非侵入式负载监控（Non-intrusive load monitoring NILM）

      非侵入式负载监控（Non-intrusive load monitoring NILM）是仅根据整个房屋的功率计读数估算单个设备所消耗的能量的过程。换句话说，它仅通过一个整个房屋的电表就可以判断出各类电器使用的电量（比如空调，冰箱，白炽灯，荧光灯和电视机），知道了分类电器的用电情况，可以实现各种节能措施。

     所谓非侵入是指不需要进入房屋内部，安装各种计量设备，就可以检测内部各种电器的行为。该系统具有显著的成本优势，并且减少给顾客的麻烦。

 国外研究这个课题的还很多。包括了

开源项目Open Source Projects

开源数据集Open Datasets

公开发布的论文Published Research Papers

下面的网站记录的比较完整   http://nilm.ca/

我还发现了一个github 项目：https://github.com/nilmtk/nilmtk 下载了下来，还没有

兴趣者

美国的专利数反应了感兴趣的程度

大公司包括了IBM，Intel，GE，小公司包括4home, PlotWatt, Enetics, Navetas

算法

算法有各种各样的，大致分为两类

1 基于传统的方式

早在上世纪80年代末，美国电科院和MIT就已经开始进行相关理论研究，代表文献为：
Hart, G.W. Nonintrusive appliance load monitoring. IEEE Proc 1992, 80, 1870–1891.

 

通过用电功率变化的低速数据可以判断出来电器的类型，比如电冰箱，空调的功率是间隙变化启动和停止的。据此开发了相关的非侵入式负荷监测系统。但是当负荷种类和数量较多时，负荷监测的正确率大幅下降。

基本的方法是判断下面的曲线。

2 基于深度学习/神经网络方式

国外的商业化产品

我们以美国Enetics的speed 产品为例介绍商业化产品。

 

 

 数据采集

  和其他大数据分析项目一样，数据的采集非常重要。采集的数据大致是：

电压 ：幅度，频率，相位角

电流：幅度，频率，相位角

谐波信号：多届谐波信号

功率因子

数据包括了低速数据和高速数据两种。

采样频率

据Baranski2004年研究表明，典型的家庭的开关频次1000到10000次，（冰箱和空调是间隙开关的）。

       数据检测设备

          如果直接通过电表采集数据，可能速度，精度和参数类型不够，个人觉得使用专用仪表姚好一点，比如采集的方式可以使用电能分析仪，福禄克 称为电能质量记录仪。好像价格不便宜。

      如果采集的数据用于神经网络的训练，我想还需要加上实际电器的开关情况。那就要采集各类电器的开关信息。数据采集工作是非常耗费时间和资金的事情，但是有了数据相当于成功了一般。

我个人感觉。这是一个比较好的AI 项目。