个体电设备工作状态估计装置及其方法制造方法及图纸

个体电设备工作状态估计装置具有：总使用电力测定单元(5)；时间变动计算单元(6a)，其计算总使用电力的时间性变动(跳跃电力)；电设备机型确定单元(6b)，其根据跳跃电力来判定是否要作为新电设备追加到现有的机型列表、或删除多余的机型；对应似然度估计单元(6c)，其估计关于升和降的跳跃与哪个电设备的启动/关闭的事件的发生相对应的似然度；以及个体电设备工作状态估计单元(6d)，其估计在输入了似然度时的个体电设备的工作状态的变化，对当前的工作状态的估计进行更新，根据使用工作状态的估计结果和标准电力的估计结果而得到的总使用电力的预测值以及总使用电力的测定数据来优化个体电设备的机型、标准电力以及工作状态的各估计，动态地估计个体电设备的工作概率。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种能够将多个电设备中的正在工作的电设备的种类及其工作状态同时实时地进行监视的个体电设备工作状态估计装置及其方法。
技术介绍
为了实现电力的高效利用，期望的是，针对电设备能够个别地掌握各自的使用状况。在该情况下，如果对各电设备安装传感器，则能够个别地测定各个电设备的使用状况(每个电设备的工作/非工作的状态、其电力使用量)，基于该测定结果来掌握电设备的使用状况，由此能够有助于节能化、电力供给控制等。但是，若像这样对各电设备分别设置传感器，则不仅传感器数量增加，而且需要这些传感器的安装成本、用于构建收集来自传感器的测定信号的收集系统(无线等)的成本，从而无法避免高成本化。因此，开发了一种即使不对各电设备分别设置传感器也能够监视各电设备的使用状况的技术，以作为廉价的装置在一般家庭等中也能够利用。关于这种以往的个体电设备工作状态估计装置及其方法，已知专利文献1所记载的技术。在该专利文献1所记载的个体电设备工作状态估计装置中，进行非侵入式电力使用监视(NIALM：Non-intrusive Appliance Load Monitoring)，即基于正在使用的电设备的总使用电力的电特性，利用脉冲型波形的模式识别，来个别地测定电设备的电力使用、操作特性。即，更具体地说，该以往的个体电设备工作状态估计装置具备：传感器单元(电压传感器、电流传感器)，其在设备外的位置与电路连接，测定设备的上述电路中的全负荷的电特性(包括电导、电纳的导纳)，生成与它们成正比的模拟信号；AD转换器，其根据测定出的电压、电流来运算电导、电纳，将上述模拟信号转换为数字信号；以及信号处理器，其根据数字信号将多个单元各自的全负荷分为它们各自的部分。此外，能够利用该处理结果来将电设备的工作状况个别地显示在显示器上。专利文献1：美国专利第4,858,141号公报
技术实现思路
专利技术要解决的问题然而，在上述以往的个体电设备工作状态估计装置中存在如下面说明的那样的问题。在上述以往技术中，在其应用时，需要事先收集哪个家庭持有几台具有什么样的标准电力的什么样的电设备之类的信息，或者在每当存在废弃的电设备、新追加的电设备的情况下都需要更新其信息。因此，耗费很大工夫、成本，而且无法指望在一般家庭中由外行人输入或更新这些信息，从而存在现实中非常难以应用之类的问题。本专利技术是着眼于上述问题而完成的，其目的在于提供一种即使不对各个电设备设置传感器、而且事先不具有存在几台什么种类的电设备之类的信息也能够实时地对电设备的种类的确定以及它们的工作状态进行监视的个体电设备工作状态估计装置及其方法。用于解决问题的方案为了达到该目的，在本专利技术的个体电设备工作状态估计装置及其方法中，通过统计性逆估计的方法来构建根据总使用电力实时地估计个体电设备的机型及其工作状态的动态算法。因此，执行以下算法：根据总使用电力的时间性变动，对发生频度高的变动(跳跃电力)进行聚类来估计每个个体电设备(机型)的标准电力，根据机型的簇和测量出的跳跃来实时地估计电设备的确定及其工作状况，并且根据需要来进行簇的变更。即，本专利技术的个体电设备工作状态估计装置的特征在于，具备：总使用电力测定单元，其测定多个电设备的总使用电力；时间变动计算单元，其基于由总使用电力测定单元测定出的总使用电力来计算跳跃电力，该跳跃电力是该总使用电力的时间性变动；电设备机型确定单元，其进行聚类，即，基于由时间变动计算单元计算出的跳跃电力来判定是否要作为新的电设备追加到现有的机型列表，在要作为新的电设备追加到现有的机型列表的情况下，按个体电设备重新计算标准电力，根据需要而从现有的机型列表删除多余的机型，在不追加新的电设备的情况下维持现有的机型列表；对应似然度估计单元，其基于由时间变动计算单元计算出的跳跃电力来估计关于升和降的跳跃与哪个电设备的启动和关闭的事件的发生相对应的似然度；以及个体电设备工作状态估计单元，其估计在输入了由对应似然度估计单元得到的、在当前的个体电设备的工作状态下根据总使用电力的跳跃而得到的、与个体电设备的启动和关闭的事件发生有关的似然度时的个体电设备的工作状态的变化，对当前的个体电设备的工作状态的估计进行更新，根据使用该更新后的个体电设备的工作状态的估计结果和标准电力的估计结果所预测出的总使用电力的预测值以及总使用电力的测定数据，来优化个体电设备的机型的估计、标准电力的估计以及工作状态的估计，以测定出的总使用电力的时间变动的时间间隔来动态地估计时刻变化的个体电设备的工作概率。另一方面，本专利技术的个体电设备工作状态估计方法的特征在于，具有以下步骤：测定多个电设备的总使用电力；基于所测定出的总使用电力来计算跳跃电力，该跳跃电力是该总使用电力的时间性变动；进行聚类，即，基于所计算出的跳跃电力来判定是否要作为新的电设备追加到现有的机型列表，在要作为新的电设备追加到现有的机型列表的情况下，按个体电设备重新计算标准电力，根据需要而从现有的机型列表删除多余的机型，在不追加新的电设备的情况下维持现有的机型列表；基于所计算出的跳跃电力来估计关于升和降的跳跃与哪个电设备的启动和关闭的事件的发生相对应的似然度；以及估计在输入了在当前的个体电设备的工作状态下根据总使用电力的跳跃而得到的、与个体电设备的启动和关闭的事件发生有关的似然度时的该个体电设备的工作状态的变化，对当前的个体电设备的工作状态的估计进行更新，根据使用该更新后的个体电设备的工作状态的估计结果和标准电力的估计结果所预测出的总使用电力的预测值以及总使用电力的测定数据，来优化个体电设备的机型的估计、标准电力的估计以及工作状态的估计，以测定出的总使用电力的时间变动的时间间隔来动态地估计时刻变化的个体电设备的工作概率。专利技术的效果在本专利技术的个体电设备工作状态估计装置及其方法中，即使不对各个电设备设置传感器、而且事先不具有存在几台什么种类的电设备之类的信息也能够实时地监视作为监视对象的各个电设备的使用状况。附图说明图1是表示在具备多个电设备的房屋内设置有本专利技术的实施例1的个体电设备工作状态估计装置的状态的图。图2是表示实施例1的个体电设备工作状态估计装置的结构的功能框图。图3是表示示出了在实施例1的个体电设备工作状态估计装置中执行的个体电设备工作状态估计的流程的考虑方法的流程图的图。图4是用于说明在实施例1的个体电设备工作状态估计装置中执行的k-均值算法(k＝2的情况)的示意图。图5是表示对在实施例1的个体电设备工作状态估计装置中使用的马尔可夫转换模型中跳跃为正的情况下的状态变化进行总结而得到的表的图。图6是表示对在实施例1的个体电设备工作状态估计装置中执行的马尔可夫转换模型中跳跃为负的情况下的状态变化进行总结而得到的表的图。图7是表示将在实施例1的个体电设备工作状态估计装置中执行的个体电设备工作状态估计的流程与数式一起表示的流程图的图。图8是表示对实施例1的个体电设备工作状态估计装置的效果进行确认的实验中的作为实际的家庭环境数据的一部分的天气的数据的图。图9是表示上述实验中的按总使用电力的1分钟的跳跃量的规模的频数分布的图。图10是表示上述实验中的按总使用电力规模的在总电力使用量中的占有率的图。图11是表示上述实验中的8天内的实际环境数据的实时处理算法的结果(从开始使用起1本文档来自技高网...

【技术保护点】
一种个体电设备工作状态估计装置，其特征在于，具备：总使用电力测定单元，其测定多个电设备的总使用电力；时间变动计算单元，其基于由该总使用电力测定单元测定出的总使用电力来计算跳跃电力，该跳跃电力是该总使用电力的时间性变动；电设备机型确定单元，其进行聚类，即，基于由该时间变动计算单元计算出的跳跃电力来判定是否要作为新的电设备追加到现有的机型列表，在要作为新的电设备追加到所述现有的机型列表的情况下，按个体电设备重新计算标准电力，根据需要而从所述现有的机型列表删除多余的机型，在不追加新的电设备的情况下维持所述现有的机型列表；对应似然度估计单元，其基于由所述时间变动计算单元计算出的跳跃电力来估计关于升和降的跳跃与哪个电设备的启动和关闭的事件的发生相对应的似然度；以及个体电设备工作状态估计单元，其估计在输入了由该对应似然度估计单元得到的、在当前的个体电设备的工作状态下根据总使用电力的跳跃而得到的、与所述个体电设备的启动和关闭的事件发生有关的似然度时的所述个体电设备的工作状态的变化，对所述当前的个体电设备的工作状态的估计进行更新，根据使用该更新后的个体电设备的工作状态的估计结果和标准电力的估计结果所预测出的总使用电力的预测值以及所述总使用电力的测定数据，来优化所述个体电设备的机型的估计、所述标准电力的估计以及所述工作状态的估计，以测定出的所述总使用电力的时间变动的时间间隔来动态地估计时刻变化的所述个体电设备的工作概率。...

【技术特征摘要】
【国外来华专利技术】1.一种个体电设备工作状态估计装置，其特征在于，具备：总使用电力测定单元，其测定多个电设备的总使用电力；时间变动计算单元，其基于由该总使用电力测定单元测定出的总使用电力来计算跳跃电力，该跳跃电力是该总使用电力的时间性变动；电设备机型确定单元，其进行聚类，即，基于由该时间变动计算单元计算出的跳跃电力来判定是否要作为新的电设备追加到现有的机型列表，在要作为新的电设备追加到所述现有的机型列表的情况下，按个体电设备重新计算标准电力，根据需要而从所述现有的机型列表删除多余的机型，在不追加新的电设备的情况下维持所述现有的机型列表；对应似然度估计单元，其基于由所述时间变动计算单元计算出的跳跃电力来估计关于升和降的跳跃与哪个电设备的启动和关闭的事件的发生相对应的似然度；以及个体电设备工作状态估计单元，其估计在输入了由该对应似然度估计单元得到的、在当前的个体电设备的工作状态下根据总使用电力的跳跃而得到的、与所述个体电设备的启动和关闭的事件发生有关的似然度时的所述个体电设备的工作状态的变化，对所述当前的个体电设备的工作状态的估计进行更新，根据使用该更新后的个体电设备的工作状态的估计结果和标准电力的估计结果所预测出的总使用电力的预测值以及所述总使用电力的测定数据，来优化所述个体电设备的机型的估计、所述标准电力的估计以及所述工作状态的估计，以测定出的所述总使用电力的时间变动的时间间隔来动态地估计时刻变化的所述个体电设备的工作概率。2.根据权利要求1所述的个体电设备工作状态估计装置，其特征在于，在由所述电设备机型确定单元进行的聚类中使用k-均值算法，使在该k-均值算法中使用的与所述个体电设备的机型对应的簇的数量k可变。3.根据权利要求2所述的个体电设备工作状态估计装置，其特征在于，所述k-均值算法使用具有期望值步骤和最大化步骤的EM算法，基于所输入的所述跳跃电力来估计所述跳跃电力为来自未知的k个正态分布的实现值时的k个正态分布的均值和方差，判定所输入的所述跳跃电力是来自哪个正态分布的实现值。4.根据权利要求3所述的个体电设备工作状态估计装置，其特征在于，所述EM算法中的期望值步骤和最大化步骤的每隔时间变动间隔的迭代计算仅进行一步重新计算。5.根据权利要求3或4所述的个体电设备工作状态估计装置，其特征在于，所述最大化步骤中使用的均值和方差的过去的数据的长度、返回的长度被指定为比该过去的数据之前得到的过去的数据少的长度。6.根据权利要求3至5中的任一项所述的个体电设备工作状态估计装置，其特征在于，所述EM算法在所述期望值步骤的期望值的计算中引入基于设该期望值的后验概率同所述期望值的先验分布与似然度之积成正比的贝叶斯学习的所述先验分布，来用于根据所述总使用电力和所述跳跃电力的过去的数据而得到的、所述个体电设备的启动或关闭的发生概率的时间变动、因使用环境的不同引起的变动、使用日变动中的至少一个变动的模式的学习结果的估计。7.根据权利要求2至6中的任一项所述的个体电设备工作状态估计装置，其特征在于，具备：马尔可夫转换模型，其与各电设备的工作概率的状态变量对应；以及卡尔曼滤波器，其使状态方程的标准形具有使所述跳跃电量与所述总使用电力对应的各输入变量，并使用作为所述各电设备的工作概率的状态变量。8.根据权利要求7所述的个体电设备工作...

【专利技术属性】
技术研发人员：斋藤参郎，今西衞，山城兴介，岩见昌邦，
申请(专利权)人：斋藤参郎，
类型：发明
国别省市：日本;JP