• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.632-637
• /
• 2020

비간섭적 개별 전기 기기 부하 식별(NILM)은 단일 미터기에서 측정한 총 소비 전력을 사용하여 가정이나 회사에서 개별 전기 기기의 소비 전력과 사용 시간을 효율적으로 모니터링할 수 있는 방법이다. 본 논문에서는 스마트팜의 소비 전력 데이터 취득 시스템에서 LTE 모뎀을 통해 서버로 수집된 총 소비 전력량, 개별 전기 기기의 전력량을 HDF5 형태로 변환하고 NILM 분석을 수행하였다. NILM 분석은 오픈소스를 사용하여 잡음제거 오토인코더(Denoising Autoencoder), 장단기 메모리(Long Short-Term Memory), 게이트 순환 유닛(Gated Recurrent Unit), 시퀀스-투-포인트(sequence-to-point) 학습 방법을 사용하였다.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.679-685
• /
• 2011

본 연구에서는 가정 내 모든 기기가 연결된 하나의 전력선을 모니터링 하여 그 전력선에 연결된 기기 각각의 젼력 소비 상황을 모니터링 하는 NILM(Non-Intrusive Load Monitoring) 시스템 구축에 필요한 신호 분석 알고리즘에 대한 연구를 수행하였다. 본 연구에서 제안한 신호 분석 알고리즘은 전력선에서 관찰된 여러 기기의 전력 소비 패턴이 혼합된 혼합 전력 패턴을 복수개의 시간 구간으로 분리하고, 연속된 시간 구간 사이의 신호 차이를 구한 후, 이 차이 신호를 분석하여 어떤 장치가 현재 시간 구간에서 동작 중인지를 알아낸다. 이 때 시간 구간을 충분히 작게 하고, 신호 분석에 사용되는 특징들이 독립적이고 additivity 특징을 가지도록 선정한다면, 이 차이 신호에는 한 장치의 특징만이 남아 있으므로, 동시에 동작할 수 있는 장치 조합의 수 $2^N$개가 아닌 장치 N 개에 해당하는 특징만을 이용하여 혼합 신호를 분석할 수 있다. 이를 통하여 장치 개수가 증가하더라도 연산량 역시 산술적으로 증가하는 합리적인 확장성을 확보할 수 있다. 실제 가정에서 각 장치의 데이터 패턴을 채집한 후 이를 인위적으로 조합하여 만든 실험 데이터를 활용하여 제안한 방법을 검증하였다. 검증 결과 4개의 장치가 동시에 동작하고 그 장치의 특징들이 제안한 알고리즘에서 제시한 기준을 만족하는 경우, 비록 제한된 실험이었지만 완벽한 분류 성공률을 보였다. 제안된 알고리즘을 실제 사용하기 위해서는 장치의 수를 증가하고, 시간 구간을 조정하며, 신호 혼합 패턴을 다양하게 한 실증적인 연구가 더 필요하다. 하지만 이 경우 본 연구에서 제안한 기준을 만족하는 특징을 선택한다면, 그렇지 않은 경우에 비하여, 일정 정도 성능이 보장되는 NILM 시스템을 구축할 수 있을 것으로 기대된다.

• Journal of Electrical Engineering and Technology
• /
• 제8권3호
• /
• pp.572-580
• /
• 2013

Power metering and monitoring system is a basic element of Smart Grid technology. This paper proposes a new Non-Intrusive Load Monitoring (NILM) method for a residential buildings sector using the measured total active power consumption. Home electrical appliances are classified by ON/OFF state models, Multi-state models, and Composite models according to their operational characteristics observed by experiments. In order to disaggregate the operation and the power consumption of each model, an algorithm which includes a switching function, a truth table matrix, and a matching process is presented. Typical profiles of each appliances and disaggregation results are shown and classified. To improve the accuracy, a Time Lagging (TL) algorithm and a Permanent-On model (PO) algorithm are additionally proposed. The method is validated as comparing the simulation results to the experimental ones with high accuracy.

• 한국인터넷방송통신학회논문지
• /
• 제21권4호
• /
• pp.109-116
• /
• 2021

본 논문은 분산자원 집합 거래시장의 활성화와 에너지 관리의 중요성이 증가되면서 에너지 관리 모니터링 기술로서 합산된 전체 전력으로부터 각각의 가전제품의 전력을 찾아내는 비 침입 부하 모니터 기법을 제안한다. 본 논문에서는 데이터 전처리를 통해 각 가전제품들의 power on-off상태가 나오도록 한다. 이러한 데이터를 LSTM을 모델로 사용하여 각 가전제품들의 power on-off 상태를 예측한다. 예측한 상태들을 데이터 후처리를 한 후, 실제 상태들과 비교하여 정확도를 측정한다. 본 논문에서는 전자제품의 개수, 데이터 후처리 방법과 Time step size를 다르게 하여 정확도를 측정하여 비교한다. 전자 제품의 개수가 6개이고, Round함수로 데이터 후처리 방법을 사용하고, Time step size는 6으로 설정하였을 때, 가장 높은 정확도가 나온 것으로 측정되었다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.322-325
• /
• 2019

비간섭 전력부하 감시 알고리즘은 메인선의 총 전력 사용량만으로 개별 전기 기기들의 전력 사용량을 추론할 수 있다. 이런 알고리즘을 개발하기 위해서는 개별 기기의 전력사용 패턴 데이터와 이들 기기의 다양한 조합 전력사용 패턴 데이터가 필요하다. 본 논문에서는 스마트팜용 비간섭 전력부하 감시 알고리즘개발에 필요한 전력사용 패턴 데이터 취득시스템 개발방법을 제시하였다. 데이터 취득시스템은 매초마다 개별 전기 기기들의 전력 사용량과 다양한 조합의 시나리오에 따른 전력 사용량을 동시에 측정할 수 있도록 되어 있다. 측정된 데이터는 LTE 망을 통하여 스마트팜 외부에서 원격으로 모니터링이 가능하며, 측정된 데이터는 외부 서버에 저장된다.

• 대한임베디드공학회논문지
• /
• 제10권4호
• /
• pp.213-219
• /
• 2015

Real-time energy monitoring systems is a demand-response system which is reported to be effective in saving energy up to 12%. Real-time energy monitoring system is commonly composed of smart-plugs which sense how much electrical power is consumed and IHD(In-Home Display device) which displays power consumption patterns. Even though the monitoring system is effective, users should themselves match which smart plus is connected to which appliance. In order to make the matching work to be automatic, the monitoring system need to have appliance identification algorithm, and some works have made under the name of NILM(Non-Intrusive Load Monitoring). This paper proposed an algorithm which utilizes multiple classifiers to improve accuracy of appliance identification. The algorithm proposes to understand each classifiers performance, that is, when a classifier make a result how much the result is reliable, and utilize it in choosing the final result among result candidates from many classifiers. By using the proposed algorithm this paper make 4.5% of improved accuracy with respect to using single best classifier, and 2.9% of improved accuracy with respect to other method using multiple classifiers, so called CDM(Commitee Decision Mechanism) method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.45-46
• /
• 2015

가전기기별 에너지 사용정보를 제공함으로써 가정에서 효율적인 에너지 사용을 유도할 수 있다. 가전기기별 사용정보를 효과적으로 제공하기 위해서는 NILM (Non-Intrusive Load Monitoring) 기법이 필요하다.본 논문에서는 개별 가전기기 분류단계에서 쓰이는 DTW(Dynamic Time Warping) 기법을 소개한다. DTW 기법은 다른 두 시계열 데이턴간의 유사도를 측정하는 패턴인식 기법 중 하나이다. 이 유사도를 이용하여 가전기기의 동작여부를 판별하고 분류를 수행한다.

• 한국융합학회논문지
• /
• 제12권2호
• /
• pp.21-28
• /
• 2021

본 연구에서는 가전기기 5종에 대해 실제 측정 전력 데이터를 이용하여 딥러닝 기반의 NILM 기법을 제안하고 그 효용성을 검증 하고자 한다. 약 3주간 중앙 전력 측정 장치 및 5종 가전기기(냉장고, 인덕션, TV, 세탁기, 공기청정기)의 유효전력을 개별 측정하였다. 실측 데이터의 전처리 방법을 소개하고 Spectogram 분석을 통해 가전 기기별 특징을 분석하였다. 가전기기별 특징을 학습 데이터셋으로 구성하였다. 중앙 전력 측정 기기와 가전기기 5종에서 측정된 모든 전력 데이터를 시계열 매핑하여 시계열 데이터 분석에 우수한 RNN 계열의 LSTM 신경망을 이용해 학습을 수행하였다. 메인 중앙 전력 측정 장치의 전력 데이터만으로도 5종 전력 신호를 분해해낼 수 있는 알고리즘을 제안하였다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제9권2호
• /
• pp.1-10
• /
• 2017

The high costs of electric vehicle supply equipment (EVSE) and installation are currently a stumbling block to the proliferation of electric vehicles (EVs). The cost-effective solutions are needed to support the expansion of charging infrastructure. In this paper, we develope EV charging system based on the big data analysis of the power consumption patterns. The developed EV charging system is consisted of the smart EV outlet, gateways, powergates, the big data management system, and mobile applications. The smart EV outlet is designed to low costs of equipment and installation by replacing the existing 220V outlet. We can connect the smart EV outlet to household appliances. Z-wave technology is used in the smart EV outlet to provide the EV power usage to users using Apps. The smart EV outlet provides 220V EV charging and therefore, we can restore vehicle driving range during overnight and work hours.