CN107005314B - 从单个感测点检测电子设备的用户驱动的操作状态 - Google Patents
从单个感测点检测电子设备的用户驱动的操作状态 Download PDFInfo
- Publication number
- CN107005314B CN107005314B CN201580047538.0A CN201580047538A CN107005314B CN 107005314 B CN107005314 B CN 107005314B CN 201580047538 A CN201580047538 A CN 201580047538A CN 107005314 B CN107005314 B CN 107005314B
- Authority
- CN
- China
- Prior art keywords
- electrical
- mode
- frame
- modes
- frequency
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title description 33
- 238000000034 method Methods 0.000 claims description 87
- 238000012545 processing Methods 0.000 claims description 51
- 238000000605 extraction Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 24
- 230000001052 transient effect Effects 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010407 vacuum cleaning Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 25
- 230000000694 effects Effects 0.000 description 24
- 239000013598 vector Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000005406 washing Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- BNPSSFBOAGDEEL-UHFFFAOYSA-N albuterol sulfate Chemical compound OS(O)(=O)=O.CC(C)(C)NCC(O)C1=CC=C(O)C(CO)=C1.CC(C)(C)NCC(O)C1=CC=C(O)C(CO)=C1 BNPSSFBOAGDEEL-UHFFFAOYSA-N 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000005055 memory storage Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000004851 dishwashing Methods 0.000 description 4
- 208000035475 disorder Diseases 0.000 description 4
- 238000011068 loading method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000008450 motivation Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 230000009849 deactivation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208140 Acer Species 0.000 description 1
- 208000032365 Electromagnetic interference Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/021—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system adopting a different treatment of each operating region or a different mode of the monitored system, e.g. transient modes; different operating configurations of monitored system
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Selective Calling Equipment (AREA)
- Electric Vacuum Cleaner (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
提供了一种装置,所述装置包括被配置成用于耦合至电气插座的感测设备。所述感测设备可以包括数据采集接收器,所述数据采集接收器被配置成用于当所述感测设备耦合至所述电气插座时经由所述电气插座接收电气噪声。所述电气插座可以电耦合至电力基础设施。一个或多个电气设备可以耦合至所述电力基础设施并且可以生成所述电力基础设施上的所述电气噪声的至少一部分。所述数据采集接收器可以被配置成用于将所述电气噪声转换成一个或多个第一数据信号。
Description
相关申请的交叉引用
本申请要求2014年9月4日提交的美国临时申请号62/046,037以及2014年11月26日提交的美国临时申请号62/085,080的权益。美国临时申请号62/046,037和62/085,080通过引用以其全文结合在此。
技术领域
本公开总体上涉及感测电子设备,并且更具体地涉及检测电子设备的操作状态。
背景技术
许多用于检测和分类电器用途的当前方法采用分布式模型,其中,每个电气设备具有专用传感器,所述专用传感器寻找设备的状态变化(例如,设备的开启和关闭)。设备级感测通常要求耗时且昂贵的安装和维护。在麦克风、加速计和视频相机贯穿结构放置以检测电器活动的情况中,还已经使用了间接感测技术。这种技术通常要求高成本的安装和维护并且还可能引起居家场所方面的隐私问题。用于基于由电设备产生的电磁干扰从单个感测点感测电子设备的存在的技术通常可以检测电设备的开启和关闭状态。
附图说明
为了帮助进一步描述实施例,提供以下附图,在附图中:
图1展示了具有换向器的电动机在第一旋转方向上的示意图;
图2展示了图1的具有图1的换向器的电动机在第二旋转方向上的示意图;
图3展示了当具有电动机的搅拌器以不同的速度操作时波动的EMI的时间-频率表示;
图4展示了当真空吸尘器在家里的地毯和硬地板上使用时波动的EMI的时间-频率表示;
图5展示了开关式电源(SMPS)的框图;
图6展示了其中央处理单元(CPU)以空闲、中等或高负载操作的膝上计算机的时变EMI的时间-频率表示;
图7展示了当TV从一个频道切换至另一个频道时其EMI信号的时间-频率表示;
图8展示了具有两个模式的吹风机的简化示意图,一个模式用于生成热风(即,热模式),并且另一个模式用于生成冷风(即,冷模式);
图9展示了当吹风机从冷模式切换至热模式时,时变EMI的时间-频率表示;
图10展示了根据第一实施例的示例性电气操作状态检测设备1000的图示;
图11展示了根据第一实施例的包括图10的电气操作状态检测设备的示例性***的框图;
图12展示了根据第一实施例的图11的数据采集接收器的部分电路图;
图13展示了根据另一个实施例的针对操作状态检测过程的处理流水线;
图14展示了用于检测电气事件的图形,所述图形包括绘制FFT向量之和的归一化幅度的示例性图形(顶部)以及显示所述顶部图形的第一导数的示例性图形(底部);
图15展示了针对TV的瞬态、扫描样式EMI的时间-频率表示,显示了在115kHz与145kHz之间的瞬态EMI;
图16展示了堆叠式洗衣机的电流负载在完整高负载洗涤周期中的图形;
图17展示了洗碗机的电流负载在完整洗涤周期中的图形;
图18展示了根据另一个实施例的一种方法的流程图;
图19展示了适于实现图10至图11的计算单元的至少一部分的实施例的计算机***;以及
图20展示了包括在图19的计算机***的机箱内部的电路板中的元件的示例的代表性框图。
为了说明的简明性和清楚性,附图展示了总体构造方式,并且众所周知的特征和技术的描述和细节可以省略以避免不必要地模糊本公开。此外,没必要按比例绘制附图中的元素。例如,在附图中一些元素的尺寸可能相对其他元素被夸大,以便有助于提高对本公开的实施例的理解。不同附图中的相同参考号指示相同的元素。
说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等等(如果有的话)被用于区分相似元素而不一定用于描述特定顺序或时间顺序。应当理解,如此使用的这些术语在合适的情况下是可以互换的,这样使得此处描述的实施例例如能够按照除了此处所展示的或另外描述的那些顺序以外的顺序来操作。此外,术语“包括”和“具有”以及其任何变化形式旨在覆盖非排他性的包括,从而使得包括一系列元素的程序、方法、***、物件、设备、或装置不必限制于那些元素,而是可以包括未清楚地列出或这样的程序、方法、***、项目、设备、或装置固有的其他元素。
说明书和权利要求中的术语“左”、“右”、“前”、“后”、“上”、“下”、“在顶部”、“在底部”等(如果有的话)用于描述性目的,并不一定用于描述固定不变的相对位置。应理解到如此使用的术语在合适的情况下是可互换的,从而使得在此描述的装置、方法、和/或物品制造的实施例,例如能够按照除了此处所展示的或以其他方式描述的那些顺序以外的顺序操作。
术语“耦合(couple、coupled、couples、coupling)”等应被广泛理解并指代机械地和/或以其他方式将两个或更多个元件连接起来。两个或更多个电元件可以电耦合在一起,但不可以机械地或以其他方式耦合在一起。耦合可以是持续任何时间长度,例如永久或半永久或仅片刻。“电耦合”等应被广泛地理解并且包括所有类型的电耦合。在词语“耦合”等等附近缺少词语“可移除地”、“可移除的”等等不意味着所讨论的耦合等等是或不是可移除的。
如本文所定义的,两个或更多个元件是“整体的”,如果它们由相同的块材料组成。如本文所定义的,两个或更多个元件是“非整体的”,如果各自是由不同的块材料组成。
如本文所定义的,在一些实施例中,“近似地”可以意味着在所设定值的±10%范围内。在其他实施例中,“近似地”可以意味着在所设定值的±5%范围内。在进一步的实施例中,“近似地”可以意味着在所设定值的±3%范围内。在另外的其他实施例中,“近似地”可以意味着在所设定值的±1%范围内。
实施方案的示例说明
各实施例包括一种装置,所述装置包括被配置成用于耦合至电气插座的感测设备。所述感测设备可以包括数据采集接收器,所述数据采集接收器被配置成用于当所述感测设备耦合至所述电气插座时经由所述电气插座接收电气噪声。所述电气插座可以电耦合至电力基础设施。一个或多个电气设备可以耦合至所述电力基础设施并且可以生成所述电力基础设施上的所述电气噪声的至少一部分。所述数据采集接收器可以被配置成用于将所述电气噪声转换成一个或多个第一数据信号。所述装置还可以包括被配置成用于在计算单元的处理器上运行的处理模块。所述感测设备可以与所述通信单元进行通信。所述处理模块可以进一步被配置成用于至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态。当所述一个或多个电气设备中的每个电气设备处于通电状态时,所述电气设备的所述两个或更多个操作状态可以各自是所述电气设备的不同用户驱动的操作状态。
多个实施例包括一种方法,所述方法包括:在耦合至电气插座的感测设备处,经由所述电气插座采集电气噪声。所述电气插座可以耦合至电力基础设施。一个或多个电气设备可以耦合至所述电力基础设施并且可以生成所述电力基础设施上的所述电气噪声的至少一部分。所述方法还可以包括:在所述感测设备处,将所述电气噪声转换成一个或多个第一数据信号。所述方法另外可以包括:将所述一个或多个第一数据信号从所述感测设备传输至计算单元。所述方法进一步可以包括:在所述计算单元的处理模块处,至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态。当所述一个或多个电气设备中的每个电气设备处于通电状态时,所述电气设备的所述两个或更多个操作状态可以各自是所述电气设备的不同用户驱动的操作状态。
电力线上的电力会包括电气噪声。电气耦合到电力基础设施的电气设备的操作会引起在电力基础设施上出现的电气噪声。这种类型的电气噪声被称为电磁干扰(EMI)。EMI可以分成两种类型:瞬态噪声和连续噪声。在一些实施例中,当电气设备开启时出现的连续的或瞬态的电气噪声与几个交流电气周期后的电气噪声的形状是不相同的(例如,在美国交流电气周期是一秒的1/60)。例如,紧凑型荧光灯泡(CFL)的电气噪声对于几个交流电气周期而言具有同一个形状,而当该CFL升温并且在CFL升温后,电气噪声的形状变化至第二种形状。在另一个示例中,DC(直流)电动机具有连续噪声,但是DC电动机的连续噪声仅仅能够持续数微秒但是当DC电动机运行时可以重复每个交流电气周期。
瞬态噪声以短持续时间为特征,可以在持续时间内(通常10纳秒至几毫秒)观察瞬态噪声。另一方面,只要电气设备运行,就可以观察到连续噪声(即,基本上连续的噪声)。在许多实施例中,如在本文中使用的,“连续噪声”可以指重复的、连续的、不中断的、或反复的噪声。在同一个或不同的实施例中,如果噪声的图案在每个交流电周期重复(或如果当电气设备是在运行中时不间断地对电气噪声信号进行观察),噪声可以是连续的。如果噪声中发生了一个交流电周期中断,则噪声仍然可以被认为是连续的噪声。
在若干示例中,可以在大于一个交流电气周期的时间长度内在电力线上标识连续电气噪声。在另一个示例中,可以在小于一个交流电周期的持续时间内识别连续的电气噪声但是电气信号在三个或更多个交流电气周期中重复。在另一个示例中,连续电气噪声可以是在大于大约10毫秒的时间长度内在电力线上可标识的电气信号。在另一个示例中,连续电气噪声可以是在大于大约50毫秒的时间长度内在电力线上可标识的电气信号。在又其他示例中,连续电气噪声可以是在大于大约1秒的时间长度内在电力线上可标识的电气信号。在又进一步的示例中,连续电气噪声可以是在大于大约10秒的时间长度内在电力线上可标识的电气信号。
瞬态噪声和连续噪声都可以集中在一个狭窄的频带之内或扩展到一个更宽的带宽之上(例如,宽带噪声)。CFL是一个生成连续噪声的电气设备的示例,由于其同电力线基础设施电气耦合,连续噪声在电力线上传导。因为结构的配电***在所述结构的断路器面板上并联互连,所以传导的EMI贯穿结构的电线基础设施从给定的电气设备广泛地传播。
电力和电器使用信息经常可以揭示家里的人类活动的性质。例如,感测真空吸尘器、微波炉和厨房电器的使用可以洞悉人的当前活动。感测技术可以是基于电器使用可以由其在环境的现有电力基础设施中的显示感测的想法,而不是将传感器放置在每个电器上。感测EMI的其他方法通常仅检测电器的开启状态或关闭状态,这允许检测什么电器被使用,而不是电器被如何使用。
在多个实施例中,本文描述的***和方法可以用于从结构(如,房子)中的单个感测点推断电子设备的操作状态。当电子设备操作时,所述电子设备基于其操作状态(例如,在地毯vs.硬地板上真空吸尘)生成时变的电磁干扰(EMI)。此EMI噪声耦合至电源线并且可以从附接于结构(例如,房子)中的壁式插座的单个感测硬件检测到。在多个实施例中,设备电路的域知识可以用于半监督模型训练以避免冗长的贴标签过程。
在物理世界中感测、建模和推断人类活动的能力仍为普适计算中的重要挑战。基础设施调解感测(IMS)已被提出作为一种用于人类活动的低沉并且不突兀感测的方法。IMS是基于以下想法:人类活动(例如,真空吸尘、使用微波炉或调酒)可以由其在环境的现有基础设施(例如,家用水、电气、和HVAC基础设施)中的表现来感测,由此减小在环境中各处安装传感器的需求。IMS的示例是使用单个***式传感器通过鉴别电源线上的瞬态电气噪声签名来检测电激活或去激活事件的能力。利用家中的现代电气设备产生的EMI来改进这种技术。从单个感测点,可以通过对电气设备的频域EMI签名进行训练来推断那些设备的存在。这些技术通常仅可以检测电气设备的开启状态或关闭状态。
连续的时变EMI可以提供关于设备如何被使用以及设备可能处于什么状态的附加信息,提供更多用于活动识别和能量解聚的粒度信息。在多个实施例中,本文描述的***和方法可以不同于高斯拟合和监督学习,并且代替地可以利用设备电路领域知识以用于半监督学习,减少训练分类器的努力。在许多实施例中,本文描述的***和方法可以通过单个感测点来检测电气设备的操作状态,所述单个感测点可以安装在结构(例如,房子)中的任何位置。本文描述的***和方法可以利用电气噪声来评估电器的操作状态。电气设备当它们操作时可以产生EMI。当电气设备在不同的状态(例如,高CPU负载vs.低CPU负载)或在变化的条件下操作时,由电气设备生成的EMI基于相应的用户驱动的操作状态有区别地波动。在许多实施例中,可以基于时变EMI标识电器设备的各种不同的操作状态。电气设备的电路模型和半监督聚类领域知识可以用于状态估计,这可以避免对数据进行冗长的贴标签过程的需求。这种使用先前领域知识来进行模型训练可以显著地减小训练努力,因为其不要求大量贴有标签的数据。在许多实施例中,不像聚焦于静态连续EMI(如,用于电气激活或去激活事件监测的基于静态SMPS的EMI)的技术,由机械切换(例如,真空吸尘器)、电气切换(例如,膝上计算机)以及组合(例如,吹风机)电路诱发的时变EMI可以用于检测电气设备的操作状态。
检测和标识电子电器的操作状态对于各种应用而言可以是有益的。例如,这些细粒度电气特性相比现有技术中使用的聚焦于用于电气激活或去激活事件检测的静态连续EMI的静态特征可以提供更丰富的特征集,并且可被采用以实现准确的能量解聚。此外,电气特性的状态变化可以指示人类行为并且可以用于活动推断检测。例如,居住在家里的两个人可能非常不同地使用吹风机。通过检测其对应使用图案的操作状态,本文描述的***和方法可以标识分配于不同个体的能量使用。此外,本文描述的***和方法通过观察已知状态的变化或检测新的、异常的操作状态的存在还可以用于机器故障发现。检测状态可以是实现这些应用的重要步骤。
时变EMI的类型
采用连续噪声形式的各种类型的EMI可以由电器基于其操作和内部电子器件而产生。各种类型的时变EMI可以由电器基于电器的内部操作状态变化或基于电器的不同物理用途而生成。
A.基于电动机的电器的EMI
各种家用电器使用电动机,如,真空吸尘器、搅拌器和食物混合器。换向器电动机是能量高效的,因为其以相对低功耗产生高旋转速度。然而,由于刷子与换向器之间的机械切换机制,其通常生成强烈的EMI。图1展示了具有换向器130的电动机100在第一旋转方向上的示意图。图2展示了具有换向器130的电动机100在第二旋转方向上的示意图。电动机100可以是三槽、两极有刷电动机。电动机100可以包括具有三个换向器槽131、132和133的换向器130。电动机100还可以包括三个电磁体121、122和123,每个电磁体可以是可被制成具有两个极(例如,北和南)的铁条,所述两个极可以基于铁条周围的电流被开启或关闭,或者被切换。两个刷子111(正电流极性)和112(负电流极性)可以用于经由换向器槽(例如,131-133)为电路提供电流。当电动机100操作时,来自换向器槽(例如,131-133)由刷子(例如,111、112)提供的电流可以在电磁体(121-123)中感应磁场。在图1中,电磁体123不形成任何磁场,因为没有电流流经它。电动机100可以包括两个位于各侧的两个永磁体110和113以生成旋转力。在图1中,电磁体121被永磁体110吸引,而电磁体122被永磁体110排斥,从而生成顺时针力用于换向器130。在换向器槽131-133与刷子111和112之间关闭联系或建立联系导致导电电磁体(121-123)的电极切换,迫使换向器130始终顺时针地旋转。例如,如图2中所示,电磁体121不形成任何磁场,因为没有电流流经它。电磁体122被永磁体113吸引而电磁体123被永磁体113排斥,使得换向器130始终顺时针旋转,并当换向器槽(例如,131-133)在刷子(例如,111-112)之间关闭和建立联系时生成EMI。高效率电动机通常具有更多的换向器槽(如21-25换向器槽)以及附加的刷子,其可以产生更强的扭矩。
1.由于机械切换而导致的换向EMI
电动机EMI由机械切换现象引起。随着电动机旋转,在换向器(例如,130)与刷子(例如,111、112)之间关闭联系和建立联系的动作以电动机的旋转速率乘以换向器槽数量产生周期性电流尖峰。也就是说,EMI出现在电动机的旋转速度的谐波处。例如,具有21个槽且旋转速率为460RPS(每秒钟转数)的电动机以21*460=9660FIz(赫兹)产生电流尖峰,这显示其自己为具有相同频率的EMI。这种类型的EMI(称为换向EMI)主要通过电源线网络上的传导进行传播,并且还产生少量的辐射发射。当电动机开启时,要花费1到2秒来达到指定的操作速度。此加速时段看起来为“斜升”EMI,如图3和图4所示,以下所述。此外,在刷子-换向器端子之间存在电阻。这些阻抗影响电动机旋转,引起基频附近相对较弱的EMI。在许多实施例中,这些EMI可以被检测并且被利用作为估计电动机的操作状态的特征。
2.在不同旋转速度处的时变EMI
换向EMI出现在电动机的旋转速度的谐波处。当电动机以不同的速度操作时,EMI进而出现在不同的频率处。图3展示了当具有电动机(其可以类似于电动机100(图1-2))的搅拌器(确切地,Cuisinart PowerBlend600)以不同的速度操作时,波动的EMI的时间-频率表示300。在搅拌器在约4秒的时间处(第一时段)开启后,在图3中约5s到10s的时间处,搅拌器以相对较低的速度(速度2)运行,产生大致6kHz(千赫兹)的EMI。当其切换至较高速度(速度4)时,在第二时段,在图3的约10s至15s的时间处,EMI频率随着电动机的旋转速度增加,在搅拌器于约16s的时间处关闭之前斜升至7.1kHz。
3.响应于物理使用的时变EMI
观察到,当搅拌器电动机以较高的速度脱水时,搅拌器容器内的水猛地搅动,致使气袋和液体与刀片随机地碰撞。这种不均匀的空气/液体电阻会引起搅拌器速度波动,因此导致不规则波动的EMI,如在图3的速度4线段中可见。时变EMI图案还可以在真空吸尘器用于不同表面上时被观察到。图4展示了当真空吸尘器(确切地,Bissel 6584)在家里的地毯和硬地板上使用时波动的EMI的时间-频率表示400。在真空吸尘器中,电动机脱水以将空气从机器中排出,使尘土收集容器暂时真空。为了平衡压力,吸尘器外部的空气流入容器中并且然后从电动机通风孔释放出来。此空气循环将尘土吸入机器中并将空气从机器中释放出来。当在地毯上使用时,由于地毯干扰的空气流,电动机以较低的、不均匀的速度旋转。电动机旋转的减少和干扰产生以相对较低频率波动的EMI,如在图4中约5s至15s时间处所示,这发生在约4s至5s时间处的斜升时段之后。如图4中所示,真空吸尘器闲置在地毯上时(在约5s至9s时间处)产生的EMI可以不同于真空吸尘器在地毯上工作时(在约9s至15s时间处)产生的EMI。一旦真空吸尘器移至硬地板,进气口就变得很大程度不受阻碍,以更高的频率产生静态EMI,如在图4中约16s至21s时间处所示。
B.基于SMPS的电器的EMI
SMPS(开关式电源)由于其小尺寸和高效率已经广泛地用于现代电子电器。不像传统的线性电源,SMPS通过在完全开启、完全关闭和低功耗之间切换电源来对电源进行管理。因为电源以高功耗操作仅持续非常短的时期,这使功率浪费最小化。图5展示了SMPS 500的框图。SMPS可以取交流输入501,并产生直流输出506。SMPS 500可以包括输入整流器502、开关503、变压器504、输出整流器505、比较器507和脉冲宽度调制(PWM)振荡器508。在许多实施例中,开关503可以包括传输晶体管,所述传输晶体管基于PWM振荡器508控制切换频率。为了减小电源的尺寸,SMPS 500可以从几十到几百千赫兹操作。这种切换动作固有地生成SMPS 500在不同模式之间切换的频率(被称为切换频率)附近的很强的EMI。在许多实施例中,由SMPS(例如,500)产生的时变EMI可被分析以发现基于SMPS的电器(如膝上计算机和电视机(TV))的操作状态。
1.在不同CPU负载处的时变EMI
在SMPS(例如,500)中,输出电压调整是通过调整开启时长与关闭时长之比而完成的。如图5中所示,通过比较器507将直流输出506与参考电压进行比较以调整PWM振荡器508的切换频率。具有变化负载的电子电器(如,膝上计算机)可引起在其切换频率附近的EMI波动。图6展示了膝上计算机(确切地,宏碁Aspire 5736Z)的时变EMI的时间-频率表示700,其中,其中央处理单元(CPU)以空闲(时间-频率表示610中所示)、中等(时间-频率表示620中所示)、和高负载(时间-频率表示630中所示)操作。当CPU以高负载(如,90-100%)运行时,下降输出电压致使振荡器以更高的频率操作以便汲取更多的能量,产生更高频率和幅度的EMI,如时间-频率表示630中所示。在其他两种模式——空闲和中等负载中,存在相对较弱但仍可辨别的EMI,如时间-频率表示610和620中所示。信号图案在不同膝上计算机和个人计算机(PC)上是可区分的,这可以归因于功率调节电路的制造商差异。在许多实施例中,不同计算机之间的这些独特的指纹可以用于制造商标识或异常检测,如,检测可以指示即将发生的设备故障(如,显示卡故障)的大功率汲取。
2.由瞬态动作引起的时变EMI
另一种类型的时变EMI是由如切换TV频道的瞬态动作引起的。图7展示了当TV(确切地,夏普42英寸TV)从一个频道切换至另一个频道时其EMI信号的时间-频率表示700。如图7中所示,在约11s至13s时间处,短脉冲干扰、或EMI的突然变化在执行所述频道变化动作时被检测到。TV调谐器电路和操作的进一步调查揭露:当TV切换至新频道时,TV调谐器重置中心频率,这使得振荡器以不同的频率操作一段较短的时期。TV产生与所显示的屏幕内容相关的变化的EMI信号。来自频道切换的EMI变化不同于作为屏幕内容的结果的EMI变化。由于其较大的瞬变性质,在许多实施例中,其可以被稳健地检测和提取。
C.具有较大阻性负载的电器的EMI
某些电器(如吹风机和暖风机)不仅采用电动机,而且采用大电阻部件以生成热空气流。当设备在不同模式(例如,冷模式vs.暖模式vs.热模式)中运行时,阻性负载的变化影响电动机操作并产生可辨别的EMI图案用于状态估计。同样具有影响电动机操作的其他部件(如,扭矩螺丝刀)的其他电器也可以显示这种可辨别的EMI图案。
图8展示了具有两个模式的吹风机800的简化示意图,一个模式用于生成热风(即,热模式),并且另一个模式用于生成冷风(即,冷模式)。吹风机800可以包括整流器802,所述整流器可以将AC源801整流为DC电流。吹风机可以包括开关803,所述开关可以切换至针对冷模式的第一位置804,或者针对热模式的第二位置805。当吹风机800在冷模式下操作时,其中,开关803通过在端子1和2处进行接触而处于第一位置804,仅小阻性负载807(RS)和电动机驱动的风扇808被驱动。例如,小阻性负载807(RS)可以是10瓦特(W)功率额定电阻器。当开关803通过在端子2和3处进行接触切换至热模式时,较大的阻性负载806(RL)与较小的阻性负载807(RS)并联,这增加了电路的总电流负载并且改变了风扇的旋转速度。例如,小阻性负载806(RL)可以是300W功率额定电阻器。这些性能变化在对应操作状态处引起不同的EMI图案。
图9展示了当吹风机从冷模式切换至热模式时,时变EMI的时间-频率表示900。如图9中所示,在吹风机800于约3s时间处开启后,吹风机800在约3s至8s的时间处在冷模式下操作,产生第一EMI图案,并且然后在约8s至13s时间处在热模式下操作,产生不同的第二EMI图案,其后,吹风机800在约13s的时间处关闭。
电气操作状态检测设备
在附图中向前转,图10展示了根据第一实施例的示例性电气操作状态检测设备1000的图示。图11展示了根据第一实施例的包括电气操作状态检测设备1000的示例性***1100的框图。在一些实施例中,电气操作状态检测设备1000可以被配置成用于检测***1100中的一个或多个电气设备1190(图11)的电气操作状态。电气操作状态检测设备1000还可以被配置成用于检测具有***1100的结构的电力线基础设施1050中的电气设备1190(图11)的一个或多个电气操作状态。在许多示例中,电气操作状态检测设备1000可以感测到由电气设备1190置于电力线基础设施1050上的连续噪声(如,时变EMI),以检测电力线基础设施1050上的电气设备1190的电气操作状态。***1100和电气操作状态检测设备1000仅是示例性的并且不限于本文呈现的实施例。电气操作状态检测设备1000可以被用于未在本文具体描绘或描述的许多不同的实施例或示例中。
在一些示例中,当一个或多个电气设备1190在不同的电气状态下操作时,所述一个或多个电气设备1190生成时变EMI,从而使得当所述一个或多个电气设备1190变化为不同的操作状态时由所述一个或多个电气设备1190生成的所述一个或多个EMI图案变化为不同的EMI图案。在许多实施例中,针对电气设备1190中的不同电气设备,电气信号可以主要在例如5千赫兹至250千赫兹范围内,但是也可以在更高或更低的频率范围和/或更宽或更窄的频率范围处。
在一些实施例中,每种操作状态可以是与特定的电子设备(例如,电器)可以在其中操作的模式不同的模式。例如,洗衣机可以在洗涤、漂洗和脱水周期中操作,并且可以被分类为具有三个操作状态。作为另一个示例,洗衣机可以具有附加的操作状态,如,两个不同的洗涤周期、三个不同的漂洗周期、以及一个脱水周期。操作状态的数量可以取决于解释状态的粒度,可以取决于预期应用,和/或可以取决于应用的能力。在许多实施例中,操作状态可以是用户可选择的和/或可以被激活或去激活作为用户与电器直接交互的结果。例如,在某些洗衣机中,子漂洗周期可以不被认为是有差异的,除非它们是用户可选择的。在许多实施例中,操作状态如果可以选择性地由用户启用或禁用,则它们可以被认为是有区别的操作状态。针对某些电器,有区别的操作状态可以存在作为用户与电器直接交互的结果。例如,用户可以与计算机交互以改变计算机的处理器在低、中和高之间所产生的负载。在一些实施例中,电器的操作状态数量可以是离散的。在许多实施例中,电器的操作状态数量可以等于或小于20、15、12、10、9、8、7、6、5、4、3或2。
在多个实施例中,电器操作状态检测设备1000可以包括被配置成用于耦合到电力线基础设施1050(即,结构中的电力线)的至少一个电气插座1051(图10)的至少一个感测单元1010,和/或至少一个计算单元1020。在一些实施例中,电器操作状态检测设备1000不包括电力线基础设施1050、电气插座1051、或电气设备1190。在不同的实施例中,电器操作状态检测设备1000还不包括计算单元1020。在一些示例中,电气检测设备1000可以包括处理模块1122(图11),但不包括计算单元1020。
如图11中所示,在若干实施例中,感测单元1010可以包括至少一个数据采集接收器1111、控制器1115、通信设备1116和/或电源1117。在多个实施例中,电源1117可以被配置成用于将电力提供给数据采集接收器1111、控制器1115和/或通信设备1116。在多个实施例中,通信设备1116可以包括发射器(如,无线或有线发射器),并且可以被配置成用于将信息发送至计算单元1020。在多个实施例中,控制器1115可以控制感测单元1010内的数据处理和/或数据流,和/或感测单元1010的操作。
在许多实施例中,计算单元1020可以包括通信设备1121、处理模块1122和存储模块1130。在若干实施例中,通信设备1121可以包括接收器,并且可以被配置成用于接收来自感测单元1010的信息。
并不在限制意义上被采取,使用电器操作状态检测设备1000的简单示例涉及电气设备1190在电力线基础设施1050上生成一个或多个高频电气信号(例如,EMI)。感测单元1010可以在电力线基础设施1050上检测高频电气信号(例如,连续的噪声和/或时变EMI)并产生包括关于高频电气信号的信息的一个或多个数据信号。感测单元1010可以使用有线和/或无线通信方法将数据信号传达至计算单元1020。计算单元1020可以至少部分地使用数据信号来标识电气设备1190的电气操作状态。
在许多实施例中,数据采集接收器1111可以被配置成用于接收和处理来自电力线基础设施1050的一个或多个电气信号。电气信号可以包括高频分量(例如,EMI)。也就是说,数据采集接收器1111可以被配置成用于接收具有高频分量的电气信号,并将电气信号并且具体地所述高频分量转换成一个或多个数据信号。
图12展示了根据第一实施例的数据采集接收器1111的部分电路图。参照图11和图12,在各实施例中,数据采集接收器1111可以包括被配置成用于耦合至电力线基础设施1050的电气插座1051(图10)的至少一个电气接口1112、一个或多个滤波器电路1113以及至少一个转换器模块1114。在各实施例中,电气接口1112可以包括两个接脚或三个接脚的电力连接器。
在一些实施例中,滤波器电路1113可以电气耦合至电气接口1112并且被配置成用于过滤掉来自电力基础设施的传入电气信号的多个部分。例如,滤波器电路可以被配置成用于使高频电气噪声通过。在许多实施例中,数据采集接收器1111可以过滤掉AC线路频率(在美国60Hz),这样使得转换器模块1114没有被强60Hz频率分量超载。在相同或不同的示例中,滤波器电路1113可以包括高通滤波器。在一些实施例中,所述高通滤波器可以具有从5kHz到30MHz(兆赫兹)基本上平坦的频率响应。所述高通滤波器的3dB(分贝)转角可以在5.3kHz处,其可以足够低以采集足够低RPS电动机EMI。
在某些实施例中,滤波器电路1113可以包括电容器1261和1262、以及电阻器1263、1264和1265。电容器1261和1262可以是0.1uF(微法拉)电容器(450V(伏特)聚酯电容器)。电阻器1263可以是300欧姆(Ω)、1W额定电阻器。电阻器1264可以是75Ω、1W额定电阻器。电阻器1265可以是100Ω、1W额定电阻器。
在多个实施例中,转换器模块1114可以电耦合至滤波器电路1113并且可以被配置成用于从滤波器电路1113接收经滤波的信号。在若干实施例中,转换器模块1114可以被配置成用于将一个或多个经滤波的信号转换成一个或多个数据信号。所述一个或多个数据信号可以包括与所述一个或多个电信号的高频分量相关的信息。在一些示例中,转换器模块1114可以包括模拟数字转换器(ADC)。在一些示例中,ADC可以以预定的速率(例如,500kHz)对经滤波的电气信号进行采样。在一个示例中,转换器模块1114可以包括USRP(通用软件无线电外设)N210,所述USRP N210可以充当以500k Hz采样的ADC。
在一些实施例中,通信设备1116可以包括无线发射器,和/或通信设备1121可以包括无线接收器。在一些示例中,可以使用WI-FI(无线保真)、IEEE(电气电子工程师协会)802.11无线协议或蓝牙3.0+HS(高速)无线协议来传输电信号。在进一步的示例中,这些信号可以通过Zigbee(802.15.4)、Z波或专有无线标准来传输。在其他示例中,通信设备116可以使用蜂窝连接或有线连接(例如,使用电线)来传输电信号。例如,可以使用USB(统一串行总线)、以太网或另一种有线通信协议来传输电信号。
如图11中所示,在各实施例中,处理模块1122可以包括软件并且可以包括预处理模块1123、事件检测模块1124、帧提取模块1125、特征提取模块1126、聚类模块1127、映射模块1128和/或通信模块1129,如以下进一步详细所述。在许多实施例中,计算单元1020和/或处理模块1122可以被配置成用于至少部分地使用一个或多个第一数据信号(例如,关于所述一个或多个电气信号的高频分量的信息)来标识电气设备1190的电气状态。
在多个实施例中,通信模块1129可以用于将信息传达至电气操作状态检测设备1000的一个或多个用户并且从其接收信息。例如,在学习序列期间,用户可以使用通信模块1129来输入信息。此外,当电气设备(例如,1190)出于操作状态时,通信模块1129可以通知用户。在一些实施例中,通信模块1129可以使用图19的监控器1908、键盘1904、和/或鼠标1910,以下所述。
在若干实施例中,存储模块1130可以存储由处理模块1122使用的信息和数据。在一些示例中,存储模块1130可以包括USB端口1915(图19)中的USB设备、CD-ROM和/或DVD驱动1916(图19)中的CD-ROM或DVD、硬盘驱动器1914(图19)、或存储器2008(图20)。
在多个实施例中,处理模块1122可以被配置成用于在计算单元1020的处理器上运行(例如,图20的中央处理单元(CPU)2010)。如本文所用,“计算单元”可以是指单个计算机、单个服务器、或在一个或多个位置处的计算机和/或服务器的集群或集合。在一个示例中,计算单元1020可以包括在图19和20中所展示的计算机。在一些示例中,计算单元1020可以至少部分地对于用户而言是本地的。在其他示例中,所述用户可以通过互联网或其他网络访问计算单元1020。
在一些示例中,计算单元1020可以是第一服务器。第一服务器可以是电气操作状态检测设备1000的用户的家用计算机,或建筑物的所有者自身拥有的或控制的计算机,电气操作状态检测设备1000安装在所述建筑物中。在其他示例中,第一服务器可以是位于所述结构中的另一个电气设备(具有处理器)(例如,家庭控制或自动化***、安全***、环境控制***)。第一服务器可以包括通信设备1121、存储模块1130、和/或处理模块1122的第一部分。一个或多个第二服务器(例如,电气操作状态检测设备1000的制造商或分销商所拥有或控制的计算机或服务器、公共事业公司、或安全监控公司)可以包括这些模块的第二可能重叠的部分。在这些示例中,计算单元1020可以包括第一服务器与所述一个或多个第二服务器的组合。
数据处理
在附图中向前转,图13展示了根据另一个实施例的针对操作状态检测过程的处理流水线1300。处理流水线1300仅是示例性的,并且处理流水线的实施例不限于本文呈现的实施例。处理流水线可以被用于未在本文具体描绘或描述的许多不同的实施例或示例中。在一些实施例中,可以用所呈现的顺序执行处理流水线1300的步骤、过程、和/或活动。在其他实施例中,可以用任何合适的顺序执行处理流水线1300的步骤、过程、和/或活动。在又其他实施例中,可以组合或跳过处理流水线1300的一个或多个步骤、过程、和/或活动。
A.数据采集
参照图13,在一些实施例中,处理流水线1300的流程可以从数据采集框1320处开始。在许多实施例中,数据采集框1320可以由数据采集接收器1111(图11)执行。在若干实施例中,数据采集框1320可以涉及从电力基础设施1050接收电力信号作为输入(图10-11),所述电力信号可以主要是可以包括高频EMI的120V AC电力信号1310。在许多实施例中,数据采集接收器1111(图11)可以过滤掉低频信号(如,低于5.3kHz的那些信号),其可以强烈地拒绝60Hz及其谐波,避免对感测硬件的可能损害,并且其可以足够低以采集低RPS电动机EMI。经滤波的信号可以被馈送至USRP(通用软件无线电外设)N210,所述USRP N210充当在转换器模块1114(图11)处以500kHz采样的ADC。在其他实施例中,基于由不同类型的电器产生的不同的EMI图案,采样速率可以更高。此外,转换器模块1114(图11)可以对这些时域数据计算快速傅里叶变换(FFT),产生具有30.52Hz仓的16384点FFT向量。仓大小的这个分辨率可以允许观察不同操作状态中较小的EMI波动。在若干实施例中,FFT向量然后可以在处理模块1122(图11)中从通信设备1116(图11)流传输至处理流水线,以用于状态检测和分类。图13包括在执行数据采集框1320之后输出的记录数据的示例性时间-频率表示1321。
B.预处理
在许多实施例中,处理流水线1300的流程可以在预处理框1330处继续,其可以包括噪声和基准去除。在若干实施例中,预处理框1330可以由预处理模块1123(图11)执行。在许多实施例中,预处理框1330可以包括从记录数据中去除基准信号。为了去除基准信号,例如,可以对在每个记录数据文件中的前100个FFT向量求平均以确定基准向量。在其他实施例中,用于求平均的FFT向量的数量可以低至50或高至350。在多个实施例中,用于求平均的FFT向量的数量可以在100与150之间。这个基准向量可以从剩余的FFT向量中减去而被减去。所产生的不同的向量可以是由稍后驱动的电子设备产生的EMI。可以执行下一次滤波以去除从感测硬件(例如,感测单元1010(图10-11))和电力基础设施1050(图10-11)中产生的噪声。具体地,可以应用窗大小为10的中值滤波器以去除稀疏噪声。为了进一步平滑数据,可以执行具有正则化参数20的TVD(全变分去噪)。TVD是在不同的背景下设计的,以从具有高全变分的图像中去除噪声,同时保存重要的细节,如角和边缘。因为EMI信号固有地具有过度的、稀疏的噪声,所以TVD可以在不损害大多数信号特性的情况下高效地去除噪声。图13包括在执行预处理框1330之后产生的数据的示例性时间-频率表示1331。
C.事件检测
在若干实施例中,处理流水线1300的流程可以在事件检测框1340处继续。在若干实施例中,事件检测框1340可以由事件检测模块1124(图11)执行。在许多实施例中,事件检测框1340可以包括截断记录数据以提取事件分段。在若干实施例中,可以对FFT向量求总和。图14展示了用于检测电气事件的图形1400,所述图形包括绘制FFT向量之和的归一化幅度的示例性图形1410以及显示图形1410的第一导数的示例性图形1420。可以绘制随时间变化的总幅度波动,如图形1410中所示。此曲线中任何显著的变化可以指示可能的电气事件,可以使用基于阈值的方法来对其进行分段。图14演示了这个事件检测过程。图形1410示出了EMI数据的归一化幅度,其中,分别地,上升沿和下降沿分别对应于电气事件的开始和结束。出于本申请的目的,电气事件可以是电气设备(例如,电气设备1190之一(图11))处于同一操作状态的时段。为了标识电气事件,可以确定图形1410的第一导数,如图形1420中所示。可以将阈值与图形1420中的第一导数进行比较以确定事件的开始和结束。例如,可以使用经验推导的阈值0.0025,如图形1420中所示(被示出为虚线的阈值线),以确定电气事件的开始和结束,如图形1420中在阈值线与第1导数曲线相交处所示,指示所述事件在约7s处开始并且在约19s处结束。阈值0.0025可以能够稳健地检测电气事件,同时引入最少的误报警或不引入误警报。
在提取事件分段之后,事件检测框1340可以包括将FFT向量进一步截断成特定的覆盖电子设备的所有操作状态的频率范围。这个第二截断过程可以有利地促进特征提取。因为特征可以从特定的频谱内提取,所以截断的FFT向量可以更精确地表示信号特性。为了检索新设备的目标频率范围,可以手动地开启或关闭设备的每个操作状态。
图13包括在执行事件检测框1340之后产生的数据的示例性时间-频率表示1341。如时间-频率表示1341中所示,事件检测框1340可以检测第一事件1342(E1)和第二事件1343(E2)。第一事件1342(E1)可以表示第一电子设备处于第一操作状态中,并且第二事件1343(E2)可以表示第一电子设备处于第二操作状态中。例如,第一电子设备可以是搅拌器,并且第一操作状态可以是以速度2操作搅拌器,并且第二操作状态可以是以速度4操作搅拌器。
D.帧提取
在多个实施例中,处理流水线1300的流程可以在帧提取框1350处继续。在若干实施例中,帧提取框1350可以由帧提取模块1125(图11)执行。在许多实施例中,帧提取框1350可以包括通过使用1s的滑动窗(其中0.5s在每个随后的帧之间重叠)将在事件检测框1340中生成的截断事件分段进一步聚块成更小的单元(指示为帧)。图13包括在执行帧提取框1350之后检测到的第二事件1343(E2)的示例性时间-频率表示1351,示出1秒帧1352(从第二事件1343(E2)提取的帧)。EMI示出了在同一操作状态内稳定的信号特性。由1秒帧提供的短期分析用于确认EMI特性在同一操作状态内的稳定性,并且如果EMI在同一操作状态中剧烈地波动则允许对变化进行分析。
E.特征提取
在各实施例中,处理流水线1300的流程可以在特征提取框1360处继续。在若干实施例中,特征提取框1360可以由特征提取模块1126(图11)执行。在许多实施例,特征提取框1360可以包括基于不同时变EMI的签名从帧提取框1350中提取的每个帧中提取聚合特征。在多个实施例中,前六个特征可以包括帧的峰值EMI的平均幅度、最大幅度、最小幅度、平均频率、最大频率和最小频率。这些特征可以描述基础EMI的特性。针对基于电动机的设备,由于摩擦和电阻引起的不均匀的旋转,通常存在多个峰值EMI。为了对其进行采集,第七个特征可以包括两个显著EMI峰值之间的频率间隙。某个EMI具有不同的总幅度变化,如,处于不同CPU负载下的膝上计算机或处于不同温度模式下的吹风机。为了对其进行采集,第八个特征可以包括帧的平均幅度(能量)。在许多实施例中,特征提取框1360可以针对每个帧提取8元组特征向量。其他实施例可以包括这八个特征和/或附加特征中的一部分。图13包括从时间-频率表示1362中提取特征1363的展示1361,其可以与帧1352(帧1)(在执行帧提取框1350之后提取的帧)完全相同。
F.聚类
在各实施例中,处理流水线1300的流程可以在聚类框1370处继续。在若干实施例中,聚类框1370可以由聚类模块1127(图11)执行。在许多实施例中,聚类框1370可以包括操作状态的分类。在许多实施例中,可以使用期望最大化(EM)聚类算法,这可以有利地允许适应不均匀的聚类大小。结构的居住者可以在日常生活中不均匀地使用处于不同操作状态中的每个电气设备,因此,在与不同操作状态相对应的聚类尺寸中可能存在显著的变化。有益地,EM通常胜过对聚类大小更敏感的其他类似的算法,如,K均值聚类。EM有利地允许聚类重叠。如果电器具有两个类似的操作状态,如,在2模式食物混合器中类似的旋转速度,则对应的聚类通常将在特征空间中重叠。
进一步地,EM要求聚类数量作为唯一的输入参数。电器的操作状态数量从用户视角通常可以从其外观(如,搅拌器上的六个按钮)、其物理使用模式(如,在不同表面上进行真空吸尘)、或其电路模型而被感知到。当使用新设备时,可以采用此人为观察作为现有知识来训练模型,这可以有利地消除在校准期间对每个单独的状态贴标签的需求。可以利用此领域知识来为EM分类器确定输入参数,即,聚类数量。
聚类框1370的输出在图13中被示出为结果1380。在许多实施例中,EM可以是半监督学习,因此输出可以是无标签的聚类,其中每个聚类表示未知的操作状态。图13包括三个聚类的示例性聚类分析1371(在聚类分析1371中示出为圆形、三角形和方形)。在一些实施例中,聚类框1370可以包括将无标签的聚类映射至操作状态,这可以由映射模块1128(图11)执行。在一些实施例中,将无标签的聚类映射至操作状态可以至少部分地基于一个或多个特征向量。例如,如果一个或多个特征向量指示第一聚类相比第二聚类总体上具有更高的频率,则第一聚类相比第二聚类可以具有更高的电器操作速度。在一些实施例中,可以在数据收集过程中执行贴标签,并且可以基于分类器在具有给定标签的聚类内的百分比来确定聚类的操作状态,如以下更详细描述的。在一些实施例中,映射可以包括使用附加类型的数据来标识操作状态,如:来自监管机构的数据库的数据;包含关于以前观测的数据信号的一个或多个数据库的数据;来自电气设备的一个或多个标签的数据;和/或来自关于一个或多个电气设备的标识和/或其操作状态的用户的数据。在一些实施例中,可以在单独的电器上执行EM聚类以单独地训练其模型。在一些实施例中,可以使用Scikit学习封装、Python机器学习库来实现EM聚类。在其他实施例中,可以使用其他实现方式。
评估和分析
A.评估设计
为了评估本文描述的技术,在实际家庭环境中执行评估。这个常驻房子是具有两个居住者(一男一女)的三层1100平方英寸的城市屋。为了探索信号的时间稳定性,数据收集过程是跨两个月执行的,包括在工作日和周末两者不同时间(早上、下午和晚上)处的多个会话。在每个会话过程中,一个居住者被要求将设备开启为特定的操作状态持续随机的一段时间(5s-10s)并且然后将其关闭。当一个居住者正执行所请求的动作时,另一个居住者保持执行他的或她的日常事务,如,做饭、使用计算机或看TV。每个电器事件是被手动贴标签的。注意的是,这些标签仅用于评估,不用于模型训练。贯穿所述评估,总共收集580个电气事件。
为了收集数据,使用感测硬件(确切地,电源线接口和USRP N210)以及参与者房子中的膝上计算机。膝上计算机是用于记录EMI数据和跟随的处理流水线的本地服务器。针对每种类型的时变EMI,选择四到六个不同的电器。总共,在所述评估中评估十六个电子设备。表I以下示出了这些设备的清单。基于之前演示的EMI信号跨不同家庭的稳定性,在这个评估中的发现结果可以应用于其他房子。
B.定义不同的操作状态
相同类型的不同电器通常具有最小的操作状态差异。例如,一个搅拌器可以具有6个速度模型,而另一个搅拌器可以具有7个速度模型。在这个评估中,针对设备,使用在相同类别内的相同状态数量,以得到用于在它们之间进行比较的基准,如以下表I的“操作状态”字段中所示。
1.基于电动机的设备的操作状态
针对真空吸尘器,基于在其上使用它的表面(即,在地毯或硬地板上)定义两个状态。大多数真空吸尘器具有软管,所示软管可与机器分离并单独地使用。“使用软管”在此被定义为第三状态。真空吸尘器之一(确切地,Eureka 1432A)并未配备软管,因此仅在两个定义的表面上对其进行评估。针对其他基于电动机的电器(如,搅拌器和食物混合器),由其操作速度定义状态。
2.基于SMPS的设备的操作状态
针对膝上计算机,基于CPU负载定义三个不同的状态。在空闲模式中,所有应用都被关闭并且CPU负载保持为低于10%使用。在中等负载中,运行测试脚本使得周期性地计算特定的数学等式并且同时打开多个网页和YouTube视频,维持CPU负载在30%与60%之间。为了模拟高负载,运行被称为SilverBench1的线上基准,所述基准强制CPU使用在90%以上。针对TV,操作状态被定义为切换频道的动作。
3.混合模式设备的操作状态
吹风机的状态由冷、暖和热操作温度定义。一些现代吹风机具有与不同风扇速度组合的各种温度模式。由于速度因素在基于电动机的电器(例如,真空吸尘器、搅拌器和食物混合器)中已被评估,所以在这个分类中,评估的焦点是温度变化,即,较大的阻性负载是如何影响时变EMI的。
C.***性能和分析
如以上所解释的,聚类框1370的输出时无标签聚类,其中每个聚类表示未知的操作状态。出于分析目的,基于多数表决使用在数据收集过程中注释的标签将每个预测聚类(即,如由EM聚类预测的)分配于其实际类别(即,其实际操作状态)。合并具有相同表决结果的聚类。表I以下示出了单独的电器的分类结果。
表1
总之,所述评估跨16个电器导致93.8%的平均准确率。所有真空吸尘器上报高分类准确度。使用软管的第3状态被发现为经训练的EM模型中高度可辨别的聚类。在评估中,参与者被要求使用软管来清除墙壁的角落。与在地毯上使用的机器相比,软管在表面上方不均匀地移动并导致不规则的EMI波动。此外,软管的分离影响由于气压变化通过容器的气流。这两个因素致使时变EMI区别于地毯和硬地板上的其他两个使用模式,因此产生高分类准确度。
类似地,几乎所有膝上计算机/PC和TV上报较高的准确度。东芝Portege 13英寸膝上计算机上报稍微较低的92.1%的准确度。这个型号相比其他计算机产生较弱的EMI,因此其在不同CPU负载之间引起较少可辨别的EMI。确切地,在“空闲”模式与“中等负载”模式之间出现混淆,其召回率为81.7%。夏普42英寸TV的EMI对被显示且产生某些剧烈波动EMI的内容而言是敏感的。在这种情况下,通过频道切换生成的EMI变得不可识别并由此将事件检测速率稍微降级为90%的命中率。为了进一步探索***稳健性,在没有任何频道切换动作的情况下,从两个TV记录40分钟的EMI数据。仅检测到两个假警报,示出算法针对这种波动的稳健性。
搅拌器和食物混合器示出相对低的准确度84%-89.9%。Hamilton食物混合器在速度模式2与3之间混淆,它们以低准确度合并为同一类别,其召回率为54.7%。类似地,Cuisinart搅拌器在速度模式3与4之间混淆,其召回率为64.4%,而Oster搅拌器在速度模式1(召回率为76.5%)、2(召回率为65.9%)与3之间混淆。这些混淆由操作状态之间的类似特性引起。数据检查揭示混淆状态的频率和幅度相当类似。在预处理框1330(图13)中滤波之后,状态之间的这些最小差异被平滑掉并且变得难以区分,暗示基本上所述设备部具有如其声称那样多可辨别的操作速度。
最后,存在较高的81.5%-100%的吹风机准确度变化。针对具有相对较低准确度(81.5%和81.8%)的两个吹风机,混淆发生在“冷”模式与“暖”模式之间。在这两个模式中观察到类似的EMI图案,其可用于推断,在暖模式中,这些设备中的并行阻性负载较小。也就是说,它不会引起相比于冷模式中的总电流负载变化的可辨别的总电流负载变化,产生类似的EMI图案。如较早描述的,吹风机之间的电路设计差异归因于不同的制造商。
混淆
A.能量解聚
如本文所描述的,当设备以不同的操作状态操作时,存在不同的信号特性。针对相同类型的设备,其EMI图案中也存在最小的差异。例如,在Oster Listed 564A搅拌器中,在其基频与第1谐波之间观察到较强的EMI,但是在其他搅拌器或食物混合器中未观察到类似的图案。Gibson GSN-760吹风机当以冷模式操作时产生切换类型的EMI而不是产生连续的EMI。类似地,在Vizio 32英寸TV中,当切换至新的频道时,所述TV产生在115kHz与145kHz之间的瞬态扫描类型EMI。图15展示了针对Vizio 32"TV的瞬态、扫描样式EMI的时间-频率表示1500,显示了在115kHz与145kHz之间的瞬态EMI。这种瞬态信号在频谱中远离其基频并且在其他TV上不被发现。在一些实施例中,设备之间的这些小而显著的差异可以提供粒度信息以用于制造商标识和能量解聚。针对相同类型的设备,其生成的EMI图案通常在类似的频率范围处重叠(例如,基于电动机的设备在20kHz以下)。可以采用时变EMI中的这些细微差别来区分这些设备。
B.活动识别
在多个实施例中,理解细粒电数据对于活动推断确定而言可以是有益的。例如,使用吹风机的不同行为(例如,冷vs.热)可以暗示房子内的不同居住者。在不同区域(例如,地毯vs.硬地板)中使用真空吸尘器的持续时间可以用来推断家庭中的活跃区域。此外,搅拌器的波动EMI可以归因于处理的食物类型。例如,“碎冰”动作在这个过程中示出了时变EMI。此外,切换TV频道的动作可以强烈地指示“观看TV”活动。居住者与TV之间的这种交互可能难以通过运动传感器来捕捉,因为传感器事件不一定直接与实际活动相关。相反,其可以由其他可能的活动激活,如“阅读”、“使用计算机”、或宠物经过。检测操作状态因此可以有利地支持全部家庭活动识别。
C.组合其他的感测方法
一些家用电器,如旧式洗衣机或冰箱不产生可观察到的EMI信号。在一些实施例中,这些设备的开启状态和关闭状态可以从其电流或消耗数据中提取。电流检测设备可以用于确定电器的电流使用。图16展示了堆叠式洗衣机的电流负载在完整高负载洗涤周期中的图形1600。确切地,所使用的堆叠式洗衣机是通用电气WSM-2420。电流消耗示出了不同操作状态中可辨别的信号模式。类似变化的电流消耗还可以在洗碗机上观察到。例如,图17展示了洗碗机的电流负载在完整洗涤周期中的图形1700。确切地,所使用的洗碗机是惠尔普DU810SWP。利用时变EMI和解聚电流/功率数据两者可以进一步支持全部家庭活动感测。如较早描述的,来自总消耗中的解聚电流或功率使用可以依赖于其信号中的阶跃变化。在许多实施例中,进一步的信号处理和机器学习技术可以用于检测归因于不同操作状态的这些阶跃变化。
D.检测机器故障
在一些实施例中,本文描述的***和方法通过观察已知状态的变化或新的、异常的操作状态的存在,可以用于机器故障检测。例如,搅拌器可以示出由其电动机故障引起的异常EMI(例如,当以相对较高的速度运行时观察在较低频率处的EMI)。作为另一个示例,具有高幅度EMI处于其空闲模式下的计算机可以归因于硬件故障(例如,有故障的显卡)。作为又另一个示例,具有频率下降的EMI的真空吸尘器可以对应于插式通风孔过滤器或甚至电动机故障。
E.优点
在许多实施例中,本文描述的***和方法可以用于检测电子电器的操作状态。在若干实施例中,本文描述的***和方法当其在不同的操作状态下操作时,可以利用由电子电器产生的时变EMI信号。在若干实施例中,这个EMI耦合到电源线上并且可以使用安装在房子的任何地方的单个感测硬件被采集。本文描述的***和方法可以使用半监督学习来进行状态估计,这可以开发设备的领域知识来训练分类器并且可以避免对人工标签数据的需要。在各实施例中,本文描述的***和方法可以在真实的家庭环境中提供稳健的状态估计。本文描述的***和方法可以提供低沉本、单点感测方法以发现电气事件的细粒特征从而支持如智能家居环境中的应用,如,能量解聚、机器故障检测或活动推断。
在若干实施例中,本文描述的***和方法可以提供新颖的低沉本技术,以用于使用来自单个感测点的时变EMI来感测电子设备的操作状态。在各实施例中,本文描述的***和方法可以提供一种算法,所述算法可以利用领域知识并且可以使用半监督学习技术来消除对标签数据的需求,这可以显著地减小训练努力。在一些实施例中,本文描述的***和方法可以检测细粒电气特性,其可以提供电气事件的丰富特征集并且可以支持各种应用,如,家庭内活动推断、能量解聚和设备故障检测。
在附图中向前转,图18展示了根据实施例的针对方法1800的流程图。在一些实施例中,方法1800可以是一种检测电气设备的操作状态的方法。方法1800仅是示例性的并不限于本文所展示的实施例。方法1800可以被用于未在本文具体描绘或描述的许多不同的实施例或示例中。在一些实施例中,可以用所呈现的顺序执行方法1800的步骤、过程、和/或活动。在其他实施例中,可以用任何合适的顺序执行方法1800的步骤、过程、和/或活动。在又其他实施例中,可以组合或跳过方法1800的一个或多个步骤、过程、和/或活动。
参照图18,在一些实施例中,方法1800可以包括框1801:在耦合至电气插座的感测设备处,经由所述电气插座采集电气噪声。所述感测设备可以与感测设备1010(图10-11)相似或完全相同。所述电气插座可以与电气插座1051(图10)相似或完全相同。在若干实施例中,所述电气插座可以耦合至电力基础设施。电力基础设施可以与电力线基础设施1050(图10-11)相似或完全相同。在一些实施例中,一个或多个电气设备可以耦合至所述电力基础设施并且可以生成所述电力基础设施上的所述电气噪声的至少一部分。所述电气设备可以与电气设备1190(图11)相似或完全相同。
在多个实施例中,方法1800还可以包括框1802:在所述感测设备处,将所述电气噪声转换成一个或多个第一数据信号。在一些实施例中,第一数据信号可以与由上述转换器模块1114(图11)计算的FFT向量相似或完全相同。在其他实施例中,第一数据信号可以是电气噪声的另一种合适的表示。例如,在一些实施例中,将电气噪声转换成第一数据信号可以与数据采集框1320(图13)的至少部分相似或完全相同,如上所述。在许多实施例中,数据采集接收器1111(图11)可以至少部分地执行框1802:将电气噪声转换成一个或多个第一数据信号,如上所述。
在一些实施例中,所述感测设备可以包括数据采集接收器,所述数据采集接收器包括被配置成用于使在约5.3千赫兹以上的所述电气噪声通过的滤波器。所述数据采集接收器可以与数据采集接收器1111(图11)相似或完全相同。
在多个实施例中,方法1800另外可以包括框1803:将所述一个或多个第一数据信号从所述感测设备传输至计算单元。所述计算单元可以与计算单元1020(图10-11)相似或完全相同。在一些实施例中,第一数据信号可以如通过感测设备1010(图10-11)的通信设备1116(图11)被传输至计算单元1020(图10-11)的通信设备1121(图11)。
在若干实施例中,方法1800进一步可以包括框1804:在所述计算单元的处理模块处,至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态。所述处理模块可以与处理模块1112(图11)相似或完全相同。在许多实施例中,可以使用处理模块1112(图11)的各模块来检测电气设备的两个或更多个操作状态,如,预处理模块1123、事件检测模块1124、帧提取模块1125、特征提取模块1126、聚类模块1127、映射模块1128和/或通信模块1129。在各实施例中,当所述一个或多个电气设备中的每个电气设备处于通电状态时,所述电气设备的所述两个或更多个操作状态可以各自是所述电气设备的不同用户驱动的操作状态。在一些实施例中,框1804可以包括从电气设备的至少两个或更多个操作状态当中标识所述一个或多个电气设备中的每个电气设备的操作状态。
在许多实施例中,电气噪声可以包括在与所述两个或更多个操作状态中的第一操作状态相对应的第一时间段期间在所述电力基础设施上的第一可标识电气噪声;以及在与所述两个或更多个操作状态中的第二操作状态相对应的第二时间段期间在所述电力基础设施上的第二可标识电气噪声。例如,在所述第一时间段期间的第一可标识电气噪声可以对应于第一操作状态(如搅拌器的第一速度),并且在所述第二时间段期间的第二可标识电气噪声可以对应于第二操作状态(如搅拌器在不同时间处的第二速度)。在一些实施例中,标识所述两个或更多个操作状态中的每个操作状态可以包括:将所述第一可标识电气噪声与所述第二可标识电气噪声中区分开来以便标识所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态。在许多实施例中,所述第一时间段位至少1秒和/或所述第二时间段位至少1秒。
在若干实施例中,所述第一可标识电气噪声和所述第二可标识电气噪声可以各自包括在所述电力基础设施上的基本上连续的电气噪声。在各实施例中,所述基本上连续的电气噪声可以包括:(a)在大于一个交流电周期的第一时间长度内在所述电力基础设施上可标识的第一电气噪声,或者(b)在小于一个交流电周期的第二时间长度内在所述电力基础设施上可标识的第二电气噪声,但是所述第二电气噪声在三个或更多个交流电周期中重复。
在许多实施例中,所述一个或多个电气设备可以包括一个或多个各自被配置成用于手动切换至两个或更多个不同转速的基于电动机的电器。在多个实施例中,所述一个或多个基于电动机的电器的所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同转速中的一个不同转速。在若干实施例中,所述一个或多个基于电动机的电器可以包括搅拌器或食物混合器中的至少一者。
在一些实施例中,所述一个或多个电气设备可以包括基于电动机的真空吸尘器。在若干实施例中,所述两个或更多个操作状态中的第一操作状态可以对应于使所述基于电动机的真空吸尘器闲置在地毯上。在多个实施例中,所述两个或更多个操作状态中的第二操作状态可以对应于使所述基于电动机的真空吸尘器在地毯上移动。在各实施例中,所述两个或更多个操作状态中的第三操作状态可以对应于在硬地板上使用所述基于电动机的真空吸尘器。
在若干实施例中,所述一个或多个电气设备可以包括一个或多个各自包括振荡器且各自被配置成用于以至少两个或更多个不同切换频率操作的基于SMPS的电器。在一些实施例中,所述两个或更多个操作状态中的每个操作状态可以对应于所述两个或更多个不同切换频率中的一个不同切换频率。
在各实施例中,所述一个或多个基于SMPS的电器可以包括包含中央处理单元的计算机。在多个实施例中,所述两个或更多个不同切换频率中的每个切换频率对应于所述中央处理单元的不同负载。
在一些实施例中,所述一个或多个基于SMPS的电器可以包括电视机。在许多实施例中,所述两个或更多个不同切换频率中的第一频率可以对应于在所述电视机上显示电视频道。所述两个或更多个不同切换频率中的第二频率对应于所述电视机的瞬态频道变化操作。
在多个实施例中,所述一个或多个电气设备可以包括一个或多个各自包括两个或更多个不同切换阻性负载的电器。在许多实施例中,所述两个或更多个操作状态中的每个操作状态可以对应于所述两个或更多个不同切换阻性负载中的一个不同切换阻性负载。在一些实施例中,所述一个或多个电器可以包括吹风机或暖风机中的至少一者。
在多个实施例中,至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态的框1804可以包括在所述处理模块处从所述一个或多个第一数据信号的提取帧中的每个帧中提取特征的框1805。在许多实施例中,所提取的帧可以与帧1352(图13中的帧)相似或完全相同。在多个实施例中,所提取的帧可以使用帧提取模块1125(图11)被提取,如在帧提取框1350(图13)中所述。在各实施例中,所述特征可以与特征1363(图13)相似或完全相同。在一些实施例中,所述特征可以使用特征提取模块1126(图11)被提取,如在特征提取框1360(图13)中所述。在一些实施例中,所述特征可以包括:所述提取帧中的每个帧的峰值电磁干扰的平均幅度、最大幅度或最小幅度中的至少一者;所述提取帧中的每个帧的所述峰值电磁干扰的平均频率、最大频率或最小频率中的至少一者;以及所述提取帧中的每个帧的两个主导电磁干扰峰值之间的频率间隙或所述提取帧的每个帧的总体平均幅度中的至少一者。在各实施例中,所述特征可以包括:所述提取帧中的每个帧的所述峰值电磁干扰的所述平均幅度、所述最大幅度和所述最小幅度;所述提取帧中的每个帧的所述峰值电磁干扰的所述平均频率、所述最大频率和所述最小频率;所述提取帧中的每个帧的所述两个主导电磁干扰峰值之间的所述频率间隙;以及所述提取帧中的每个帧的所述总体平均幅度。
在若干实施例中,至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态的框1804可以包括在所述处理模块处基于从所述提取帧中的每个帧中提取的所述特征使用期望最大化聚类算法来将所述电气噪声分类为所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态的框1806。在许多实施例中,所述期望最大化聚类算法可以使用聚类模块1127(图11)来执行,如在特征聚类框1370(图13)中所述。
在附图中向前转,图19展示了计算机***1900,其全部或其一部分可以适合于实现计算单元1020(图10-11)的至少一部分、和/或处理流水线1300(图13)的技术的至少一部分和/或方法1800(图18)的实施例。计算机***1900包括一个机箱1902,该机箱包含一个或多个电路板(未示出)、USB(通用串行总线)端口1912、紧凑磁盘只读存储器(CD-ROM)和/或数字视频磁盘(DVD)驱动1916、以及硬盘驱动1914。在图20中示出了包括在机箱1902里面的电路板上的这些元件的代表性框图。图20中的中央处理单元(CPU)2010耦合到图20中的***总线2014上。在各实施例中,CPU 2010的架构可以符合多种商业分配架构族中的任何一种。
继续图20,***总线2014还耦合至包括只读存储器(ROM)和随机存取存储器(RAM)两者的存储器2008上。存储器存储单元2008的非易失性部分或ROM可以编码有适合于在***重启之后将计算机***1900(图19)恢复到功能状态的启动代码序列。此外,存储器2008可以包括如基本输入-输出***(BIOS)的微代码。在一些示例中,本文公开的各实施例的一个或多个存储器存储单元可以包括存储器存储单元2008、配备USB的电子设备(如,耦合至通用串行总线(USB)端口1912的外部存储器存储单元(未示出))(图19至图20)、硬盘驱动器1914(图19至图20)、和/或CD-ROM或DVD驱动器1916(图19至图20)。在相同的或不同的示例中,本文公开的不同实施例的一个或多个存储器存储单元可以包括操作***,所述操作***可以是一种对计算机和/或计算机网络的硬件和软件资源进行管理的软件程序。所述操作***可以执行基本任务,如,例如,控制和分配存储器、对指令的处理区分优先次序、控制输入和输出设备、促进联网和管理文件。常见的操作***的示例可以包括Windows操作***(OS)、OS、OS以及OS。
如本文所使用的,“处理器”和/或“处理模块”指的是任何类型的计算电路,如但不限于微处理器、微控制器、控制器、复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、图形处理器、数字信号处理器、或任何其他类型的处理器或能够执行所期望的功能的处理电路。在一些示例中,本文公开的各实施例的一个或多个处理器可以包括CPU 2010。
在图20描绘的实施例中,各种I/O设备(如硬盘控制器2004、图形适配器2024、视频控制器2002、键盘适配器2026、鼠标适配器2006、网络适配器2020、及其他I/O设备2022)可以耦合到***总线2014上。键盘适配器2026和鼠标适配器2006分别耦合到计算机1900(图19)的键盘604(图19和图20)和鼠标1910(图19和图20)上。当图形适配器2024和视频控制器2002被指示为图20中的明显单元时,视频控制器2002可以整合到图形适配器2024中或在其他实施例中相反。视频控制器2002适用于刷新监控器1906(图19和图20)以在计算机***1900(图19)的屏幕1908(图19)上显示图像。磁盘控制器2004可以控制硬盘驱动1914(图19和图20)、USB端口1912(图19和图20)、以及CD-ROM或DVD驱动1916(图19和图20)。在其他实施例中,不同的单元可以用来单独地控制这些设备中的每一个设备。
在一些实施例中,网络适配器2020可以包括和/或被实现为WNIC(无线网络接口控制器)卡(未示出),所述卡***或耦合到在计算机***1900(图19)中的扩展端口(未示出)上。在其他实施例中,所述WNIC卡可以是一种内置到计算机***1900(图19)中的无线网卡。通过将无线通信能力集成到主板芯片组(未示出)中、或通过一个或多个专门的无线通信芯片(未示出)实施、通过计算机***1900(图19)或USB端口1912(图19)的PCI(***部件互连)或PCI快速总线连接,可以将无线网络适配器嵌入到计算机***1900(图19)中。在其他实施例中,网络适配器2020可以包括和/或被实现为有线网络接口控制器卡(未示出)。
虽然计算机***1900(图19)的许多其他部件未示出,但此类部件及其互连对本领域的普通技术人员而言是熟知的。相应地,关于计算机***1900(图19)的结构和组成和机箱1902(图19)内部的电路板的进一步细节不需要在此描述。
当图19中计算机***1900运行时,存储在USB端口1912的USB驱动上的、存储在CD-ROM和/或CD-ROM中的DVD和/或DVD驱动1916上的、存储在硬盘驱动器1914上的、或存储在存储器2008(图20)中的程序指令由CPU 2010(图20)执行。存储在这些设备上的程序指令的一部分可以适用于实施本文公开的技术的全部或至少一部分。在各实施例中,计算机***1900可以用一个或多个模块、应用和/或数据库(如本文所述的那些)被重新编程,以将通用计算机转换成特殊用途计算机。
尽管图19中将计算机***1900展示为台式计算机,但可以存在以下示例:计算机***1900可以采取一种不同的形状因数同时仍然具有与针对计算机***1900描述的那些相似的功能元件。在一些实施例中,计算机***1900可以包括单个计算机、单个服务器、或者计算机或服务器集群或集合、或者一群计算机或服务器。典型地,当对计算机***1900的需求超过单个服务器或计算机的合理能力时,可以使用服务器集群或集合。在某些实施例中,计算机***1900可以包括便携式计算机,如膝上型计算机。在某些其他实施例中,计算机***1900可以包括移动设备,如智能电话。在某些附加实施例中,计算机***1900可以包括嵌入式***。
尽管已经参考具体的实施例描述了本公开,但是应理解本领域技术人员可以在不脱离本发明的精神和范围的情况下进行各种改变。因此,本发明的实施例的公开旨在说明而非旨在限制本发明的范围。本文的意图是本发明的范围应当仅限于所附权利要求所要求的内容。例如,对于本领域的普通技术人员,将容易明显的是可以修改图1至图20的任何元素,并且这些实施例中的某些实施例的上述讨论不一定代表所有可能的实施例的完整描述。例如,图13和图18的一个或多个步骤、过程或活动可以包括不同的步骤、过程和/或活动,并且可以由许多不同的模块以许多不同的顺序执行,和/或图13和图18的一个或多个步骤、过程或活动可以包括图13和图18的另一个不同的一个或多个步骤、过程或活动。
一个或多个要求保护的元素的替代形成重构而不是修复。另外,益处、其他优点以及问题的解决方案已经针对具体的实施例进行了描述。然而,不能认为可以引起任何益处、优点、或解决方案发生或变得更明显的益处、优点、问题解决方案以及任何元素或多个元素是任何或全部权利要求的关键的、要求的、或必要的特征或元素,除非在此类权利要求中陈述了此类益处、优点、解决方案或元素。
此外,如果实施例和/或限制:(1)并未在权利要求中明确地要求;以及(2)在等同原则下,它们是权利要求中所表述的元素和/或限制的等效物或潜在等效物,那么本文所公开的实施例与限制并非是在贡献原则下贡献于大众的。
Claims (30)
1.一种用于检测电气设备的操作状态的装置,所述装置包括:
感测设备,所述感测设备被配置成耦合至电气插座,所述感测设备包括:
数据采集接收器,所述数据采集接收器被配置成用于当所述感测设备耦合至所述电气插座时经由所述电气插座接收电气噪声,所述电气插座电耦合至电力基础设施,一个或多个电气设备耦合至所述电力基础设施并且在所述电力基础设施上生成所述电气噪声的至少一部分,并且所述数据采集接收器被配置成用于将所述电气噪声转换成一个或多个第一数据信号;以及
处理模块,所述处理模块被配置成用于在计算单元的处理器上运行,所述感测设备与所述计算单元通信,
其中:
所述处理模块进一步被配置成用于至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态;
当电气设备处于通电状态时,所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态各自是所述电气设备的不同用户驱动的操作状态;
所述处理模块进一步被配置成用于从所述一个或多个第一数据信号的提取帧中的每个帧中提取特征;并且
所述特征包括:
所述提取帧中的每个帧的峰值电磁干扰的平均幅度、最大幅度或最小幅度中的至少一者;
所述提取帧中的每个帧的所述峰值电磁干扰的平均频率、最大频率或最小频率中的至少一者;以及
所述提取帧中的每个帧的两个主导电磁干扰峰值之间的频率间隙或所述提取帧中的每个帧的总体平均幅度中的至少一者。
2.如权利要求1所述的装置,其中:
所述电气噪声包括:
在与所述两个或更多个操作状态中的第一操作状态相对应的第一时间段期间在所述电力基础设施上的第一可标识电气噪声;以及
在与所述两个或更多个操作状态中的第二操作状态相对应的第二时间段期间在所述电力基础设施上的第二可标识电气噪声;并且
所述处理模块进一步被配置成用于将所述第一可标识电气噪声与所述第二可标识电气噪声区分开来以便标识所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态。
3.如权利要求2所述的装置,其中:
所述第一可标识电气噪声和所述第二可标识电气噪声各自包括在所述电力基础设施上的连续的电气噪声;并且
所述连续的电气噪声包括以下各项中的至少一项:(a)在大于一个交流电周期的第一时间长度内在所述电力基础设施上可标识的第一电气噪声,或者(b)在小于一个交流电周期的第二时间长度内在所述电力基础设施上可标识的第二电气噪声,但是所述第二电气噪声在三个或更多个交流电周期中重复。
4.如权利要求2所述的装置,其中:
所述第一时间段为至少1秒;并且
所述第二时间段为至少1秒。
5.如权利要求1所述的装置,其中:
所述数据采集接收器包括被配置成用于使在5.3千赫兹以上的电气噪声通过的滤波器。
6.如权利要求1所述的装置,其中,所述特征包括:
所述提取帧中的每个帧的所述峰值电磁干扰的所述平均幅度、所述最大幅度和所述最小幅度;
所述提取帧中的每个帧的所述峰值电磁干扰的所述平均频率、所述最大频率和所述最小频率;
所述提取帧中的每个帧的所述两个主导电磁干扰峰值之间的所述频率间隙;以及
所述提取帧中的每个帧的所述总体平均幅度。
7.如权利要求1所述的装置,其中:
所述处理模块进一步被配置成用于基于从所述提取帧中的每个帧中提取的所述特征使用期望最大化聚类算法来将所述电气噪声分类为所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态。
8.如权利要求1-7中任一项所述的装置,其中:
所述一个或多个电气设备包括各自被配置成用于手动切换至两个或更多个不同转速的一个或多个基于电动机的电器;并且
所述一个或多个基于电动机的电器的所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同转速中的不同转速。
9.如权利要求8所述的装置,其中:
所述一个或多个基于电动机的电器包括搅拌器或食物混合器中的至少一者。
10.如权利要求1-7中任一项所述的装置,其中:
所述一个或多个电气设备包括基于电动机的真空吸尘器;
所述两个或更多个操作状态中的第一操作状态对应于使所述基于电动机的真空吸尘器闲置在地毯上;
所述两个或更多个操作状态中的第二操作状态对应于使所述基于电动机的真空吸尘器在所述地毯上移动;并且
所述两个或更多个操作状态中的第三操作状态对应于在硬地板上使用所述基于电动机的真空吸尘器。
11.如权利要求1-7中任一项所述的装置,其中:
所述一个或多个电气设备包括一个或多个基于SMPS的电器,所述基于SMPS的电器各自包括振荡器且各自被配置成用于以至少两个或更多个不同切换频率操作;并且
所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同切换频率中的不同切换频率。
12.如权利要求11所述的装置,其中:
所述一个或多个基于SMPS的电器包括包含中央处理单元的计算机;并且
所述两个或更多个不同切换频率中的每个切换频率对应于所述中央处理单元的不同负载。
13.如权利要求11所述的装置,其中:
所述一个或多个基于SMPS的电器包括电视机;
所述两个或更多个不同切换频率中的第一频率对应于在所述电视机上显示电视频道;并且
所述两个或更多个不同切换频率中的第二频率对应于所述电视机的瞬态频道变化操作。
14.如权利要求1-7中任一项所述的装置,其中:
所述一个或多个电气设备包括一个或多个电器,所述一个或多个电器各自包括两个或更多个不同切换阻性负载;并且
所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同切换阻性负载中的不同切换阻性负载。
15.如权利要求14所述的装置,其中:
所述一个或多个电器包括吹风机或暖风机中的至少一者。
16.一种用于检测电气设备的操作状态的方法,包括:
在耦合至电气插座的感测设备处,经由所述电气插座采集电气噪声,所述电气插座耦合至电力基础设施,并且一个或多个电气设备耦合至所述电力基础设施并且在所述电力基础设施上生成所述电气噪声的至少一部分;
在所述感测设备处,将所述电气噪声转换成一个或多个第一数据信号;
将所述一个或多个第一数据信号从所述感测设备传输至计算单元;以及
在所述计算单元的处理模块处,至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的两个或更多个操作状态中的每个操作状态;
其中:
当电气设备处于通电状态时,所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态各自是所述电气设备的不同用户驱动的操作状态;
至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态中的每个操作状态包括:
在所述处理模块处,从所述一个或多个第一数据信号的提取帧中的每个帧中提取特征;并且
所述特征包括:
所述提取帧中的每个帧的峰值电磁干扰的平均幅度、最大幅度或最小幅度中的至少一者;
所述提取帧中的每个帧的所述峰值电磁干扰的平均频率、最大频率或最小频率中的至少一者;以及
所述提取帧中的每个帧的两个主导电磁干扰峰值之间的频率间隙或所述提取帧中的每个帧的总体平均幅度中的至少一者。
17.如权利要求16所述的方法,其中:
所述电气噪声包括:
在与所述两个或更多个操作状态中的第一操作状态相对应的第一时间段期间在所述电力基础设施上的第一可标识电气噪声;以及
在与所述两个或更多个操作状态中的第二操作状态相对应的第二时间段期间在所述电力基础设施上的第二可标识电气噪声;并且
标识所述两个或更多个操作状态中的每个操作状态包括将所述第一可标识电气噪声与所述第二可标识电气噪声中区分开来以便标识所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态。
18.如权利要求17所述的方法,其中:
所述第一可标识电气噪声和所述第二可标识电气噪声各自包括在所述电力基础设施上的连续的电气噪声;并且
所述连续的电气噪声包括以下各项中的至少一项:(a)在大于一个交流电周期的第一时间长度内在所述电力基础设施上可标识的第一电气噪声,或者(b)在小于一个交流电周期的第二时间长度内在所述电力基础设施上可标识的第二电气噪声,但是所述第二电气噪声在三个或更多个交流电周期中重复。
19.如权利要求17所述的方法,其中:
所述第一时间段为至少1秒;并且
所述第二时间段为至少1秒。
20.如权利要求16所述的方法,其中:
所述感测设备包括数据采集接收器,所述数据采集接收器包括被配置成用于使在5.3千赫兹以上的电气噪声通过的滤波器。
21.如权利要求16所述的方法,其中,所述特征包括:
所述提取帧中的每个帧的所述峰值电磁干扰的所述平均幅度、所述最大幅度和所述最小幅度;
所述提取帧中的每个帧的所述峰值电磁干扰的所述平均频率、所述最大频率和所述最小频率;
所述提取帧中的每个帧的所述两个主导电磁干扰峰值之间的所述频率间隙;以及
所述提取帧中的每个帧的所述总体平均幅度。
22.如权利要求16所述的方法,其中:
至少部分地使用所述一个或多个第一数据信号来标识所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态中的每个操作状态包括:
在所述处理模块处,基于从所述提取帧中的每个帧中提取的所述特征使用期望最大化聚类算法来将所述电气噪声分类为所述一个或多个电气设备中的每个电气设备的所述两个或更多个操作状态。
23.如权利要求16-22中任一项所述的方法,其中:
所述一个或多个电气设备包括各自被配置成用于手动切换至两个或更多个不同转速的一个或多个基于电动机的电器;并且
所述一个或多个基于电动机的电器的所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同转速中的不同转速。
24.如权利要求23所述的方法,其中:
所述一个或多个基于电动机的电器包括搅拌器或食物混合器中的至少一者。
25.如权利要求16-22中任一项所述的方法,其中:
所述一个或多个电气设备包括基于电动机的真空吸尘器;
所述两个或更多个操作状态中的第一操作状态对应于使所述基于电动机的真空吸尘器闲置在地毯上;
所述两个或更多个操作状态中的第二操作状态对应于使所述基于电动机的真空吸尘器在所述地毯上移动;并且
所述两个或更多个操作状态中的第三操作状态对应于在硬地板上使用所述基于电动机的真空吸尘器。
26.如权利要求16-22中任一项所述的方法,其中:
所述一个或多个电气设备包括一个或多个基于SMPS的电器,所述基于SMPS的电器各自包括振荡器且各自被配置成用于以至少两个或更多个不同切换频率操作;并且
所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同切换频率中的不同切换频率。
27.如权利要求26所述的方法,其中:
所述一个或多个基于SMPS的电器包括包含中央处理单元的计算机;并且
所述两个或更多个不同切换频率中的每个切换频率对应于所述中央处理单元的不同负载。
28.如权利要求26所述的方法,其中:
所述一个或多个基于SMPS的电器包括电视机;
所述两个或更多个不同切换频率中的第一频率对应于在所述电视机上显示电视频道;并且
所述两个或更多个不同切换频率中的第二频率对应于所述电视机的瞬态频道变化操作。
29.如权利要求16-22中任一项所述的方法,其中:
所述一个或多个电气设备包括一个或多个电器,所述电器各自包括两个或更多个不同切换阻性负载;并且
所述两个或更多个操作状态中的每个操作状态对应于所述两个或更多个不同切换阻性负载中的不同切换阻性负载。
30.如权利要求29所述的方法,其中:
所述一个或多个电器包括吹风机或暖风机中的至少一者。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462046037P | 2014-09-04 | 2014-09-04 | |
US62/046,037 | 2014-09-04 | ||
US201462085080P | 2014-11-26 | 2014-11-26 | |
US62/085,080 | 2014-11-26 | ||
PCT/US2015/048617 WO2016037095A1 (en) | 2014-09-04 | 2015-09-04 | Detecting user-driven operating states of electronic devices from a single sensing point |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107005314A CN107005314A (zh) | 2017-08-01 |
CN107005314B true CN107005314B (zh) | 2019-07-30 |
Family
ID=55440410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580047538.0A Active CN107005314B (zh) | 2014-09-04 | 2015-09-04 | 从单个感测点检测电子设备的用户驱动的操作状态 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10641810B2 (zh) |
EP (2) | EP3627728A1 (zh) |
JP (1) | JP6765365B2 (zh) |
KR (1) | KR20170049568A (zh) |
CN (1) | CN107005314B (zh) |
CA (1) | CA2955501A1 (zh) |
WO (1) | WO2016037095A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6765365B2 (ja) | 2014-09-04 | 2020-10-07 | ユニヴァーシティ オブ ワシントン | 単一の感知点からの電気デバイスのユーザ駆動動作状態の検出 |
KR101883276B1 (ko) * | 2016-10-17 | 2018-07-31 | 고려대학교 산학협력단 | 전압신호를 이용한 가전기기 식별 시스템 및 그 제어방법 |
GB2560032A (en) * | 2017-02-28 | 2018-08-29 | Green Running Ltd | An appliance operation signal processing system and method |
MX2022006747A (es) * | 2017-08-01 | 2023-02-07 | Kleverness Incorporated | Dispositivo de interruptor inteligente y sistema de control central del mismo. |
CN108549476B (zh) * | 2018-03-15 | 2020-07-10 | 维沃移动通信有限公司 | 一种smps工作频率切换的方法及终端 |
CN110365447B (zh) * | 2019-05-30 | 2020-06-19 | 西安交通大学 | 一种基于ni usrp-rio的空口加密安全传输方法 |
CN110579323B (zh) * | 2019-08-20 | 2021-09-10 | 广西电网有限责任公司电力科学研究院 | 一种用于高压断路器绝缘气体的机器人测值识别算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416629A (zh) * | 2000-11-17 | 2003-05-07 | 皇家菲利浦电子有限公司 | 智能设备家庭网络 |
CN102947716A (zh) * | 2010-04-26 | 2013-02-27 | 贝尔金国际股份有限公司 | 电气事件检测装置以及对电力使用进行检测和分类的方法 |
Family Cites Families (104)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3714516A (en) | 1972-01-26 | 1973-01-30 | P Howe | Meter socket voltage recorder unit |
US4612617A (en) | 1983-03-02 | 1986-09-16 | Siemens-Allis, Inc. | Method and apparatus for monitoring instantaneous electrical parameters of a power distribution system |
US4804957A (en) | 1985-11-27 | 1989-02-14 | Triad Communications, Inc. | Utility meter and submetering system |
US4858141A (en) | 1986-04-14 | 1989-08-15 | Massachusetts Institute Of Technology | Non-intrusive appliance monitor apparatus |
FR2645968B1 (fr) | 1989-04-18 | 1991-07-26 | Electricite De France | Procede et appareil d'analyse de signaux de courant et de tension en vue du reperage de charges a usage domestique |
WO1991019989A1 (en) | 1990-06-21 | 1991-12-26 | Reynolds Software, Inc. | Method and apparatus for wave analysis and event recognition |
FR2680875B1 (fr) | 1991-08-27 | 1995-05-05 | Geneve Services Ind | Procede pour identifier des charges consommatrices d'energie electrique d'un circuit sous surveillance. |
US8078431B2 (en) | 1992-11-17 | 2011-12-13 | Health Hero Network, Inc. | Home power management system |
GB2292044B (en) | 1993-02-12 | 1997-07-09 | Ekstroem Ind Inc | Remote automatic meter reading apparatus and methods for metering alternating electric power consumption |
US5441070A (en) | 1993-11-10 | 1995-08-15 | Thompson; Gary E. | Fluid management system |
US5635895A (en) | 1994-02-14 | 1997-06-03 | Murr; William C. | Remote power cost display system |
US5483153A (en) | 1994-03-24 | 1996-01-09 | Massachusetts Institute Of Technology | Transient event detector for use in nonintrusive load monitoring systems |
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 |
US5409037A (en) | 1994-06-06 | 1995-04-25 | Wheeler; Jaye F. | Automatic device for the detection and shutoff of excess water flow in pipes |
US5898387A (en) | 1997-03-26 | 1999-04-27 | Scientific-Atlanta, Inc. | Modular meter based utility gateway enclosure |
US6275168B1 (en) | 1997-05-23 | 2001-08-14 | Siemens Power Transmission And Distribution, Llc | Expansion module for modular meter |
ITTO980134A1 (it) | 1998-02-20 | 1999-08-20 | Merloni Elettrodomestici Spa | Sistema, dispositivo e metodo per il monitoraggio di una pluralita' di utenze elettriche, in particolare elettrodomestici, connesse in rete |
US6728646B2 (en) | 1998-02-23 | 2004-04-27 | Enerwise Global Technologies, Inc. | Energy information system and sub-measurement board for use therewith |
US20010003286A1 (en) | 1999-07-14 | 2001-06-14 | Jay E. Philippbar | Flood control device |
FR2806806B1 (fr) | 2000-03-22 | 2002-11-29 | Conseil En Technologies Innova | Procede de mesure de la consommation electrique d'un element connecte a un reseau de distribution d'electricite |
ES2290121T3 (es) | 2000-04-12 | 2008-02-16 | Central Res Inst Elect | Sistema y metodo para estimar el consumo de energia de un aparato electrico y sistema de alarma para anomalias utilizando dichos sistema y metodo. |
US7330796B2 (en) | 2000-06-05 | 2008-02-12 | Aqua Conserve, Inc. | Methods and apparatus for using water use signatures and water pressure in improving water use efficiency |
US6842706B1 (en) | 2001-01-17 | 2005-01-11 | Smart Disaster Response Technologies, Inc. | Methods, apparatus, media, and signals for managing utility usage |
AUPR441401A0 (en) | 2001-04-12 | 2001-05-17 | Gladwin, Paul | Utility usage rate monitor |
US6622097B2 (en) | 2001-06-28 | 2003-09-16 | Robert R. Hunter | Method and apparatus for reading and controlling electric power consumption |
US6993417B2 (en) | 2001-09-10 | 2006-01-31 | Osann Jr Robert | System for energy sensing analysis and feedback |
US20030088527A1 (en) | 2001-11-06 | 2003-05-08 | General Electric Company | Methods and systems for monitoring water usage |
US6910025B2 (en) | 2001-11-20 | 2005-06-21 | Freescale Semiconductor, Inc. | Modeling behavior of an electrical circuit |
EP1468503B1 (en) | 2002-01-24 | 2015-08-26 | Panasonic Corporation | Method of and system for power line carrier communications |
US6839644B1 (en) | 2002-04-01 | 2005-01-04 | The Texas A&M University System | Plumbing supply monitoring, modeling and sizing system and method |
US7049976B2 (en) | 2002-04-15 | 2006-05-23 | Hunt Power, L.P. | User-installable power consumption monitoring system |
US7019666B2 (en) | 2002-06-10 | 2006-03-28 | Tantalus Systems Corp. | Adapter for a meter |
US6766835B1 (en) | 2002-09-23 | 2004-07-27 | Raoul G. Fima | Tank monitor system |
US6743806B2 (en) | 2002-10-23 | 2004-06-01 | Otsuka Pharmaceutical Company, Limited | Active oxygen scavenger |
DE10252913A1 (de) | 2002-11-12 | 2004-05-27 | Focke Gmbh & Co. Kg | Verfahren und Vorrichtung zum Überprüfen von stabförmigen Gegenständen, insbesondere Zigaretten |
US20040128034A1 (en) | 2002-12-11 | 2004-07-01 | Lenker Jay A. | Method and apparatus for water flow sensing and control |
US20040206405A1 (en) | 2003-01-17 | 2004-10-21 | Smith Lee Anthony | Residential water management system (RWMS) |
US7043380B2 (en) | 2003-09-16 | 2006-05-09 | Rodenberg Iii Ernest Adolph | Programmable electricity consumption monitoring system and method |
US7174260B2 (en) | 2004-04-01 | 2007-02-06 | Blue Line Innovations Inc. | System and method for reading power meters |
US7460930B1 (en) | 2004-05-14 | 2008-12-02 | Admmicro Properties, Llc | Energy management system and method to monitor and control multiple sub-loads |
JP4381913B2 (ja) | 2004-07-23 | 2009-12-09 | 本田技研工業株式会社 | 燃料タンク装置 |
JP4423157B2 (ja) | 2004-10-06 | 2010-03-03 | キヤノン株式会社 | 電力線通信装置およびその制御方法 |
US7276915B1 (en) | 2005-02-01 | 2007-10-02 | Sprint Communications Company L.P. | Electrical service monitoring system |
GB0503079D0 (en) | 2005-02-15 | 2005-03-23 | Oxley Dev Co Ltd | Usage monitoring apparatus |
EP1872105A4 (en) | 2005-04-08 | 2013-12-04 | H20Flo Llc | SYSTEM AND METHOD FOR MONITORING, RECORDING AND INVOICING AN INDIVIDUAL HEALTH APPARATUS AND WATER UTILIZATION UNIT IN A MULTI-UNIT STRUCTURE |
CA2611527A1 (en) * | 2005-06-09 | 2006-12-21 | Whirlpool Corporation | Software architecture system and method for communication with, and management of, at least one component within a household appliance |
US7706928B1 (en) | 2005-09-07 | 2010-04-27 | Admmicro Properties, Llc | Energy management system with security system interface |
US7554320B2 (en) | 2005-10-28 | 2009-06-30 | Electro Industries/Gauge Tech. | Intelligent electronic device for providing broadband internet access |
JP2007198965A (ja) * | 2006-01-27 | 2007-08-09 | Sony Corp | 妨害電磁波測定システム、妨害電磁波測定方法およびその方法をコンピュータに実行させるためのプログラム |
US7885917B2 (en) | 2006-05-26 | 2011-02-08 | Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The Desert Research Institute | Utility monitoring and disaggregation systems and methods of use |
US8392107B2 (en) | 2006-06-28 | 2013-03-05 | Georgia Tech Research Corporation | Sub-room-level indoor location system using power line positioning |
US8494762B2 (en) | 2006-06-28 | 2013-07-23 | Georgia Tech Research Corporation | Sub room level indoor location system using wideband power line positioning |
MX2009000263A (es) | 2006-06-29 | 2009-04-15 | Carina Technology Inc | Sistema y metodo para controlar un medidor de servicio publico. |
US7692555B2 (en) | 2006-08-04 | 2010-04-06 | Harman International Industries, Incorporated | Powering a wireless system from preexisting power |
US20090043520A1 (en) | 2006-08-10 | 2009-02-12 | V2Green, Inc. | User Interface and User Control in a Power Aggregation System for Distributed Electric Resources |
US7493221B2 (en) | 2006-09-28 | 2009-02-17 | General Electric Company | System for power sub-metering |
US7546214B2 (en) | 2006-09-28 | 2009-06-09 | General Electric Company | System for power sub-metering |
US7747357B2 (en) | 2006-11-13 | 2010-06-29 | Lutron Electronics Co., Inc. | Method of communicating a command for load shedding of a load control system |
CN104282086A (zh) | 2007-01-09 | 2015-01-14 | 功率监视器公司 | 用于智能电路断路器的方法和设备 |
US9524256B2 (en) | 2007-02-16 | 2016-12-20 | Nxp Usa, Inc. | Request controller, processing unit, arrangement, method for controlling requests and computer program product |
US7541941B2 (en) | 2007-03-16 | 2009-06-02 | Greenbox Technology Inc. | System and method for monitoring and estimating energy resource consumption |
US7705484B2 (en) | 2007-04-10 | 2010-04-27 | Whirlpool Corporation | Energy management system and method |
US9501803B2 (en) | 2007-04-12 | 2016-11-22 | Siemens Industry, Inc. | Devices, systems, and methods for monitoring energy systems |
US7613576B2 (en) | 2007-04-12 | 2009-11-03 | Sun Microsystems, Inc. | Using EMI signals to facilitate proactive fault monitoring in computer systems |
US7612971B2 (en) | 2007-06-15 | 2009-11-03 | General Electric Company | Micro-electromechanical system based switching in heating-ventilation-air-conditioning systems |
US7589942B2 (en) | 2007-06-15 | 2009-09-15 | General Electric Company | MEMS based motor starter with motor failure detection |
DE102007032053A1 (de) | 2007-07-10 | 2009-01-15 | Abröll, Andreas | Vorrichtung und Verfahren zur Regulierung des Stromverbrauchs eines elektrischen Geräts |
TW200907360A (en) | 2007-07-19 | 2009-02-16 | Koninkl Philips Electronics Nv | Energy consumption measurement |
US7693670B2 (en) | 2007-08-14 | 2010-04-06 | General Electric Company | Cognitive electric power meter |
US7702421B2 (en) | 2007-08-27 | 2010-04-20 | Honeywell International Inc. | Remote HVAC control with building floor plan tool |
US8094034B2 (en) | 2007-09-18 | 2012-01-10 | Georgia Tech Research Corporation | Detecting actuation of electrical devices using electrical noise over a power line |
EP2188879A1 (de) | 2007-09-21 | 2010-05-26 | Siemens Aktiengesellschaft | Dezentrales energienetz und verfahren zur verteilung von energie in einem dezentralen energienetz |
JP2011504082A (ja) | 2007-11-12 | 2011-01-27 | エオン コンサルティング (プロプライエタリー) リミテッド | 需要側電力負荷管理の方法並びにそれに関連する装置及びシステム |
WO2009086348A1 (en) | 2007-12-26 | 2009-07-09 | Elster Electricity, Llc. | Mechanical packaging apparatus and methods for an electrical energy meter |
CA2748172A1 (en) | 2007-12-26 | 2009-07-02 | Greenlet Technologies Ltd. | Reducing power consumption in a network by detecting electrical signatures of appliances |
GB0803140D0 (en) | 2008-02-21 | 2008-03-26 | Sentec Ltd | Technique for inference of multiple appliances' power use from single point measurements |
GB2464634B (en) | 2008-07-17 | 2010-12-01 | Isis Innovation | Utility meter |
US8843334B2 (en) | 2008-07-17 | 2014-09-23 | Isis Innovation Limited | Utility metering |
GB2464927B (en) | 2008-10-28 | 2010-12-01 | Isis Innovation | Apparatus and method for metering the use of electricity |
GB2465367B (en) | 2008-11-13 | 2011-01-05 | Isis Innovation | Variable power load detector apparatus and method |
US8463452B2 (en) | 2008-07-29 | 2013-06-11 | Enmetric Systems, Inc. | Apparatus using time-based electrical characteristics to identify an electrical appliance |
US20100070214A1 (en) | 2008-09-18 | 2010-03-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | System and method for identifying appliances by electrical characteristics |
US20100070218A1 (en) | 2008-09-18 | 2010-03-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | System and method for identifying appliances by electrical characteristics |
US8143742B2 (en) | 2008-11-26 | 2012-03-27 | Michael A Maloney | Power distribution controller and related systems and methods |
GB2465800A (en) | 2008-12-01 | 2010-06-02 | Joyce Foster | Utility Consumption Apparatus |
JP5245946B2 (ja) * | 2009-03-16 | 2013-07-24 | 富士通株式会社 | ノイズ発生源抽出支援プログラム,ノイズ発生源抽出支援装置およびノイズ発生源抽出支援方法 |
JP2011010802A (ja) * | 2009-07-01 | 2011-01-20 | Panasonic Corp | 電気掃除機 |
US20110307200A1 (en) * | 2010-06-11 | 2011-12-15 | Academia Sinica | Recognizing multiple appliance operating states using circuit-level electrical information |
JP5751872B2 (ja) * | 2011-03-14 | 2015-07-22 | 三菱電機株式会社 | 機器状態検出装置及び機器状態検出システム |
US20130017912A1 (en) * | 2011-07-11 | 2013-01-17 | Swag Company, Inc. | Removable Moisture-Resistant Ball Cover |
US20130049466A1 (en) * | 2011-08-30 | 2013-02-28 | General Electric Company | Programmable power management system |
US8924604B2 (en) * | 2011-09-26 | 2014-12-30 | Belkin International, Inc. | Systems and methods for data compression and feature extraction for the purpose of disaggregating loads on an electrical network |
JP6071397B2 (ja) * | 2012-10-04 | 2017-02-01 | 株式会社東芝 | 状態推定装置、状態推定方法およびプログラム |
CN102901869B (zh) * | 2012-10-15 | 2014-09-03 | 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 |
CN202794327U (zh) * | 2012-10-15 | 2013-03-13 | 吉林大学 | 基于单点感知的家庭用电智能监测设备 |
GB2507549A (en) * | 2012-11-02 | 2014-05-07 | Sony Corp | Controlling electrical devices associated with a property based on mobile device location |
US9769512B2 (en) * | 2012-11-08 | 2017-09-19 | Time Warner Cable Enterprises Llc | System and method for delivering media based on viewer behavior |
EP2802059B1 (en) * | 2013-01-11 | 2016-06-01 | Nitto Denko Corporation | On-demand power control system, on-demand power control system program, and computer-readable recording medium on which this program is recorded |
JP5538597B2 (ja) * | 2013-06-19 | 2014-07-02 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
DE102013220403A1 (de) * | 2013-10-10 | 2015-04-30 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Zustandserkennung |
JP5530019B1 (ja) | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
EP2916464A1 (en) * | 2014-03-05 | 2015-09-09 | Thomson Licensing | Electrical activity sensor device for detecting electrical activity and electrical activity monitoring apparatus |
EP2916465A1 (en) * | 2014-03-05 | 2015-09-09 | Thomson Licensing | Electrical activity sensor device for detecting electrical activity and electrical activity monitoring apparatus |
JP6765365B2 (ja) | 2014-09-04 | 2020-10-07 | ユニヴァーシティ オブ ワシントン | 単一の感知点からの電気デバイスのユーザ駆動動作状態の検出 |
-
2015
- 2015-09-04 JP JP2017510525A patent/JP6765365B2/ja not_active Expired - Fee Related
- 2015-09-04 US US15/506,619 patent/US10641810B2/en active Active
- 2015-09-04 CA CA2955501A patent/CA2955501A1/en not_active Abandoned
- 2015-09-04 WO PCT/US2015/048617 patent/WO2016037095A1/en active Application Filing
- 2015-09-04 EP EP19203393.4A patent/EP3627728A1/en not_active Withdrawn
- 2015-09-04 CN CN201580047538.0A patent/CN107005314B/zh active Active
- 2015-09-04 EP EP15837963.6A patent/EP3189608B1/en active Active
- 2015-09-04 KR KR1020177009099A patent/KR20170049568A/ko active IP Right Grant
-
2020
- 2020-01-15 US US16/743,732 patent/US20200150172A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416629A (zh) * | 2000-11-17 | 2003-05-07 | 皇家菲利浦电子有限公司 | 智能设备家庭网络 |
CN102947716A (zh) * | 2010-04-26 | 2013-02-27 | 贝尔金国际股份有限公司 | 电气事件检测装置以及对电力使用进行检测和分类的方法 |
Non-Patent Citations (1)
Title |
---|
A Method of Appliance Detection Based on Features of Power Waveform;Masahito Ito et al;《2004 International Symposium on Applications and the Internet Proceedings》;20040126;第291-294页 |
Also Published As
Publication number | Publication date |
---|---|
KR20170049568A (ko) | 2017-05-10 |
CA2955501A1 (en) | 2016-03-10 |
EP3189608B1 (en) | 2019-12-11 |
JP6765365B2 (ja) | 2020-10-07 |
US10641810B2 (en) | 2020-05-05 |
EP3189608A1 (en) | 2017-07-12 |
JP2017529603A (ja) | 2017-10-05 |
WO2016037095A1 (en) | 2016-03-10 |
US20180224492A1 (en) | 2018-08-09 |
US20200150172A1 (en) | 2020-05-14 |
EP3627728A1 (en) | 2020-03-25 |
CN107005314A (zh) | 2017-08-01 |
EP3189608A4 (en) | 2018-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107005314B (zh) | 从单个感测点检测电子设备的用户驱动的操作状态 | |
US11556857B2 (en) | Electrical panel for determining a power main of a smart plug | |
Chen et al. | DOSE: Detecting user-driven operating states of electronic devices from a single sensing point | |
Eibl et al. | Influence of data granularity on smart meter privacy | |
EP2801792B1 (en) | Non-intrusive load monitoring apparatus and method | |
Kato et al. | Appliance recognition from electric current signals for information-energy integrated network in home environments | |
CN102947716B (zh) | 电气事件检测装置以及对电力使用进行检测和分类的方法 | |
Tekler et al. | Near-real-time plug load identification using low-frequency power data in office spaces: Experiments and applications | |
Giri et al. | Towards automated appliance recognition using an EMF sensor in NILM platforms | |
KR20160143456A (ko) | 전력 관리 기능을 갖는 시스템 및 사용자 단말기, 및 이것의 전력 관리 방법 | |
Clement et al. | Detecting activities of daily living with smart meters | |
Egarter et al. | Complexity of power draws for load disaggregation | |
Saitoh et al. | Current sensor based non-intrusive appliance recognition for intelligent outlet | |
TWI513133B (zh) | 電力插座以及電器事件偵測方法 | |
Barker | Model-driven analytics of energy meter data in smart homes | |
Reinhardt et al. | Device-free user activity detection using non-intrusive load monitoring: a case study | |
US20190265281A1 (en) | Electric power management system and method | |
EP3213169A1 (en) | System and method to characterize and identify operating modes of electric loads | |
Gao et al. | Home appliance energy disaggregation using low frequency data and machine learning classifiers | |
Kushiro | A Basic Study for Realizing Life Event Sensor for Home Energy Management System | |
CN116298780A (zh) | 洗衣机电路板检测方法、装置、设备及存储介质 | |
TWI420337B (zh) | Method of establishing loop power information model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |