KR101862218B1 - 전자기기 식별에 의한 상황 인지 시스템 및 그 방법 - Google Patents

전자기기 식별에 의한 상황 인지 시스템 및 그 방법 Download PDF

Info

Publication number
KR101862218B1
KR101862218B1 KR1020170020539A KR20170020539A KR101862218B1 KR 101862218 B1 KR101862218 B1 KR 101862218B1 KR 1020170020539 A KR1020170020539 A KR 1020170020539A KR 20170020539 A KR20170020539 A KR 20170020539A KR 101862218 B1 KR101862218 B1 KR 101862218B1
Authority
KR
South Korea
Prior art keywords
event
situation
information
electronic device
power
Prior art date
Application number
KR1020170020539A
Other languages
English (en)
Inventor
유창현
오정준
Original Assignee
(주)이젝스
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 (주)이젝스 filed Critical (주)이젝스
Priority to KR1020170020539A priority Critical patent/KR101862218B1/ko
Application granted granted Critical
Publication of KR101862218B1 publication Critical patent/KR101862218B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/06—Measuring real component; Measuring reactive component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10—Measuring sum, difference or ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C19/00—Electric signal transmission systems
    • G08C19/02—Electric signal transmission systems in which the signal transmitted is magnitude of current or voltage
    • 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
    • H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
    • H02J9/005—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting using a power saving mode
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

상황 인지 시스템은, 다수의 전자기기의 상태를 식별하는 기기 식별부; 및 상기 기기 식별부에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지부;를 포함한다. 상황 인지 시스템 및 그 방법에 따르면, 하나의 배전반으로부터의 전력을 이용하여 동작되는 다수의 레거시 전자기기의 온 또는 오프 상태의 변화를 감지하여 전자기기를 식별하고, 식별된 전자기기의 정보를 이용하여 사용자의 상황을 인지할 수 있다.

Description

전자기기 식별에 의한 상황 인지 시스템 및 그 방법{SYSTEM FOR CONTEXT AWARENESS BY IDENTIFICATION OF ELECTRONIC APPARATUS AND METHOD THEREFOR}
본 발명은 전자기기 식별에 의한 상황 인지 시스템 및 그 방법에 관한 것이다.
국내공개특허공보 제10-2013-0073788호에는 전력사용량을 이용하여 전력기기를 식별하는 방법 및 시스템이 개시되어 있다.
그런데, 이러한 종래의 전력기기를 식별하는 방법 및 시스템의 경우에는, 하나의 배전반에 연결되어 있는 종래의 레거시(Legacy) 전자기기의 동작을 식별하는 것에는 다소 어려움이 있어 보인다.
아울러, 다수의 전자기기를 식별하고, 온 또는 오프 상태를 판단하는 것에 의해 사용자의 상황을 인지하고 인지된 상황에 따라 상태 정보가 잘못된 전자기기를 제어할 수 있다면, 전력의 낭비를 방지할 수 있을 뿐만 아니라, 사용자에게 보다 나은 전자기기 사용 환경을 제공할 수 있을 것이다.
본 발명은 전술한 바와 같은 기술적 과제를 해결하는 데 목적이 있는 발명으로서, 하나의 배전반으로부터의 전력을 이용하여 동작되는 다수의 레거시 전자기기의 온 또는 오프 상태의 변화를 감지하여 전자기기를 식별하고, 식별된 전자기기의 정보를 이용하여 사용자의 상황을 인지할 수 있는 전자기기 식별에 의한 상황 인지 시스템 및 그 방법을 제공하는 것에 그 목적이 있다.
본 발명의 바람직한 일실시예에 따른 상황 인지 시스템은, 다수의 전자기기의 상태를 식별하는 기기 식별부; 및 상기 기기 식별부에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지부;를 포함한다.
상기 기기 식별부는, 입력된 전압 신호 및 전류 신호를 이용하여 전력을 산출하고, 산출된 전력의 특징값을 추출하고, 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별한다. 아울러, 상기 기기 식별부는, 산출된 전력을 이용하여 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하고, 이벤트가 발생된 것으로 판단된 경우 특징값을 추출하는 것이 바람직하다.
또한, 상기 기기 식별부는, 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로 이벤트가 발생되었다고 판단하는 것을 특징으로 한다. 아울러, 상기 기기 식별부는, 1차적으로 이벤트가 발생되었다고 판단된 경우, 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단한다. 바람직하게는, 상기 기기 식별부는, 1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, 산출된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출하고, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단하는 것을 특징으로 한다.
아울러, 상기 기기 식별부는, 제 4 시간 간격으로 제 5 시간 동안의 이동 평균을 산출하고, 산출된 다수의 이동 평균을 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단할 수 있다. 구체적으로 상기 기기 식별부는, 다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 것을 특징으로 한다.
또한, 상기 기기 식별부는, 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출하는 것이 바람직하다. 아울러, 상기 기기 식별부는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출한다.
상기 기기 식별부는, 전자기기별로 미리 저장된 특징값과 추출된 특징값을 비교하는 것에 의해 전자기기를 식별할 수 있다.
바람직하게는, 상기 상황 인지부는, 뉴럴 네트워크에 의해, 미리 설정된 구역별로 상황을 학습하고 추론하고, 뉴럴 네트워크에 의해, 구역별로 상황 정보를 통합하여 사용자의 상황을 인지하기 위해 학습하고 추론한다.
아울러, 상기 상황 인지부는, 상기 기기 식별부에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습하고, 상기 구역별 상황의 학습 정보를 바탕으로 전자기기의 식별 정보 및 시간 정보를 이용하여 구역별 상황을 추론하는 것을 특징으로 한다.
또한, 상기 상황 인지부는, 상기 구역별 상황 정보를 입력 변수로 이용하여 사용자의 최종 상황을 학습하고, 사용자의 최종 상황의 학습 정보를 바탕으로 추론된 구역별 상황 상황 정보를 이용하여 사용자의 상황을 추론하는 것이 바람직하다.
아울러, 본 발명의 상황 인지 시스템은, 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 제어 신호 생성부;를 더 포함하되, 상기 제어 신호 생성부는, 상기 상황 인지부의 추론 결과를 이용한 상기 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 것을 특징으로 한다.
본 발명의 바람직한 일실시예에 따른 상황 인지 방법은, 다수의 전자기기의 상태를 식별하는 기기 식별 단계; 및 상기 기기 식별 단계에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지 단계;를 포함한다.
구체적으로, 상기 기기 식별 단계는, (a-1) 입력된 전압 신호 및 전류 신호를 이용하여 전력을 산출하는 단계; (a-2) 상기 (a-1) 단계에서 산출된 전력의 특징값을 추출하는 단계; (a-3) 상기 (a-2) 단계에서 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별하는 단계; 및 (a-4) 상기 (a-1) 단계에서 산출된 전력을 이용하여 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하는 단계;를 포함한다. 아울러, 상기 (a-4) 단계에서 이벤트가 발생된 것으로 판단된 경우, 상기 (a-2) 단계에서 특징값을 추출하는 것이 바람직하다.
아울러, 상기 (a-4) 단계는, (a-4-1-1) 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로 이벤트가 발생되었다고 판단하는 단계; 및 (a-4-1-2) 상기 (a-4-1-1) 단계에서, 1차적으로 이벤트가 발생되었다고 판단된 경우, 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단하는 단계;를 포함한다. 상기 (a-4-1-2) 단계는, 1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, 상기 (a-1) 단계에 의해 산출된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출하고, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단하는 것이 바람직하다.
아울러, 상기 (a-4) 단계는, (a-4-2-1) 제 4 시간 간격으로 제 5 시간 동안의 이동 평균을 산출하고, 산출된 다수의 이동 평균을 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 단계;를 포함한다. 구체적으로, 상기 (a-4-2-1) 단계는, 다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 것을 특징으로 한다.
상기 (a-2) 단계는, 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출하는 것이 바람직하다. 아울러, 상기 (a-2) 단계는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출한다.
아울러, 상기 (a-3) 단계는, 전자기기별로 미리 저장된 특징값과 상기 (a-2) 단계에 의해 추출된 특징값을 비교하는 것에 의해 전자기기를 식별하는 것이 바람직하다.
또한, 상기 상황 인지 단계는, (b-1) 뉴럴 네트워크에 의해, 미리 설정된 구역별로 상황을 학습하고, 추론하는 단계; 및 (b-2) 뉴럴 네트워크에 의해, 구역별 상황 정보를 통합하여, 사용자의 상황을 인지하기 위해 학습하고 추론하는 단계;를 포함한다.
아울러, 상기 (b-1) 단계는, (b-1-1) 상기 기기 식별 단계에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습하는 단계; 및 (b-1-2) 상기 (b-1-1) 단계의 상기 구역별 상황의 학습 정보를 바탕으로, 전자기기의 식별 정보 및 시간 정보를 이용하여 구역별 상황을 추론하는 단계;를 포함한다.
또한, 상기 (b-2) 단계는, (b-2-1) 상기 구역별 상황 정보를 입력 변수로 이용하여, 사용자의 최종 상황을 학습하는 단계; 및 (b-2-2) 상기 (b-2-1) 단계의 사용자의 최종 상황의 학습 정보를 바탕으로, 추론된 구역별 상황 상황 정보를 이용하여 사용자의 상황을 추론하는 단계;를 포함한다.
또한, 본 발명의 상황 인지 방법은, 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 제어 신호 생성 단계;를 더 포함하는 것을 특징으로 한다. 구체적으로, 상기 제어 신호 생성 단계는, 상기 상황 인지 단계의 추론 결과를 이용한 상기 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 것이 바람직하다.
본 발명의 상황 인지 시스템 및 그 방법에 따르면, 하나의 배전반으로부터의 전력을 이용하여 동작되는 다수의 레거시 전자기기의 온 또는 오프 상태의 변화를 감지하여 전자기기를 식별하고, 식별된 전자기기의 정보를 이용하여 사용자의 상황을 인지할 수 있다.
도 1은 본 발명의 바람직한 일실시예에 따른 상황 인지 시스템의 구성도.
도 2는 본 발명의 바람직한 일실시예에 따른 기기 식별부의 구성도.
도 3은 제 1 이벤트 판단부에 의한 이벤트 판단 방법에 대한 설명도.
도 4는 유클리디안 거리 산출 방법의 설명도.
도 5는 전력의 실효값 파형도.
도 6은 본 발명의 바람직한 일실시예에 따른 상황 인지부의 구성도.
도 7은 본 발명의 바람직한 일실시예에 따른 상황 인지 방법의 흐름도.
이하, 첨부된 도면을 참조하면서 본 발명의 실시예에 따른전자기기 식별에 의한 상황 인지 시스템 및 그 방법에 대해 상세히 설명하기로 한다.
본 발명의 하기의 실시예는 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.
먼저, 도 1은 본 발명의 바람직한 일실시예에 따른 상황 인지 시스템(1000)의 구성도를 나타낸다.
본 발명의 상황 인지 시스템(1000)의 각 구성 요소들은 적어도 하나의 프로세서의 적어도 일부를 이용하여 구현될 수 있다.
도 1로부터 알 수 있는 바와 같이 본 발명의 바람직한 일실시예에 따른 상황 인지 시스템(1000)은, 기기 식별부(100), 상황 인지부(200) 및 제어 신호 생성부(300)를 포함한다.
기기 식별부(100)는, 다수의 전자기기의 상태를 식별하는 역할을 한다. 상황 인지부(200)는, 기기 식별부(100)에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 역할을 한다. 아울러, 제어 신호 생성부(300)는, 전자기기의 상태를 제어하기 위한 제어 신호를 생성한다.
하기에 기기 식별부(100)의 동작에 대해 구체적으로 설명하기로 한다.
도 2는 본 발명의 바람직한 일실시예에 따른 기기 식별부(100)의 구성도를 나타낸다.
도 2로부터 알 수 있는 바와 같이, 기기 식별부(100)는, 전력 산출기(110), 이벤트 판단기(120), 특징값 추출기(130) 및 기기 식별기(140)를 포함한다.
전력 산출기(110)는, 입력된 전압 신호 및 전류 신호를 이용하여 전력을 산출하는 역할을 한다. 전력 산출기(110)에 의한 전력의 산출은 하나의 배전반에 연결된 다수의 전자기기에 의해 소모되고 있는 전력으로, 한 가정 내에서 사용하고 있는 전력을 예로 들 수 있다.
이벤트 판단기(120)는, 기기 식별기(140)에서 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하는 역할을 한다. 즉, 이벤트 판단기(120)는, 한꺼번에 전력량이 산출되고 있는 다수의 전자기기 중 온으로부터 오프 상태로, 또는, 오프로부터 온 상태로 절환된 전자기기가 있는 지를 검출하는 역할을 한다.
이벤트 판단기(120)는, 해당 전자기기의 전력 사용량에 따라, 큰 전력 사용량의 전자기기를 위한 제 1 이벤트 판단부(121) 및 작은 전력 사용량의 전자기기를 위한 제 2 이벤트 판단부(122)를 포함하여 구성되는 것이 바람직하다.
도 3은 제 1 이벤트 판단부(121)에 의한 이벤트 판단 방법에 대한 설명도이다.
구체적으로 제 1 이벤트 판단부(121)는 2 단계에 의해 이벤트 발생 여부를 판단한다.
제 1 단계에서는, 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로, 즉 예비적으로 이벤트가 발생한 것으로 판단한다. 다만, 다수의 전자기기 중 온으로부터 오프 상태로, 또는, 오프로부터 온 상태로 절환된 전자기기가 없음에도 불구하고, 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상일 경우도 있다. 예로 순간적인 정전이나 전력 공급 불안 등을 들 수 있다.
이러한 실제 이벤트가 발생하지 않았음에도 이벤트가 발생한 것으로 판단하는 오류를 감소시키기 위해, 제 1 이벤트 판단부(121)는, 1차적으로 이벤트가 발생되었다고 판단된 경우, 제 2 단계에서 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단하는 것을 특징으로 한다. 미리 저장된 기준 전력 파형과의 비교라는 것은 학습 단계에서 다양한 경우의 이벤트에 대해 저장된 전력 파형과의 비교를 예로 들 수 있다.
제 1 이벤트 판단부(121)는, 1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, 전력 산출기(110)로부터 출력된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출한다. 아울러, 이벤트 판단기(120)는, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단하게 된다.
도 4는 유클리디안 거리 산출 방법의 설명도이다.
도 4로부터 알 수 있는 바와 같이, 유클리디안 거리라는 것은, 제 1 지점으로부터 제 2 시간 간격 떨어진 지점의 대각선 방향의 거리를 의미하며, 최종적으로 제 2 시간 간격으로 각 거리의 합이 산출되게 된다.
제 2 이벤트 판단부(122)는, 이동 평균 필터(Moving Average Filter)를 이용하여, 제 4 시간 간격으로 제 5 시간 동안 이동 평균을 산출하고, 산출된 다수의 이동 평균을 학습 단계에서 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단한다. 구체적으로, 제 2 이벤트 판단부(122)는, 다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 것이 바람직하다. 즉, 미리 저장된 기준 이동 평균은, 이동 평균값뿐만 아니라, 분산값 정보도 포함하고, 산출된 이동 평균이 미리 저장된 기준 이동 평균으로부터 얼마나 통계적으로 미리 정해진 범위 내, 즉 일정한 유의 수준 이내에 속하여 있는 지를 산출하고, 다수의 이동 평균에서의 통계값의 합을 산출하는 것에 의해 이벤트가 발생되었다고 판단할 수 있다.
제 2 이벤트 판단부(122)는 전자기기 동작 상태 변경 시 비슷한 형태(Shape)가 반복적으로 나타나므로 해당 형태를 특징값으로 추출하기 위해, 상술한 바와 같은 이동 평균의 통계적 비교를 실시하는 것이다.
특징값 추출기(130)는, 전력 산출기(110)로부터 산출된 전력의 특징값(Feature), 즉, 특징 파라미터를 추출하는 역할을 한다. 다만, 본 발명의 특징값 추출기(130)는, 이벤트 판단기(120)에 의해 이벤트가 발생된 것으로 판단된 경우, 특징값을 추출하는 것이 바람직하다.
구체적으로, 특징값 추출기(130)는, 이벤트 판단기(120)에 의해 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출하는 것이 바람직하다. 스테디 상태는, 미리 설정된 시간 동안 일정 범위의 전력이 측정되는 안정된 구간을 이른다. 특징값 추출기(130)는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출하게 된다. 즉, 본 발명의 특징값은 하나의 특징값이 아닌, 다수의 특징값이 집합을 이루는 형태가 될 수 있다.
도 5는 전력의 실효값 파형도를 나타낸다.
도 5로부터 알 수 있는 바와 같이, 이벤트가 발생한 후, 어느 정도 시간이 흘러 안정된 전력 파형이 출력되는 스테디 상태가 아닌 경우에는 특징값 추출에 오류가 발생할 수 있다.
바람직하게는, 특징값 추출기(130)는, 이벤트 발생 시점 이후의 스테디 상태 전력 사용량과 이전의 스테디 상태 전력 사용량의 차분값을 특징값으로 추출한다.
기기 식별기(140)는, 특징값 추출기(130)에 의해 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별하는 역할을 한다. 기기 식별기(140)는, 전자기기별로 미리 저장된 특징값과 특징값 추출기(130)에 의해 추출된 특징값을 비교하는 것에 의해 전자기기를 식별할 수 있다. 특징값의 비교 방법으로는 kNN(k-Nearest Neighbor) 알고리즘을 예로 들 수 있다.
본 발명의 기기 식별부(100)는, 학습과 분류, 2 단계로 동작하는 것이 바람직하다.
학습 단계에서는 다양한 이벤트 발생에 따른 전력 파형 및 작동된 전자기기별로 매칭시킨 특징값 집합을 생성하여 저장하고, 분류 단계에서는 학습 단계에서 저장된 특징값 집합 데이터와의 비교를 통해 작동된 전자기기를 식별할 수 있다.
하기에 본 발명의 상황 인지부(200)에 대해 구체적으로 설명하기로 한다.
도 6은 본 발명의 바람직한 일실시예에 따른 상황 인지부(200)의 구성도를 나타낸다.
도 6으로부터 알 수 있는 바와 같이, 본 발명의 상황 인지부(200)는, 구역별 인지부(210) 및 최종 인지부(220)를 포함한다.
본 발명의 상황 인지부(200)는, 2 단계의 인지에 의해 프로세서의 연산 파워를 최소화하면서도, 최종적인 사용자의 상황을 인지할 수 있다.
구역별 인지부(210)는, 뉴럴 네트워크에 의해, 미리 설정된 구역별로 상황을 학습하고, 추론하는 역할을 한다. 일반 아파트라고 가정할 때, 거실, 주방, 큰방, 작은방 및 화장실 등과 같이 구역이 설정될 수 있고, 해당 구역별로 거실-TV 시청 중, 주방-요리 중과 같은 구역별 상황이 학습되고 추론될 수 있다.
구역별 인지부(210)는, 구역별 학습기(211) 및 구역별 추론기(212)를 포함한다.
구역별 학습기(211)는, 기기 식별부(100)에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습한다. 아울러, 구역별 추론기(212)는, 구역별 학습기(211)의 학습 정보를 바탕으로 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여, 구역별 상황을 추론하는 역할을 한다. 구역별 인지부(210)는, 시간 정보를 입력 변수로 이용하는 것에 의해 보다 정확한 학습 및 추론이 가능하다. 예를 들면, 한밤 중에 방에 재실 인원이 있는 상태에서 관련 전자기기가 꺼져 있다면 수면 중이라고 판단할 수 있을 것이다.
최종 인지부(220)는, 뉴럴 네트워크에 의해, 구역별 인지부(210)로부터의 구역별 상황 정보를 통합하여, 사용자의 상황을 인지하기 위해 학습하고 추론하는 역할을 한다. 최종 인지부(220)의 출력 변수는, 사용자의 상황 정보가 되게 된다. 예를 들면, 해당 아파트의 재실 인원은 1인인데, 큰방-부재 중, 작은방-부재 중, 거실-TV 시청 중, 주방-부재 중과 같은 구역별 상황이 추론되었다면, 최종적인 사용자의 상황은 TV 시청 중으로 결론 지을 수 있을 것이다.
최종 인지부(220)는, 최종 학습기(221) 및 최종 추론기(222)를 포함한다.
최종 학습기(221)는, 구역별 상황 정보를 입력 변수로 이용하여, 사용자의 최종 상황을 학습하는 역할을 한다. 최종 추론기(222)는, 최종 학습기(221)의 학습 정보를 바탕으로, 구역별 추론기(212)로부터 출력된 구역별 상황 상황 정보를 이용하여 사용자의 상황을 추론하는 역할을 한다.
제어 신호 생성부(300)는, 최종 인지부(220)의 추론 결과를 이용한 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 기기 식별부(200)에 의한 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 역할을 한다. 예를 들면 수면 중인데, 거실에 TV가 켜져 있는 상황이라면, 제어 신호 생성부(300)는 TV를 끄기 위한 제어 신호를 생성하게 된다.
도 7은 본 발명의 바람직한 일실시예에 따른 상황 인지 방법의 흐름도를 나타낸다.
본 발명의 바람직한 일실시예에 따른 상황 인지 방법은, 상술한 본 발명의 바람직한 일실시예에 따른 상황 인지 시스템(1000)을 이용하므로, 별도의 설명이 없더라도 본 발명의 바람직한 일실시예에 따른 상황 인지 시스템(1000)의 모든 특징을 포함하고 있음은 물론이다. 아울러, 본 발명의 상황 인지 방법은, 메모리 또는 하드웨어와 같은 저장 매체의 데이터를 이용하여 적어도 하나의 프로세서의 적어도 일부에 의해 실시될 수 있다.
도 7로부터 알 수 있는 바와 같이, 본 발명의 바람직한 일실시예에 따른 상황 인지 방법은, 다수의 전자기기의 상태를 식별하는 기기 식별 단계(S100), 기기 식별 단계(S100)에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지 단계(S200) 및 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 제어 신호 생성 단계(S300)를 포함한다.
구체적으로, 기기 식별 단계(S100)는, 입력된 전압 신호 및 전류 신호를 이용하여 전력을 산출하는 단계(S110), S110 단계에서 산출된 전력을 이용하여 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하는 단계(S120) S110 단계에서 산출된 전력의 특징값을 추출하는 단계(S130) 및 S130 단계에서 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별하는 단계(S140)를 포함한다.
S120 단계는, 해당 전자기기의 전력 사용량에 따라, 큰 전력 사용량의 전자기기를 위한 제 1 이벤트 판단 단계(S121) 및 작은 전력 사용량의 전자기기를 위한 제 2 이벤트 판단 단계(S122)를 포함한다.
S121 단계는, 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로 이벤트가 발생되었다고 판단하는 단계(S1211) 및 S1211 단계에서, 1차적으로 이벤트가 발생되었다고 판단된 경우, 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단하는 단계(S1212)를 포함한다.
S1212 단계는, 1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, S110 단계에 의해 산출된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출하고, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단한다.
아울러, S122 단계는, 제 4 시간 간격으로 제 5 시간 동안의 이동 평균을 산출하고, 산출된 다수의 이동 평균을 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 단계(S1221)를 포함한다.
구체적으로 S1221 단계는, 다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단한다.
S130 단계는, 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출한다. 구체적으로, S130 단계는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출한다.
S140 단계는, 전자기기별로 미리 저장된 특징값과 S130 단계에 의해 추출된 특징값을 비교하는 것에 의해 전자기기를 식별한다.
상황 인지 단계(S200)는, 뉴럴 네트워크에 의해, 미리 설정된 구역별로 상황을 학습하고, 추론하는 구역별 인지 단계(S210) 및 뉴럴 네트워크에 의해, 구역별 상황 정보를 통합하여, 사용자의 상황을 인지하기 위해 학습하고 추론하는 최종 인지 단계(S220)를 포함한다. S220 단계의 출력 변수는, 사용자의 상황 정보인 것을 특징으로 한다.
구체적으로 S210 단계는, 기기 식별 단계(S100)에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습하는 단계(S211) 및 S211 단계의 구역별 상황의 학습 정보를 바탕으로, 전자기기의 식별 정보 및 시간 정보를 이용하여 구역별 상황을 추론하는 단계(S212)를 포함한다.
S220 단계는, 구역별 상황 정보를 입력 변수로 이용하여, 사용자의 최종 상황을 학습하는 단계(S221) 및 S221 단계의 사용자의 최종 상황의 학습 정보를 바탕으로, 추론된 구역별 상황 상황 정보를 이용하여 사용자의 상황을 추론하는 단계(S222)를 포함한다.
아울러, 제어 신호 생성 단계(S300)는, 상황 인지 단계(S200)의 추론 결과를 이용한 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 것을 특징으로 한다.
상술한 바와 같이, 본 발명의 상황 인지 시스템(1000) 및 그 방법에 따르면, 하나의 배전반으로부터의 전력을 이용하여 동작되는 다수의 레거시 전자기기의 온 또는 오프 상태의 변화를 감지하여 전자기기를 식별하고, 식별된 전자기기의 정보를 이용하여 사용자의 상황을 인지할 수 있음을 알 수 있다.
1000 : 상황 인지 시스템
100 : 기기 식별부 200 : 상황 인지부
300 : 제어 신호 생성부
110 : 전력 산출기 120 : 이벤트 판단기
130 : 특징값 추출기 140 : 기기 식별기
121 : 제 1 이벤트 판단부 122 : 제 2 이벤트 판단부
210 : 구역별 인지부 220 : 최종 인지부
211 : 구역별 학습기 212 : 구역별 추론기
221 : 최종 학습기 222 : 최종 추론기

Claims (30)

  1. 상황 인지 시스템에 있어서,
    다수의 전자기기의 상태를 식별하는 기기 식별부; 및
    상기 기기 식별부에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지부;를 포함하고,
    상기 기기 식별부는, 입력된 전압 신호 및 전류 신호를 이용하여, 다수의 전자기기에 의해 소모되고 있는 전력을 산출하는 전력 산출기; 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하는 이벤트 판단기; 상기 전력 산출기에서 산출된 전력의 특징값을 추출하되, 상기 이벤트 판단기에서 이벤트가 발생된 것으로 판단된 경우 특징값을 추출하는 특징값 추출기; 및 상기 특징값 추출기에서 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별하는 기기 식별기;를 포함하고,
    상기 이벤트 판단기는, 제 1 이벤트 판단부 및 제 2 이벤트 판단부를 포함하고,
    상기 제 1 이벤트 판단부는 상기 제 2 이벤트 판단부 보다 큰 전력 사용량의 전자기기를 위해 사용되고,
    상기 제 1 이벤트 판단부는, 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로 이벤트가 발생되었다고 판단하고,
    상기 제 1 이벤트 판단부는, 1차적으로 이벤트가 발생되었다고 판단된 경우, 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단하고,
    상기 특징값 추출기는, 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출하고,
    상기 특징값 추출기는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출하고,
    상기 상황 인지부는, 뉴럴 네트워크에 의해 미리 설정된 구역별로 상황을 학습하고 추론하는 구역별 인지부; 및 뉴럴 네트워크에 의해 상기 구역별 인지부로부터의 구역별 상황 정보를 통합하여 사용자의 상황을 인지하기 위해 학습하고 추론하는 최종 인지부;를 포함하고,
    상기 구역별 인지부는, 상기 기기 식별부에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습하는 구역별 학습기; 및 상기 구역별 학습기의 구역별 상황의 학습 정보를 바탕으로 전자기기의 식별 정보 및 시간 정보를 이용하여 구역별 상황을 추론하는 구역별 추론기;를 포함하고,
    상기 최종 인지부는, 구역별 상황 정보를 입력 변수로 이용하여 사용자의 최종 상황을 학습하는 최종 학습기; 및 상기 최종 학습기에 의한 사용자의 최종 상황의 학습 정보를 바탕으로, 상기 구역별 추론기로부터 추론된 구역별 상황 정보를 이용하여 사용자의 상황을 추론하는 최종 추론기;를 포함하는, 상황 인지 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 제 1 이벤트 판단부는,
    1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, 상기 산출된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출하고, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단하는, 상황 인지 시스템.
  7. 제1항에 있어서,
    상기 제 2 이벤트 판단부는,
    제 4 시간 간격으로 제 5 시간 동안의 이동 평균을 산출하고, 산출된 다수의 이동 평균을 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단하는, 상황 인지 시스템.
  8. 제7항에 있어서,
    상기 제 2 이벤트 판단부는,
    다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단하는, 상황 인지 시스템.
  9. 삭제
  10. 삭제
  11. 제1항에 있어서,
    상기 기기 식별기는,
    전자기기별로 미리 저장된 특징값과 상기 특징값 추출기에 의해 추출된 특징값을 비교하는 것에 의해 전자기기를 식별하는, 상황 인지 시스템.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 제1항에 있어서,
    상기 상황 인지 시스템은,
    전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 제어 신호 생성부;를 더 포함하되,
    상기 제어 신호 생성부는,
    상기 상황 인지부의 추론 결과를 이용한 상기 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는, 상황 인지 시스템.
  16. 상황 인지 방법에 있어서,
    다수의 전자기기의 상태를 식별하는 기기 식별 단계; 및
    상기 기기 식별 단계에서 식별된 다수의 전자기기의 식별 정보를 이용하여 사용자의 상황을 인지하는 상황 인지 단계;를 포함하고,
    상기 기기 식별 단계는, (a-1) 입력된 전압 신호 및 전류 신호를 이용하여, 다수의 전자기기에 의해 소모되고 있는 전력을 산출하는 단계; (a-2) 상기 (a-1) 단계에서 산출된 전력의 특징값을 추출하는 단계; (a-3) 상기 (a-2) 단계에서 추출된 특징값을 이용하여 추출된 특징값과 연관된 전자기기를 식별하는 단계; 및 (a-4) 상기 (a-1) 단계에서 산출된 전력을 이용하여 식별할 대상인 다수의 전자기기와 관련된 이벤트 발생 여부를 판단하는 단계;를 포함하고,
    상기 (a-4) 단계에서 이벤트가 발생된 것으로 판단된 경우, 상기 (a-2) 단계에서 특징값을 추출하고,
    상기 (a-4) 단계는, (a-4-1) 제 1 이벤트 판단 단계; 및 (a-4-2) 제 2 이벤트 판단 단계;를 포함하고,
    상기 (a-4-1) 단계는 상기 (a-4-2) 단계 보다 큰 전력 사용량의 전자기기를 위해 사용되고,
    상기 (a-4-1) 단계는, (a-4-1-1) 제 1 일정 시간 동안의 전력량의 변화값이 미리 설정된 전력값 이상이면 1차적으로 이벤트가 발생되었다고 판단하는 단계; 및 (a-4-1-2) 상기 (a-4-1-1) 단계에서, 1차적으로 이벤트가 발생되었다고 판단된 경우, 미리 저장된 기준 전력 파형과의 비교를 통해 최종적으로 이벤트가 발생되었다고 판단하는 단계;를 포함하고,
    상기 (a-2) 단계는, 이벤트가 발생되었다고 판단된 시점 이후의 스테디(Steady) 상태를 탐색하여, 이벤트가 발생되었다고 판단된 시점 이전과의 차분값을 특징값으로 추출하고,
    상기 (a-2) 단계는, 이벤트 발생 이전 및 이후의 무효 전력 및 유효 전력의 차분값을 특징값으로 추출하고,
    상기 상황 인지 단계는, (b-1) 뉴럴 네트워크에 의해, 미리 설정된 구역별로 상황을 학습하고, 추론하는 단계; 및 (b-2) 뉴럴 네트워크에 의해, 구역별 상황 정보를 통합하여, 사용자의 상황을 인지하기 위해 학습하고 추론하는 단계;를 포함하고,
    상기 (b-1) 단계는, (b-1-1) 상기 기기 식별 단계에서 식별된 다수의 전자기기의 식별 정보 중 해당 전자기기의 식별 정보 및 시간 정보를 입력 변수로 이용하여 구역별 상황을 학습하는 단계; 및 (b-1-2) 상기 (b-1-1) 단계의 상기 구역별 상황의 학습 정보를 바탕으로, 전자기기의 식별 정보 및 시간 정보를 이용하여 구역별 상황을 추론하는 단계;를 포함하고,
    상기 (b-2) 단계는, (b-2-1) 구역별 상황 정보를 입력 변수로 이용하여, 사용자의 최종 상황을 학습하는 단계; 및 (b-2-2) 상기 (b-2-1) 단계의 사용자의 최종 상황의 학습 정보를 바탕으로, 추론된 구역별 상황 정보를 이용하여 사용자의 상황을 추론하는 단계;를 포함하는, 상황 인지 방법.
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
  21. 제16항에 있어서,
    상기 (a-4-1-2) 단계는,
    1차적으로 이벤트가 발생되었다고 판단된 시점을 기준으로, 상기 (a-1) 단계에 의해 산출된 전력의 파형을 미리 설정된 제 2 시간 간격으로 제 3 시간 동안 유클리디안 거리를 산출하고, 산출된 거리의 합과 미리 저장된 기준 전력 파형의 미리 설정된 제 2 시간 간격의 제 3 시간 동안의 유클리디안 거리의 합의 차이가 일정값 이하일 경우, 최종적으로 이벤트가 발생되었다고 판단하는, 상황 인지 방법.
  22. 제16항에 있어서,
    상기 (a-4-2) 단계는,
    (a-4-2-1) 제 4 시간 간격으로 제 5 시간 동안의 이동 평균을 산출하고, 산출된 다수의 이동 평균을 미리 저장된 기준 이동 평균과 비교하는 것에 의해 이벤트가 발생되었다고 판단하는 단계;를 포함하는, 상황 인지 방법.
  23. 제22항에 있어서,
    상기 (a-4-2-1) 단계는,
    다수의 이동 평균 각각을, 미리 저장된 기준 이동 평균 중 해당하는 기준 이동 평균으로부터 통계적으로 미리 정해진 범위 내에 속하는 지를 비교하는 것에 의해 이벤트가 발생되었다고 판단하는, 상황 인지 방법.
  24. 삭제
  25. 삭제
  26. 제16항에 있어서,
    상기 (a-3) 단계는,
    전자기기별로 미리 저장된 특징값과 상기 (a-2) 단계에 의해 추출된 특징값을 비교하는 것에 의해 전자기기를 식별하는, 상황 인지 방법.
  27. 삭제
  28. 삭제
  29. 삭제
  30. 제16항에 있어서,
    상기 상황 인지 방법은,
    전자기기의 상태를 제어하기 위한 제어 신호를 생성하는 제어 신호 생성 단계;를 더 포함하되,
    상기 제어 신호 생성 단계는,
    상기 상황 인지 단계의 추론 결과를 이용한 상기 사용자의 상황 정보에 따른 각 전자기기의 상태 정보와 현재의 전자기기의 상태 정보가 상이한 경우, 해당 정보를 이용하여 해당 전자기기의 상태를 제어하기 위한 제어 신호를 생성하는, 상황 인지 방법.
KR1020170020539A 2017-02-15 2017-02-15 전자기기 식별에 의한 상황 인지 시스템 및 그 방법 KR101862218B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170020539A KR101862218B1 (ko) 2017-02-15 2017-02-15 전자기기 식별에 의한 상황 인지 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170020539A KR101862218B1 (ko) 2017-02-15 2017-02-15 전자기기 식별에 의한 상황 인지 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101862218B1 true KR101862218B1 (ko) 2018-07-05

Family

ID=62920514

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170020539A KR101862218B1 (ko) 2017-02-15 2017-02-15 전자기기 식별에 의한 상황 인지 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101862218B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020009293A1 (ko) * 2018-07-06 2020-01-09 한국전력공사 스케줄 생성 장치 및 방법
WO2021112577A1 (ko) * 2019-12-05 2021-06-10 주식회사 아이티공간 인공지능을 통한 기기의 이상 부위 학습 검출방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005039548A (ja) * 2003-07-15 2005-02-10 Sony Corp 監視システムおよび方法、情報処理装置、記録媒体、並びにプログラム
JP2008160991A (ja) * 2006-12-25 2008-07-10 Toshiba Corp 機器使用状況管理システム
JP2008198213A (ja) * 1998-08-17 2008-08-28 Aspen Technology Inc センサの性能確認装置および方法
JP2011065648A (ja) * 2009-09-15 2011-03-31 Commissariat A L'energie Atomique Et Aux Energies Alternatives 人の行動を確定する方法、システム、およびこの方法のための記録媒体

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008198213A (ja) * 1998-08-17 2008-08-28 Aspen Technology Inc センサの性能確認装置および方法
JP2005039548A (ja) * 2003-07-15 2005-02-10 Sony Corp 監視システムおよび方法、情報処理装置、記録媒体、並びにプログラム
JP2008160991A (ja) * 2006-12-25 2008-07-10 Toshiba Corp 機器使用状況管理システム
JP2011065648A (ja) * 2009-09-15 2011-03-31 Commissariat A L'energie Atomique Et Aux Energies Alternatives 人の行動を確定する方法、システム、およびこの方法のための記録媒体

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020009293A1 (ko) * 2018-07-06 2020-01-09 한국전력공사 스케줄 생성 장치 및 방법
WO2021112577A1 (ko) * 2019-12-05 2021-06-10 주식회사 아이티공간 인공지능을 통한 기기의 이상 부위 학습 검출방법
KR20210070867A (ko) * 2019-12-05 2021-06-15 (주)아이티공간 인공지능을 통한 기기의 이상 부위 학습 검출방법
KR102344464B1 (ko) * 2019-12-05 2021-12-29 (주)아이티공간 인공지능을 통한 기기의 이상 부위 학습 검출방법
US11714403B2 (en) 2019-12-05 2023-08-01 Its Co., Ltd. Method for learning and detecting abnormal part of device through artificial intelligence

Similar Documents

Publication Publication Date Title
Alcalá et al. Event-based energy disaggregation algorithm for activity monitoring from a single-point sensor
Esa et al. RETRACTED: A review disaggregation method in Non-intrusive Appliance Load Monitoring
Zeifman Disaggregation of home energy display data using probabilistic approach
Wild et al. A new unsupervised event detector for non-intrusive load monitoring
EP2741437A1 (en) Behavior estimation apparatus, threshold calculation apparatus, and behavior estimation method
KR101862218B1 (ko) 전자기기 식별에 의한 상황 인지 시스템 및 그 방법
Barsim et al. Toward a semi-supervised non-intrusive load monitoring system for event-based energy disaggregation
CN110574389B (zh) 使用功率数据和网络数据来识别设备状态改变
Park et al. Appliance identification algorithm for a non-intrusive home energy monitor using cogent confabulation
Yang et al. A systematic approach in load disaggregation utilizing a multi-stage classification algorithm for consumer electrical appliances classification
Bilski et al. Generalized algorithm for the non-intrusive identification of electrical appliances in the household
CN111968644A (zh) 智能设备唤醒方法、装置及电子设备
CN112784210A (zh) 一种基于多元高斯判别方式的负荷识别方法
Ghosh et al. Extraction of statistical features for type-2 fuzzy NILM with IoT enabled control in a smart home
CN104991537A (zh) 一种智能设备的控制方法
Makonin Approaches to non-intrusive load monitoring (nilm) in the home
Yan et al. Robust event detection for residential load disaggregation
Wu et al. Non-intrusive load monitoring using identity library based on structured feature graph and group decision classifier
CN106707741B (zh) 一种电器设备控制方法及装置
Abbas et al. Non-intrusive load monitoring for residential customers using adaptive-neuro fuzzy interface system and fine tree classifier
JP6570767B2 (ja) 劣化検出装置、劣化検出システム、劣化検出方法、及び、プログラム
Chávez et al. Automatic laser pointer detection algorithm for environment control device systems based on template matching and genetic tuning of fuzzy rule-based systems
KR101815904B1 (ko) 전자기기 식별 시스템 및 그 식별 방법
CN113094931B (zh) 一种非侵入式负荷分解方法、装置及设备
WO2022137255A1 (en) Methods and systems for remotely controlling smart electrical switches and associated devices using analytics

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant