JP6017421B2 - オンデマンド型電力制御システム、オンデマンド型電力制御システムプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents
オンデマンド型電力制御システム、オンデマンド型電力制御システムプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 Download PDFInfo
- Publication number
- JP6017421B2 JP6017421B2 JP2013524012A JP2013524012A JP6017421B2 JP 6017421 B2 JP6017421 B2 JP 6017421B2 JP 2013524012 A JP2013524012 A JP 2013524012A JP 2013524012 A JP2013524012 A JP 2013524012A JP 6017421 B2 JP6017421 B2 JP 6017421B2
- Authority
- JP
- Japan
- Prior art keywords
- probability
- person
- artificial
- control system
- power control
- 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.)
- Expired - Fee Related
Links
- 230000006399 behavior Effects 0.000 claims description 81
- 238000000034 method Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 49
- 238000009826 distribution Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
上記システムを使用することによる最大のメリットは、需要サイドから省エネ、CO2排出削減が実現可能になることである。例えば、利用者があらかじめ電気料金を20%カットするという指示をホーム・サーバにセットすると、EoD制御により20%カットした電力しか流さないという利用者主体の取組みが可能になり、省エネ、CO2排出の削減が実現できるシステムである。
本発明の請求項1に係る発明の人物行動推定装置は、少なくとも商用電源を含む電力源と、複数の電気機器と、その電気機器に接続されているスマートタップと、メモリを備える生活空間内の人物の行動を推定する人物行動推定装置と、該人物行動推定装置が上記スマートタップを介して接続するネットワークとを備えるオンデマンド型電力制御システムであって、前記人物行動推定装置が、電気機器の電力消費パターンから得られた特徴量を、事前に電気機器毎に得られた学習データの特徴量と比較して、上記電気機器の状態を推定し、その推定した電気機器の状態に基づいて上記電気機器の人為確率の初期値を推定する人為確率の初期値推定手段と、前記メモリから上記電気機器の人為確率の初期値と当該機器の尤度マップを呼び出し、その尤度マップから選択したサンプルの人物位置を参照して、その人物位置と当該機器の人為確率を掛けて当該機器の重みを算出する処理を全てのサンプルに行い、時刻が最終時刻になるまで各時刻での人物位置の確率を推定する人物位置推定手段と、上記人為確率および人物位置確率から該人為確率の再計算を行い、該再計算の値が収束するまで上記人為確率の再計算を行い、その値が収束した時に人為確率および人物位置確率を出力する人為確率の再推定手段とを備えることを特徴とする。
本発明の請求項2に係る発明の人物行動推定装置は、前記人物行動推定装置が、人物が機器に対して人為的に操作を行った確率である人為確率と、位置に対して人物が存在する確率である人物位置確率から人物の行動を推定することを特徴とする。
本発明の請求項3に係る発明の人物行動推定装置は、前記人物行動推定装置が、各電気機器の電力消費パターンのみから作動状態の特徴量データを求め、そのデータから得られた人為確率を初期値とし、人物位置と人為確率を繰り返し計算によって求めることで、これら双方を推定することを特徴とする。
本発明の請求項4に係る発明の人物行動推定装置は、前記作動状態の特徴量データが電気機器のid、その機器の作動状態およびその機器の特徴量から構成されていることを特徴とする。
本発明の請求項5に係る発明の人物行動推定装置は、前記電気機器の電力消費パターンが、移動や停留の人物状態のシークエンスで機器の操作を行うことで、電気機器の状態、運転モードの変化により生じることを特徴とする。
本発明の請求項6に係る発明の人物行動推定装置は、前記電気機器の特徴量が、消費電力の平均と分散であることを特徴とする。
本発明の請求項7に係る発明の人物行動推定装置は、前記人為確率の初期値推定手段が、前記電気機器のある状態遷移が人為的操作である確率をあらかじめ与えておくことで、電気機器の状態の確率から人為確率の初期値を推定できることを特徴とする。
本発明の請求項8に係る発明の人物行動推定装置は、前記人物位置推定手段が、時刻tにおける人物の二次元位置を、1回前の時刻t-1の繰り返し計算により得られる人為確率により、人物の移動位置を推定することを特徴とする。
本発明の請求項9に係る発明の人物行動推定装置は、前記人物位置推定手段が、人物位置確率を推定するために時系列フィルタを用いたことを特徴とする。
本発明の請求項10に係る発明の人物行動推定装置は、前記時系列フィルタが、パーティクルフィルタ、カルマンフィルタ又は移動平均フィルタであることを特徴とする。
本発明の請求項11に係る発明の人物行動推定装置は、前記人物位置推定手段が、前記人為確率を電気機器の位置と人物位置との関係に基づく尤度マップを用いて演算することを特徴とする。
本発明の請求項12に係る発明の人物行動推定装置は、前記尤度マップが、実際の居住空間を対象に、電気機器の電源スイッチを押すことができる人物の存在確率を画素値で表したものであることを特徴とする。
本発明の請求項13に係る発明の人物行動推定装置は、前記尤度マップが、障害物があった場合に人の手が届かない範囲の画素値を0として計算を行うことを特徴とする。
本発明の請求項14に係る発明の人物行動推定装置は、前記尤度マップが、前記電気機器をリモコンで操作可能な場合には、広い範囲を小さい画素値で割り当ていることを特徴とする。
本発明の請求項15に係る発明の人物行動推定装置は、前記尤度マップが、前記電気機器を複数箇所から操作可能な場合には、その操作可能な複数の狭い範囲を大きい画素値で割り当ていることを特徴とする。
本発明の請求項16に係る発明の人物行動推定装置は、前記尤度マップが、部屋の間取り、前記障害物と電源スイッチの位置・距離及び電気機器の位置に基づき前記画素値を表していることを特徴とする。
本発明の請求項17に係る発明の人物行動推定装置は、前記人物推定装置が人物が複数の場合には複数人分の混合正規分布で演算することを特徴とする。
本発明の請求項18に係る発明のプログラムは、少なくとも商用電源を含む電力源と、複数の電気機器と、その電気機器に接続されているスマートタップと、メモリを備える生活空間内の人物の行動を推定する人物行動推定装置と、該人物行動推定装置が上記スマートタップを介して接続するネットワークとを備えるオンデマンド型電力制御システムにおける上記人物行動推定装置として、コンピュータを動作させるプログラムであって、前記人物行動推定装置が人為確率の初期推定値設定手段と、人物位置推定手段と、人物確率の再推定手段とを備えており、前記人為確率の初期推定値設定手段が、電気機器の電力消費パターンから得られた特徴量を、事前に電気機器毎に得られた学習データの特徴量と比較して、上記電気機器の状態を推定し、その推定した電気機器の状態に基づいて上記電気機器の人為確率の初期値の推定を演算する処理と、前記人物位置推定手段が、前記メモリから上記電気機器の人為確率の初期値と当該機器の尤度マップを呼び出し、その尤度マップから選択したサンプルの人物位置を参照して、その人物位置と当該機器の人為確率を掛けて当該機器の重みを算出する処理を全てのサンプルに行い、時刻が最終時刻になるまで各時刻での人物位置の確率の推定を演算する処理と、前記人物確率の再推定手段が、上記人為確率および人物位置確率から該人為確率の再計算を行い、該再計算の値が収束するまで上記人為確率の再計算を行い、その値が収束した時に人為確率および人物位置確率を出力する処理とをコンピュータに実行させることを特徴とする。
本発明の請求項19に係る発明のプログラムは、請求項1に記載の人物行動推定装置としてコンピュータを動作させるプログラムであって、前記人物行動推定装置が、人物が機器に対して人為的に操作を行った確率である人為確率と、位置に対して人物が存在する確率である人物位置確率から人物の行動の推定の処理をコンピュータに実行させる。
本発明の請求項20に係る発明のプログラムは、請求項1に記載の人物行動推定装置としてコンピュータを動作させるプログラムであって、前記人物行動推定装置が、各電気機器の電力消費パターンのみから作動状態の特徴量データを求め、そのデータから得られた人為確率を初期値とし、人物位置と人為的操作を繰り返し計算によって求めることで、これら双方を推定する処理をコンピュータに実行させることを特徴とする。
本発明の請求項21に係る発明のプ記録媒体は、請求項18に記載のプログラムを記録したコンピュータ読み取り可能な媒体であることを特徴とする。
本発明の請求項22に係る発明のプ記録媒体は、請求項19に記載のプログラムを記録したコンピュータ読み取り可能な媒体であることを特徴とする。
本発明の請求項23に係る発明の記録媒体は、請求項20に記載のプログラムを記録したコンピュータ読み取り可能な媒体であることを特徴とする。
スマートマンションルームにおいて、実際に被験者が生活する生活実験を行った結果は、上記人物行動推定装置は家庭内での人物の行動を推定できることが実証された。
図1は、本発明のEoD制御システムの通信ネットワークの構成を示す概略図である。本発明のEoD制御システム50は、一般家庭において設置されており、人物行動推定装置、ST11、電気機器(以下、単に「機器」という。)および電力制御装置30から構成されている。上記人物行動推定装置は、Local Area Network(以下、「LAN」という。)を介してST11に有線又無線LANで接続されている。LANは本発明の一例であってそれに限定されるものではなく、本発明はWiFi、PLC、ZigBee、特定小電力無線などのネットワークを介してSTに接続しても良い。そのSTは、各機器の電源コンセントを介して接続されている。従って、上記STはLANを介して上記人物行動推定装置と通信可能である。
なお、本発明のEoD制御システムの電力源として商用電源を説明するが、これに限定するものではなく太陽光発電および燃料電池を電力源として用いても良い。また、本発明のEoD制御システム50の設置場所として一般家庭を説明するが、これに限定するものではなくオフィスなどのSTが設置できる場所であれば何れの場所であっても良い。そして、本発明のEoD制御システムのSTとして電源コンセントに接続する外付けタイプを説明するが、これに限定するものではなく電源コンセントに埋め込まれた内蔵タイプであっても良い。
図1を参照して説明したように、EoD制御システム50は、電力制御装置30を含み、この電力制御装置30には、商用電源32が接続されている。また、電力制御装置30は、例えば、複数のブレーカ(図示せず)によって構成され、1つのメインブレーカと複数のサブブレーカとを含む。商用電源32からの電力(交流電圧)は、メインブレーカの1次側に与えられ、メインブレーカの2次側から複数のサブブレーカに分配される。ただし、商用電源32は、商用電流を供給/停止するためのスイッチ(図示せず)を介してメインブレーカの1次側に接続される。このスイッチは、人物行動推定装置の切り替え信号に従ってON/OFFされる。
上述したように、本発明のEoD制御システムは、図2に示す電力ネットワークのみならず、図1に示した通信ネットワークも構築されている。
間取り図のサイズは538cm×605cmの約33m2の広さである。図4に示されるように、TV、エアコン、湯沸かしポット、コーヒーメーカー、炊飯器、冷蔵庫、電子レンジ、洗濯機、掃除機、ドライヤなどの一般の家庭で使用する機器が備えられている。STの位置は図4中に「ST」として表されており、各機器にはSTが設けられている。このうちリモコンがある機器は、TV、エアコン、リビング照明と2個の台所照明、寝室照明およびビデオである。移動する機器を用いる時に使用するSTは、5個の空きコンセントとしている。移動する機器は、ドライヤ、掃除機、携帯充電器、ノートPC、空気清浄機、電動歯ブラシ、ナイトスタンドである。図4に示す数字は、表1で示すid欄の番号でありname欄の機器の名称を表している。
表1は各機器が取りうる作動状態(0〜3)を示す表である。
つまり、本発明が解決すべき問題は、以下の二点となる。
(1)機器に対する人為的操作の検出
(2)人物位置の推定
図5は人物の状態と機器の操作の関係を示す関係図である。
図6は機器の状態と電力消費パターンの関係を示す関係図である。
図5に示すように人物は移動や停留といった人物状態のシークエンスで機器の操作を行う。機器を操作すると、図6に示すように機器の状態、運転モードが変化し、ある機器が何時、何処で、どれだけの電力を消費したかを示す、一日の機器の電力消費のパターンとして観測される。この一日の電力消費のパターンを機器の「電力消費パターン」と定義して以下に用いる。
なお、以下に述べる人物行動推定装置が行う処理はオフラインの状態で行うもので、人物行動推定装置は、STから送信された電力消費パターンを処理して人物位置zの確率分布
と機器が操作している確率の集合
を推定結果として出力された人物の行動経路を示す処理をオフラインで行っている。
図7に示すように機器毎の電圧波形(太線)及び電流波形(細線)は、機器によって異なるために、これらの波形から電力の平均と分散を分析することで機器を特定することができる。
表2は、各機器とその作動状態0〜3(スイッチのON、OFFや強、中、弱など)、および消費電力の平均と分散(以下、この平均と分散を「特徴量」という。)の値を表しており、この特徴量は、学習データとして後述する人為確率の初期値推定の処理で用いられる。表1の状態0、状態1、状態2、状態3は、表2の機器の作動状態0〜3と同じ意味であり、機器が取りうる作動状態を表している。表2から分かるように、作動状態の変化により特徴量が変化していること、そして機器毎に特徴量の値が異なることが分かる。この機器(id)の作動状態と特徴を表す表2を「作動状態の特徴量データ」と定義して用いる。
」と、人物がある位置Ztから機器を操作することができる確率である「人物位置確率
」を理解する必要がある。以下に「人為確率
」と「人物位置確率
」を説明する。
に対して、時刻
に人為的操作を行ったかどうかを
と表す。
(1)
また、時刻
における人物位置を
、時刻
までの
の電力消費パターンを
としたとき、人物が
に対して人為的操作を行った確率(以下、「人為確率」という。)
は次式のように表される。
(2)
を操作したときに電力消費パターン
が得られる確率であり、
は人物位置の確率分布(以下、「人物位置確率」という。)、
は人物がある位置
から
を操作することができる確率である。この式によって、人物位置確率
が分かれば、人為確率
を推定することができることがわかる。
一方、機器の数を
として、全ての機器について時刻
に人為的操作を行ったかどうかを集合
で表し、時刻
までの人為的操作の系列を
としたとき、人物位置はベイズの定理により次式のように求めることができる。
ただし、
は確率変数
と無関係なので
を正規化定数
とおいて、
と表す。ここで、
は人物位置
から各機器に対する人為確率であり、次式のように計算できる。
(4)
を与えている。また、式(3)の
は、時刻
までの観測から推定される人物位置であり、人物の移動軌跡がマルコフ性を持つことを仮定すると、次式のように変形することができる。
ここで
は人物の移動モデルであり、
は、一時刻前の人物位置確率である。式(3)、式(5)は時系列フィルタの式であり、式(4)に示す人為操作の確率と移動モデルが与えられれば、時系列フィルタであるパーティクルフィルタ、カルマンフィルタ又は移動平均フィルタによって効率的に解くことができる。例えばパーティクルフィルタにより、人為的操作
がわかれば、人物位置
を求めることが出来ると言える。
がわかれば、人物位置
を求めることができ、また人物位置
がわかれば、人為的操作
を求めることができるという相互依存性をもっていることがわかる。
本発明の人物行動推定装置は、各機器の電力消費パターンのみから上記作動状態の特徴量データを求め、そのデータから得られた人為的操作の特徴量を初期値として、人物位置と人為的操作を繰り返し計算によって求めることで、これら双方を推定できる。
人物行動推定装置は、人為確率の初期値推定手段120、人物位置推定手段122および人為確率の再推定手段124とから構成されている。
この人物行動推定装置1は、(1)人為確率の初期値推定手段120がSTから受けた機器の電力消費パターンを、メモリに格納された機器の特徴量と操作確率を比較することで、その機器の人為確率の初期値を設定する機能を備えており、(2)人物位置推定手段122が上記初期値とメモリに格納されている間取り図、機器の配置、各位置での機器操作確率、人物移動モデルに基づき、時系列フィルタを用いて人物位置を推定する機能を備えており、(3)人為確率の再推定手段124が上記推定された人物位置に基づいて、その機器が操作された人為確率を推定し、その推定した人為確率を上記人物位置推定手段122に入力して、その推定された人物位置を人為確率の再推定手段124に入力して、上記の人物位置の推定処理と人為確率の再推定の処理が収束するまで処理して、人物位置と人為確率を出力する機能を備えている。
図8の(1)人為確率の初期値推定手段120、(2)人物位置推定手段122および(3)人為確率の再推定手段124が行う確率の演算処理を以下に説明する。
人為確率の初期値推定手段120の確率の演算処理を説明する。
初期推定においては、各機器
の電力消費パターン
のみを用いて、人為操作の確率(人為確率)を式(6)に基づいて推定する。
(6)
各機器は、機器固有の動作モードをもち、その動作モードが人為的操作や自動制御によって遷移していく。つまり、このような状態遷移ごとによって人為的操作と自動操作を定義することができる。時刻
から時刻
で状態
から状態
に遷移したときに、それが人為的操作による遷移である確率を
とする。また、時刻
のときに家電の状態が
である確率を
とすると、この家電の人為確率は次式のように与えられる。
(7)
ある状態遷移が人為的操作である確率
をあらかじめ与えておくとすると、家電の状態の確率
から人為的確率の初期値を推定できる。
が状態
であるときの消費電力の平均値を
、分散値を
とし、これらを平均0、分散1となるよう正規化したものを
とする。状態毎に
個のデータを選択して学習データとし、またそれとは異なるランダムに抽出した
個のデータを未知データとし、最近傍法で未知データの状態を推定し、精度評価を行う。これにより、機器
の状態を
とすると、推定された状態
に対して、真の状態
である確率
を得ることができる。機器
の電力消費パターン
を計測したとき、そこから消費電力の正規化した平均値
と分散値
を学習データと比較し状態
を推定する。このとき、最近傍法による推定結果を
とすると、時刻
に状態
である確率は、
である。
を推定する必要があるが、実際には簡単のために最も確率の高い状態についてのみ計算する。
(8)
また、さらに人為確率がしきい値
より小さい場合には、人物位置推定を簡単にするため人為確率を0とみなすようにフィルタリングする。
(9)
ここで、
となる家電と時刻の組み合わせ
をイベント系列
とし、人為操作が行われた可能性がある時刻と機器の組合せを表す。
人物位置推定手段122の確率の演算処理を説明する。
式(3)、(4)、(5)に従って、推定された人為確率
から人物位置
を推定する方法について述べる。求めるべき内部状態は時刻
における人物の二次元位置
であり、これを1回前の時刻(t-1)の繰り返し計算によって得られる人為確率
により、人物の移動位置を推定する。
式(3)より、
を正規化定数とすると時刻
における人物位置確率
は次式のように推定できる。
(10)
また、式(4)、式(5)より、
(11)
(12)
は人物の移動モデルであり、本発明の人物行動推定装置では二次元正規分布
とした。また、観測モデルは、式(11)に示すように推定された人為確率
と、位置
から家電
を操作できるかどうかの確率
から推定する。
は、家電
の位置
からの距離に対する正規分布によって
と与えた。ただし、壁などによって遮蔽されている場所は0となるようにあらかじめ尤度マップとして与えた。
を推定するためにパーティクルフィルタを用いた。パーティクルフィルタとは、ある確率分布をそれに従って発生させた多数のサンプル(粒子)を用いて近似して推定する手法である。事前分布
に従うサンプル集合を
、事後分布
に従うサンプル集合を
とする。
を生成する。
とする。
[予測]システムモデルに従い、時刻
における予測サンプル
を生成する。ただし、
は二次元正規分布
に従う乱数とする。
[フィルタ]各予測サンプル
について、観測モデルに従い重み
を次式のように計算する。
(13)
ここで、
は、式(11)に従って算出する。
から
をそれぞれの重み
に比例する割合で
個復元抽出し、
とする。なお、
のときは前時刻の分布から予測される事前分布
がそのまま事後分布
となるため、
としてこの処理を省略できる。この
が事後分布を近似するサンプル集合となる。
なら、
として予測の手順から繰り返す。
上記尤度マップは、実際の居住空間を対象に、電気機器の電源スイッチを押すことができる人物の存在確率を画素値で表したものである。
図9はIHコンロの尤度マップを、図10はテレビの尤度マップを、図11はリビング照明の尤度マップを、図12は洗面所照明の尤度マップを、図13は廊下照明の尤度マップを示す図である。これらの尤度マップの画素値は、スイッチの位置、間取り図、機器の配置、人の手の長さに基づいて計算されたものである。画面が白い(画素値が大きい)ほど人物がその位置にいる確率が大きく、黒いほど人物がその位置にいる確率が小さいことを表している。図4の機器の配置位置を示す間取り図を参照しながら、図9から図13の各機器の尤度マップを説明する。図9のIHコンロ(図4の「44」を参照)の尤度マップは、手で操作できる人物の位置の狭い範囲は白く、そこから離れるにつれて黒く変化しており、そして、壁のある場所が黒であることが分かる。図10のテレビ(図4の「1」を参照)の尤度マップは、リモコンにより操作するために、IHコンロのように狭い範囲で白くはなく、広い範囲で灰色の円形がテレビから離れるにつれ黒ずんでいくのが分かる。図11のリビング照明(図4の「11」を参照)の尤度マップは、リモコンで操作できるので、人物が操作できる範囲が灰色であるが壁がある場所は黒くなっているのが分かる。図12の洗面所照明(図4の「16」を参照)の尤度マップは、図9のIHコンロと類似しており、手で操作できる人物の位置の狭い範囲は白く、そこから離れるにつれて黒く変化しており、そして、壁のある場所が黒であることが分かる。図13の廊下照明の尤度マップは、玄関口(図4の「15」参照)とリビング口(図4の「15」参照)の2カ所に両切りスイッチが設置されているので、玄関口とリビング口の2カ所が白くなっており、壁、棚などの障害物がある場所は真っ黒なことが分かる。リビング口のスイッチの例に見られるように、障害物があっても人の手が届く範囲として、人物の手の長さを例えば65cm以内であれば手が届く範囲として画素値の計算を行っている。
以上の説明から分かるように、尤度マップの画素値は、壁、棚などの動かない障害物がある場合には黒く、リモコンの場合には広い範囲で灰色に、両切りスイッチの場合には2カ所が白くなるように、実際の居住空間における機器の使用状況に基づいて計算されている。
人為確率の再推定手段124の確率の演算処理を説明する。
式(2)に従って、各時刻における人物位置確率を用いて、人為確率の再推定を行う方法について述べる。式(2)では、可能性のある人物位置全てについて積分で推定する必要があるが、ここでは処理を簡単にするために、最も確率の高い最適な人物位置
を求めることにより、確率の低い位置に関する計算を除外して再推定を行う。
を求める方法としては、尤度による重み付き平均を用いて各時刻における期待値として求める方法が実時間トラッキングなどではよく用いられるが、今回求めたいものが人物の移動軌跡であるので、時刻間の繋がりを考慮し、経路上の確率の積が最大となる人物位置の経路を最適なパスとして推定した。これは、パーティクルフィルタでのサンプルの個数を
個として以下のように定式化できる。
(14)
を求めればよい。それらの番号を持つサンプル列が求めるべき状態の推定値
となる。具体的には、各サンプルにひとつ前の時刻のどのサンプルから派生したサンプルであるかという履歴を持たせ、
においてもっとも重みが大きいサンプルの履歴をたどっていけばそれが
となる。この最適パスを用いて、次式によって人為確率を更新する。
(15)
以下となる家電、時刻にたいして式(9)と同様にフィルタリングするとともに、イベント系列
から閾値
以下となる組み合わせを除外して更新する。
(16)
ここで、人為確率
が推定できたので、
として人物位置推定と人為確率の再推定を
が収束するまで繰り返す。収束したときの繰り返し回数を
とすると、このとき得られているイベント系列
が
から得られる人為的操作をの系列といえる。また、最終的な確率分布
から求まる最適パス
が人物の移動軌跡である。
図15は、上述したステップS1の人為確率の初期値推定の処理のフロー図である。
図15に示すように、ステップS11で機器の電力消費パターンを計測して得られた消費電力の平均値と分散値を、事前に各機器の状態毎に得られた消費電力の平均値と分散値の学習データと比較し,その機器の状態を推定する。ステップS13で上記機器の推定された状態を式(7)に入力して人為確率の初期値を推定して、その初期値を人為確率としてメモリに格納する。
図16に示すように、ステップS31で、ランダムな人物位置のN個のサンプルを生成して初期値とし、それを初期の事後サンプル集合とする(時刻を初期時刻とする(t:=1))。ステップS33で、時刻(t-1)の事後サンプルのそれぞれのサンプルを人物の移動モデルに従って移動させ、時刻tの予測サンプル集合を生成する。ステップS35で、(1)上記予測サンプル集合からサンプルjを一つ選択する。ステップS37で、(2a)機器を一つ選択して、ステップS39で、(2b)メモリから当該機器の尤度マップと、当該機器の時刻tにおける人為確率を呼び出して、ステップS41で、(2c)当該機器の尤度マップから選択したサンプルの人物位置を参照して、その人物位置と当該機器の人為確率を掛けて当該機器の重みを算出して、(1)へ進む。
を算出する。ステップS45で、選択するサンプルを変えながら上記(1)〜(3)の処理を全てのサンプルに対して行う。ステップS47で、予測サンプル集合の各サンプルについてN×サンプルの重み
の比の個数だけサンプルを複製して、時刻tの事後サンプル集合を生成する。ステップS49で、時刻tが最終時刻かを判断し、ステップS51で、Yesと判断されると処理を終了する。ステップS51で、Noと判断されるとステップS53で、時刻をt+1としてステップS33へ戻る。
図18に示すように、ステップS111で、式(14)を満たす人物の経路上の位置jを求め、式(15)により人為確率を更新する。ステップS113で、式(16)に基づいて、イベント系列E(i)から人為確率が閾値T0以下となる組合せを除外してイベント系列を更新する。ステップS115で、前回の人為確率の結果の値と同じ値で収束しているかどうかを判断して、Yesであれば処理を終了し、NoであればステップS31に戻る。
図19に示すように、ステップS71で、ランダムな人物位置のN個のサンプルを生成して初期値とし、それを初期の事後サンプル集合とし、その時刻を初期時刻とする(t:=1)。ステップS73で、時刻(t-1)の事後サンプルのそれぞれのサンプルを人物の移動モデルに従って移動させ、時刻tの予測サンプル集合を生成する。ステップS75で、(1)上記予測サンプル集合からサンプルjを一つ選択し、ステップS77で、(2a)機器を一つ選択して、ステップS79で、(2b)メモリから当該機器の尤度マップと、当該機器の時刻tにおける人為確率を呼び出す。ステップS81で、(2c)当該機器の尤度マップから選択したサンプルの人物位置を参照して、その人物位置と当該機器の人為確率を掛けて当該機器の重みを算出して、(3)へ進む。
を算出する。ステップS85で、選択するサンプルを変えながら上記(1)〜(3)の処理を全てのサンプルに対して行う。ステップS87で、予測サンプル集合の各サンプルについてN×サンプルの重み
の比の個数だけサンプルを複製して、時刻tの事後サンプル集合を生成して(4)へ進む。
図21に示すように、ステップS95で、各サンプルの初期対応付け確率と前フレームの対応付け確率を求めて、ステップS97で、M人分の混合正規分布を推定して、ステップS99で、その推定値が収束しているかを判断し、ステップS101で、Yesであれば処理を終了し、Noであれば各サンプルの対応付け確率を更新してステップS97に戻り、推定値が収束するまで同じ処理を繰り返す。
本発明の人物位置推定装置1が、スマートマンションルームにて電力消費パターンから家庭内での人物の行動が推定できることを実証するために、以下の生活実験を行った。
住む人数は1人ずつ交代で計3人、STは26個設置した。そのうち、21個には機器を固定し、STから機器のコンセントを抜き差ししないものとした。機器は、図4に示した位置に配置した。
・被験者A:20代男性、学生、2日間+1日間
・被験者B:20代女性、学生、1日間×3
・被験者C:20代男性、学生、3日間
図22は、人物位置推定手段により得られた人物位置の確率分布を示す図である。図22は、左上が(a)、右上が(b)、左下が(c)、右下が(d)を表している。図22(a)は電気機器のeventが発生した時刻である。電気機器の操作された可能性が高いため、分布がその回りに集まっている。図22(b)はその後少し時間がたったところである。人物の移動モデルに基づいて、分布が全方向に向けて少し広がっている様子がわかる。図22(c)はそれからさらに何もeventが起こらず十分な時間が経った後の分布の様子である。また、図22(d)は電気機器においてeventが発生したが、電気機器8周辺での分布密度が低かったため、電気機器のまわりだけではなく、全体にも分布が残っている様子である。これは被験者Bの1日目を解析した結果の一部である。
から求めた最適な経路を順に描いたものである。小さな黒い丸が20フレーム毎の人物の推定位置である。併せて描いてある数字の書いた大きな黒い丸がこの推定を行うのに用いたevent系列E(0)に含まれるeventが発生した電気機器とその位置である。この大きな黒丸と実太線の矢印で接続されているのが,そのeventの時刻における推定位置である。
全体としての分布の様子をみるために、横軸を時間、縦軸を分布の分散としたグラフを図24に示す。図24は、分布の分散とeventが発生した時刻を示すパーティクルの位置の分散図である。分布の分散は簡易的にx方向の分散とy方向の分散で大きい方とした。これは被験者Bの1日目を解析した結果の一部である。
による経路、図25(b)が同じ時刻でのE(1)と
による人物の行動経路である。
この図25(b)は、人物行動推定装置が人物位置zの確率分布
と電気機器が操作している確率の集合
を推定結果として出力された人物の行動経路を示しており、人物行動推定装置は家庭内での人物の行動を推定できることを実証している。
Claims (22)
- 少なくとも商用電源を含む電力源と、複数の電気機器と、その電気機器に接続されているスマートタップと、メモリを備える生活空間内の人物の行動を推定する人物行動推定装置と、該人物行動推定装置が上記スマートタップを介して接続するネットワークとを備えるオンデマンド型電力制御システムであって、
前記人物行動推定装置が、電気機器の電力消費パターンから得られた特徴量を、事前に電気機器毎に得られた学習データの特徴量と比較して、上記電気機器の状態を推定し、その推定した電気機器の状態に基づいて上記電気機器の人為確率の初期値を推定する人為確率の初期値推定手段と、
前記メモリから上記電気機器の人為確率の初期値と当該機器の尤度マップを呼び出し、その尤度マップから選択したサンプルの複数人物位置を参照して、その複数人物位置と当該機器の人為確率を掛けて当該機器の重みを算出する処理を全てのサンプルに行い、時刻が最終時刻になるまで各時刻での複数人物位置の確率を推定する人物位置推定手段と、
上記人為確率および複数人物位置確率から該人為確率の再計算を複数人分の混合正規分布で演算して行い、該再計算の値が収束するまで上記人為確率の再計算を行い、その値が収束した時に人為確率および複数人物位置確率を出力する人為確率の再推定手段とを備えることを特徴とするオンデマンド型電力制御システム。 - 前記人物行動推定装置が、人物が機器に対して人為的に操作を行った確率である人為確率と、位置に対して人物が存在する確率である人物位置確率から人物の行動を推定することを特徴とする請求項1に記載のオンデマンド型電力制御システム。
- 前記人物行動推定装置が、各電気機器の電力消費パターンのみから作動状態の特徴量データを求め、そのデータから得られた人為確率を初期値とし、人物位置と人為確率を繰り返し計算によって求めることで、これら双方を推定することを特徴とする請求項2に記載のオンデマンド型電力制御システム。
- 前記作動状態の特徴量データが電気機器のid、その機器の作動状態およびその機器の特徴量から構成されていることを特徴とする請求項3に記載のオンデマンド型電力制御システム。
- 前記電気機器の電力消費パターンが、移動や停留の人物状態のシークエンスで機器の操作を行うことで、電気機器の状態、運転モードの変化により生じることを特徴とする請求項4に記載のオンデマンド型電力制御システム。
- 前記電気機器の特徴量が、消費電力の平均と分散であることを特徴とする請求項4に記載のオンデマンド型電力制御システム。
- 前記人為確率の初期値推定手段が、前記電気機器のある状態遷移が人為的操作である確率をあらかじめ与えておくことで、電気機器の状態の確率から人為確率の初期値を推定できることを特徴とする請求項1に記載のオンデマンド型電力制御システム。
- 前記人物位置推定手段が、時刻tにおける人物の二次元位置を、1回前の時刻t-1の繰り返し計算により得られる人為確率により、人物の移動位置を推定することを特徴とする請求項1に記載のオンデマンド型電力制御システム。
- 前記人物位置推定手段が、人物位置確率を推定するために時系列フィルタを用いたことを特徴とする請求項8に記載のオンデマンド型電力制御システム。
- 前記時系列フィルタが、パーティクルフィルタ、カルマンフィルタ又は移動平均フィルタであることを特徴とする請求項9に記載のオンデマンド型電力制御システム。
- 前記人物位置推定手段が、前記人為確率を電気機器の位置と人物位置との関係に基づく尤度マップを用いて演算することを特徴とする請求項8乃至10に記載の何れか1項に記載のオンデマンド型電力制御システム。
- 前記尤度マップが、実際の居住空間を対象に、電気機器の電源スイッチを押すことができる人物の存在確率を画素値で表したものであることを特徴とする請求項11に記載のオンデマンド型電力制御システム。
- 前記尤度マップが、障害物があった場合に人の手が届かない範囲の画素値を0として計算を行うことを特徴とする請求項12に記載のオンデマンド型電力制御システム。
- 前記尤度マップが、前記電気機器をリモコンで操作可能な場合には、広い範囲を小さい画素値で割り当てていることを特徴とする請求項12に記載のオンデマンド型電力制御システム。
- 前記尤度マップが、前記電気機器を複数箇所から操作可能な場合には、その操作可能な複数の狭い範囲を大きい画素値で割り当てていることを特徴とする請求項12に記載のオンデマンド型電力制御システム。
- 前記尤度マップが、部屋の間取り、前記障害物と電源スイッチの位置・距離及び電気機器の位置に基づき前記画素値を表していることを特徴とする請求項12に記載のオンデマンド型電力制御システム。
- 少なくとも商用電源を含む電力源と、複数の電気機器と、その電気機器に接続されているスマートタップと、メモリを備える生活空間内の人物の行動を推定する人物行動推定装置と、該人物行動推定装置が上記スマートタップを介して接続するネットワークとを備えるオンデマンド型電力制御システムにおける上記人物行動推定装置として、コンピュータを動作させるプログラムであって、
前記人物行動推定装置が人為確率の初期推定値設定手段と、人物位置推定手段と、人物確率の再推定手段とを備えており、
前記人為確率の初期推定値設定手段が、電気機器の電力消費パターンから得られた特徴量を、事前に電気機器毎に得られた学習データの特徴量と比較して、上記電気機器の状態を推定し、その推定した電気機器の状態に基づいて上記電気機器の人為確率の初期値の推定を演算する処理と、
前記人物位置推定手段が、前記メモリから上記電気機器の人為確率の初期値と当該機器の尤度マップを呼び出し、その尤度マップから選択したサンプルの複数人物位置を参照して、その複数人物位置と当該機器の人為確率を掛けて当該機器の重みを算出する処理を全てのサンプルに行い、時刻が最終時刻になるまで各時刻での複数人物位置の確率の推定を演算する処理と、
前記人物確率の再推定手段が、上記人為確率および複数人物位置確率から該人為確率の再計算を複数人分の混合正規分布で演算して行い、該再計算の値が収束するまで上記人為確率の再計算を行い、その値が収束した時に人為確率および複数人物位置確率を出力する処理とをコンピュータに実行させるプログラム。 - 請求項1に記載の人物行動推定装置としてコンピュータを動作させるプログラムであって、
前記人物行動推定装置が、人物が機器に対して人為的に操作を行った確率である人為確率と、位置に対して人物が存在する確率である人物位置確率から人物の行動の推定の処理をコンピュータに実行させるプログラム。 - 請求項1に記載の人物行動推定装置としてコンピュータを動作させるプログラムであって、
前記人物行動推定装置が、各電気機器の電力消費パターンのみから作動状態の特徴量データを求め、そのデータから得られた人為確率を初期値とし、人物位置と人為的操作を繰り返し計算によって求めることで、これら双方を推定する処理をコンピュータに実行させるプログラム。 - 請求項17に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
- 請求項18に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
- 請求項19に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011154494 | 2011-07-13 | ||
JP2011154494 | 2011-07-13 | ||
PCT/JP2012/068002 WO2013008935A1 (ja) | 2011-07-13 | 2012-07-13 | オンデマンド型電力制御システム、オンデマンド型電力制御システムプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2013008935A1 JPWO2013008935A1 (ja) | 2015-02-23 |
JP6017421B2 true JP6017421B2 (ja) | 2016-11-02 |
Family
ID=47506210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013524012A Expired - Fee Related JP6017421B2 (ja) | 2011-07-13 | 2012-07-13 | オンデマンド型電力制御システム、オンデマンド型電力制御システムプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20140143189A1 (ja) |
EP (1) | EP2733647B1 (ja) |
JP (1) | JP6017421B2 (ja) |
KR (1) | KR20140034812A (ja) |
CN (1) | CN103688284A (ja) |
TW (1) | TWI520079B (ja) |
WO (1) | WO2013008935A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014191076A1 (en) | 2013-05-27 | 2014-12-04 | Merck Patent Gmbh | Improved electron transfer composition for use in an electron injection layer for organic electronic devices |
WO2015045364A1 (ja) * | 2013-09-25 | 2015-04-02 | パナソニックIpマネジメント株式会社 | 帰宅判定装置、帰宅通知装置 |
TWI481881B (zh) * | 2013-11-22 | 2015-04-21 | Inst Information Industry | 耗電預測裝置、方法及其電腦程式產品 |
JP6870613B2 (ja) * | 2015-09-03 | 2021-05-12 | 日本電気株式会社 | 情報提供装置、情報提供方法、及び、プログラム |
US11025713B2 (en) * | 2019-04-15 | 2021-06-01 | Adobe Inc. | Dynamic allocation of execution resources |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2161694B9 (en) | 2007-06-13 | 2016-11-23 | National Institute of Information and Communications Technology | Home network, areal network using the same, program for causing computer to execute operation in the home network, and computer-readable recording medium containing the program |
WO2009107356A1 (ja) * | 2008-02-26 | 2009-09-03 | パナソニック株式会社 | 操作支援装置及びその方法 |
WO2012046392A1 (ja) * | 2010-10-08 | 2012-04-12 | パナソニック株式会社 | 姿勢推定装置及び姿勢推定方法 |
WO2012077287A1 (ja) * | 2010-12-09 | 2012-06-14 | パナソニック株式会社 | 姿勢状態推定装置および姿勢状態推定方法 |
US9883331B2 (en) * | 2012-03-30 | 2018-01-30 | Intel Corporation | Wireless network connectivity prediction based on user patterns and behavior |
US20160003876A1 (en) * | 2013-02-13 | 2016-01-07 | Kozo Keikaku Engineering Inc. | Living Activity Estimation System, Living Activity Estimation Device, Living Activity Estimation Program, And Recording Medium |
-
2012
- 2012-07-13 KR KR1020137032378A patent/KR20140034812A/ko not_active Application Discontinuation
- 2012-07-13 TW TW101125492A patent/TWI520079B/zh not_active IP Right Cessation
- 2012-07-13 CN CN201280034479.XA patent/CN103688284A/zh active Pending
- 2012-07-13 WO PCT/JP2012/068002 patent/WO2013008935A1/ja active Application Filing
- 2012-07-13 EP EP12811863.5A patent/EP2733647B1/en not_active Not-in-force
- 2012-07-13 US US14/131,722 patent/US20140143189A1/en not_active Abandoned
- 2012-07-13 JP JP2013524012A patent/JP6017421B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
EP2733647A1 (en) | 2014-05-21 |
TW201319970A (zh) | 2013-05-16 |
WO2013008935A1 (ja) | 2013-01-17 |
EP2733647A4 (en) | 2015-03-11 |
TWI520079B (zh) | 2016-02-01 |
KR20140034812A (ko) | 2014-03-20 |
JPWO2013008935A1 (ja) | 2015-02-23 |
US20140143189A1 (en) | 2014-05-22 |
CN103688284A (zh) | 2014-03-26 |
EP2733647B1 (en) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Review of smart home energy management systems | |
JP6017421B2 (ja) | オンデマンド型電力制御システム、オンデマンド型電力制御システムプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
US8560134B1 (en) | System and method for electric load recognition from centrally monitored power signal and its application to home energy management | |
CN108964276B (zh) | 支持自动需求响应的用电管控终端和***及负荷辨识方法 | |
Nacer et al. | Smart Home, Smart HEMS, Smart heating: An overview of the latest products and trends | |
CN106899468A (zh) | 基于物联网的智能家居*** | |
CN104122819A (zh) | 基于用户习惯的家庭智能用电方法及其*** | |
GB2488164A (en) | Identifying electrical appliances and their power consumption from energy data | |
US20160003876A1 (en) | Living Activity Estimation System, Living Activity Estimation Device, Living Activity Estimation Program, And Recording Medium | |
JP2011197904A (ja) | 省エネアドバイス生成装置 | |
Ekwevugbe et al. | Realt-time building occupancy sensing for supporting demand driven hvac operations | |
Madakam et al. | Smart homes (conceptual views) | |
Weng et al. | Context-aware home energy saving based on energy-prone context | |
Naghibi et al. | Non-intrusive load monitoring and supplementary techniques for home energy management | |
Mohsenzadeh et al. | Applying fuzzy techniques to model customer comfort in a smart home control system | |
Iwayemi et al. | Energy management for intelligent buildings | |
JP2016094715A (ja) | 断熱性能推定装置、プログラム | |
CN106200449A (zh) | 信息处理方法、信息处理装置以及程序 | |
KR20160150156A (ko) | 전력 사용량 예측 시스템 및 방법 | |
Aqilah et al. | Time series data measurement on electricity consumption for selected domestic appliances in typical terrace house of Malaysia | |
WO2022137255A1 (en) | Methods and systems for remotely controlling smart electrical switches and associated devices using analytics | |
JP2015139066A (ja) | 在不在判定装置 | |
CN203909574U (zh) | 基于有线和无线混合通信方式的数字家庭家电控制*** | |
Cendana et al. | Harnessing Energy Consumption in a Smarthome IoT Framework | |
Maury et al. | Reducing energy consumption through the use of home energy management systems (HEM) and gamification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160301 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160401 Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160401 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160906 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160928 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6017421 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |