Patentee after: Eaton Intelligent Power Co.,Ltd. Address before: Ohio, USA Patentee before: Eaton Corp. |
|
TR01 | Transfer of patent right |