Die Erfindung betrifft ein Verfahren zur Erkennung von in einem Versorgungsnetz vorhandenen diversen technischen Verbrauchern und deren Verbrauchsverhalten sowie eine Vorrichtung zur Durchführung dieses Verfahrens. Dabei soll sich der Einsatz des Verfahrens und der Vorrichtung insbesondere auf Privathaushalte sowie kommunale Einrichtungen und gewerbliche Betriebe beziehen. Es sind im Stand der Technik diverse Verfahren und Vorrichtungen zum oben genannten Zweck bekannt. Der Nachteil bei diesen vorbekannten Verfahren bzw. Vorrichtungen liegt darin, dass die einzelnen Verbraucher entweder über bereits eingebaute Module verfügen, die die Erkennung des jeweiligen Verbrauchers im Netz ermöglichen, oder aber nachträglich mit derartigen Modulen versehen werden müssen. Andere Veröffentlichungen im Stand der Technik (beispielsweise DE 10 2012 108 536 A1 ) beschreiben die Möglichkeit, auch ohne den Einsatz derartiger Module das Verhalten und den Stromverbrauch diverser Geräte zu erkennen. Hierzu ist es jedoch erforderlich, zur Erkennung eines Gerätes bzw. eines neu installierten Gerätes alle anderen Geräte abzuschalten. Diese Art des Anlernens ist kompliziert und zeitaufwendig. Ein derartiges Verfahren ist beispielsweise auch aus der DE 20 2008 009 128 U1 bekannt. Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art so zu führen, dass die zu ermittelnden Verbraucher nicht technisch manipuliert werden müssen und auch im Netz nur minimale technische Veränderungen durchgeführt werden müssen.

Die Erfindung löst diese Aufgabe durch ein Verfahren, bei dem ausgehend vom jeweiligen Gesamtverbrauchswert oder Untermengen hiervon im Netz in zeitlich gleichen oder variierenden Abständen durch Kombination der von Sensoren gemessenen Daten, die auf verbraucherspezifische Eigenschaften im Gesamtverbrauchswert zurückgehen sowie von externen Sensoren ermittelten Plausibilitätsdaten wie Datum, Uhrzeit, Temperatur und Ähnliches, mittels einer Vielzahl von die Daten auf jeweils unterschiedliche Art analysierenden Algorithmen verschiedener Einzelverbraucher detektiert werden und/oder der Systemzustand S _z (t) berechnet wird, und durch Einsatz künstlicher Intelligenz und statistischer Verfahren eine Gesamtschau der verschiedenen Algorithmenergebnisse erfolgt, und danach durch Abstimmung automatisch eine Entscheidung getroffen wird, ob ein bestimmter Verbraucher oder eine Verbrauchergruppe detektiert wurde oder nicht, wobei die dem detektierten Verbraucher oder der Verbrauchergruppe zugeordneten Daten im System gespeichert, ausgewertet und weiterverarbeitet werden.

Das Verfahren kann in jedem Versorgungsnetz wie beispielsweise Gas, Wasser oder Stromnetz angewendet werden. Im Folgenden wird die Erfindung jedoch am Beispiel eines Stromnetzes beschrieben.

In diesem Beispiel wird der Gesamtstromverbrauch durch die angesprochenen Sensoren in zeitlichen Abständen fortlaufend überwacht und analysiert. Aus der ermittelten Wirkleistung und auch der Blindleistung, eventuell aus den harmonischen bzw. subharmonischen Frequenzen des Stromes und der Spannung werden Daten generiert, die den angesprochenen unterschiedlichen Algorithmen aufgegeben werden. Jeder dieser Algorithmen verwendet die angebotenen Daten auf seine spezielle Art, wobei auch die von den externen Sensoren (Zeitmessung, Ort und Datum, Jahreszahl, Temperatur usw.) ermittelten Daten bei der Analyse mit verarbeitet werden. Dabei ist keiner der eingesetzten Algorithmen perfekt. Die typische Trefferquote würde bei 70 bis 90% liegen. Erst die Zusammenführung der Ergebnisse (erforderlichenfalls nach dem oben angeführten Voting-Verfahren) bringt die endgültige Entscheidung. Ein in etwa vergleichbares Verfahren ist zwar aus der EP 2 779 527 A1 bekannt. Allerdings ist hier die Nachverarbeitung der ermittelten Daten von der erfindungsgemäßen völlig unterschiedlich. Darüber hinaus werden die ermittelten Daten über das Internet an die Einheit zur Auswertung übertragen, was mit hohen Risiken verbunden ist.

Bei der erfindungsgemäßen Analyse der Daten durch die Algorithmen werden bereits jeweils ein Gerät oder auch mehrere Geräte oder Gruppen von Geräten nach Berechnung weiterer Features detektiert.

Die Daten werden in eine Einheit des Mikroprozessors geleitet, in dem der Systemzustand S _z (t) errechnet wird. Dies kann der Systemzustand eines einzelnen Verbrauchers sein wie z.B. Backofen, Waschmaschine, Spülmaschine, Pumpe oder eines kompletten Gebäudes, wobei Systemzustände wie„Nachtruhe",„Anlage anfahren" etc. sein können. In dieser Einheit wird auch eine Schätzung des Systemzustandes S _z (t + tau) für den aktuellen Istzeitpunkt plus einer Zeitdifferenz in die Zukunft durchgeführt, d.h., welcher Systemzustand wahrscheinlich als nächstes erreicht werden wird. Ein Beispiel kann eine Spülmaschine sein, bei der auf das Spülen immer das Abpumpen folgt. Der endgültige Entscheider merkt sich auch diese Prognose in die Zukunft und bringt diese mit der nächsten Zustandsmessung in einen Zusammenhang. Durch die Berücksichtigung der von den externen Sensoren gelieferten Daten kann die Wahrscheinlichkeit, ein bestimmtes Gerät zu detektieren, erheblich gesteigert werden. So wird bei einem wichtigen Fußballspiel beispielsweise in der Halbzeitpause mit hoher Wahrscheinlichkeit eine Kühlschranktür geöffnet, wonach im Anschluss nachgekühlt wird. Ein weiteres Beispiel ist darin zu sehen, dass beispielsweise im Winter die Beleuchtung früher eingeschaltet wird als im Sommer. Die Reihe dieser Beispiele ließe sich beliebig fortsetzen.

Der errechnete Systemzustand wird vor der endgültigen Entscheidung auf signifikante Inkonsistenzen überprüft, wobei abhängig vom Ergebnis dieser Überprüfung eine Rückkopplung des Entscheiders zur Systemzustandsberechnung geliefert werden kann, wodurch im Laufe der Zeit die Exaktheit der Gerätedetektion zunimmt. Hierfür wird bei der Berechnung der Systemzustände für jedes zu detektierende Gerät ein Regelwerk allgemein gültig beschrieben. Durch Funktionen der künstlichen Intelligenz entwickelt sich dieses Regelwerk selbständig weiter. Dabei kommen Logikprogrammiersprachen (Lisp, Prolog) kombiniert mit numerischen Programmiersprachen (Python, R, Matlab) zum Einsatz. Es wird von einer Regelbasis oder von Fakten ausgegangen, die den Verbraucher beschreiben. Beispielsweise eine Spülmaschine pumpt zu Beginn immer das Wasser ab. Danach wird immer Wasser geholt. Im Folgenden beginnt jeweils der Spülvorgang. Dann folgt entweder das Aufheizen des Wassers oder das erneute Abpumpen des Wassers. Zum Schluss wird immer das Wasser abgepumpt.

Diese Regel- oder Faktenbasis beschreibt den logischen Ablauf, nicht aber die Größenangaben. Die Größenangaben liegen in einer Parameterliste vor:

Abpumpen dauert zwischen 20 Sekunden und 60 Sekunden; Aufheizen dauert zwischen 3 Minuten und 15 Minuten und benötigt mindestens 2 KW usw..

Diese Parameter liegen bei der Installation des Detektionsalgorithmus nicht vor, sondern nur die Minimal- und Maximalwerte. Ein evolutionärer Algorithmus testet auf intelligente Weise dabei nicht alle möglichen Parameterkombinationen durch, um eine Spülmaschine bzw. deren konkreten Parametersatz zu finden, sondern nur die sinnvollsten Parameter im Sinne des Gradienten zum Treffer. Somit erzeugt im Laufe der Zeit dieser Algorithmus eine immer vollständigere Parameterliste und damit ein vollständiges Regelwerk zur Detektion des jeweiligen Gerätes. Es werden also keine Lernmuster aus einer externen Datenbank (Cloud-Datenbank) benötigt.

Bezüglich der Analysen gibt es bei der Erfindung grundsätzlich zwei Verfahrensunterschiede. Es handelt sich zum einen um eine Eventanalyse und zum anderen um eine Zustandsanalyse. Die Eventanalyse berücksichtigt dabei Vorkommnisse bei der Veränderung der Wirkleistungswerte, Blindleistungswerte und der Harmonischen zu einem bestimmten Zeitpunkt. Die Zustandsanalyse reiht über die Zeit verschiedene Zustände aneinander und beurteilt sowohl die Abfolge der Zustände als auch die Kombination verschiedener elektrischer Verbraucher in einer zulässigen Kombination. Beide Verfahren beinhalten dabei verschiedene Algorithmen.

Die eventbasierten Verfahren benutzen Algorithmen, die die Kantendetektion der Wirkleistung, der Blindleistung oder der Harmonischen bezüglich Form, Größe, Dauer und zeitlicher Konstanz betreffen. Beispiel ist hierbei die Kennlinie beim Einschalten eine Leuchtstoffröhre.

Weitere Algorithmen betreffen die Harmonischen bezüglich Proportion, Ordnung, Korrelation zu Strom, Korrelation zu Spannung. Darüber hinaus werden Algorithmen benutzt, die unter dem Namen Markovketten bekannt sind.

Die zustandsbasierten Analysen benutzen Algorithmen, wie beispielsweise den Maximum Likelihood Decoder bzw. Viterbi-Algorithmus. Hierbei werden Zustände über die Zeit beobachtet und die maximal sinnvollsten Übergänge zu den nächsten Zuständen berechnet. Ein weiterer Algorithmus ist unter dem Namen Strange Attractor bekannt. Ein Strange Attractor dient dazu, aus einem n-dimensionalen Raum bei nur einem ein-dimensionalen Messwert eine Musterbeschreibung zu erzeugen. Es wird eine Funktion y=f(t)-f(t-tau) berechnet, wobei tau beispielsweise 60 Sekunden sein soll. Damit können Figuren in zwei-dimensionalen Raum bezeichnet werden, die das Muster von bestimmten Verbrauchern wiedergeben.

Der Algorithmus beinhaltet folgende Funktionen: Ergebnis = Faktor ^* Korrelation ([y0, Y1 , Y2...Yn], [mO, m1 , m2, ... mn] [Anpassungsmatrix]).

Dabei ergeben sich für verschiedene elektrische Verbraucher, wie z. B. zwei Lüfter (verschiedene Leistungen) ähnliche Muster. Durch die Anpassung und Korrelation ergibt sich dann:

Wenn Ergebnis > 0,5 dann ist ein elektrischer Verbraucher erkannt, andernfalls ist der elektrische Verbraucher nicht detektiert.

Weitere Algorithmen bei der zustandsbasierten Analyse sind SVM (Support Vector machine), Kohonen Maps, Reinforcement Learning, Nearest Neighbour, Naiver Bayes, Deep Learning (hierbei als Beispiel der LSTM (Long Short Term Memory), Denoising Autoencoder, Deep Belief Netzwerke), Zeitreihenanalyse, hierbei insbesondere ARMA, ARIMA, GARCH.

Wie bereits oben ausgeführt, werden bei der Kantendetektion steigende und fallende Flanken der Leistung in einen zeitlichen Zusammenhang gebracht. Jeder elektrische Verbrauch zeigt symmtomatische Leistungswerte in zeitlicher Abfolge. Wird ein Regelwerk definiert, welches die zeitliche Abfolge beschreibt, kann das System den Verbraucher immer wieder erkennen.

Die Kanten unterscheiden sich in Form, Größe und Höhe, Dauer und der zeitlichen Konstanz. Dabei unterscheiden sich die Leistungskurven verschiedener Geräte, beispielsweise verläuft die Leistungskurve einer Leuchtstoffröhre in einer Kurve mit unterschiedlichen Steigungen im positiven Bereich. Demgegenüber verläuft die Leistungskurve beispielsweise eines Kompressors in mehreren Stufen in negativer Richtung.

Bei der Analyse der Harmonischen nutzt man aus, dass viele elektrische Verbraucher die hohen Frequenzen von Strom und Spannungsverläufen verändern bzw. beeinflussen. Diese werden als Indikation von Verbrauchern genutzt. Dabei spielen die Proportionen, die Ordnungshöhe und besonders die Korrelation von Spannung und Strom der Oberwelle zu der Wirk- und Blindleistung eine große Rolle. Dies wird im Folgenden am Beispiel nur für den Bereich Stromoberwellen beschrieben. Dies gilt jedoch auch analog für Spannungsoberwellen.

Es wird die Oberwelle 33 beispielsweise bei einem Lüfter berücksichtigt:

Alpha = Faktor ^* Korrelation (Strom_Oberwelle_33, Wirkleistung, Anpassungsmatrix)

Dabei ist Alpha die momentane negative oder positive Steigung der Leistungskurve.

Wenn Alpha > 0,5 und Geräteliste [Strom_Oberwelle_33] == true, dann

Geräteliste [Strom_Oberwelle_33] = sehr_wahrscheinlich

Andernfalls

Geräteliste [Strom_Oberwelle_33] = sehr_unwahrscheinlich. Dabei ist zu berücksichtigen, dass jedem Rang einer Oberwelle (1 , 2, 3, 4, ...40,...) verschiedene Gerätetypen zugeordnet sein können. Gibt es eine signifikante Korrelation zwischen Strom- oder Spannungsoberwellen und dem Leistungsverlauf, aufbereitet durch eine proportionale, mehrdimensionale Anpassungsmatrix, dann werden Geräte, die einem bestimmten Rang einer Oberwelle zugeordnet sind, in ihrer Auftrittswahrscheinlichkeit deutlich angehoben. Diese Auftrittswahrscheinlichkeit wird für die finale Entscheidung genutzt, kann aber auch in anderen Analysealgorithmen wie z.B. dem oben angesprochenen Viterbi genutzt werden.

Eine weitere Methode ist die Zeitreihenauswertung. Viele Verbraucher lassen sich in einer Zeitreihe analysieren wie z.B. Kühlschränke, Heizungen, Klimageräte, usw..

Dabei werden die folgenden Parameter angegeben:

Wiederkehrende Wiederholfrequenz des Starts des Gerätes, Anschaltlänge,

Anschaltdauer,

Pausen zwischen zwei Aktivitäten.

Der zugrunde liegende Algorithmus beinhaltet:

Prognose = f(ARMA) oder f(ARIMA). Wenn die Periodizität (Ist-Leistung + Prognose) == Periodizität (Elektrischer Verbraucher) dann

Ergebnis = Elektrischer Verbraucher andernfalls

Ergebnis = falsch. Ein weiterer Baustein ist der Ähnlichkeitsvergleicher. Es werden Ähnlichkeiten von Signalen untersucht, die mit neuronalen Netzen oder Deep Belief Netzwerken oder statistischen Verfahren verarbeitet werden. Es kommen zum Einsatz

SVM Kohonen Maps Reinforcement Learning Nearest Neighbours Naiver Bayes LSTM Denoising Autoencoder Deep Belief Netzwerke

Multi-Channel Deep Convolution Neural Netzwerk (MC-DCNN) Dynamic Time Warping

Ein weiterer Algorithmus bezieht sich auf die bereits oben angeführten und von externen Sensoren kommenden Daten.

Darüber hinaus werden Korrelatoren verwendet, die ähnliche Signalverläufe gespeichert haben wie die typischen Verbraucher aufzeigen. Bei Korrelation des Ist-Signals mit den gespeicherten Signalen können Übereinstimmungen gefunden werden. Selbstverständlich werden auch einfache Dinge wie Mittelwerte, Varianzen etc. genutzt. Weitere Hilfsmittel sind z.B. Kohonenmaps, die bei der Untersuchung von Ähnlichkeiten von Signalen eine Rolle spielen können. Das Anlernen geschieht sowohl vor der Inbetriebnahme der Box als auch während der Nutzung. Folgende Detektionsmethode ist ebenfalls denkbar: Viele elektrische Verbraucher verändern bzw. beeinflussen die hohen Frequenzen von Strom- und Spannungsverläufen. Diese können als Indikation von Verbrauchern genutzt werden.

In größeren Gebäuden oder komplexeren Anlagen wird die Extraktion der Verbraucher ausschließlich nur durch die (Wirk)-Leistungsdaten recht schwierig bis unmöglich. Hier hilft die Analyse der Oberwellen, auch als harmonische und zwischenharmonische bezeichnet. Diese Frequenzanteile > 50 Hz geben ein

Vielfaches der Grundfrequenz von N ^* 50 Hz = 100 Hz, 150 Hz, 200 Hz, wieder. Geräte, die Einfluss auf den sinusförmigen Strom oder die Spannung nehmen, können hier teilweise eindeutig erkannt werden. In kommerziellen Geräten werden diese Oberwellen heute bis zur ca. 50. Oberwelle (entspricht 2500 Hz) gemessen. In Zukunft sollte aber auch bis ca. 5 MHz gemessen werden können bzw. mit 10 MHz abgetastet werden, wobei also die Frequenzen bis zur Oberwelle ca. 100 000 berücksichtigt werden. Die typischen Stromwandler (Kabelumbauwandler, Aufsteckwandler etc.) mit Eisenkern bieten auf keinen Fall den hierfür notwendigen Frequenzgang. So genannte Rogowski-Spulen, eine Art koaxiale Kabellösung, kommen dabei zum Einsatz und werden um den Stromleiter gelegt und können dann die korrespondierende Hochfrequenzübertragung bieten. Je weiter die Rogowski- Spulen von den Verbrauchern entfernt platziert werden desto mehr werden die hochfrequenten Frequenzanteile durch die normalen Kupferanteile der Stromleiter gedämpft.

Dabei werden die normalen Eisenkernumbauwandler zum reinen Strommessen bei 50 Hz genutzt und zusätzlich bis zur 25. Oberwelle messen. Die Rogowski- Spulen sollen nur die Oberwellen ab der 25. Oberwelle aufwärts erfassen. Damit wird eine optimale Analog-Digitalkonverter-Auflösung garantiert. Denn die niederfrequenten Wellen, besonders die 50 Hz Grundwelle ist deutlich mehr mit einer hohen Amplitude vertreten als Frequenzen im KHz- oder MHz-Bereich. Daher wird ein Hochpassfilter die niederfrequenten Anteile ausfiltern. Denkbar ist auch eine Mehrfachinstallation mittels Bandpassfiltern. Zur Einsparung der dann vielen Rogowski-Spulen kann ein hochfrequenter Schalter die Spulen mit dem jeweiligen Bandpass verbinden. Diese Methode ist allerdings zur Zeit noch gerätetechnisch und finanziell aufwändig. Die„Algorithmen-Methode" bietet den Vorteil, dass trotz Messtakten im Sekundenbereich zuverlässige Ergebnisse erreicht werden.

Nach Auswertung aller Daten wird eine endgültige Entscheidung getroffen. Das „finale Voting" wird durch einen Mehrheitsbeschluss mit zusätzlichem Einfluss der Wahrscheinlichkeit errechnet.

Wird z.B. ein Kühlschrank detektiert, so werden verschiedene Detektoren aktiviert, die einen Kühlschrank detektieren sollen. Jeder Detektor gibt eine Zahl zwischen 0,0 ...1 ,0 aus. Zusätzlich gibt es Algorithmen, die nur die Auftrittswahrscheinlichkeit eines Kühlschranks berechnen. Die Wahrscheinlichkeit wird wiederum zwischen 0,0 ...1 ,0 angegeben. Die n- Detektoren und m-Wahrscheinlichkeitsberechnungsergebnisse werden aufaddiert, normiert und wenn das Ergebnis >=0,5 ist, dann wird der elektrische Verbraucher als aktiv angenommen, sonst ist er nicht vorhanden. Berechnung:

Ergebnis = (a ^* (Summe(Detektor 1 , Detektor 2, Detektor_n) / n+ b ^* Summe(Wahrscheinlichkeit 1 , Wahrscheinlichkeit 2..., Wahrscheinlichkeit_m) /m))/2. Dabei sind a und b Gewichtungsfaktoren.

Ergibt sich, dass das Ergebnis >=0,5 ist, dann ist die Entscheidung (elektrischer Verbraucher 1 ) richtig, andernfalls ist sie falsch.

Dabei ist die Wahrscheinlichkeit der Detektion eines elektrischen Verbrauchers bei einem Ergebnis von 0,8 sehr wahrscheinlich, bei einem Ergebnis von 0,5 noch wahrscheinlich und bei einem Ergebnis von unter 0,5 unwahrscheinlich.

Wenn eine endgültige Entscheidung getroffen worden ist, z.B. durch ein Votingverfahren, dass ein bestimmtes Gerät oder mehrere Geräte detektiert ist/sind, werden die hierbei ermittelten gerätespezifischen Daten verschlüsselt und lokal im System gespeichert. Es werden ohne Zustimmung des Nutzers keine Daten nach außen gesendet. Der Schlüssel zum dekodieren der Daten liegt entweder in einem executable file eingebettet oder er wird von einem externen Sicherheitsserver zum dekodieren immer wieder abgeholt. Selbstverständlich kann der Nutzer die Daten auf eigenen Wunsch auch Dritten zur Verfügung stellen.

Ein Nutzer kann sich in seinem Heimnetz direkt auf einen internen Webserver einloggen. Es werden also die Daten nur im Heimnetz selbst verarbeitet.

Die Daten können allerdings auch vom Nutzer beispielsweise per Mobilfunk von außen eingesehen werden, zum Beispiel durch einen dynamischen DNS- Service, der jeweils eine pseudofeste IP-Adresse vergibt.

Neue Software-Funktionen wie neue Services oder die Erkennung von neuen elektrischen Verbrauchern bzw. das Aufladen neuer verbesserter Algorithmen wird durch Software-Downloads in das System vollzogen. Nur wenn der Nutzer zustimmt, holt sich das System selbst das Software- Update, so dass nichts fremdbestimmt ist.

Eine der weiteren vorteilhaften Möglichkeiten, die das erfindungsgemäße Verfahren bietet, ist die, dass durch das Verfahren ermittelt werden kann, dass beispielsweise eine Photovoltaik-Anlage einer Bäckerei in den nächsten ein bis zwei Stunden genügend Strom liefert, so dass mit dieser sauberen Energie für eine bestimmte Klientel beispielsweise Brötchen gebacken werden können. Mit Hilfe beispielsweise einer App werden diese Personen darauf hingewiesen und können dann ihre Bestellung aufgeben. Dabei ist die Bäckerei in der Lage, die entsprechenden benötigten Ressourcen (Backbleche, Teigmenge, Anzahl der Öfen, etc.) bereitzustellen.

So können mit Hilfe der ermittelten Daten unter Berücksichtigung verschiedenster Randbedingungen die unterschiedlichsten Serviceleistungen erbracht werden. Die Vorrichtung zur Durchführung des Verfahrens ist in einem Gehäuse untergebracht, welches in seinen Dimensionen so ausgestaltet ist, dass es im Sicherungskasten verbaut werden kann oder im digitalen/intelligenten Zähler des Messstellenbetreibers oder als Steckergerät. Das Gerät verfügt über einen Mikrocomputer, der zumindest einen Mikroprozessor und eine Speichereinheit beinhaltet sowie Verbindungsmöglichkeiten zu den Gesamtverbrauchswert des Systems detektierenden Sensoren sowie zu externen Sensoren, die den Gesamtverbrauch beeinflussende Messwerte liefern. Es verfügt über Eingangsschnittstellen zur Verbindung mit dem Internet und zu einem Mobilfunknetz sowie Ausgangsschnittstellen für die vom Mikroprozessor ermittelten und aufbereiteten Daten der jeweiligen Verbraucher.

Dabei sind im Gerät weitere Schnittstellen zur Speichererweiterung und zur Erweiterung der Rechenleistung sowie zur Steuerung von oder Kommunikation mit Dritt-Geräten vorgesehen.

Zur Ermittlung des Gesamtstromverbrauchs bzw. der durch die Geräte beeinflussten Veränderungen in Strom und Spannung können Stromwandler eingesetzt werden oder aber die Daten von einem standartdisierten digitalen Zähler. Beim Messen mit Stromsensoren werden drei Stromsensoren entweder um die elektrischen Leiter des Hausanschlusses gelegt oder geklappt. Bei dieser Methode ist somit eine Extrainstallation von Stromsensoren nötig.

Oder aber der gesamte Strom wird über Induktionsleiter geleitet. Der eingeprägte Strom in den Stromsensoren wird in der Messeinheit über einen Shunt-Widerstand im Milli-Ohm-Bereich in eine Messspannung umgesetzt und per Analogdigitalwandlung abgetastet. Dazu wird die Netzspannung entweder mittels Trafo von ca. 230 V auf ca. 5 V transformiert oder aber durch ein Widerstandsnetzwerk soweit verringert, dass die 3 -Phasenspannungen ebenfalls analog digital abgetastet werden können.

Das Gerät verfügt über einen Mikrocomputer, der zumindest ein Mikroprozessor und eine Speichereinheit beinhaltet und Verbindungsmöglichkeiten zu dem Gesamtverbrauchswert oder einzelner Phasen (P1 , P2, P3) des Systems detektierenden Sensoren sowie zu externen Sensoren aufweist, die das Verbraucherverhalten beeinflussende Messwerte liefern, mit Eingangsschnittstellen zur Verbindung mit dem Internet und zu Mobilfunknetzen sowie Ausgangs-Schnittstellen für die vom Mikroprozessor ermittelten und aufbereiteten Daten der jeweiligen Verbraucher.

Hierfür benötigt das erfindungsgemäße Gerät lediglich einen Lesekopf, der auf die Kundenschnittstelle des digitalen/intelligenten Zählers (Smartmeter) aufgesetzt oder aber alternativ eine Bus-Verbindung (RS 485) benutzt wird. Im Folgenden wird die Erfindung anhand von Zeichnungen dargestellt und erläutert.

Es zeigen:

Fig. 1 : Blockschaltbild der erfindungsgemäßen

Verfahrensführung;

Fig. 2-4: Einsatzbeispiele der erfindungsgemäßen

Vorrichtung

In der Figur 1 ist der Einspeisepunkt für die vom Stromnetz kommenden Daten wie die Wirkleistung, harmonische Stromfrequenzen etc. mit dem Bezugszeichen X versehen.

Von diesem Einspeisepunkt X werden die Blöcke A1 bis An mit den entsprechenden Daten beaufschlagt, wobei in den Blöcken A1 bis An unterschiedliche Algorithmen arbeiten. In diesen Blöcken werden die Daten mit Hilfe dieser Algorithmen analysiert und bereits an dieser Stelle wird ein Gerät detektiert sowie auch andere Eigenschaften. Die von den Algorithmen analysierten Daten werden nun entweder direkt in den Block B1 geleitet, der den Systemzustand S _z (t) errechnet. Dies kann der Systemzustand eines einzelnen Verbrauchers sein oder eines ganzen Gebäudes.

Oder, da in den Blöcken A1 bis An wie oben angedeutet bereits ein Gerät detektiert sein kann, können die errechneten Daten auch direkt in den finalen Entscheider D1 überführt werden (siehe ganz rechten Pfad von B1 nach D1 ).

Der Block B1 gibt auch eine Schätzung des Systemzustandes S _z (t + tau) für den aktuellen Ist-Zeitpunkt plus tau in die Zukunft ab, welcher Systemzustand wahrscheinlich als nächstes erreicht werden wird. In einem finalen Entscheider D1 wird dann die Entscheidung getroffen, ob ein System bzw. ein Gerät erkannt worden ist.

In einem Block B2 werden notwendige externe Einflüsse als Zusatzinformationen (Tages- und Nachtzeit, Jahreszeiten, Wetter etc.) gesammelt, die ebenfalls dem finalen Entscheider zur Verfügung gestellt werden, damit auch die Plausibilität der ermittelten Daten überprüft werden kann. In einem weiteren Block C1 werden signifikante Inkonsistenzen aufgedeckt und ebenfalls dem Entscheider D1 zur Verfügung gestellt.

Nachdem der Entscheider D1 die Detektion eines Gerätes oder aller Geräte ermittelt hat, wird eine Rückkoppelung des Entscheiders D1 über einen Block F 1 für die Systemzustandsanalyse in Block B1 geliefert. Die Rückkoppelungsstärke kann mit 0 1 angegeben werden. Die

Verzögerung beträgt einen Sample der Wirkleistung, z. B. mindestens eine Sekunde.

In der Figur 2 ist eine erste Einsatzmöglichkeit der erfindungsgemäßen Vorrichtung dargestellt, wobei mit dem Bezugszeichen 1 die Vorrichtung an sich bezeichnet ist, die in einem Gehäuse 2 untergebracht ist. Das Gehäuse 2 verfügt über eine USB-Schnittstelle, die zum Abgreifen der Daten eines digitalen/intelligenten Zählers 3 verbunden ist, derart, dass auf die Kundenschnittstelle 4 ein schematisiert dargestellter Lesekopf 5 aufgesetzt wird. Die Daten können auch über eine Schnittstelle RS485 über ein Bussystem 6 übertragen werden.

Die ermittelten und mittels der Vorrichtung im Gehäuse 2 verarbeiteten Daten können mittels eines mit dem Bezugszeichen 7 bezeichneten Smartphone, Tablet etc. von der Vorrichtung abgerufen werden. Die Vorrichtung wird mittels eines Netzteils in eine Steckdose des Gebäudenetzes eingesteckt. Danach wird durch Drücken des Knopfes 8 und anschließendem Eingeben eines Passwortes im Gerät 7 die Verbindung zur Vorrichtung hergestellt, in dem hier ein temporärer Wlan- Accesspoint erzeugt wird. Nach Konfiguration und erneutem Drücken des Knopfes 8 ist die Konfiguration abgeschlossen.

Mit dem Bezugszeichen 9 ist der hauseigene Router bezeichnet, welcher den eigentlichen Wlan- Accesspoint bildet. Dieser kommuniziert nach der Erst- Konfiguration mit der Wlan-Station 10 in der Vorrichtung.

Die mit dem Bezugszeichen 17 versehenen LED-Anzeigen stehen für„Power", „Messen" und„Senden. Weitere Anzeigen sind natürlich möglich.

Eine weitere Möglichkeit des Einsatzes der Vorrichtung 1 geht aus der Figur 3 hervor. Hier ist ebenfalls ein digitalter/intelligenter Zähler (Smartmeter) mit dem Bezugszeichen 3 versehen. Das Smart-meter 3 verfügt über einen Einschub, in dem zur Installation das Gehäuse 2 der Vorrichtung eingeschoben wird, wodurch die in Figur 2 dargestellten Verbindungen (USB, RS485, etc.) hergestellt sind. Die Kundenschnittstelle 4 wird hier nicht benötigt. Ansonsten sind die Schnittstellen vorgesehen, wie sie in Figur 2 angedeutet sind.

In der Figur 4 ist eine weitere Einsatzmöglichkeit der Vorrichtung 1 dargestellt, die hier auf die Hutleiste 1 1 in einem Sicherungskasten 12 aufgesteckt ist. Mit dem Bezugszeichen 13 sind schematisch Sicherungen angedeutet. Mit I und U sind hier die Abgriffe für Strom und Spannung des Stromnetzes bezeichnet. In diesem Beispiel ist kein intelligenter Zähler (Smartmeter) vorhanden. Die entsprechenden Strom- und Spannungsdaten erhält die Vorrichtung 1 über nicht dargestellte Strom-/Spannungssensoren. Auch bei diesem Beispiel ist die Vorrichtung 1 wie die in Figur 2 und 3 beschriebenen ausgestattet.