基于智能感知技术的用电事件识别方法研究

doi:10.11959/j.issn.2096-3750.2019.00138

物联网学报 ›› 2019, Vol. 3 ›› Issue (4): 109-115.doi: 10.11959/j.issn.2096-3750.2019.00138

基于智能感知技术的用电事件识别方法研究

杨子元¹,许晓斌²,李欣¹,赵一萌³

¹ 内蒙古电力（集团）有限责任公司包头供电局，内蒙古包头 014030
² 内蒙古电力（集团）有限责任公司，内蒙古呼和浩特 010010
³ 上海极熵数据科技有限公司，上海 201199

修回日期:2019-11-15 出版日期:2019-12-30 发布日期:2020-02-05
作者简介:杨子元（1984- ），男，内蒙古包头人，内蒙古电力（集团）有限责任公司包头供电局青山分局副局长，主要研究方向为电力营销|许晓斌（1973- ），男，内蒙古包头人，内蒙古电力（集团）有限责任公司市场营销部副部长，内蒙古自治区电机工程学会测试技术及仪表专业委员会副主任委员，主要研究方向为市场营销专业管理|李欣（1977- ），男，内蒙古包头人，内蒙古电力（集团）有限责任公司包头供电局市场营销处处长，主要研究方向为电力营销|赵一萌（1987- ），男，辽宁沈阳人，博士，上海极熵数据科技有限公司研究总监，主要研究方向为人工智能技术在物联网和能源互联网中的应用
基金资助:
内蒙古电力（集团）有限公司科技项目(nmgdlkjxm2019058)

Research on appliance event detection method based on intelligent perception technology

Ziyuan YANG¹,Xiaobin XU²,Xin LI¹,Yimeng ZHAO³

¹ Inner Mongolia Power (Group) Co.,Ltd.,Baotou Power Supply Bureau,Baotou 014030,China
² Inner Mongolia Power (Group) Co.,Ltd.,Hohhot 010010,China
³ Shanghai Maxtropy Data Technology Co.,Ltd.,Shanghai 201199,China

Revised:2019-11-15 Online:2019-12-30 Published:2020-02-05
Supported by:
Science and Technology Project of Inner Mongolia Electric Power (Group) Co.,Ltd(nmgdlkjxm2019058)

摘要/Abstract

摘要：

物联网和智能化技术的高速发展为用电负荷智能感知技术提供了系统支撑，也为用电行为识别提供了数据基础。为了实现对设备启停事件的精准识别，提出了利用高频率、高精度电能数据结合动态时间规整（DTW）算法的技术方案，并搭建了基于自主研发硬件的实验测试平台。实验结果表明，该用电事件识别算法具有较高的识别精确率和召回率，可以被应用于更多场景中，以实现用电负荷的全面感知。

关键词: 物联网, 智能感知, 非侵入式测量, 动态时间规整

Abstract:

The rapid development of Internet of things and intelligent technologies provides the system support for intelligent load perception technology of power usage,as well as provides analytical data for power user behavior.In order to realize the accurate identification of equipment start or stop events,a technical proposal which combined the high frequency and high precision power data with the dynamic time consolidation (DTW) algorithm was proposed,and an experimental testing platform based on the independent hardware was built.The experimental results show that the power incident identification algorithm has a high identification accuracy and recall rate,which can be applied in more scenarios to realize the full perception of power load.

Key words: Internet of things, intelligent perception, non-intrusive load monitoring (NILM), dynamic time warping (DTW)

中图分类号:

TP399

杨子元,许晓斌,李欣,赵一萌. 基于智能感知技术的用电事件识别方法研究[J]. 物联网学报, 2019, 3(4): 109-115.

Ziyuan YANG,Xiaobin XU,Xin LI,Yimeng ZHAO. Research on appliance event detection method based on intelligent perception technology[J]. Chinese Journal on Internet of Things, 2019, 3(4): 109-115.

图/表 11

图1

图2

图3

图4

图5

表1

图6

图7

图8

表2

表3

参考文献 9

[1]	杨挺, 翟峰, 赵英杰 ,等. 泛在电力物联网释义与研究展望[J]. 电力系统自动化, 2019,43(13): 9-20.
	YANG T , ZHAI F , ZHAO Y J ,et al. Ubiquitous power Internet of things interpretation and research prospects[J]. Automation of Electric Power Systems, 2019,43(13): 9-20.
[2]	程祥, 李林芝, 吴浩 ,等. 非侵入式负荷监测与分解研究综述[J]. 电网技术, 2016,41(10): 3108-3117.
	CHENG X , LI L Z , WU H ,et al. Review of research on non-invasive load monitoring and decomposition[J]. Power System Technology, 2016,41(10): 3108-3117.
[3]	TSAI M , LIN Y . Modern development of an adaptive non-intrusive appliance load monitoring system in electricity energy conservation[J]. Applied Energy, 2012,96: 55-73.
[4]	KOLTER J Z , JAAKKOLA T . Approximate inference in additive factorial HMMs with application to energy disaggregation[J]. Artificial Intelligence and Statistics, 2012: 1472-1482.
[5]	KELLY J , KNOTTENBELT W . Neural NILM:deep neural networks applied to energy disaggregation[C]// Proceedings of the 2nd ACM International Conference on Embedded Systems for Energy-Efficient Built Environments. ACM, 2015: 55-64.
[6]	SAKOE H , CHIBA S . Dynamic programming algorithm optimization for spoken word recognition[J]. IEEE Transaction Acoust Speech Signal Process, 1978,26(1): 43-49.
[7]	BERNDT D J , CLIFFOD J . Using dynamic time warping to ?nd patterns in time series[C]// KDD Workshop, 1994, 10(16): 359-370.
[8]	SALVADOR S , CHAN P . FastDTW:toward accurate dynamic time warping in linear time and space[C]// KDD Workshop. 2004: 70-80.
[9]	ZHAO J , ITTI L . ShapeDTW:shape dynamic time warping[J]. Pattern Recognition, 2018,74: 171-184.

设备事件	最大瞬时功率/W	启动次数
冰箱	1 100	412
饮水机（加热）	950	43
饮水机（制冷）	90	12
微波炉	1 100	22
电动门	40	3 782
咖啡机	1 200	89
洗衣机	200	11
电饭煲	900	8
烤箱	2 000	8

	5 Hz	10 Hz	20 Hz	30 Hz
精确率	100%	100%	100%	100%
召回率	98.1%	99.3%	99.3%	99.3%

设备事件	精确率	召回率
冰箱	100%	99.3%
饮水机（加热）	98.2%	93%
饮水机（制冷）	100%	91.7%
微波炉	100%	90.9%
电动门	100%	99.4%
咖啡机	96.4%	93.3%
洗衣机	100%	90.9%
电饭煲	88.5%	87.5%
烤箱	100%	100%

[1]	吴靖, 李晟, 张景, 辛明, 陶若文, 周舟, 潘力佳, 施毅. 面向物联网的新型柔性传感器[J]. 物联网学报, 2023, 7(2): 1-14.
[2]	梁峻阁, 宋怡然, 孙杨帆, 计樱莹, 潘力佳, 施毅. 基于可穿戴与可植入技术的人体健康物联网研究进展[J]. 物联网学报, 2023, 7(2): 26-34.
[3]	耿光磊, 高博, 熊轲, 樊平毅, 陆杨, 王煜炜. 联邦学习赋能6G网络综述[J]. 物联网学报, 2023, 7(2): 50-66.
[4]	胡超, 鲁邦彦, 杨彦兵, 陈哲, 张磊, 陈良银. 基于低成本物联网芯片ESP32的人体行为识别系统[J]. 物联网学报, 2023, 7(2): 133-142.
[5]	卫浓钰, 江子龙, 陈芳炯. 基于位置信息和能量均衡的声电协同网络AODV[J]. 物联网学报, 2023, 7(1): 27-36.
[6]	申滨, 李银波, 梁枭伟. 基于增强加权质心定位的认知物联网用户频谱接入控制[J]. 物联网学报, 2023, 7(1): 93-108.
[7]	汪静, 何乐生, 李忠红, 李路迟, 杨航. 物联网轻量级认证加密算法ASCON的软硬件协同设计[J]. 物联网学报, 2022, 6(4): 139-148.
[8]	蒋伟进, 罗田甜, 杨莹, 李恩, 周文颖. 物联网环境下基于区块链技术的私有数据访问控制模型[J]. 物联网学报, 2022, 6(4): 169-182.
[9]	邢方圆, 贺诗波, 孙铭阳, 陈积明. 基于“云-管-边-端”物联网架构的碳排放监测[J]. 物联网学报, 2022, 6(4): 53-64.
[10]	张在琛, 尤肖虎, 党建, 吴亮, 朱秉诚, 陈绩, 汪磊. 无线光通信与物联网[J]. 物联网学报, 2022, 6(3): 1-13.
[11]	黄诺, 刘伟杰, 龚晨. 面向工业物联网的拍赫兹通信[J]. 物联网学报, 2022, 6(3): 37-46.
[12]	孙君, 赵尚维康. 工业物联网中基于Sarsa算法的节能计算卸载方案[J]. 物联网学报, 2022, 6(3): 82-90.
[13]	刘杨, 李崔灿, 彭木根. 低功耗水下物联网：愿景与关键技术[J]. 物联网学报, 2022, 6(2): 1-9.
[14]	杨靖, 谢金凤, 陈怡. 我国智慧城市场景中物联网终端评测与认证体系研究[J]. 物联网学报, 2022, 6(2): 26-37.
[15]	罗丹, 徐茹枝, 关志涛. 物联网环境中基于深度学习的差分隐私预算优化方法[J]. 物联网学报, 2022, 6(2): 65-76.

基于智能感知技术的用电事件识别方法研究

Research on appliance event detection method based on intelligent perception technology

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 9

相关文章 15

Metrics

推荐阅读 0