CN105608639A - 一种基于用户用电信息的居民用电行为分析方法 - Google Patents
一种基于用户用电信息的居民用电行为分析方法 Download PDFInfo
- Publication number
- CN105608639A CN105608639A CN201610009618.3A CN201610009618A CN105608639A CN 105608639 A CN105608639 A CN 105608639A CN 201610009618 A CN201610009618 A CN 201610009618A CN 105608639 A CN105608639 A CN 105608639A
- Authority
- CN
- China
- Prior art keywords
- electricity
- power consumption
- consumption
- behavior
- waste
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 138
- 238000004458 analytical method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 4
- 239000002699 waste material Substances 0.000 claims description 40
- 238000009826 distribution Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 37
- 238000004378 air conditioning Methods 0.000 description 10
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001210 attenuated total reflectance infrared spectroscopy Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000005406 washing 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于用户用电信息的居民用电行为分析方法，包括下述步骤：1)收集用电户用电量信息；2)用电户分组；3)用电特征提取；4)组特征提取；5)用电浪费行为的判定，即异常检测；6)计算浪费用电量；7)输出浪费用电量。本发明提供的技术方案通过智能电表收集的用电量信息挖掘居民费电行为和信息的方法，检测居民的费电行为，估算费电量，进而为电网运营方的差异化定价提供依据，约束居民的费电行为。
Description
技术领域
本发明涉及智能电网中居民用电行为分析方法，具体涉及一种基于用户用电信息的居民用电行为分析方法。
背景技术
节能减排是国家在新形势下提出的国民经济和社会发展的约束性指标，也是每个公民应尽的义务。在传统电网中，电网运营方只能获得粗粒度的电力负荷数据，无法获得单个用电户的某个小时或某天的具体电量消耗，也就没法发现用户的用电浪费行为。而在智能电网中，随着具有实时自动读表功能的智能电表的普及，电网运营方能够获得用电户更加精细的用电量信息，通过每15分钟从智能电表获取的信息，甚至能判断用电户正在使用的电器。智能电网赋予了电网运营方挖掘更多用电户信息的能力，其中就包括对用电户不合理用电行为的检测与度量。电网运营方挖掘居民浪费的用电量，可以提供差异化定价，以惩罚居民的用电浪费行为，约束居民的用电习惯。
常州大学的刘俊等提出了一种单个用电户通过与自身历史用电量特征进行比较，以判断是否不节约用电的方法(专利名称：不节约用电的检测***及其检测方法，授权号：CN103077439A)。该方法适用于用电户对自身用电情况的检测，需要每个用电户部署数据库和监测设备，以记录和管理自身多达数年数月的历史用电记录，不符合智能电网环境；同时，该方法基于与自身历史记录的比较，没有利用多个用电户的用电数据；该方法提出的是一种浪费用电的检测方法，不包括对浪费的用电量进行度量。
发明内容
为解决上述现有技术中的不足，本发明的目的是提供一种基于用户用电信息的居民用电行为分析方法，该方法通过智能电表收集的用电量信息挖掘居民费电行为和信息的方法，检测居民的费电行为，估算费电量，进而为电网运营方的差异化定价提供依据，约束居民的费电行为。
本发明的目的是采用下述技术方案实现的：
本发明提供一种基于用户用电信息的居民用电行为分析方法，其改进之处在于，所述方法包括下述步骤：
1)收集用电户用电量信息；
2)用电户分组；
3)用电特征提取；
4)组特征提取；
5)用电浪费行为的判定，即异常检测；
6)计算浪费用电量；
7)输出浪费用电量。
进一步地，所述步骤1)中，电网运营者收集管辖区域采集周期Tc内所有N个用电户的用电量信息，并记录在用电量数据库中；将运算周期Ty内居民的用电量数据库作为输入。
进一步地，所述步骤2)中，对用电量数据中的N个用电户按照地区分区，再按照周期性用电量组成的长度为Ty/Tc的向量C的变化特征进行聚类分析，分为M组，记为G，其中第i组为Gi；使得每一组中用电户的用电量特征相同；或按照区域对用电户分组，包括按照同一个小区或同一幢宿舍楼的用电户进行分组，同一区域具有相似的作息特征，且对用电量有影响的环境因素相同，环境因素包括季节、天气和气温因素。
进一步地，所述步骤3)中，对于每一组Gi内的用电户，从用电量向量CV中提取组内每一个用电户Gij的用电量变化特征，包括每个用电高峰的开始时间和结束时间，记用电量变化特征为Vij。
进一步地，所述步骤4)中，通过组内每个用电户的用电量变化特征Vij，拟合组内用电特征为高斯分布，即计算组内用电高峰的平均开始时间和方差，得到高斯分布的均值为组特征GVi＝f(Vi1,Vi2,…)，构成组特征中的高峰开始时间特征，组特征GVi即为定义在该组上的合理用电特征。
进一步地，所述步骤5)中，对于每一组Gi内的用电户，比较用电量变化特征Vij和组特征GVi之间的Mahalanobis距离(马氏距离)，若用电户的用电量变化特征Vij和组特征GVi的偏差在两个标准差以上，即为异常，则进一步判断是否有用电浪费行为或极度省电行为。
7、如权利要求1所述的方法，其特征在于，所述步骤6)中，对每个已判断为有用电浪费行为的用电户，结合该用户的用电量变化特征Vij、所在组的组特征GVi和用户的用电量向量CV，计算浪费的用电量L；早于组特征(偏离高斯分布两个标准差)的用电高峰开始时刻或晚于组特征(偏离高斯分布两个标准差)的用电高峰结束时刻被视为费电行为，可以累积计算浪费的电量。
进一步地，所述步骤7)中，对每个已判断为有用电浪费行为的用电户，输出浪费的用电量L，即为该用电户在运算周期Ty浪费的用电量；对于判断为无用电浪费行为的用电户，输出浪费电量L＝0。
与最接近的现有技术相比，本发明提供的技术方案具有的优异效果是：
本发明提出的通过智能电表挖掘居民费电行为和费电量的方法提供了一种远程对用电浪费行为进行度量的方法，无需实时监控用电户具体电器的运行功率，也无需记录长期历史数据。不同于被普遍认同的用电量越高，浪费行为越严重的度量方式，该方法通过用电变化的特征是否与大多数居民相一致来判断用电合理与否，如在夏天空调的使用中，房间大的用电户空调的耗电多，房间小的用电户空调的耗电小，但只有空调设置温度异常低的用电户会被认为有费电行为，因为空调设置温度越低，空调处在高功率运行状态的时间就越长，该用户的用电高峰也就越长。
本发明提供的方法也无需对用电户的作息特征做出假设，因为在处理过程中加入了对用电户进行分组的过程，每个组可以覆盖类似作息特征的用电户，在每个分组中，可以认为组内每个用电户的用电差异都来自是否有好的用电习惯，而不是由作息规律决定。同时，通过对用电户按照区域分组，该方法无需对工作日或周末、季节、天气、气温等可能对用电量产生影响的环境因素做出假设。该方法通过用电户和组内大部分用电户(即具有良好用电习惯的用电户)相比较的手段，避免了使用固定的用电特征对用电户是否具有良好的用电习惯进行判断。
附图说明
图1是本发明提供的通过智能电表挖掘居民费电行为和费电量的方法的流程图；
图2是本发明提供的实施例中所有21户居民一天中用电量的变化图；
图3是本发明提供的同一组中居民一天的用电量的变化图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。
本发明中的方法提出对居民用电信息分区域分析的手段，对用电户进行分组，更加精细的分组方法可以使用对客户细分的方法，以最大程度保证用电特征的差异主要来自于用电户是否具有良好的用电习惯。同时该方法假设大部分居民的用电习惯是良好的，以发现用电量相对于大部分居民上升早且下降慢的少部分居民，认为这少部分居民具有不良的用电习惯，并把用电量中上升早和下降慢的部分作为浪费的电量，通过智能电表挖掘居民费电行为和费电量的方法的流程图如图1所示，包括下述步骤：
该方法采用先对居民进行分组聚类分析再进行异常检测的技术，粗略地分组可以通过按区域划分实现，在异常检测中需要区分异常属于浪费行为还是节约行为。具体流程如下：
1)收集用电户用电量信息：在智能电网中，每户居民都安装有智能电表，智能电表通常以一定的周期报告居民该周期内的用电量(称这个周期为采集周期Tc，通常为15分钟)，电网运营者收集管辖区域内所有N个用电户的这些用电量信息，并记录在数据库中。该方法以更大的周期内这些居民的用电量数据库作为输入(称这个周期为运算周期Ty，通常为1天)。
2)用电户分组：对于用电量数据中的N个用电户，首先按照地区分区，再按照周期性用电量组成的长度为Ty/Tc的向量C的变化特征进行聚类分析，细分为M组,记为G，其中第i组为Gi。使得每一组中的用电户的用电量基本特征相似，如某组中的用电户基本是早上7点到9点开始用电，白天用电量低，晚上6点到10点为用电高峰(或许对应上班族或学生)，另外一组中的用电户基本是白天维持较高的用电量，晚上10点之后用电量下降(或许对应退休家庭)。也可以采用简单的按照区域对用电户分组，因为同一个区域(如同一个小区或同一幢宿舍楼)的用电户，通常具有相似的作息特征，且对用电量有影响的环境因素相同，这些环境因素包括季节、天气、气温等。
3)用电特征提取：对于每一组用电户Gi，从用电量向量CV中提取组内每一个用电户Gij的用电量变化的特征，比如每个用电高峰的开始时间和结束时间等，记为Vij。
4)组特征提取：通过组内每个用电户的电量变化的特征Vij，拟合组内用电特征为高斯分布(计算组内用电高峰的平均开始时间和方差)，得到高斯分布的均值为组特征GVi＝f(Vi1,Vi2,…)，构成组特征中的高峰开始时间特征，组特征即为定义在该组上的合理用电特征。
5)用电浪费行为的判定(异常检测)：对于每一组Gi内的用电户，比较用电量的特征Vij和组特征GVi(合理用电特征)之间的Mahalanobis距离，若用电户的特征与组特征的偏差在两个标准差以上，即为异常，则进一步判断是否有用电浪费行为(还是极度省电行为)。
6)浪费用电量的计算：对每个已判断为有费电行为的用电户，结合该用户的用电量特征Vij、所在组的组特征GVi和用户的用电量向量CV，计算浪费的电量L。
7)输出浪费用电量：对每个已判断为有费电行为的用电户，输出浪费的电量L，即为该用电户在运算周期Ty浪费的电量。对于判断为无费电行为的用电户，输出浪费电量L＝0。
实施例
下面结合附图及实施例对本发明挖掘居民费电行为和信息的方法作进一步描述。
本实施例在居民用电模拟用电软件Smartresidentialloadsimulator(SRLS)中模拟同一组的21户居民在相同的环境因素下同一天的用电情况，其中两户居民分别有空调设置温度过低和晚上忘关电灯的费电行为，本实施例应用的组特征包括用电高峰开始与结束时间。具体流程如下：
1)模拟同一小区内21户居民一天的用电行为，得到每15分钟的用电量数据。这21户居民的模拟环境相同，当天最高温度33摄氏度，最低温度23摄氏度。其中10户居民的作息时间类似，每户居民上午7点左右起床，晚上11点左右睡觉，有家庭主妇一直呆在家中，上午起床到9点左右和晚上6点到11点左右开电灯，空调设置的温度在23摄氏度左右。其中一户居民的空调设置温度为19摄氏度，另一户居民前一天晚上忘关电灯。模拟过程中也伴随有洗衣机、电磁炉等电器的使用。
2)根据用电户的24小时用电量向量进行K-means聚类分析，选取的K＝2。图2为所有21户居民的用电量曲线，图3为聚类分析结果类标号为1的居民的用电量变化曲线，该组内共有10户居民。
3)获取每户居民的用电高峰信息，以类标号为1的居民分组为例。首先将每户居民每15分钟的用电量信息合并为每小时的用电量信息，以减小用电量的波动频率，如图3所示，为分组号为1的10户居民每小时用电量的变化曲线。再提取早上、中午和晚上对应的用电高峰信息，包括开始时间和结束时间。如表1中所示，用电高峰开始时间和高峰结束时间由图3中的数据估算获得，高峰的开始时间和结束时间按用电量斜率趋近于0的时刻获得。
4)获取组特征。计算该10户居民的早上、中午和晚上用电高峰的平均开始时间和平均结束时间和响应的方差，拟合为高斯分布。如下表1中，该10户居民早上、中午和晚上的用电高峰的开始和结束时刻的均值构成组特征(合理用电特征)。
表1同一组中居民的用电特征和组特征
5)挖掘用电户的费电行为，计算浪费的用电量。采用异常检测技术，通过早上、中午和晚上用电高峰开始时间和结束时间的比较，明显早于组特征(偏离高斯分布两个标准差)的用电高峰开始时刻或明显晚于组特征(偏离高斯分布两个标准差)的用电高峰结束时刻被视为费电行为，如表1中红色表项所示。居民9即为模拟过程中前一天晚上忘关电灯的居民，居民10为空调设置温度为19摄氏度的居民。居民9从凌晨1点到5点的用电即为浪费的用电量，同理居民10从中午11点到12点和16点到17点的用电为浪费的用电量。
6)实验结果：准确发现两户存在浪费电行为的居民，相应的浪费用电量的计算也较为准确。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (8)
1.一种基于用户用电信息的居民用电行为分析方法，其特征在于，所述方法包括下述步骤：
1)收集用电户用电量信息；
2)对用电户分组；
3)提取用电特征；
4)提取组特征；
5)用电浪费行为的判定，即异常检测；
6)计算浪费用电量；
7)输出浪费用电量。
2.如权利要求1所述的方法，其特征在于，所述步骤1)中，电网运营者收集管辖区域采集周期Tc内所有N个用电户的用电量信息，并记录在用电量数据库中；将运算周期Ty内居民的用电量数据库作为输入。
3.如权利要求1所述的方法，其特征在于，所述步骤2)中，对用电量数据中的N个用电户按照地区分区，再按照周期性用电量组成的长度为Ty/Tc的向量C的变化特征进行聚类分析，分为M组，记为G，其中第i组为Gi；使得每一组中用电户的用电量特征相同；或按照区域对用电户分组，包括按照同一个小区或同一幢宿舍楼的用电户进行分组，同一区域具有相似的作息特征，且对用电量有影响的环境因素相同，环境因素包括季节、天气和气温因素。
4.如权利要求1所述的方法，其特征在于，所述步骤3)中，对于每一组Gi内的用电户，从用电量向量CV中提取组内每一个用电户Gij的用电量变化特征，包括每个用电高峰的开始时间和结束时间，记用电量变化特征为Vij。
5.如权利要求1所述的方法，其特征在于，所述步骤4)中，通过组内每个用电户的用电量变化特征Vij，拟合组内用电特征为高斯分布，即计算组内用电高峰的平均开始时间和方差，得到高斯分布的均值为组特征GVi＝f(Vi1,Vi2,…)，构成组特征中的高峰开始时间特征，组特征GVi即为定义在该组上的合理用电特征。
6.如权利要求1所述的方法，其特征在于，所述步骤5)中，对于每一组Gi内的用电户，比较用电量变化特征Vij和组特征GVi之间的马氏距离，若用电户的用电量变化特征Vij和组特征GVi的偏差在两个标准差以上，即为异常，则进一步判断是否有用电浪费行为或极度省电行为。
7.如权利要求1所述的方法，其特征在于，所述步骤6)中，对每个已判断为有用电浪费行为的用电户，结合该用户的用电量变化特征Vij、所在组的组特征GVi和用户的用电量向量CV，计算浪费的用电量L；早于组特征的用电高峰开始时刻或晚于组特征的用电高峰结束时刻被视为费电行为，可以累积计算浪费的电量。
8.如权利要求1所述的方法，其特征在于，所述步骤7)中，对每个已判断为有用电浪费行为的用电户，输出浪费的用电量L，即为该用电户在运算周期Ty浪费的用电量；对于判断为无用电浪费行为的用电户，输出浪费电量L＝0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610009618.3A CN105608639A (zh) | 2016-01-07 | 2016-01-07 | 一种基于用户用电信息的居民用电行为分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610009618.3A CN105608639A (zh) | 2016-01-07 | 2016-01-07 | 一种基于用户用电信息的居民用电行为分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105608639A true CN105608639A (zh) | 2016-05-25 |
Family
ID=55988557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610009618.3A Pending CN105608639A (zh) | 2016-01-07 | 2016-01-07 | 一种基于用户用电信息的居民用电行为分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105608639A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408183A (zh) * | 2016-09-09 | 2017-02-15 | 国家电网公司 | 供电指标调控方法 |
| CN106771429A (zh) * | 2016-12-28 | 2017-05-31 | 湖南大学 | 用电量模式学习方法、装置及智能电表 |
| CN106952461A (zh) * | 2017-02-27 | 2017-07-14 | 北京博纳电气股份有限公司 | 一种针对家用电器使用的预测方法 |
| CN108256752A (zh) * | 2018-01-02 | 2018-07-06 | 北京市燃气集团有限责任公司 | 一种燃气用户用气行为的分析方法 |
| CN112594937A (zh) * | 2020-12-16 | 2021-04-02 | 珠海格力电器股份有限公司 | 热水器的控制方法、装置、电子设备及存储介质 |
-
2016
- 2016-01-07 CN CN201610009618.3A patent/CN105608639A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408183A (zh) * | 2016-09-09 | 2017-02-15 | 国家电网公司 | 供电指标调控方法 |
| CN106771429A (zh) * | 2016-12-28 | 2017-05-31 | 湖南大学 | 用电量模式学习方法、装置及智能电表 |
| CN106771429B (zh) * | 2016-12-28 | 2019-07-26 | 湖南大学 | 用电量模式学习方法、装置及智能电表 |
| CN106952461A (zh) * | 2017-02-27 | 2017-07-14 | 北京博纳电气股份有限公司 | 一种针对家用电器使用的预测方法 |
| CN106952461B (zh) * | 2017-02-27 | 2020-07-24 | 北京博纳电气股份有限公司 | 一种针对家用电器使用的预测方法 |
| CN108256752A (zh) * | 2018-01-02 | 2018-07-06 | 北京市燃气集团有限责任公司 | 一种燃气用户用气行为的分析方法 |
| CN112594937A (zh) * | 2020-12-16 | 2021-04-02 | 珠海格力电器股份有限公司 | 热水器的控制方法、装置、电子设备及存储介质 |
| CN112594937B (zh) * | 2020-12-16 | 2022-03-18 | 珠海格力电器股份有限公司 | 热水器的控制方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106093652B (zh) | 一种具备自学习功能的非侵入式电力负荷监测***与方法 | |
| CN105608639A (zh) | 一种基于用户用电信息的居民用电行为分析方法 | |
| Ardakanian et al. | Computing Electricity Consumption Profiles from Household Smart Meter Data. | |
| Pereira et al. | Sustdata: A public dataset for ict4s electric energy research | |
| Alahakoon et al. | Advanced analytics for harnessing the power of smart meter big data | |
| CN102721143B (zh) | 多联机空调电量划分方法 | |
| Tham et al. | Sensing-driven energy purchasing in smart grid cyber-physical system | |
| US11435772B2 (en) | Systems and methods for optimizing energy usage using energy disaggregation data and time of use information | |
| JP2003316922A (ja) | エネルギー情報分析方法、エネルギー情報分析装置、エネルギー情報分析システム | |
| WO2012145099A1 (en) | Non-intrusive load monitoring system and method | |
| CN106296465B (zh) | 一种智能电网异常用电行为检测方法 | |
| Batra et al. | Neighbourhood nilm: A big-data approach to household energy disaggregation | |
| Adabi et al. | Status and challenges of residential and industrial non-intrusive load monitoring | |
| CN102735955A (zh) | 辨识电器状态的功率监控装置及其功率监控方法 | |
| CN106251034A (zh) | 基于云计算技术的智慧节能电表监控*** | |
| CN104715156A (zh) | 一种建筑节能潜力动态评估方法 | |
| Azizi et al. | Residential energy flexibility characterization using non-intrusive load monitoring | |
| CN108475257A (zh) | 处理远程仪表读取数据以分析消耗量模式 | |
| CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
| CN102799108B (zh) | 基于低频能耗信息的能耗解聚合方法及家庭能源管理*** | |
| Ramadan et al. | Towards energy‐efficient smart homes via precise nonintrusive load disaggregation based on hybrid ANN–PSO | |
| CN110298765A (zh) | 一种基于客观关联因素的配电网用电功率异常检测方法 | |
| CN106447207A (zh) | 一种基于大数据分析的绿色建筑预评价*** | |
| Lin et al. | The data mining application in the power quality monitoring data analysis | |
| Choksi et al. | Pattern matrix and decision tree based technique for non-intrusive monitoring of home appliances |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 102209 Beijing City, Changping District science and Technology Park in the future smart grid research institute hospital Applicant after: GLOBAL ENERGY INTERCONNECTION Research Institute Applicant after: State Grid Corporation of China Address before: 102211 Beijing city Changping District Xiaotangshan town big East Village Road No. 270 (future technology city) Applicant before: STATE GRID SMART GRID Research Institute Applicant before: State Grid Corporation of China |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20171030 Address after: 102209 Beijing City, Changping District science and Technology Park in the future smart grid research institute hospital Applicant after: GLOBAL ENERGY INTERCONNECTION Research Institute Applicant after: STATE GRID HEBEI ELECTRIC POWER Co. Applicant after: State Grid Corporation of China Address before: 102209 Beijing City, Changping District science and Technology Park in the future smart grid research institute hospital Applicant before: GLOBAL ENERGY INTERCONNECTION RESEARCH INSTITUTE Applicant before: State Grid Corporation of China |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160525 |