Kodin sähkökäyttöprofiilin ja yksittäisten sähköisten laitteiden käytön tunnistaminen sähkönlaatumittarin datasta

Abstract

Tämän työn tavoitteena oli tutkia virran harmonisten yliaaltojen hyödyntämistä tehosuureiden lisäksi ei-intrusiivisessa laitetunnistuksessa. Työssä kerättiin kodin yleisimpien laitteiden sähköisistä sormenjäljistä koostuva aineisto, jonka avulla suoritettiin piirreanalyysi. Merkitykselliset piirteet valittiin lähimmän naapurin menetelmään perustuvan avoimen joukon luokittelijan tarkkuuden testaamiseen. Työssä suunniteltiin ja toteutettiin robusti ja itsekorjautuva laitetunnistusjärjestelmä, joka ottaa huomioon laitetunnistuksen yleiset ongelmakohdat, kuten tuntemattomat laitteet ja yhdenaikaiset tapahtumat.

Saadut tulokset osoittavat, että yksinkertaisella etäisyyteen perustuvalla luokittelijalla saavutetaan hyvä tunnistustarkkuus, kun hyödynnettyjen piirteiden määrä pidetään pienenä. Virran harmonisilla yliaalloilla havaittiin sekä laitteiden välistä että saman laitteen eri tilasiirtymien välistä erottelukykyä induktiivisilla ja kapasitiivisilla kuormilla. Laitetunnistuksen yleisimmät ongelmakohdat ratkaistiin käytännön sovellusten vaatimalla tarkkuudella. Lisäksi tarkastamalla ja korjaamalla jatkuvasti laitteiden virheellisiä tiloja saatiin väärien tunnistustulosten vaikutus minimoitua.

The goal of this thesis was to study incorporating current harmonics with power features to be used in non-intrusive appliance load monitoring. A data set consisting of the electrical signatures of the most common household devices was collected and used in a feature analysis. Significant features were chosen to test an open-set nearest neighbor classifier. A robust and self-correcting load monitoring system was developed which takes into account common problems such as unknown devices and concurrent events.

The results show that a simple distance based classifier achieves a good recognition accuracy when the amount of features is kept low. Current harmonics were able to distinguish between different devices as well as different state changes of the same device when the loads were inductive or capasitive. The most common problems in load monitoring were solved with high enough accuracy to be used in practical applications. Furthermore, the effects of inaccurate recognitions were succesfully minimized by continually detecting and rectifying impossible device states.