Algorytm wyznaczania sygnatury odbiornika energii elektrycznej z wykorzystaniem transformaty falkowej

• Autorzy: Wójcik A. , Winiecki W. , Łukaszewski R.

Identyfikatory

DOI

10.15199/48.2018.11.09

Warianty tytułu

EN

The algorithm of determining pattern of electrical appliance based on wavelet transform

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano algorytm wyznaczania sygnatur urządzeń elektrycznych poprzez charakteryzację stanów przejściowych występujących podczas włączania urządzeń. Do przetwarzania sygnału prądu wykorzystano transformatę falkową dedykowaną do analizy sygnałów niestacjonarnych. Przedstawiono sposób obliczania parametrów liczbowych charakteryzujących urządzenia oraz przykładowe wyniki badań eksperymentalnych. Zaproponowano metodę oceny jakości wyznaczonych sygnatur.

EN

The paper presents an algorithm for determining features of electrical appliances by characterizing switch-on transients. A wavelet transform dedicated to non-stationary signals analysis was used for current signal processing. The method of numeric parameters calculations characterizing devices and some results of experiments are presented. A method for patterns evaluation has been proposed.

Słowa kluczowe

PL

NIALM; transformata falkowa; stany przejściowe; rozkład zużycia energii elektrycznej

EN

NIALM; wavelet transform; transients; electricity consumption disaggregation

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2018
• Tom: R. 94, nr 11
• Strony: 39--42
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Wójcik A.

• Politechnika Warszawska, Instytut Radioelektroniki i Technik Multimedialnych, ul. Nowowiejska 15/19, 00-665 Warszawa

autor

Winiecki W.

• Politechnika Warszawska, Instytut Radioelektroniki i Technik Multimedialnych, ul. Nowowiejska 15/19, 00-665 Warszawa

autor

Łukaszewski R.

• Politechnika Warszawska, Instytut Radioelektroniki i Technik Multimedialnych, ul. Nowowiejska 15/19, 00-665 Warszawa

Bibliografia

• [1] Rasolomampionona D., Kowalik R., Gontarz K., Januszewski M., The construction and operation of some examples of MERGING UNITS, ENERGYCON 2014 - IEEE Int. Energy Conf., (2014), 779–785.
• [2] Liszewski K., Łukaszewski R., Kowalik R., Nogal Ł., Winiecki, W., Different appliance identification methods in Non-Intrusive Appliance Load Monitoring, in Advanced Data Acquisition and Intelligent Data Processing, (2014), V. Haasz and K. Madani, Eds. Aalborg, Denmark: River Publishers, 2014, 31–58.
• [3] Hart G.W., Nonintrusive Appliance Load Monitoring, Proc. IEEE, 80 (1992), n.12, 1870–1891.
• [4] Kolter Z., Jaakkola T., Kolter J.Z., Approximate Inference in Additive Factorial HMMs with Application to Energy Disaggregation, Artif. Intell. Stat., (2012), 1472–1482.
• [5] Egarter D., Elmenreich W., Autonomous load disaggregation approach based on active power measurements, 2015 IEEE Int. Conf. Pervasive Comput. Commun. Work., (2015), 293–298.
• [6] Jiang L., Luo S., Li J., Automatic power load event detection and appliance classification based on power harmonic features in nonintrusive appliance load monitoring, Proc. 2013 IEEE 8th Conf. Ind. Electron. Appl. ICIEA 2013, (2013), 1083–1088.
• [7] Reinhardt A., Burkhardt D., Zaheer M., Steinmetz R., Electric appliance classification based on distributed high resolution current sensing, IEEE 37th Conf. onLocal Comput. Networks Work. (LCN Work. 2012, (2012), 999–1005.
• [8] Wójcik A., Winiecki W., Kowalik R., Characterization of electrical appliances based on their immitance, Conf. Photonics Appl. Astron. Commun. Ind. High-Energy Phys. Exp., 10031 (2016), 1–8.
• [9] Bilski P., Liszewski K., Winiecki W., Przegląd i perspektywy zastosowań sztucznej inteligencji w nieinwazyjnej identyfikacji odbiorników energii elektrycznej, Przegląd Elektrotechniczny, 90 (2014), n.11, 11–13.
• [10] Mauch L., Barsim K.S., Yang B., How well can HMM model load signals, Proceeding 3rd Int. Work. Non-Intrusive Load Monit. (NILM 2016), (2016), n.6.
• [11] Kulkarni A.S., Harnett C.K., Welch K.C., EMF signature for appliance classification, IEEE Sens. J., 15 (2015), n.6, 3573–3581.
• [12] Basu K., Debusschere V., Bacha S., Nonintrusive Load Monitoring : A Temporal Multilabel Classification Approach, 11 (2015), n.1, 262–270.
• [13] Zeifman M., Roth K., Nonintrusive appliance load monitoring: Review and outlook, IEEE Trans. Consum. Electron., 57 (2011), n.1, 76–84.
• [14] Bilski P., Winiecki W., Generalized Algorithm for Non-intrusive Identification of Electrical Appliances in the Household, 9th IEEE Int. Conf. Intell. Data Acquis. Adv. Comput. Syst. Technol. Appl., (2017), 730–735.
• [15] Henao N., Agbossou K., Kelouwani S., Dube Y., Fournier M., Approach in Nonintrusive Type i Load Monitoring Using Subtractive Clustering, IEEE Trans. Smart Grid, 8 (2017), n.2, 812–821.
• [16] Patel S.N., Robertson T., Kientz J.A., Reynolds M.S., Abowd G.D., At the Flick of a Switch: Detecting and Classifying Unique Electrical Events on the Residential Power Line, UbiComp 2007 Ubiquitous Comput., (2007), 271–288.
• [17] Daubechies I., Ten Lectures on Wavelets, IEEE Symp. Comput. Med. Syst., 61 (1992), 357.
• [18] Chritopher T., Compo G.P., A practical guide to wavelet analysis, Bull. Am. Meteorol. Soc., 79 (1998), n.1, 61–78.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).