CN108964270A - 一种智能家电负载检测和控制***及其方法 - Google Patents

一种智能家电负载检测和控制***及其方法 Download PDF

Info

Publication number
CN108964270A
CN108964270A CN201810725906.8A CN201810725906A CN108964270A CN 108964270 A CN108964270 A CN 108964270A CN 201810725906 A CN201810725906 A CN 201810725906A CN 108964270 A CN108964270 A CN 108964270A
Authority
CN
China
Prior art keywords
module
load detecting
control
current
intelligent
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
Application number
CN201810725906.8A
Other languages
English (en)
Inventor
殷波
魏志强
盛艳秀
黄贤青
高明星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ocean University of China
Original Assignee
Ocean University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ocean University of China filed Critical Ocean University of China
Priority to CN201810725906.8A priority Critical patent/CN108964270A/zh
Publication of CN108964270A publication Critical patent/CN108964270A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00019—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using optical means
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明公开了一种智能家电负载检测和控制***及其方法，负载检测和控制***包括负载检测和控制装置、服务器、APP端或Web端，APP端或Web端通过无线网络和服务器与负载检测和控制装置通信，实现APP端或Web端发送指令传至负载检测和控制装置，实现通过红外对家电的控制；所述负载检测和控制装置通过卷积神经网络算法精确识别开关电器种类并及时计算该时间段内电器的耗电量，防止出现电器控制错误的情况，达到精准电器控制的功能，且拥有更高的准确率。

Description

一种智能家电负载检测和控制***及其方法
技术领域
本发明属于智能电网技术领域，特别涉及一种智能家电负载检测和控制***及其方 法。
背景技术
现代生活中无时不刻离得开电，电能更是一个国家经济发展的命脉。为了不断满足人类对电能日益增长的需求，以及更加合理、有效的利用电能，对家庭用电情况的了 解也就变得尤为重要。
当前家庭用户智能电网还没有形成，电表也只是能计算用户某时间段内总电量，无法给出准确某个电器的耗电量。为识别某个用电器的耗电量，首先要对用电负载进行 精确识别。
目前，负载识别算法主要有几种方法，包括基于稳态特性负载识别算法和基于暂态特性负载识别算法等。基于稳态特性负载识别算法是指在电器开关后稳定状态下采集电压、电流、功率、能量等特征来识别。传统的基于暂态特性的负荷识别在事件发生后 进行监测，计算电流、功率、暂态导纳等暂态特性来识别负荷。无论是基于稳态特性还 是暂态特性，主要分析了电气设备运行时的电流、功率、谐波、电流包络、瞬时导纳等。 虽然识别精度有所提高，但依然受限于电器种类繁多，工作环境复杂，且存在泛化能力 不够及不能完全准确识别的问题。
同时，随着物联网技术的不断发展，人们开始尝试通过远程控制***来操作控制家中的电器，目前家电控制的方法包括基于蓝牙网络的家电控制***和基于Internet的家电智能控制***。基于蓝牙网络的家电控制***是指采用蓝牙技术面向移动环境的特性，来实现家电设备的加入和删除及控制。基于Internet的家电智能控制***是指设计 了一个Windows***上运行的家居信息处理和家电智能控制平台，在该平台上实现家 电设备的智能控制、Internet远程控制、信息管理等功能。
但是，家庭中传统的空调、电视机、DVD、机顶盒等家电设备都采用红外遥控器控制，而各个公司生产的红外编/解码芯片采用的编/解码方式和脉宽周期不同，导致了市 场上的各类遥控器的功能互不兼容，这给人们的使用带来了诸多不便。而且，现有控制 ***无法解决同一房间内遥控家电，且必须对着电器的接收装置这样的操作问题，因此 导致普及程度较低；一旦用户忘记关闭一些发热电器，如电热器、热得快等，会有产生 火灾的危险。
发明内容
针对现有技术存在的不足，本发明提供一种智能家电负载检测和控制***及其方法，基于卷积神经网络精确识别开关电器种类并及时计算该时间段内电器的耗电量，通 过红外发射器实现电器的关闭和功能切换，防止出现电器控制错误的情况，达到精准电 器控制的功能，且拥有更高的准确率。
为了解决上述技术问题，本发明采用的技术方案是：一种智能家电负载检测和控制 ***，包括负载检测和控制装置、服务器、APP端或Web端，所述负载检测和控制装置 包括数据获取模块、数据预处理模块、模数转换模块、功耗检测模块、存储模块、电源 模块、控制模块、开门狗模块、WIFI通信模块和智能处理器模块，所述数据获取模块对 家庭用电中的电信号实时采集，并经过数据预处理模块进行降噪、滤波和信号放大处理 后，信号流分为两路，一路进入模数转换模块，一路进入功耗检测模块，用于智能处理 器模块计量电量；所述智能处理器模块为双核处理器，核一实现智能处理，通过卷积神 经网络算法识别电器，核二实现家电控制，通过解析WIFI数据和协议数据，实现红外 对家电的定时开关机功能切换。
进一步的，APP端或Web端通过无线网络与服务器通信连接，进而与负载检测和控制装置通信，实现APP端或Web端发送指令传至负载检测和控制装置的智能处理器模块， 所述智能处理器模块对接收的指令进行解析和红外编码，并将红外编码传输至控制模 块，所述控制模块发射红外信号，经家电的红外接收端接收后，实现对家电的控制。
进一步的，所述数据获取模块包括安装于家庭用电总线上的电流传感器和电压传感 器，所述智能处理器模块实时接收电流传感器和电压传感器采集的电信号，并生成电流波形图，并进行卷积神经网络算法输出电器分类结果，发送至服务器，用户通过APP端 或Web端获取电器分类结果和用电情况。
进一步的，所述智能处理器模块还将用电异常信息通过服务器传输至用户的APP端 或Web端。
本发明还提供一种智能家电负载检测和控制方法，包括以下步骤：
步骤一，采集电压、电流信号，并传输至双核处理器；
步骤二，识别负载开关；
步骤三，生成波形图像；
步骤四，负载识别：通过卷积神经网络算法对波形图像进行处理，精确识别出负载种类 并计算出耗电量，然后将结果发送至服务器；
步骤五，用户通过APP端或Web端查看各个家电用电情况；
步骤六，电器控制：APP端或Web端发送指令传至双核处理器，对接收的指令进行解析 和红外编码，发射红外信号，家电的红外接收端接收到红外信号后，实现对远程对家电的控制；
步骤七，异常处理：监测到用电异常信息时，双核处理器通过网络发送提示信息至用户， 用户可通过APP端或Web端选择关闭或继续运行。
优选的是，步骤一中，利用电压传感器和电流传感器采集负载的电压、电流信号，然后进行降噪、滤波和信号放大，并进行模数转换，为双核处理器提供24位的高精度 数字信号；同时通过功耗检测模块进行用电功耗的计算。
进一步的，步骤二中，为了减小对电流的噪声干扰，在计算电流强度时，减去周期内每个采样点的电流周期的平均值，然后取绝对值；然后将平均值作为电流强度的电流 循环，如公式(1)；在计算每个周期的电流强度之后，使电流强度不同，也就是说， 减去相邻周期中的电流强度；当差值大于预设阈值时，判断为ON；相反，如果结果小于 预设阈值，则判断为关闭，如公式(3)；
ΔIi＝Ii+1-Ii(i＝1,2.....n-1) (3)
其中，Iij为每个采样点的电流强度，Ii-mean为采样周期内电流强度平均值，△Ii为相 邻周期的电流强度差值。
优选的是，步骤三中，双核处理器接收到电信号后整合成电流波形图，然后进行灰度变换处理，使之成为64*64大小的图像；最后将每个像素求取均值，直接作为卷积神 经网络的输入图像。
进一步的，步骤四中，卷积神经网络算法包括以下步骤：
(1)CONV1:卷积输入图像的大小为3×3像素的32个卷积核，接着是ReLU算子， 然后是2*2区域内的max pooling和局部响应归一化层LRN；
(2)CONV2:然后，通过第二卷积层处理先前输出的特征映射，其中包含64个大小为3×3像素的滤波器；接着是ReLU，取最大值为2×2区域的最大池层，和具有 与以前相同的超参数的局部响应归一化层；
(3)CONV3:最后一层与第二层相同；上层的输出是64个大小为3×3像素的滤波 器的卷积，接着是ReLU和max pooling层；
(4)全连接层FC1:将第三层卷积层的输出转换为一维阵列，并作为第一层全连 接层的输入；它包含4096个神经元，接着是一个Relu和一个dropout层；
(5)全连接层FC2:接收全连接层FC1的4096个神经元，并再次包含4096个神经元，接着是Relu和一个dropout层；
(6)全连接层FC3:这一层是输出层，根据实际的分类集合类别，在该层中有12个神经元；输出分类结果。
进一步的，步骤七中，当用户忘记关电器，导致电器长时间运行时，双核处理器根据步骤一到步骤四识别出负载开关、种类及耗电量，并将结果传输至服务器，同时通过WIFI网络发送提示信息至用户，用户通过APP端或Web端查看各个家电用电情况；用户 可通过APP端或Web端发送关闭指令将电器关闭，或继续运行。
与现有技术相比，本发明优点在于：
1.本发明实现了家用电器的智能实时监控：利用电流和电压传感器对家庭用电中的电 信号进行实时采集，对模拟信号进行低通滤波，降低噪声处理，再经过模拟信号到数字 信号的转换，此时将信号传输给双核处理器，处理器对接收到的信号进行数据处理。通过具体的数据处理和分析，可以实时监测家庭中的用电情况、准确识别出负载种类、统 计一段时间内家庭用电具体的耗电情况，并且会对其进行智能分析，以帮助降低家庭用 电能耗。
2.电器识别准确度提高：电器识别时采用电暂态特性，采集了电暂态电流波形，使之转 化为灰度图像，再利用图像处理方法，作为卷积神经网络的输入端，输出最后的分类结 果，这样可以高准确率地识别负载开关及种类；进而防止出现电器控制错误的情况，达到精准电器控制的功能，且拥有更高的准确率。
3.本发明实现电器智能控制：本发明提出基于WIFI红外家电控制***，先是通过卷积 神经网络算法精准识别出负载种类之后，远程通过红外发射器实现电器的关闭和功能切 换；也解决了传统家电遥控方式存在的同一房间内遥控家电且必须对着电器的接收装置 这样的操作问题，具有较高的实用价值；
4.本发明还可以起到提示作用：监测到用电异常时，比如当用户忘记关电器，导致一些 电器如电热毯，热得快等长时间运行时，负载检测和控制装置会通过网络向客户APP端或Web端发送提示信息，从而避免发生火灾的危险。
附图说明
图1为本发明的负载检测和控制装置的框图；
图2为本发明智能家电负载检测和控制的数据流图；
图3为本发明的负载识别流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的说明。
如图1-2所示，本实施例的智能家电负载检测和控制***，包括负载检测和控制装置、服务器、APP端或Web端。通过对电器的基本用电信号进行分析，设计了智能用电 负载检测及控制装置，负载检测和控制装置包括数据获取模块、数据预处理模块、模数 转换模块、功耗检测模块、存储模块、电源模块、控制模块、开门狗模块、WIFI通信模 块和智能处理器模块，APP端或Web端通过无线网络与服务器通信连接，进而与负载检 测和控制装置通信。
数据获取模块：包括电流传感器和电压传感器，对家庭用电中的电信号实时采集。将电流传感器套接在家庭用电的总线上，该传感器能够检测到家庭总线上电流信号，并 将其信号转化为0-50mA的交流信号；将电压传感器并联在家庭用电的总线路中，该传 感器可以将220V交流电转化为最大不失真电压2.5V的交流信号。
数据预处理模块：本模块的主要作用是对信号进行处理，主要包括降噪、滤波以及信号放大；对所采集的电压、电流信号进行放大，之后，信号流分为两路，一路进行 模数转换，完成采样，另一路进入功耗检测模块，进行用电功耗的计算。
模数转换模块：该模块采用高精度的模数转换芯片，实现电压和电流的模数转换，为智能处理器模块提供24位的高精度数字信号，以满足后续工作中对电流信号的处理、 存储和控制等要求。
功耗检测模块：当输入的电压电流信号之间的乘积累计到一定用电量以后，该芯片 会给智能处理器模块输入一个脉冲信号。智能处理器模块经过计算处理之后，将实现电能的精准计算，并将这些值存到存储模块中，从而实现电量累计。
存储模块：存储模块选用外部SRAM存储模数转换模块采集的电压和电流数据。
智能处理器模块：为双核处理器。
核一实现智能处理功能，智能处理器模块实时接收电流传感器和电压传感器采集的 电信号，获取数据，数据预处理后，首先进行事件检测，也就是判断电器的开关，判断 为电器开的状态时，生成电流波形图，并进行卷积神经网络算法(CNN)识别电器，输 出电器分类结果，发送至服务器，用户通过APP端或Web端获取电器分类结果和用电情 况。
核二实现家电控制功能，APP端或Web端发送的指令通过路由器传至负载检测和控制装置的智能处理器模块，核二数据接收以后，通过数据处理、校验、解析WIFI数据 和协议数据，进行相应的红外编码，并将红外编码传输至控制模块。
控制模块：本模块为智能处理器模块控制功能的执行模块，控制模块通过红外设备 (红外发射器)发射红外信号，经电器的红外接收端接收以后，实现对家电的控制，实 现红外对家电的定时开关机功能切换。
电源模块：实现220V到5v和3.3V电压转换，为各模块供电。
开门狗模块：该部分功能是防止***进入死循环或者死机，起到***复位作用。
WIFI通信模块：本模块实现智能处理器模块和APP端或Web端之间的数据和指令的传输。
负载检测和控制装置还包括LED指示灯及DEBUG接口模块。
服务器：接收负载检测和控制装置传输过来的用电特征信息，实现电器类型判断显 示、用电状态监测以及人机交互等功能。
为避免忘记关掉电器，尤其是电热毯、热得快等危险电器带来的火灾危险的发生，负载检测和控制装置在日常用电监控中，如果监测到电器长时间运行，此时判定为用电 异常信息，智能处理器模块会将用电异常信息通过服务器传输至用户的APP端或Web 端，用户可选择关闭或继续运行。
如图3所示，基于前述的智能家电负载检测和控制***而实施的智能家电负载检测 和控制方法，包括以下步骤：
步骤一，采集电压、电流信号，并传输至双核处理器；
利用电压传感器和电流传感器采集负载的电压、电流信号，然后进行降噪、滤波和信号放大，并进行模数转换，为双核处理器提供24位的高精度数字信号；同时通过功 耗检测模块进行用电功耗的计算。
步骤二，识别负载开关；
为了减小对电流的噪声干扰，在计算电流强度时，减去周期内每个采样点的电流周 期的平均值，然后取绝对值；然后将平均值作为电流强度的电流循环，如公式(1)。 在计算每个周期的电流强度之后，使电流强度不同，也就是说，减去相邻周期中的电流 强度；当差值大于预设阈值时，判断为ON；相反，如果结果小于预设阈值，则判断为关 闭，如公式(3)。
ΔIi＝Ii+1-Ii(i＝1,2.....n-1) (3)
其中，Iij为每个采样点的电流强度，Ii-mean为采样周期内电流强度平均值，△Ii为相 邻周期的电流强度差值。
步骤三，生成波形图像；
双核处理器接收到电信号后整合成电流波形图，然后进行灰度变换处理，使之成为 64*64大小的图像；最后将每个像素求取均值，直接作为卷积神经网络的输入图像。这种处理方式，更有利于cnn模型分类电器种类。
步骤四，负载识别：通过卷积神经网络算法对波形图像进行处理，精确识别出负载种类 并计算出耗电量，然后将结果发送至服务器。
卷积神经网络算法包括以下步骤：
(1)CONV1:卷积输入图像的大小为3×3像素的32个卷积核，接着是ReLU算子，
然后是2*2区域内的max pooling和局部响应归一化层(LRN)；
(2)CONV2:然后，通过第二卷积层处理先前输出的特征映射，其中包含64个大小为3×3像素的滤波器；接着是ReLU，取最大值为2×2区域的最大池层，和具有 与以前相同的超参数的局部响应归一化层；
(3)CONV3:最后一层与第二层相同；上层的输出是64个大小为3×3像素的滤波 器的卷积，接着是ReLU和max pooling层；
(4)全连接层FC1:将第三层卷积层的输出转换为一维阵列，并作为第一层全连 接层的输入；它包含4096个神经元，接着是一个Relu和一个dropout层；
(5)全连接层FC2:接收全连接层FC1的4096个神经元，并再次包含4096个神经元，接着是Relu和一个dropout层；
(6)全连接层FC3:这一层是输出层，根据实际的分类集合类别，根据实际的分类集合 类别，在本实验中有12种实验，因此在该层中有12个神经元；
(7)输出分类结果：输出的分类结果发送至服务器。
采用本实施例的卷积神经网络结构来构建模型，训练参数，结果显示有更高的准确 率。
步骤五，用户通过APP端或Web端查看各个家电用电情况；
步骤六，电器控制：APP端或Web端发送指令传至双核处理器，对接收的指令进行解析 和红外编码，发射红外信号，家电的红外接收端接收到红外信号后，实现对远程对家电的控制；
步骤七，异常处理：当用户忘记关电器，导致电器长时间运行时，负载检测和控制装置 监测到用电异常信息，双核处理器根据步骤一到步骤四识别出负载开关、种类及耗电量， 并将结果传输至服务器，同时通过WIFI网络发送提示信息至用户，用户通过APP端或Web端查看各个家电用电情况；用户可通过APP端或Web端发送关闭指令将电器关闭， 或继续运行。
实际上，异常处理情况不限于忘记关电器的情况，此时电器本身是正常运行中。用电异常信息还可以包括电器本身出现异常，通过本发明的负载检测和控制装置可以长时间监控各个电器的用电信息，建立了各个电器信息的数据库，电器故障前，往往会出现 发热、功耗增加、电流变化等情况。此时，电器可能存在故障发生的危险，负载检测和 控制装置也会通过网络向客户APP端或Web端发送提示信息。
综上所述，本发明采用电压、电流传感器分别采集电压和电流信号，将电流信号转为电流波形图，从图像的角度出发，然后作为CNN的输入端，开始进行神经网络逐层 计算，最后输出不同种类的概率分布，选取概率最大的即为最后的分类结果，即得出最 终的电器种类。经过试验对比，cnn(卷积神经网络)算法，识别准确可达到99.03％，分 类结果如表1所示。
表1
当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，做出的变化、改型、添加或替换，都应属于 本发明的保护范围。

Claims (10)

1.一种智能家电负载检测和控制***，其特征在于：包括负载检测和控制装置、服务器、APP端或Web端，所述负载检测和控制装置包括数据获取模块、数据预处理模块、模数转换模块、功耗检测模块、存储模块、电源模块、控制模块、开门狗模块、WIFI通信模块和智能处理器模块，所述数据获取模块对家庭用电中的电信号实时采集，并经过数据预处理模块进行降噪、滤波和信号放大处理后，信号流分为两路，一路进入模数转换模块，一路进入功耗检测模块，用于智能处理器模块计量电量；所述智能处理器模块为双核处理器，核一实现智能处理，通过卷积神经网络算法识别电器，核二实现家电控制，通过解析WIFI数据和协议数据，实现红外对家电的定时开关机功能切换。
2.根据权利要求1所述的智能家电负载检测和控制***，其特征在于：APP端或Web端通过无线网络与服务器通信连接，进而与负载检测和控制装置通信，实现APP端或Web端发送指令传至负载检测和控制装置的智能处理器模块，所述智能处理器模块对接收的指令进行解析和红外编码，并将红外编码传输至控制模块，所述控制模块发射红外信号，经家电的红外接收端接收后，实现对家电的控制。
3.根据权利要求2所述的智能家电负载检测和控制***，其特征在于：所述数据获取模块包括安装于家庭用电总线上的电流传感器和电压传感器，所述智能处理器模块实时接收电流传感器和电压传感器采集的电信号，并生成电流波形图，并进行卷积神经网络算法输出电器分类结果，发送至服务器，用户通过APP端或Web端获取电器分类结果和用电情况。
4.根据权利要求3所述的智能家电负载检测和控制***，其特征在于：所述智能处理器模块还将用电异常信息通过服务器传输至用户的APP端或Web端。
5.一种智能家电负载检测和控制方法，其特征在于，包括以下步骤：
步骤一，采集电压、电流信号，并传输至双核处理器；
步骤二，识别负载开关；
步骤三，生成波形图像；
步骤四，负载识别：通过卷积神经网络算法对波形图像进行处理，精确识别出负载种类并计算出耗电量，然后将结果发送至服务器；
步骤五，用户通过APP端或Web端查看各个家电用电情况；
步骤六，电器控制：APP端或Web端发送指令传至双核处理器，对接收的指令进行解析和红外编码，发射红外信号，家电的红外接收端接收到红外信号后，实现对远程对家电的控制；
步骤七，异常处理：监测到用电异常信息时，双核处理器通过网络发送提示信息至用户，用户可通过APP端或Web端选择关闭或继续运行。
6.根据权利要求5所述的智能家电负载检测和控制方法，其特征在于：步骤一中，利用电压传感器和电流传感器采集负载的电压、电流信号，然后进行降噪、滤波和信号放大，并进行模数转换，为双核处理器提供24位的高精度数字信号；同时通过功耗检测模块进行用电功耗的计算。
7.根据权利要求5所述的智能家电负载检测和控制方法，其特征在于：步骤二中，为了减小对电流的噪声干扰，在计算电流强度时，减去周期内每个采样点的电流周期的平均值，然后取绝对值；然后将平均值作为电流强度的电流循环，如公式(1)；在计算每个周期的电流强度之后，使电流强度不同，也就是说，减去相邻周期中的电流强度；当差值大于预设阈值时，判断为ON；相反，如果结果小于预设阈值，则判断为关闭，如公式(3)；
ΔIi＝Ii+1-Ii(i＝1,2.....n-1) (3)
其中，Iij为每个采样点的电流强度，Ii-mean为采样周期内电流强度平均值，△Ii为相邻周期的电流强度差值。
8.根据权利要求6所述的智能家电负载检测和控制方法，其特征在于：步骤三中，双核处理器接收到电信号后整合成电流波形图，然后进行灰度变换处理，使之成为64*64大小的图像；最后将每个像素求取均值，直接作为卷积神经网络的输入图像。
9.根据权利要求8所述的智能家电负载检测和控制方法，其特征在于：步骤四中，卷积神经网络算法包括以下步骤：
(1)CONV1:卷积输入图像的大小为3×3像素的32个卷积核，接着是ReLU算子，然后是2*2区域内的max pooling和局部响应归一化层LRN；
(2)CONV2:然后，通过第二卷积层处理先前输出的特征映射，其中包含64个大小为3×3像素的滤波器；接着是ReLU，取最大值为2×2区域的最大池层，和具有与以前相同的超参数的局部响应归一化层；
(3)CONV3:最后一层与第二层相同；上层的输出是64个大小为3×3像素的滤波器的卷积，接着是ReLU和max pooling层；
(4)全连接层FC1:将第三层卷积层的输出转换为一维阵列，并作为第一层全连接层的输入；它包含4096个神经元，接着是一个Relu和一个dropout层；
(5)全连接层FC2:接收全连接层FC1的4096个神经元，并再次包含4096个神经元，接着是Relu和一个dropout层；
(6)全连接层FC3:这一层是输出层，根据实际的分类集合类别，在该层中有12个神经元；输出分类结果。
10.根据权利要求8所述的智能家电负载检测和控制方法，其特征在于：步骤七中，当用户忘记关电器，导致电器长时间运行时，双核处理器根据步骤一到步骤四识别出负载开关、种类及耗电量，并将结果传输至服务器，同时通过WIFI网络发送提示信息至用户，用户通过APP端或Web端查看各个家电用电情况；用户可通过APP端或Web端发送关闭指令将电器关闭，或继续运行。
CN201810725906.8A 2018-07-04 2018-07-04 一种智能家电负载检测和控制***及其方法 Pending CN108964270A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810725906.8A CN108964270A (zh) 2018-07-04 2018-07-04 一种智能家电负载检测和控制***及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810725906.8A CN108964270A (zh) 2018-07-04 2018-07-04 一种智能家电负载检测和控制***及其方法

Publications (1)

Publication Number Publication Date
CN108964270A true CN108964270A (zh) 2018-12-07

Family

ID=64485494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810725906.8A Pending CN108964270A (zh) 2018-07-04 2018-07-04 一种智能家电负载检测和控制***及其方法

Country Status (1)

Country Link
CN (1) CN108964270A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109765443A (zh) * 2019-01-17 2019-05-17 创炘源智能科技(上海)有限公司 检测电源线上的电器负载的设备及方法
CN110060369A (zh) * 2019-04-03 2019-07-26 国网福建省电力有限公司 一种配电网通信数据交互监控***
CN110225067A (zh) * 2019-07-24 2019-09-10 上海戎磐网络科技有限公司 一种物联网安全预警***
CN111103477A (zh) * 2019-10-31 2020-05-05 武汉旗云高科信息技术有限公司 一种基于3d卷积神经网络的电气负载监测方法和***
CN111539275A (zh) * 2020-04-14 2020-08-14 中南民族大学 一种基于负载特性可视化的电气负载分类方法和***
CN113947886A (zh) * 2021-12-20 2022-01-18 北京易联通达科技有限公司 一种基于非入侵式电表的用电行为监测装置
CN114545787A (zh) * 2022-03-04 2022-05-27 合肥惟新半导体科技有限公司 降低待机功耗的家用电器控制***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2639589A1 (en) * 2008-07-17 2013-09-18 Isis Innovation Limited Utility metering
CN103400487A (zh) * 2013-07-26 2013-11-20 华南理工大学 一种基于智能手机的家电能耗管理***和方法
CN104468647A (zh) * 2013-09-15 2015-03-25 国家电网公司 智能家居***
CN104834297A (zh) * 2015-05-08 2015-08-12 上海电机学院 基于物联网智能电表的家用电器远程控制***及方法
CN106200408A (zh) * 2016-08-26 2016-12-07 特斯联（北京）科技有限公司 一种基于云计算的智能家居配备方法及***
CN106302059A (zh) * 2016-10-21 2017-01-04 北京中天智汉科技有限责任公司 一种用于智能家居的远程控制方法及装置
CN106908657A (zh) * 2017-03-06 2017-06-30 中国海洋大学 一种基于功率的负载开关检测装置及方法
CN107478882A (zh) * 2017-09-06 2017-12-15 上海斐讯数据通信技术有限公司 智能电表远程监控装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2639589A1 (en) * 2008-07-17 2013-09-18 Isis Innovation Limited Utility metering
CN103400487A (zh) * 2013-07-26 2013-11-20 华南理工大学 一种基于智能手机的家电能耗管理***和方法
CN104468647A (zh) * 2013-09-15 2015-03-25 国家电网公司 智能家居***
CN104834297A (zh) * 2015-05-08 2015-08-12 上海电机学院 基于物联网智能电表的家用电器远程控制***及方法
CN106200408A (zh) * 2016-08-26 2016-12-07 特斯联（北京）科技有限公司 一种基于云计算的智能家居配备方法及***
CN106302059A (zh) * 2016-10-21 2017-01-04 北京中天智汉科技有限责任公司 一种用于智能家居的远程控制方法及装置
CN106908657A (zh) * 2017-03-06 2017-06-30 中国海洋大学 一种基于功率的负载开关检测装置及方法
CN107478882A (zh) * 2017-09-06 2017-12-15 上海斐讯数据通信技术有限公司 智能电表远程监控装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZEHUA LAN等: "A non-intrusive load identification method based on convolution neural network", 《2017 IEEE CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109765443A (zh) * 2019-01-17 2019-05-17 创炘源智能科技(上海)有限公司 检测电源线上的电器负载的设备及方法
CN110060369A (zh) * 2019-04-03 2019-07-26 国网福建省电力有限公司 一种配电网通信数据交互监控***
CN110060369B (zh) * 2019-04-03 2022-01-11 国网福建省电力有限公司 一种配电网通信数据交互监控***
CN110225067A (zh) * 2019-07-24 2019-09-10 上海戎磐网络科技有限公司 一种物联网安全预警***
CN110225067B (zh) * 2019-07-24 2021-08-24 上海戎磐网络科技有限公司 一种物联网安全预警***
CN111103477A (zh) * 2019-10-31 2020-05-05 武汉旗云高科信息技术有限公司 一种基于3d卷积神经网络的电气负载监测方法和***
CN111103477B (zh) * 2019-10-31 2020-08-25 武汉旗云高科信息技术有限公司 一种基于3d卷积神经网络的电气负载监测方法和***
CN111539275A (zh) * 2020-04-14 2020-08-14 中南民族大学 一种基于负载特性可视化的电气负载分类方法和***
CN113947886A (zh) * 2021-12-20 2022-01-18 北京易联通达科技有限公司 一种基于非入侵式电表的用电行为监测装置
CN114545787A (zh) * 2022-03-04 2022-05-27 合肥惟新半导体科技有限公司 降低待机功耗的家用电器控制***

Similar Documents

Publication Publication Date Title
CN108964270A (zh) 一种智能家电负载检测和控制***及其方法
CN104615119B (zh) 一种家庭能源管理***
CN104333736B (zh) 无人变电站智能识别监控***及方法
CN103815912B (zh) 基于热红外传感器阵列的独居老人摔倒行为实时监测方法
CN108040886A (zh) 一种基于物联网的集约化生猪健康养殖智能***及方法
CN104375486B (zh) 智能家居控制***
CN107833416A (zh) 一种基于物联网的智能家居远程防盗报警***
CN112947127A (zh) 智慧用电控制管理***
Paradiso et al. ANN-based appliance recognition from low-frequency energy monitoring data
CN111082836B (zh) Hplc通信单元停上电智能检测装置及方法
CN106654739B (zh) 一种带智能断电功能的插座及家用设备智能断电实现方法
CN108983622A (zh) 一种基于人体手势的智能家电控制***
CN106908657A (zh) 一种基于功率的负载开关检测装置及方法
CN108233529A (zh) 智能远程用电监控模数化装置及***
CN110040591A (zh) 一种基于物联网云平台的电梯监测装置和方法
CN107132826A (zh) 一种多功能智能家居安防控制***
CN112491668A (zh) 一种智能家居物联网安全监控装置
CN112071047A (zh) 一种居民离家返家行为判断方法
CN102333020A (zh) 一种面向区端网络的安防***
CN111077817A (zh) 一种基于物联网的电力公司用安全监控管理***
CN110084158A (zh) 一种基于智能算法的用电设备识别方法
CN109495355A (zh) 智慧家庭能源路由器
CN113328527A (zh) 一种智能配电自动化终端装置及智能配电故障诊断方法
CN106843187A (zh) 一种家庭智能监控***
CN106910318A (zh) 一种进出行为监控方法及***

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207