采用有限状态机建模以识别多种不同电负载类型中的一种电负载类型的方法和系统

摘要

一种用于多种不同电负载类型的系统。系统包括被构造为感测不同电负载中的每一个电负载的电压信号和电流信号的多个传感器(V，I)；和处理器(21)。处理器从传感器中获取(22)不同电负载类型中的对应一种电负载类型的电压和电流波形；计算(24)波形的功率或电流RMS分布；将功率或电流RMS分布量化(26)成一组量化的状态值；评估(28)所量化的状态值中的每一个所量化的状态值的状态持续时间；基于功率或电流RMS分布和所量化的状态值，评估(30)多个状态类型；生成(32)描述对应电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态序列；以及识别对应的电负载类型。

说明书

相关申请的交叉引用

本申请要求于2013年6月3日提交的美国专利申请序列号No. 13/908,263的优先权和权益，其通过引用合并到本文。

本发明在国家能源技术实验室能源部授予的DE-EE0003911的政府支 持下做出的。政府具有该发明的某些权利。

技术领域

所公开的概念一般涉及电负载，并且更特别地涉及用于识别不同类型 的电负载的方法。所公开的概念还涉及用于识别不同类型的电负载的系统。

背景技术

在商业或住宅建筑中，插入式负载的使用占到了大约总建筑电消耗的 36％。插入式负载的有效管理可帮助用户获得高达总建筑能耗的大约7％ 到大约15％的节能潜力。但是，通常忽视了建筑内插入式负载的功率消耗 监测和能量管理。因为经常观测到的有害跳闸导致用户的不便以及对电器 的潜在损坏，并且相应地降低所采用的解决方案的符合率，所以不认为现 存插入式负载控制和管理产品(例如可控电源板)是有效的解决方案。造 成这种问题的主要原因之一是缺少对插入式负载的实际使用状态的可见 性。

为了得到插入式负载的有效控制和管理，以及确保持续的节能措施， 建筑物设施管理员和终端用户已认识到需要清楚在建筑物内所使用的插入 式负载的类型和操作状态。换句话说，期望通过负载类型获得对插入式负 载的能量使用的更精细的可见性。

美国专利申请公开号No.2013/0138669，名称为“SystemAndMethod EmployingAHierarchicalLoadFeatureDatabaseToIdentifyElectric LoadTypesOfDifferentElectricLoads”，其通过引用并入本文，其公开了 采用分级负载特征数据库和分类结构作为用于优化特征选择的模型驱动指 导的系统和方法。

存在识别不同电负载类型的方法的改进空间。

同样存在用于识别不同电负载类型的系统的改进空间。

发明内容

通过所公开概念的实施例满足这些和其它需求，其生成描述不同电负 载类型中的对应一种电负载类型的广义负载启动或瞬态分布的对应有限状 态机模型的状态序列；并且识别不同电负载类型中的对应一种电负载类型。

根据所公开概念的一个方面，用于多种不同电负载类型的系统包括： 多个传感器，其被构造为感测不同电负载中的每个电负载的电压信号和电 流信号；以及处理器，其被构造为：从传感器获取不同电负载类型中的对 应一种电负载类型的电压和电流波形；计算波形的功率或电流RMS分布； 将功率或电流RMS分布量化成一组量化的状态值；评估所量化的状态值 中的每一个量化的状态值的状态持续时间；基于功率或电流RMS分布和 所量化的状态值来评估多个状态类型；生成描述不同电负载类型中的对应 一种电负载类型的广义负载启动或瞬态分布的对应有限状态机模型的状态 序列；以及识别不同电负载类型中的对应一种电负载类型。

作为所公开概念的另一个方面，用于多个不同电负载类型的有限状态 机建模方法包括：获取不同电负载类型中的对应一种电负载类型的电压和 电流波形；计算波形的功率或电流RMS分布；将功率或电流RMS分布量 化成一组量化的状态值；评估所量化的状态值中的每个量化的状态值的状 态持续时间；基于功率或电流RMS分布和所量化的状态值来评估多个状 态类型；通过处理器生成描述不同电负载类型中的对应一种电负载类型的 广义负载启动或瞬态分布的对应有限状态机模型的状态序列；以及识别不 同电负载类型中的对应一种电负载类型。

附图说明

当结合附图阅读时，可从下述优选实施例的描述中得到本公开概念的 完整理解，在附图中：

图1是根据本公开概念的实施例的用于建模负载简档的状态的框图；

图2-4是根据本公开概念的实施例的分别包括尖峰、步升状态(步骤 R状态)以及间歇状态的电流与时间图；

图5是用于根据本公开概念的实施例的采用有限状态机(FSM)模型 的电流与时间图；

图6是示出应用到图5的电流与时间图的FSM模型的图；

图7是根据本公开概念的实施例的FSM建模的过程的流程图；

图8是图7的FSM建模过程的所提取的功率/电流分布的图；

图9是图8中提取的功率/电流分布的量化；

图10是从图9的所量化的功率/电流分布生成的状态序列；

图11是图10的所生成的状态序列的FSM表述；

图12是图11的所生成的状态序列的时间表；

图13A和13B，14A和14B，15A、15B、15C和15D是根据本公开 概念的实施例的分别用于显示器/电视、个人计算机、电扇、空间加热器、 微波炉和碎纸机的所生成的状态序列的时间图；

图16是微波炉处于60秒重新加热模式中的电流与时间图；

图17是根据本公开概念的实施例的包括相同重复模式的电流与时间 图；

图18是根据本公开概念的实施例的包括重复的步升/步降模式的电流 与时间图；

图19是根据本公开概念的实施例的包括尖峰引导的重复模式的电流 与时间图；

图20是根据本公开概念的实施例的正充电的特定笔记本电脑的伴有 对应的事件序列、特征和周期性特征的电流与时间分布；

图21是根据本公开概念的实施例的执行双面打印的特定打印机的伴 有对应的事件序列、特征和周期性特征的电流与时间分布；

图22是根据本公开概念的实施例的在启动期间的特定LCD电视的伴 有对应事件序列、特征和周期性特征的电流与时间图。

具体实施方式

本文中使用的术语“数量”将意为一或大于一的整数(即，多个)。

本文中使用的术语“处理器”将意为可存储、获取并处理数据的可编程 模拟和/或数字设备；计算机；工作站；个人计算机(PC)；控制器；数 字信号处理器(DSP)；微处理器；微控制器；微计算机；中央处理单元； 主机计算机；迷你计算机；服务器；网络处理器；或任何适当的处理装置 或设备。

虽然公开了与示例负载和示例负载特征相关联的本公开概念，但本公 开概念适用于宽范围的负载和宽范围的负载特征。

本公开概念实现用于插入式负载的自动识别技术，并且如公开号 No.2013/0138669所公开的可寻址2级负载子类别识别。层级负载特征数据 库包括三层，但是可采用多于三层。第一层或级是负载类别，第二层或级 (2级)是负载子类别，并且第三层或级是包括多种不同负载类型的负载 类型。

第一级的负载类别的非限制性示例包括电阻负载、电抗负载、具有功 率因数校正的非线性、不具有功率因数校正的非线性、具有变压器的非线 性、具有相位角控制的非线性以及复合结构。

第二级的负载子类别的非限制性示例包括电阻负载，诸如照明工具、 厨房电器和个人护理电器；电抗负载，诸如线性电抗负载和具有机器饱和 的非线性；具有功率因数校正的非线性，诸如大显示器、电视装置和其它 大的消费者电子设备；不具有功率因数校正的非线性，诸如成像设备、小 显示器和电视、个人计算机(PC)、具有电池充电器的电子负载、照明负 载和其它小电子设备；具有变压器的非线性，诸如不具有电池充电器的小 电子设备和具有电池充电器的其它电子设备；以及复合结构，诸如微波炉。

第三级的负载类型的一些非限制性示例是用于照明工具的白炽灯(＜ 100W)，和用于厨房和个人护理电器的烤面包机、空间加热器和其它电 器。

已认为插入式负载的自动识别是富有挑战性的任务。主要原因之一是 例如具体是办公室电器和PC的这些类型的负载经常共享非常相似的稳态 特性，因为它们经常共享相似的前端电子拓扑和/或由标准DC电源供电。 这种相似性展现了通过基于稳态特征分析的现有方法而得到这些负载类型 的有意义的负载识别方案的难点。

然而插入式负载(例如但不限于办公室电器和电子设备)全部被限定 为实施针对终端用户的特定功能。相同类型(或功能类型)的负载共享相 似的操作原理，这与负载内部的组件针对特定功能如何协作或如何彼此交 互紧密相关。各种负载的操作原理帮助限定在启动期间的负载简档，和/ 或确定负载何时处于特定功能状态。插入式负载的启动简档可用于更精细 地区分负载。

例如当比较不同类型的负载的电流与时间波形时(例如但不限于台式 机PC；LCD电视；扫描器)，稳态电流波形(如在相对较少数量的电力 线循环上所采集的)在这些类型的负载中几乎是相同的。然而它们的启动 简档(例如，如在几十秒或几分钟上所测量的)示出彼此不同的明显差异。 相似地，相同类型的办公室电器和PC在启动期间共享电流与时间分布的 相似操作行为(例如，来自不同制造商的笔记本电脑的启动；来自不同制 造商的LCD显示器的启动；来自不同制造商的打印机在复制过程期间的 启动)。在相同类型的插入式负载中的该所观测到的共性主要是因为位于 该相同类型的负载内的组件针对特定功能以相似方式彼此协作，或换句话 说它们共享相似的操作原理。

负载识别的各种现有提议已经在相对较少数量的电力线循环上使用了 负载启动瞬时信息(例如但不限于在美国每个循环1/60秒)。认为大部分 现有方法在该启动瞬时周期期间检测稳定功率水平转变或高频谐波分量。 但是认为所检测的信息从未与特定负载类型的操作原理关联，并且展现出 将其推广到实际环境中更大规模的负载组的难点。

本公开概念应用有限状态机(FSM)以便基于其内在操作原理描述负 载类型的广义负载启动/瞬态分布。FSM通常由有限数量的状态、一组动 作和状态之间的一组状态转变组成。状态转变是从一个状态开始并且在另 一状态结束的动作。如果开始状态和结束状态相同，则称其为自状态 (self-state)转变。由预定义事件或条件来触发状态转变。

图1示出当建模负载简档时所采用的状态2的概念。可通过但不限于 电流峰值、电流RMS、即时功率消耗、V-I轨迹特征和/或任何适当的功率 -质量相关特征(例如但不限制于电流谐波；电流-电压相位角)将状态特 征化。

当通过使用FSM建模插入式负载的启动瞬态时，通常限定为开始状 态。例如且不限于认为功率消耗或电流RMS为状态特征，并且可通过低 于5W的功率消耗或低于0.1A的电流RMS的阈值来限定负载的关闭/待机 状态作为开始状态。

为了通过FSM建模相对时间的长期负载简档，存在一些原则，包括： (1)FSM模型从关闭/待机模式开始(即开始状态)；(2)在实时的周 期式基础上分析电压和电流波形，并且将电压和电流波形与在先的若干循 环进行比较；(3)如果在两个相邻循环之间的电流RMS(或功率消耗) 的变化低于10％(或任何适当的预定百分比或差值)，则认为这两个相邻 循环处于相同状态；(4)如果在两个相邻循环之间的电流RMS(或功率 消耗)的变化大于10％(或任何适当的预定百分比或差值)，则限定当前 循环为新状态；以及(5)状态值是进入当前状态的第一个循环的即时电流 RMS。当前状态持续多久的循环数量是状态持续时间。

对于插入式负载FSM建模，将五种状态类型进行如下限定：(1)稳 态：如果FSM保持特定状态至少5秒(或任何适当的预定时间)；(2) 半稳态：如果FSM保持特定状态至少一秒(或任何适当的预定时间)， 但是低于5秒(或任何适当的预定时间)；(3)尖峰：如果当前循环的功 率水平大于在先循环的功率水平的1.85(或任何适当的预定值)倍，保持 高值仅一个或两个以上的循环(或任何适当预定值)，并且然后跳回到低 功率水平；(4)步升状态(或步R状态)：如果功率水平上升到大于上 升之前的功率水平的1.85(或任何适当预定值)倍的高值进一步达一个或 两个循环(或任何适当的预定时间)内，并且保持高值多于一秒(或任何 适当预定时间)；以及(5)间歇状态(中间状态)：在任何以上限定的状 态之间的未定义状态；这一般表示具有相对小方差的幅值及相对短的状态 持续时间(即低于1秒(或任何适当预定时间))的相当频繁的状态变化。 稳态和半稳态通常为限定负载简档的主要趋势的状态。尖峰、步R状态和 中间状态是描述功率波动和短期转变的短期状态。

图2-4示出了尖峰4、步R状态6和中间状态8的示例。

图5示出了示例电流与时间的图10，并且图6示出了描述LCD电视 60秒的启动操作的对应FSM模型12的示例。相应地，事件“电力↑ (POWER↑)”指即时功率/电流增加，“电力↓”(未示出)指即时功率/电 流降低以及“电力”指即时功率/电流不变。特别地，在图5和6中示出四 个“电力↑”事件13、14、15、16。

通过FSM建模长期(或启动和瞬时)观测的主要优点在于FSM能够 通过允许自状态转变来提取重复模式并减少复制的状态和转变。例如，当 激光打印机正执行多页打印工作时，重复电流信号中的相似模式。通过打 印一页生成每种模式。每个重复模式可能不是正好相同的，并且重复模式 之间的时间持续实际上也不是正好等同的，这引入对其提取并建模的额外 难度。但是，FSM可通过状态转变提取公共模式并消除自状态转变的时间 影响。

图7示出了通过处理器21对插入式负载的负载启动/操作行为建模所 执行的FMS建模过程20。过程20包括在22从处理器21的电压(V)和 电流(I)传感器获取被测试的负载的电压和电流波形；在24，计算所测 量的波形的功率或电流RMS分布；在26，将功率或电流RMS分布量化 成一组量化的状态值；在28，评估每个量化状态的状态持续时间；在30， 基于当前和在先的所量化的状态来评估状态类型；以及在32，生成描述 FSM模型的状态序列。

图8-11示出了用于等离子电视的图7的FSM建模过程20的非限制示 例，包括量化的电流波形和生成的状态。在第一步骤中，如图8所示，获 取并计算(图7的步骤22和24)等离子电视60秒(或任何适当预定时间) 的启动操作的功率/电流分布34。图9示出了第二步骤，功率/电流分布量 化(图7的步骤26)，包括实际电流36相对时间以及量化电流38相对时 间。在第三步骤中，如图10所示，生成状态序列39(图7的步骤28、30 和32)。最后的步骤是FSM表达40，如图11所示。

简言之，生成的信息是包含三个信息段的状态序列：(1)状态类型； (2)状态值；和(3)状态持续时间。表1示出了图11的示例FSM表述 40的细节。

表1

状态类型 状态值(A) 状态持续时间(S) 备用 0.021 0.2 尖峰 7.20 0 尖峰 7.10 0 尖峰 7.20 0 半稳态 0.38 1.5 半稳态 0.48 1.7 尖峰 2.10 0 稳态 0.75 5.6 半稳态 1.00 1.9 尖峰 1.60 0 半稳态 0.83 0.8 稳态 2.74 22.1 稳态 2.74 7.1 半稳态 2.00 3.5 半稳态 2.75 3.2 稳态 2.51 7.0

来自生成的状态序列的有意义的特征提取建立各种不同插入式负载的 各种不同FSM模型之间的区别。以下是一些非限制性示例候选特征：(1) 尖峰的数量；(2)半稳态的数量；(3)稳态的数量；(4)半稳态总时间 与总观测时间的比；(5)稳态总时间与总观测时间的比；(6)每秒所量 化的状态的数量；以及(7)重复的状态序列的数量。

生成的状态序列还可由如图12中所示的示例状态序列的时间图42来 表述。X轴是量化状态的指数。正半平面的Y轴是状态值(电流RMS(A))， 负半平面的Y轴是状态持续时间(秒(S))。每个数据点代表一个状态。

图13A和13B和14A和14B分别示出了用于显示器/电视的时间图44、 46的示例和PC的时间图48、50的示例。

图15A-15D分别示出了针对电扇、空间加热器、微波炉和碎纸机的时 间图52、54、56、58的示例。

这些时间图提供相同类型的负载之间的可视相似性，但是在相同时间 示出了不同类型的负载之间的显著区别。

以上第七特征(即重复的状态序列的数量)采用重复模式的存在的检 测，以及该子序列的重复次数的检测。作为定义，一个状态子序列是指序 列状态的子集。为了识别重复的模式，重要的是理解子序列如何相似。可 以考虑以下特性：(1)稳态和/或半稳态的状态值；(2)稳态和/或半稳态 的状态持续时间；以及(3)状态类型。

例如，诸如示例重新加热模式的操作模式中，针对特定类型的微波炉， 图16示出了60秒重新加热模式中微波炉的电流相对时间的波形60。

以上的相似性和区别可通过上述的其它特征(1)至(6)来量化，其 可通过时间图(例如图12、13A、13B、14A、14B、14C和14D)导出。 示例插入式负载的特征值在下面示出。表2中给出生成的状态序列。

表2

状态类型 状态值(A) 状态持续时间(S) 稳态 15.36 25.1 半稳态 0.47 1.5 稳态 15.37 27.6 半稳态 0.47 1.6 半稳态 14.6 2.1

理想地，在观测下辨识状态序列的重复模式的目的应当包括至少三个 子序列，每一个子序列共享相似的状态值、相同状态类型的状态持续时间。 在以上示例中，在表2的前四行中观测到重复模式稳态→半稳态出现两次。

现在描述插入式负载的重复模式的三个非限制性示例。首先，可存在 (几乎)等同的重复模式。在该情况中，一个状态(例如稳态或半稳态) 在状态序列中重复出现，伴有在其之间可能的一个或一些间歇状态。状态 值和状态持续时间在观测下的整个时间周期期间保持近似恒定(例如，这 三个值中的每一个值的幅值变化被限制在例如-5％或其它任何适当的预定 值)。在图17的电流与时间的波形62中示出该重复模式的非限制性示例。 表3中示出了生成的状态序列(不包括中间状态)，其中3-6行表示所辨 识出的重复模式。

表3

状态类型 状态值(A) 状态持续时间(S) 稳态 0.33 19.7 半稳态 0.53 2.1 稳态 0.66 5.8 稳态 0.67 5.8 稳态 0.67 5.8 稳态 0.68 5.8 半稳态 0.67 3.7

其次，可存在步升/降重复模式。在该情况中，具有步升/降状态值和状 态持续时间的半稳态和/或稳态的子序列在状态序列中重复出现。对应的半 稳态和/或稳态的状态值和状态持续时间在数字上保持相近。与(近似)等 同的重复模式的情况相似，可以出现间歇状态和尖峰事件。图16的示例的 电流相对时间的波形60落入该类别。图18示出了该模式的电流相对时间 的波形64中的另一示例。在该示例中打印工作重复8次。表4示出了生成 的状态序列。

表4

在组合具有几乎等同的状态值的相邻半稳态(即，具有状态值13.96A 和13.71A的半稳态)之后，图4中所指出的重复状态的子序列表示可辨识 的重复模式。在该示例中，可观测并检测具有状态值和状态持续时间的步 降模式的七个子序列。随着打印机刚从待机模式转变到激活模式，前几个 步降子序列具有相对较高的步前状态值和状态持续时间，即14.70A、13.96A 和14.09A。当打印机处于稳定的激活模式时，后三个子序列具有相对较小 但几乎等同的步前状态值，13.72A/3.25S,13.54A/3.2S,以及13.57A/3.27S。 步后状态值保持接近2A并且步后状态持续时间保持接近1.2S。

第三，可存在尖峰引导的重复模式。在该情况中，在状态序列中观测 到由一个或两个尖峰引导的重复的状态子序列。注意在该情况中，状态持 续时间和重复模式的循环时间在所观测的状态序列中都不是恒定的。状态 值也随时间变化。在图19的电流相对时间的波形66中示出该模式的示例。 在观测下的时间持续期间发生了6次打印操作。在表5中示出生成的状态 序列。

表5

重复的状态子序列在图5中示出从而表示可辨识的重复模式。

对于以上第二及特别是第三种情况，相对更长期的统计评估(例如但 不限于步升/步降比和/或循环时间的均值和方差)用于当重复的行为与第一 种情况不一致时可靠地检测重复模式。

可将一些典型插入式负载的FSM模型认作为示例。在以下序列中表 示出所生成的FSM特征：(1)尖峰的数量；(2)半稳态的数量；(3) 稳态的数量；(4)半稳态总时间与总观测时间的比；(5)稳态总时间与 总观测时间的比；以及(6)每秒量化状态的数量。

图20示出了针对正充电的特定笔记本电脑的电流相对时间分布68、 对应事件序列70、对应特征72和任意周期性模式74。

图21示出了针对执行双面打印的特定打印机的电流相对时间分布76、 对应事件序列78、对应特征80和任意周期性模式82。

图22示出了针对启动期间的特定LCD电视的电流相对时间分布84、 对应事件序列86、对应特征88和任意周期性模式90。

表6概述了用于区别并分类各种插入式负载的各种FSM特征的非限 制性示例。

表6

本公开的概念可与以下任意或全部的教导结合使用：(1)美国专利申 请公开号No.2013/0138651，名称为“SystemAndMethodEmployingA Self-OrganizingMapLoadFeatureDatabaseToIdentifyElectricLoad TypesOfDifferentElectricLoads”；(2)美国专利申请公开号No. 2013/0138661，名称为“SystemAndMethodEmployingAMinimum DistanceAndALoadFeatureDatabaseToIdentifyElectricLoadTypes OfDifferentElectricLoads”；以及(3)2012年8月29日提交的美国专利 申请序列号No.13/597,324，名称为“SystemAndMethodForElectricLoad IdentificationAndClassificationEmployingSupportVectorMachine”，该 全部内容通过引用并入本文。

从公开的FSM模型中提取的所生成的FSM特征可被用作为已经在上 面三篇专利申请中公开的类别和识别系统的输入从而导出观测下的负载的 类型/类别。参考公开号No.2013/0138669中所公开的分级负载识别架构， 所公开的概念可被应用于提供2级负载子类别识别所需要的特征，以识别 不同电负载类型中的对应一种电负载类型。

在已经详细描述本公开概念的具体实施例的同时，本领域的技术人员 将理解根据本公开的整体教导可以对这些细节发展多种修正和替换。因此， 所公开的特定布置仅意为说明而非对所公开概念的范围的限制，所公开概 念的范围将在所附权利要求及其所有等同整体给出。