Un nuevo horizonte para NILMTK con OpenZmeter


En plena crisis energética, el consumo eléctrico supone una importante fuente de gasto, tanto para las empresas, como para los ciudadanos podríamos haber reducido  las emisiones  de  32,23 Megatoneladas de Co2.

Para intentar optimizar el consumo eléctrico de cualquier entidad, es necesario previamente medir éste de la forma más fiel posible, pues no se puede optimizar nada que no se pueda medir, siendo lo ideal monitorizarlo en tiempo, con objeto de generar alarmas, registrar eventos y crear informes de análisis de calidad de energía.

Algunas de las utilidades de monitorizar el consumo eléctrico:

  • Estudiar los hábitos de consumo en función de las franjas horarias con objeto de promover políticas destinadas a su reducción.
  • Detectar picos indebidos de consumo en horas de baja actividad con objeto de detectar “consumos fantasmas” y consumos indebidos.
  • Racionalizar el gasto energético consumiendo sólo lo necesario evitando derroches superfluos, contribuyendo de esta manera a luchar contra el cambio climático.
  • Predecir el consumo energético estudiando el histórico.
  • Trasladar los picos de consumo, cuando sea posible, a otras franjas horarias con objeto de no sobrecargar la red.
  • Detectar cortes de suministro con objeto de generar alarmas o tomar medidas correctivas.
  • Diagnosticar posibles fallos tanto en las instalaciones como en los aparatos eléctricos.
  • Servicios relacionados con AAL (Ambient Assisted Living), es decir servicios para la independencia de las personas mayores .
  • Detectar consumos indebidos causados por sabotajes de las instalaciones.
  • Optimización de la demanda contratada.

Usando técnicas de monitorización según muchos expertos se puede ahorrar desde un 15% hasta  20%. Y no solo esto va de ahorro económico pues por ejemplo en España en 2020 podríamos haber reducido  las emisiones  de  32,23 Megatoneladas de Co2.

En este contexto, contamos con el OpenZMeter, un medidor monofásico de energía eléctrica, que es además también analizador de calidad de la energía. Este dispositivo, es  de código abierto,  cuenta  con capacidades de IoT y permite medir una amplia gama de variables eléctricas a una elevada frecuencia de muestreo (15625Hz).

Este nuevo código intenta completar  las capacidades del OZM adaptando para ello la herramienta de desagregación de la demanda NILMTK, mediante la ampliación del  uso de TimeStamp de 13 dígitos,  la creación  de dos nuevos convertidores y conversores con el soporte de transitorios hasta el orden 50 de tensión , corriente y potencia, la generación de dos nuevos DS y el desarrollo del nuevo  código abierto para la desagregación. 

Para ello, el entrenamiento contempla el uso de dos de los algoritmos de desagregación más conocidos, como son el de Optimización Combinatoria (CO) y el Modelo de Markovv Factorial Oculto (FHMM).

OZM requiere para la desagregación un periodo bastante más pequeño de unos 30” en contraposición con los requeridos con otros DS públicos que suele estar en torno a los 15’.

Tras el entrenamiento, los datos agregados pueden introducirse en el modelo para su desagregación y posterior análisis de los resultados obtenidos obteniéndose un error que no supera el 1%.

Gracias a que NILMTK proporciona funciones para calcular las métricas de los resultados de cada algoritmo de desagregación, en este estudio podemos comparar resultados obtenidos con diferentes métodos, periodos de muestreo, algoritmos y DS.

Resultados DEPS                                

RESULTADOS  OZM

Destaca el error mínimo en la desagregación así como  las métricas           MNEAP y RMSE cuyo comportamiento son bastante superiores en OZM frente a otros DS públicos

Conclusiones

  •  El uso de componentes armónicos se   demuestra que mejora el resultado de  casi  todas las métricas dependiendo mucho del tipo del dispositivo eléctrico.
  •  El comportamiento del nuevo DS  supera en tiempos de muestreo y métricas a otros DS públicos.
  • Se entrega código abierto  funcional que permite desagregar por completo una instalación convencional.
  •  En un horizonte futuro, como continuación de este trabajo, se propone obtener un mecanismo automatizado para desplegar en una instalación convencional para hacer posible mostrar en tiempo real  la desagregación del consumo energético de los diferentes aparatos eléctricos que lo constituyen.

Video resumen

En el siguiente video podemos ver un resumen en video de los conceptos y resultados mas importantes que hemos visto en este post:

NOTA : El código fuente del proyecto lo podemos encontrar en https://github.com/crn565

La desagregación busca ganar una parte del pastel de la eficiencia energética.


El mercado de la gestión de la energía en el hogar ha hecho muchas promesas, pero todavía tiene que ofrecer una visión profunda y reducciones significativas en el uso de energía en el hogar.

Microsoft intentó y fracasó con la plataforma de energía Hohm. Por su parte Google.org probó con el famos paquete de energía para el hogar PowerMeter, solo para luego abandonar el esfuerzo en su famosa primavera de limpieza para adquirir la marca de termostato Nest en su lugar.

 Las empresas de administración de energía centradas en hardware, como Tendril, EnergyHub y Onzo, han tenido que hacer cambios drásticos en la estrategia de productos y canales para mantenerse en la búsqueda del cliente. Encontrar un plan de negocios rentable que navegue por los ciclos de gasto de los servicios públicos, los cambios regulatorios y el comportamiento de los clientes de energía ha resultado ser un desafío.

Nest ha trasladado la tecnología de termostatos al año 2008, mientras que Opower, con destino a la oferta pública inicial, ahorra a los clientes de servicios públicos residenciales un promedio de 1,5 a 2,5 por ciento en su factura de electricidad. 

Pero «se acerca el tren de la desagregación», según el director general de Bidgely, Abhay Gupta. La desagregación podría ahorrarle al cliente dinero real y cantidades significativas de energía, cambiar la relación de la empresa de servicios públicos con su cliente e impulsar el mercado de administración de energía para el hogar.

Photo by Constantine Kim on Pexels.com

Datos de energía a nivel de electrodomésticos de Bidgely

El director ejecutivo de Bidgely afirma que su software de «reconocimiento de patrones profundos» puede brindar datos de consumo de energía a nivel de electrodomésticos, utilizando únicamente la señal del medidor inteligente de una casa.

Segun el CEO de Bidgely, Abhay Gupta, se debería mover la retroalimentación de energía de «un nivel de motivación como Opower a un nivel de empoderamiento.

Con datos de Green Button o AMI a intervalos de una hora, Bidgely puede identificar y detectar cargas de calefacción, refrigeración y bombas, así como energía solar en el techo. Los datos de la red de área doméstica del medidor inteligente pueden brindar suficiente información para identificar electrodomésticos adicionales, como calentadores de agua, estufas, secadoras, bañeras de hidromasaje o vehículos eléctricos.

El CEO dijo que «los servicios públicos nos están empujando hacia nuevos usos». Dio un ejemplo de un programa de bomba de piscina de servicios públicos donde Bidgely realiza la medición y verificación de los dispositivos. También sugirió que la empresa de servicios públicos podría identificar las casas en un territorio que tenía bombas de piscina ineficientes.

La empresa financiada por Khosla Ventures obtiene acceso a los datos de uso no de los sensores de nivel de enchufe, sino a través de grandes conjuntos de datos y análisis inteligentes (aunque se asocia con proveedores de hardware como Blue Line Innovations ). Si Bidgely realmente puede analizar los dispositivos individuales del flujo de datos, los consumidores realmente pueden comenzar a comprender su uso y comenzar a tomar decisiones energéticas más significativas. Las empresas de servicios públicos pueden segmentar el mercado como nunca antes. ¿La empresa de servicios públicos necesita apuntar a 1,500 hogares con bombas para piscinas para un programa de eficiencia energética? Bidgely podría identificar potencialmente a esos propietarios de bombas de piscina.

La firma ha trabajado con cinco empresas de servicios públicos no identificadas, y otras ahora están evaluando el software, que ofrece participación del cliente, gestión del lado de la demanda e inteligencia empresarial.

Preston Roper, director de marketing de la empresa, enfatizó el extremo de ventas del negocio y la necesidad de simplificar el despliegue de una solución de extremo a extremo para una empresa de servicios públicos. Roper describió que la empresa se encuentra en la etapa de comercialización y venta agresiva. Dijo que tiene «vendedores hambrientos y clientes hambrientos que quieren hacer más con los datos«. (Cabe destacar que Opower gastó 30,5 millones de dólares en ventas y marketing en 2013, su mayor gasto, justo por delante de I+D, según su S-1).

«Opower ha hecho un trabajo fantástico en eficiencia energética a través de las ciencias del comportamiento», dijo el CEO de Bidgely. Agregó que Opower había «abierto baldes de dólares y abrió el canal, pero lo estamos llevando al siguiente nivel».

PlotWatt desagrega en Wendy’s, KFC y Dunkin’ Donuts

PlotWatt tiene su propio giro en el software de desagregación basado en la nube. El director ejecutivo de la startup, Luke Fishback, le dijo a GTM que «la desagregación en sí misma es menos interesante que el tipo de inteligencia que podemos ofrecer en función de la desagregación».

«Una factura de electricidad detallada está bien, pero en nuestra experiencia, no es [suficiente]. Lo que realmente perturba al sector es toda la inteligencia genial y procesable que se puede derivar de los datos».

En teoría, los datos de un medidor inteligente o de un conjunto de datos de Green Button tienen el potencial de indicar si hay un segundo refrigerador ineficiente en el garaje o una bomba de piscina deshonesta que consume energía por la tarde, o detectar si un restaurante no está abierto. el congelador está a punto de fallar.

El director ejecutivo de PlotWatt nos dijo que la empresa «ya está generando un nivel increíble de ahorros» con «un nivel de compromiso» mucho más allá del estado de cuenta mensual de kilovatios-hora.

Según Fishback, «Opower ha hecho un trabajo brillante al abordar los puntos débiles de las empresas de servicios públicos». Pero mientras que Opower puede obtener ahorros del 2 por ciento, Fishback sugiere que la tecnología de su empresa puede acercarse a niveles de ahorro del 10 al 15 por ciento. Dijo: «No se ven muchos programas que brinden el nivel de eficiencia energética que nosotros podemos. Tal vez el 2 por ciento es la forma en que se incentivan de manera óptima las empresas de servicios públicos. No se les incentiva para brindar ahorros del 5 por ciento o del 10 por ciento».

Si bien Bidgely se enfoca en los servicios públicos, Fishback de PlotWatt habló de ir donde estaban los datos, y en una de las estrategias de mercado de la empresa, PlotWatt descubrió que los franquiciados de las cadenas de comida rápida Wendy’s, KFC y Dunkin’ Donuts son clientes entusiastas, dada la El ROI de un año reclamado por el producto y más del 10 por ciento de ahorro de electricidad. El servicio de suscripción que ofrece PlotWatt puede reducir las facturas, detectar electrodomésticos averiados y averiados, y proporcionar inteligencia comercial, como si una ubicación en particular cierra antes de tiempo o si las entregas se retrasan. PlotWatt utiliza hardware en la caja de interruptores como registrador de datos. No hay participación de las empresas de servicios públicos, según el CEO.

El CEO enfatizó que no son los datos sin procesar los que ahorran un 14 por ciento de electricidad en la ubicación de Wendy’s: es el correo electrónico enviado al gerente de la tienda que le notifica que el horno se dejó encendido a la hora de cerrar o que una cámara frigorífica está a punto de abrirse. fallar.

La estrategia de mercado de PlotWatt se dirige a cualquier nodo donde se agreguen datos de redes inteligentes. Entonces, además de los restaurantes, la empresa se enfoca en flujos de datos residenciales y de servicios públicos.

El CEO dijo que la parte residencial de este mercado es el «gigante dormido» y agregó: «Queremos construir un negocio para que cuando el gigante despierte o cuando sea provocado, estemos listos».

El líder del mercado Opower no se queda quieto

Opower, que domina el mercado, y su motor de participación del cliente con destino a la oferta pública inicial es una historia de éxito de una startup. La compañía de software financiada por VC creó un nuevo mercado con una inclinación de TI y escaló a lo grande y rápido.

Opower buscaba recaudar $110 millones a través de una oferta pública inicial. Como informó Stephen Lacey de GTM, los ingresos de Opower crecieron de $28,7 millones en 2011 a $88,7 millones en 2013. Más del 90 por ciento de sus ingresos en 2013 provinieron de suscripciones con los 93 clientes de servicios públicos de Opower. 

Lacey señala que los ciclos de ventas de Opower van desde tan solo seis meses hasta veinticuatro meses. Muchos de los clientes más importantes de Opower verán expirar sus contratos en 2014 o 2015. Opower identifica a sus competidores como Aclara, C3 Energy, Nest Labs, Oracle, SAP y Tendril, «así como muchos otros proveedores más pequeños». La firma tiene sus propias patentes sobre la desagregación de datos de carga.  

Opower sigue siendo la fuerza a tener en cuenta y probablemente insistiría en que este «Opower 2.0» del que sigo escuchando provendrá del mismo Opower.

Un negocio impulsado por programas de eficiencia de servicios públicos

Los contratos y los ingresos que obtiene Opower y que son el objetivo de Bidgely, PlotWatt y el resto de la industria de eficiencia energética generalmente provienen de programas de respuesta a la demanda o eficiencia energética de servicios públicos exigidos por la PUC de un estado. Estos programas brindan incentivos significativos para las reducciones en el consumo anual de energía, además de imponer sanciones por incumplimiento.

Los programas de eficiencia energética de las empresas de servicios públicos financiados por los contribuyentes se han más que duplicado entre 2006 y 2010 a $ 4.8 mil millones, y se espera que los programas se dupliquen nuevamente para 2025, según un estudio del Laboratorio Nacional Lawrence Berkeley.

Photo by Alex Azabache on Pexels.com

Comportamiento humano

Jeff St. John informó sobre los hallazgos de un estudio de EPRI que analizó cómo las tecnologías de desagregación de energía pueden producir niveles de precisión muy diferentes.  

«Comprender la parte del comportamiento humano y la ciencia humana es tan importante, si no más importante» que los desafíos técnicos involucrados en el desglose de energía, dijo Peter Porteous de Blue Line Innovations en el informe de St. John. «Las empresas que serán exitosos serán los que tengan ambos.”

“Creo que la credibilidad triunfa sobre la precisión” cuando se trata de datos detallados de desglose de viviendas, dijo Porteous. “Lo que quiero decir con eso es que si esta es tu casa, y estás conectado, y de repente los datos regresan y te dicen que estás gastando $10 al mes en un jacuzzi, y tú… Si no tienes un jacuzzi, bueno, nunca volverás a mirar los datos”. Esa comprensión fundamental de la naturaleza humana es la razón por la cual Bidgely o PlotWatt adoptan un «enfoque conservador y muy reacio al riesgo para revelar el uso».

Eso no solo es valioso para los propietarios de viviendas, señaló. “La respuesta de las empresas de servicios públicos, cuando ven que ahora pueden tener acceso a estos datos, realmente cambia las reglas del juego”, dijo. “Esa es su principal frustración: no tienen idea de lo que hacen sus clientes dentro de la casa y dedican grandes cantidades de investigación a tratar de averiguarlo”.

Opower ha tenido una gran ventaja y pronto tendrá acceso a capital público. Los programas de la empresa permiten que las empresas de servicios públicos cumplan con los mandatos de eficiencia sin amenazar el sustento de la empresa de servicios públicos. Como sugirió el director ejecutivo de PlotWatt, «tal vez el 2 por ciento es la forma óptima de incentivar a las empresas de servicios públicos», y un ahorro del 15 por ciento puede ser demasiado perturbador para alentarlo en este momento.

En cualquier caso, esté atento a la convergencia de la ciencia del comportamiento de Opower con la tecnología de los desagregadores en los próximos años. Si el genio de la desagregación es real, no se puede volver a poner en la botella.

Fuente https://www.greentechmedia.com/articles/read/Can-Bidgely-or-PlotWatt-Compte-With-Opower-in-Home-Energy-Engagement

Sobre el santo grial de la desagregación de la monitorización del consumo eléctrico


A principios de la década de 1980, el Instituto Americano de Investigación de Energía Eléctrica y el MIT ya habían comenzado a realizar investigaciones teóricas relacionadas con la segregacion del consumo eléctrico de forma no intrusiva (los documentos representativos son: Hart, GW Monitoreo de carga de dispositivos no intrusivos, IEEE Proc 1992, 80, 1870–1891).

George W. Hart, Ed Kern y Fred Schweppe del MIT recibieron fondos del Instituto Nacional de Investigación de Energía Eléctrica para inventar el Monitor de Carga de Aparatos No Intrusivos (NALM). Es decir, supervisión de carga de dispositivos no intrusiva ( supervisión de carga de dispositivos no intrusiva) )

La literatura en este período es similar a la idea del tema, que es descomponer la diferencia de potencia de diferentes equipos eléctricos, Esta «descomposición de carga eléctrica» tiene muchos nombres. . . desagregación de carga, monitoreo de carga no intrusivo (NILM) y monitoreo de carga de dispositivo no intrusivo (NIALM o NALM) Todos significan lo mismo de todos modos. . .

El monitoreo de carga no intrusivo del consumo de energía de los electrodomésticos residenciales es en realidad: convertir la señal analógica del voltaje y la corriente de la electricidad a la casa en una señal digital y procesarla para detectar cambios en algunos parámetros.

Entre ellos, la técnica de análisis de conglomerados se utiliza para medir la variación de un conjunto de datos en determinadas categorías, y su lógica se puede utilizar para identificar cada dispositivo y la energía consumida. Para ser claros, es mediante el monitoreo de algunos de los datos identificar los dispositivos en uso (la dirección inicial de la investigación es similar a lo que pienso actualmente, que es estudiar la potencia de los equipos eléctricos ac)

La imagen de arriba es un ejemplo de un antiescarcha refrigerador libre de heladas

Otro ejemplo de ello es la supervisión no intrusiva de la carga de los dispositivos

ARRIBA (LI PENG. DESCOMPOSICIÓN Y MONITOREO DE CARGA DE ENERGÍA NO INVASIVA. TIANJIN: UNIVERSIDAD DE TIANJIN, 2009.)

Entonces, ¿ qué son la potencia reactiva y la potencia activa?..

  • Primero, la potencia activa. en los circuitos de ca, la parte de la energía consumida en el elemento de resistencia que se reemplaza irreversiblemente por la potencia.(POR EJEMPLO, LA CONVERSIÓN A ENERGÍA TÉRMICA, ÓPTICA O MECÁNICA) SE DENOMINA POTENCIA ACTIVA, EXPRESADA EN «P» EN VATIOS (W).refleja el tamaño de la capacidad de la fuente de alimentación de ca para trabajar en elementos de resistencia, o la cantidad de energía eléctrica convertida en otras formas de energía en una unidad de tiempo.de hecho, es la cantidad de energía eléctrica que se alterna instantáneamente en otras formas de energía durante un período de tiempo.es el promedio de la potencia instantánea de la potencia alterna durante un período de tiempo, de ahí la potencia media.
  • En segundo lugar, la potencia reactiva ,en los circuitos de ca, los componentes que son inductivos o capacitivos se construyen después de la adopción. el campo magnético de la del inductor o el campo eléctrico entre las placas del capacitor después de pasar bobinas inductivas el campo eléctrico entre el campo magnético o la placa del condensador.por lo tanto, la primera mitad de cada ciclo de ca ( potencia instantánea en tiempo positivo, absorberán energía de la fuente de alimentación para establecer un campo magnético o campo eléctrico, mientras que la segunda mitad (la potencia activa) instantánea, potenativa establecido o la energía del campo eléctrico regresa a la fuente de alimentación.por lo tanto, el valor promedio de esta potencia es igual a cero durante todo el ciclo.es decir, la energía de la fuente de alimentación está relacionada con la energía del campo magnético o la energía de campo eléctrico la conversión de energía reversible se lleva a cabo consumir energía.con el fin de reflejar los hechos anteriores y expresarlos, el inductor o energía intercambiada entre el inductancia o capacitancia elementos capacitivos la potencia intercambiada de un lado a otro con la alimentación de ca se denomina none potencia, expresada en «Q». La unidad es Var..la potencia reactiva es la parte de la potencia eléctrica en el circuito de ca que es convertible debido a la presencia de un elemento eléctricamente resistivo (refiriéndose al inductor puro o condensador puro), que expresa la velocidad ener intergía a la que se la fuente de alimentación de ca con el campo magnético o la energía del campo eléctrico. en la práctica, donde hay una carga inductiva de bobinas y núcleos de hierro, la potencia consumida por el campo magnético que crean durante el trabajo es potencia reactiva. sin potencia reactiva, el motor y el transformador no puedo fun magnest.
  • En tercer lugar, la potencia que depende LA POTENCIA TOTAL QUE PUEDEN PROPORCIONAR LAS FUENTES DE ALIMENTACIÓN DE CA, LLAMADA POTENCIA VISIBLE O POTENCIA EXPRESIVA, ES NUMÉRICAMENTE EL PRODUCTO DEL VOLTAJE Y LA CORRIENTE EN EL CIRCUITO DE CA. EL PODER DESUAL SE VA RESA ENDA ENDA S. PARA GENERAL, SE UTILIZA REPRESENTAR EL TAMAÑO DE LA CAPACIDAD DE LAS FUENTES DE ALIMENTACIÓN DE CA, COMO LOS TRANSFORMADORES.nota. potencia total-potencia activa-potencia reactiva la potencia visual es la suma vectorial de potencia activa y potencia reactiva.
  • Cuatro, triángulo de potencia.DEPENDIENDO DE LA RELACIÓN ENTRE POTENCIA (S), POTENCIA ACTIVA (P) Y POTENCIA REACTIVA (Q), SE PUEDEN USAR TRIÁNGULOS DE POTENCIA PARA REPRESENTARLA.COMO SE MUESTRA EN LA SIGUIENTE IMAGEN. ES UN TRIÁNGULO RECTÁNGULO CON DOS LADOS RECTÁNGULO, QYP, RESPECTIVAMENTE., EL BISEL ES S. EL ÁNGULO ENTRE SYP ES EL ÁNGULO DEL FACTOR DE POTENCIA, QUE REFLEJA EL VOLTAJE Y LA CORRIENTE EN EL CIRCUITO DE CA. fase (ángulo) entre el voltaje y la corriente en el circuito de CA. factor de potencia es cos.factor = cos (ɸ).

Teóricamente, es posible distinguir entre diferentes equipos eléctricos bajo ciertas restricciones (de hecho, se ha aplicado pero no es exacto)

DESDE UNA PERSPECTIVA NALM, HAY APROXIMADAMENTE TRES MODELOS ELÉCTRICOS:

  • PRIMERO: EQUIPOS ON / OFF (DOS ESTADOS), COMO BOMBILLAS O TOSTADORAS. EN CUALQUIER MOMENTO DADO, YA SEA ENCENDIDO O APAGADO.
  • SEGUNDO: DISPOSITIVOS POLIMÓRFICOS, COMO LAVADORAS O LAVAVAJILLAS. HAY DIFERENCIAS OBVIAS EN EL ESTADO DE ON, POR EJEMPLO, RIEGO, ENJUAGUE, ROTACIÓN, ETC. (SEGÚN LA REVISIÓN, B PRODUCTSCATA AHORA EN EEST)
  • EL TERCER TIPO: EQUIPO VARIABLE CONTINUO, ES EL TIPO DE EQUIPO EN ESTADO, SE PUEDE AJUSTAR MANUALMENTE EQUIPO ELÉCTRICO. ESTOS SON DIFÍCILES DE MONITOREAR UTILIZANDO MÉTODOS DE MONITOREO NO INVASIVOS.

George usó un modelo llamado máquina de estado finito (FSM) para estudiar un segundo «dispositivo polimórfico».(es una máquina de estado finito, conocida como máquina de estado)

  • Si la condición de «Girar el interruptor hacia abajo» se cumple en el estado de encendido, el estado se apaga
  • Si la condición de «Girar el interruptor hacia abajo» se cumple en el estado apagado, el estado pasa a estar encendido

Hay por degracia ejemplos mucho mas compeljos como por ejemplo el Refrigerador sin escarcha

Una cosa que los investigadores tienen en común es que deben haber construido una base de datos de carga recopilada real antes de que se desarrollara el algoritmo, y la introducción de la base de datos relevantes puede serida por el. De Oliver Parson.

blog.oliverparson.co.uk http: // /2012/06/public-data-sets-for-nialm.html

A través de estas bases de datos públicas, otros investigadores también pueden usar sus propios algoritmos nuevos y los algoritmos reconocidos actuales para comparar, convertirse en estudios

En consecuencia, se desarrolló un sistema de monitoreo de carga no intrusivo relacionado. Pero cuando los tipos y cantidades de cargas son grandes, la precisión del monitoreo de carga cae drásticamente. Por lo tanto, a principios de este siglo, los investigadores generalmente adoptaron métodos para aumentar las características de carga, que incluyen:

  • Características transitorias: características de forma de onda de potencia transitoria , características de forma de onda de corriente de inicio, características de ruido de voltaje
  • Características de estado estable: características de paso de potencia, características de forma de onda de corriente de estado estable , características de trayectoria VI, características armónicas de alto orden
  • Otras características: características del período , características del ciclo de trabajo, características de transición de estado

Este tipo de método mejora aún más la velocidad correcta de descomposición, pero cuando problemas como el tiempo de uso del equipo se superponen, o cuando hay demasiados dispositivos del mismo tipo, no se puede garantizar la descomposición correcta dentro del tiempo efectivo. Por lo tanto, en los últimos cinco años, la dirección de la investigación se ha desplazado gradualmente hacia el uso de métodos de reconocimiento de patrones, incluido el uso de modelos de Markov ocultos y otros métodos mejorados para mejorar la precisión del reconocimiento a través de una gran cantidad de entrenamiento de datos reales.

En 2012 y 2014, se llevaron a cabo dos conferencias académicas temáticas NILM, y la tercera conferencia se llevará a cabo en Canadá en mayo de 2016.

Los autores de los algoritmos como Zico Kolter, Oliver Parson, etc. son los principales investigadores en la dirección de investigación actual, y se deben básicamente a la investigación en la dirección NILM En los últimos años, el doctorado obtenido y el contenido del algoritmo se describen con detalle en la gran tesis del autor del programa.

Los métodos de investigación de estos investigadores tienen una cosa en común, es decir, antes de que se desarrolle el algoritmo, se debe establecer una base de datos de carga recopilada real. Para la introducción de la base de datos relacionada, consulte el blog de Oliver Parson.

A través de estas bases de datos públicas, otros investigadores pueden comparar sus nuevos algoritmos con los algoritmos actualmente reconocidos y convertirse en ejemplos de cálculo estándar

Aunque el concepto de NILM se ha propuesto durante casi 30 años, con el auge de la ciencia de datos, ha resurgido su valor práctico en los últimos años, y los métodos de investigación se han vuelto más complejos y diversos. La extracción de características es solo uno de los enlaces, y los algoritmos básicos son casi todos ellos han sido tratado (por ejemplo, los estudiantes graduados de un maestro chino probaron los algoritmos clásicos en el aprendizaje de máquinas manuales , tales como método de difundir la Red , de vectores de soporte máquinas, modelos de Markov, Random Forests, etc.,