金桔
金币
威望
贡献
回帖0
精华
在线时间 小时
|
beckel/nilm-eval
nilmtk/nilmtk
如果是朝这个方向研究的研究人员，可以关注一下以上这两个项目
希望有可能的话，可以私信给我你们的联系方式（QQ或者微信之类）。因为研究这个的人越来越多了，大家可以一起集思广益
我找到了一些很有意思的东西，先和大家分享一下。
目前实现这一功能的产品大致可以分为三种类型。
第一种是用算法
第二种是用类似于钳形万用表的东西(套在线外面的一个东西，可以直接测得电流电压等信息，并把数据传给处理器上)
第三种是利用wifi和智能插座。
第一种，搜到了一个叫做Qinergy的东西
<img data-rawheight=&#34;371&#34; data-rawwidth=&#34;700&#34; src=&#34;https://pic3.zhimg.com/5c11d573004cd2e698a3e77d74bf28ae_b.jpg&#34; class=&#34;content_image&#34; width=&#34;700&#34; data-original=&#34;https://pic3.zhimg.com/5c11d573004cd2e698a3e77d74bf28ae_r.jpg&#34;>一套79欧，要使用他们的服务，就必须支付4欧每个月。
一套79欧，要使用他们的服务，就必须支付4欧每个月。
大致意思就是，拿这个Qinergy，直接连接到电表上，读电表的数据; 然后给用户一张调查表，让他们输入家中使用的大功率电器。
通过他们的博客，可以得知:
经过三个星期的读数据，这个Qinergy可以准确分辨各个电器。并且把数据传给服务器。
用户可以通过登录网上账户查询自己的电器使用情况。而且支持三相电流的情况。
第二种，
<img data-rawheight=&#34;481&#34; data-rawwidth=&#34;571&#34; src=&#34;https://pic1.zhimg.com/b471768337112bd55147f328539fa15c_b.png&#34; class=&#34;content_image&#34; width=&#34;571&#34; data-original=&#34;https://pic1.zhimg.com/b471768337112bd55147f328539fa15c_r.png&#34;>这图很清楚了。就是通过那个&#39;钳子&#39;传数据到中间蓝色的东西。然后这个蓝色的东西再连上网，把数据传到服务器上。就是价格贵了点。。。要438欧。。。。。。。。。
这图很清楚了。就是通过那个&#39;钳子&#39;传数据到中间蓝色的东西。然后这个蓝色的东西再连上网，把数据传到服务器上。就是价格贵了点。。。要438欧。。。。。。。。。
这得省多少年才能把本钱省回来啊。。。
如果是我。。。肯定不会去买。而且算法实现太简单了。。。
还有一个叫做OpenEnergyMonitor的，用的是树莓派，看介绍说是开源的(暂时没看出来有什么意义。。。)，也得200多欧。。。加一个钳子10欧。。。感觉这不是在省钱= =。。。
第三种，就显得高端多了。查到了好几个高洋上的。其中有TOSHIBA的PLUZZY。也得250欧。。。
这就有点智能的意思了。就是利用智能插座和智能家具(比如说，飞利浦公司出的一种智能灯:Philips Hue API |)。
还有个叫做zipato的，在这基础上来添加了一个小程序，可以自己定义在不同情况下,各种插在智能插座上电器不同运行方式。
价格上比第二种便宜，也的的确确实现了监测数据的功能(虽然主要功能是家具智能。。。)而且目测是未来家具市场的主流。
以上是三种目前为止,已经实现测得不同家电使用情况的产品实例。
但主要研究的是第一种，也就是已知总线路的数据，依靠算法来分析出支线负载的使用情况。
--------------------------------------------------------------------------------------------------------------------------------------------
随后是一些基础的知识。
根据匿名知友(不知名的神级人物啊!!)所提供的信息，我初步看了一下非侵入式电力负荷分解。
在1980年代早期，麻省理工的GeorgeW.Hart, Ed Kern 和 Fred Schweppe 得到美国电科院的资助，发明了Nonintrusive Appliance Load Monitor (NALM)。也就是非侵入式负载监测(Nonintrusive Appliance Load Monitoring)
这个&#34;电力负载分解&#34;有很多名字。。。load disaggregation, non-intrusive load monitoring (NILM) and nonintrusive appliance load monitoring (NIALM or NALM). 反正都是一个意思。。。
居民家电能源消耗的非侵入式负载监测，其实就是: 将通到住宅的电 的电压电流 的模拟信号转成数字信号并进行处理，以检测一些参数的变化。其中，聚类分析技术(Cluster analysis technique)被用于某些类别下的 一组数据的变化量 的测量，其逻辑可被运用在识别各个设备及其所消耗的能量。
说白了，就是通过监测总线的一些数据，来识别正在使用的用电器。
最初的研究方向与我目前想法类似，即研究用电设备的功率。(交流电)
上图是无霜冰箱的一个例子(Nonintrusive Appliance Load Monitoring)
上图（黎鹏. 非侵入式电力负荷分解与监测[D]. 天津: 天津大学, 2009.）
那么reactive power和active power又是什么东西呢。。。
reactive power就是无功功率，active power就是有功功率，还有个视在功率apparent power。
一、有功功率
在交流电路中，凡是消耗在电阻元件上、功率不可逆转换的那部分功率
（如转变为热能、光能或机械能）称为有功功率，用“P”表示，单位是瓦（W）。
它反映了交流电源在电阻元件上做功的能力大小，或单位时间内转变为其它能量形式的电能数值。
实际上它是交流电在一个周期内瞬时转变为其他能量形式的电能数值。
它是交流电在一个周期内瞬时功率的平均值，故又称平均功率。
二、无功功率
在交流电路中，凡是具有电感性或电容性的元件, 在通过后便会建立起电感线圈的磁场或电容器极板间的电场。
因此，在交流电每个周期内的上半部分（瞬时功率为正值）时间内，它们将会从电源吸收能量用建立磁场或电场；而下半部分（瞬时功率为负值）的时间内，其建立的磁场或电场能量又返回电源。
因此，在整个周期内这种功率的平均值等于零。
就是说，电源的能量与磁场能量或电场能量在进行着可逆的能量转换，而并不消耗功率。
为了反映以上事实并加以表示，将电感或电容元件与交流电源往复交换的功率称之为无
功功率，用“Q”表示。单位是乏（Var）。
无功功率是交流电路中由于电抗性元件（指纯电感或纯电容）的存在，而进行可逆性转换的那部分电功率，它表达了交流电源能量与磁场或电场能量交换的最大速率。
实际工作中，凡是有线圈和铁芯的感性负载，它们在工作时建立磁场所消耗的功率即为无功功率。如果没有无功功率，电动机和变压器就不能建立工作磁场。
三、视在功率
交流电源所能提供的总功率，称之为视在功率或表现功率，在数值上是交流电路中电压与电流的乘积。视在功率用S表示。单位为伏安（VA）。它通常用来表示交流电源设备（如变压器）的容量大小。
注意。总功率=有功功率+无功功率
而视在功率则是有功功率与无功功率的向量和。
四、功率三角形
视在功率（S）、有功功率（P）及无功功率（Q）之间的关系，可以用功率三角形来表
示，如下图所示。它是一个直角三角形，两直角边分别为Q与P
，斜边为S。S与P之间的夹角Ф为功率因数角，它反映了该交流电路中电压与电流之间的相位差（角）。
<img data-rawheight=&#34;296&#34; data-rawwidth=&#34;516&#34; src=&#34;https://pic3.zhimg.com/85d123e1b3847c58945f494968189ec6_b.png&#34; class=&#34;content_image&#34; width=&#34;516&#34; data-original=&#34;https://pic3.zhimg.com/85d123e1b3847c58945f494968189ec6_r.png&#34;>功率因数=cos(ɸ)。
功率因数=cos(ɸ)。
理论上来看，的确可以在一定的限制条件下分辨出不同的用电设备。
实际上也已经被实现了。(就是精确度不高)
从NALM角度来看，有大致三种电器型号：
第一种:ON / OFF（二态）设备，如灯泡或烤面包机。在任何给定的时刻，不是打开就是关闭状态。
第二种:多态设备，如洗衣机或洗碗机。ON状态明显有区别，例如，加水，漂洗，旋转等。（根据评论，现在的产品都卡在这一块上）
第三种: 连续可变的设备，就是那种在ON状态下，可以手动调的电器设备。这些都是难以用非侵入性监测方法来监测的。
George使用了一种叫做finite-state machine (FSM)的模型 用来研究第二种&#34;多态设备&#34;。
(就是有限状态机，简称状态机)
状态机是表示有限个状态以及在这些状态之间的转移和动作等行为的数学模型(百度百科)
举个例子<img data-rawheight=&#34;486&#34; data-rawwidth=&#34;457&#34; src=&#34;https://pic2.zhimg.com/d5e1475095656c12a66db0fc4c9566f9_b.jpg&#34; class=&#34;content_image&#34; width=&#34;457&#34; data-original=&#34;https://pic2.zhimg.com/d5e1475095656c12a66db0fc4c9566f9_r.jpg&#34;>这是最简单的，只有两种状态的状态机。
这是最简单的，只有两种状态的状态机。
如果在on状态的时候，满足了&#34;Flip switch down&#34;的条件，状态就变成了off
如果在off状态的时候，满足了&#34;Flip switch down&#34;的条件，状态就变成了on
George给出了两个例子
原图都在(Nonintrusive Appliance Load Monitoring),,,
例子1:Three-way lamp(就是有三种功率的灯泡)
图片很不清晰。。。只能猜测每个状态圈内，第一行是功率，但第二行是什么就不知道了（个人猜测是状态圈的编号）。。。作者的意思是说，通过仪器的模式识别的算法(个人认为这并非是神经网络的模式识别)，检测出这四种状态。
<img data-rawheight=&#34;550&#34; data-rawwidth=&#34;476&#34; src=&#34;https://pic3.zhimg.com/c700cc44debed08b048332bea20aefde_b.png&#34; class=&#34;content_image&#34; width=&#34;476&#34; data-original=&#34;https://pic3.zhimg.com/c700cc44debed08b048332bea20aefde_r.png&#34;>例子2:无霜冰箱
例子2:无霜冰箱
--------------------------------------------------------------------------------------------------------------------------------------------
近期看了一点数据库，个人感觉初有小成，于是乎又重新研读了一下匿名大神的回答。
&#34;&#34;&#34;
这些研究者的研究方法有一个共同点，就是在发开算法之前必选建立了一个实际采集的负荷数据库，相关的数据库介绍可参考Oliver Parson的博客，
http://blog.oliverparson.co.uk/2012/06/public-data-sets-for-nialm.html
通过这些公开数据库，其他研究者也可以用自己的新算法和目前这些公认的算法进行比较，成为标准算例，目前我国的研究氛围还远达不到公开数据和算法的程度。
作者：匿名用户
链接：已知一段时间的总功率，能不能分辨出正在使用的电器种类？ - 匿名用户的回答
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
&#34;&#34;&#34;
我稍微翻译一下Oliver Parson的那篇博客:（翻译得不太好。。。请见谅...不过感觉大致上能看得懂。。）
NIALM的公开数据集
当比较 NIALM技术性能的时候，真实的数据是必要的。然而，这样的数据集是耗时，昂贵，并且常常不方便收集。为此，研究人员已经开始公开发布自己的数据集，从而使其他研究人员他们对共同已经认准的方法进行比较。下面是数据集我所知道的一些简短描述：
Almanac of Minutely Power Dataset (AMPds)
Stephen Makonin发布了Almanac of Minutely Power Data set的第一个版本。该数据集包含1分钟总线读数，以及19个独立电路的直线读数。每个读数包括电压，电流，频率，功率因数，有功功率，无功功率和视在功率。
除了对每个人所使用的每种工具进行测量，还每分钟测定一次总燃气和总水的消耗。该数据集是从一个在the greaterVancouver area, BC, Canada的家庭从2012年4月2013年3月整整一年时间内测得的。该数据集免费提供给任何人。使用者被要求输入用户名和密码，以用于使用情况跟踪的目的。
Berkeley 能源分解数据集 (BERDS)
Berkeley Energy Disaggregation Data Set (BERDS)
TheUniversity of California, Berkley已经发布了从UC Berkeley校区的Cory 大厅收集的电量数据。该数据集包含4类子计量负荷收集的数据：照明，空调，插座等，对于每个负荷类别可以得到许多反馈。该数据集包含有功，无功和视在功率 每20秒一次的测量。该数据可通过Mehdi Maasoumy&#x27;s website的网站上免费获取，并附有个简要描述NIPS2013的 Big Learning workshop at NIPS 2013的数据集的paper。
Building-Level fUlly labeled Electricity Disaggregation dataset (BLUED)
该数据集从一个的美国家庭在一段约8天的时间内采集得到，包含高频（12 kHz）的家用等级的数据。该数据集还包含了每个家庭内的电器改变状态时的一个事件清单（例如微波炉中灯亮）。这组数据收集主要是针对基于NIALM方法进行项目评估。作者设密码保护数据集的访问来跟踪其使用。
Dataport 数据库（原WikiEnergy）
Dataport database
Pecan Street Inc已经通过Dataport initiative 计划发布了大量的国内电力数据。在写这篇文章的时候，该数据已包含来自669家，其中有家庭总电电源和每个独立家电电源的以1分钟的间隔监测的数据。该装置开始于2011年1月，并且仍在收集大多数建筑物的数据。该数据是免费提供给社区WikiEnergy大学的成员，以及数据库访问完整的详细信息可以在Dataport的主页上找到。Dataport homepage.
荷兰居民电力数据集 (DRED)
Dutch Residential Energy Dataset (DRED)
Delft University of Technology（TUDelft）已经发布DRED数据集，其中包含住房等级和家电的能耗信息。现场部署由多个传感器在测量家庭用电，居民入住率和环境参数。该DRED数据集包括电量数据（总能源消耗和电器级别的能源消耗），环境信息（室级室内温度，室外温度，环境参数），占用信息（居住者的位置信息，WiFi和用于定位的BTRSSI信息）和家庭信息（户型，监控设备，家电，位置映射等）的数量。数据集是公开的，并且可以从DRED网站获得。DRED website.
电力消耗与占用率 (ECO)
Electricity Consumption &amp; Occupancy data set (ECO)
对ECO数据集是一个对非侵入式负荷监视和占用检测研究的数据集。它历时8个月的收集了6个瑞士家庭的信息。对于每个家庭，对ECO数据集提供1赫兹总消费数据（电流，电压，和在家庭中的三相的每个相移），并从所选择的电器测量也1赫兹插件级数据。此外，该数据组还包括通过平板计算机（手动贴标）测量占用信息和无源红外传感器（在一些家庭中）。数据集中详细在BuildSys2014年发表的一篇论文中描述。a paper
GREEND数据集该GREEND数据集是由Alpen-Adria-Universität Klagenfurt 和WiTiKee s.r.l.合作的研究人员之间发布一个数据集。该数据集跨时一年多，从9个来自于意大利和澳大利亚的家庭，包含9个独立电器每秒有功功率。详情请见随附的arXiv的论文。accompanying arXiv paper此外，一个NILMTK转换器NILMTK converter也可用于将数据集。
家庭用电用研究（HES）
Household Electricity Use Study (HES)
2012年， Energy Savings Trust, Department of Energy and Climate Change, and Department for Environment, Food and Rural Affairs发表了一篇名为Powering the Nation 15页的报告。这份报告总结了全600页的家庭用电使用Household Electricity Use Study的研究，其目的是更好地了解英国家庭用电情况。作为这项研究的一部分，251业主的家中，2010年4月和2011年4月期间被监测，其中26家被监测12个月，225家被监测了一个月。对于每个家庭， 13-51个家电每2分钟监控一次。目前软件门户网站正在开发提供访问数据集，虽然在此期间，数据可以分别从ICF国际公司ICF International通过联系efficient.products@icfi.com并提供邮政地址和操作系统的细节要求。
印度水和能源环境数据集（iAWE）
Indian Dataset for Ambient Water and Energy (iAWE)
信息技术研究所的Indraprastha近日公布的 iAWE数据集，33个家用传感器传来的总线与支线的电与天然气数据。该数据集涵盖了在印度德里的一个房子的73天。数据的每个通道可以分别在SQL或CSV格式从网页底部的下载区下载。
个人家庭电力消耗的数据集(用到了机械学习？)
Individual household electric power consumption Data Set
EDF在2012年公布了一组一个法国家庭4年时间所取得的数据。取这个家庭总有功功率，无功功率，电压和电流，以及3个支线电路有功功率每分钟的平均值。虽然每个电路只包含几个设备，这是在测量的持续时间方面的最大的数据集。完整的数据集是公开可从UCI Machine Learning Repository下载。
电力分解参考数据集（REDD）
Reference Energy Disaggregation Dataset (REDD)
REDD含有在不同时间段内（几个星期和几个月之间）的6个美国家庭的家用级和电路级的数据。每个房子有两相电源输入，以及10-25单独监控电路。高频（kHz）的电流和电压数据可用于两个电源的电路，而低频功率测量（3-4秒间隔）可用于该设备的电路。此数据集收集主要是针对非基于NIALM方法的项目评估。作者使用的密码保护来跟踪其数据集的访问。
REFIT电气负载测量数据集
REFIT Electrical Load Measurements dataset
该REFIT数据集在作为智能家居、减少能源需求项目Smart Home and Energy Demand Reduction的一部分由，Universityof Strathclyde的 David Murray和Lina Stankovic发布的。该数据集包含总的有功功率，来自于英国的拉夫区域的20户人家的9个独立家电，每8秒测一次。这使得REFIT是英国唯一一个采样率超过每分钟一次大家电级数据的数据集。此外，总气体消耗量数据也每30分钟被记录一次。然而，应该指出的是，数据通过移除与前次数据相同的样本来进行压缩。进一步的细节可以从EEDAL2015发布会 presentation from the EEDAL 2015 conference上，有详细的技术报告a detailed technical report和数据集的自述文件 readme file演示找到。此外，一个NILMTK转换器 NILMTK converter也可用于将数据集。
英国国内家电级电（UK-DALE）数据集
UK Domestic Appliance-Level Electricity (UK-DALE) dataset
杰克·凯利发布的UK-DALE的第一个版本于2015年一月。该数据集包含从3个英国家庭收集的16kHz的电流和电压的总表读数和每六秒收集的独立设备的电源数据，以及来自于另两个家庭的1个总电源和1个6秒测一次的子电源。到数据集的更新在2015年8月发布已扩大可用于住宅1-2.5年的数据。低频数据可以CSV或NILMTKHDF5格式下载，而高频数据可以FLACfile 的格式下载
Tracebase
该tracebase repository库包含独立电器的数据与训练NILM算法 (此处用到了机器学习？)。该库共包含1883天的功率读数，对43个不同类型的158个电器每秒检测一次。由于目的是创建一个设备数据库，没有总线数据被收集。数据由 Reinhardt et al. 2012 等人提出。2012年可从tracebase库tracebase repository下载。这些文件都是密码保护，但密码可以通过下载页面 download page请求。
我现在下载了:
1.Stephen Makonin所公布的Almanac of Minutely Power Dataset (AMPds)。近期，他将公布下一个版本。(啊啊啊啊，我在和科学家用邮件交流啊啊啊啊啊啊啊)
2.Dutch Residential Energy Dataset (DRED)。
3.法国EDF的Individual household electric power consumption Data Set。不过对我来说用处不大，他只有总线和支线的数据。而且完全不知道支线所使用的电器。。。用来测试或者训练神经网络可能有不少的用处。
4.Dataport database。
第三个是完全免费的。第一第二个基本能算是完全免费，需要和他们联系一下，回复邮件很快，不过写论文之类的别忘记写上他们。
第四个是免费提供给学生或者研究机构研究，如果是商业用途，则需要收费。看了看价格。。。还挺贵的。。。
因为数据收集耗时费力费钱，但仍旧有这么多人愿意免费提供给一个素不相识的人，实在是令人感动！虽然邮件里面已经感谢过了，不过在这里再次感谢Stephen Makonin, Akshay.Narashiman, Grant Fisher等!
国内外一些人已经把科学视作为全人类的事业了！！想想自己。。如果换做是我的话，可能目前为止还做不到这一点吧。 |
|
/3 
浙公网安备33010802005999号 
2024庆中秋、迎国庆
2024庆【网站十一周
2023庆【网站十周年
2022庆【网站九周年
2021庆中秋、迎国庆
2021庆【网站八周年
雷达卡
发表于 2024-9-5 20:33
提升卡
发表于 2024-9-5 20:35
