Description

Domaine de la technique

La présente invention se rapporte à la mesure des variables électriques ; mesure des variables magnétiques de la classe MÉTROLOGIE ; ESSAIS et plus particulièrement aux sous classes : - Dispositions électromécaniques pour la mesure de l'intégrale dans le temps d'une puissance ou d'un courant électrique, p.ex. de la consommation.

Etat de l'art

Plusieurs systèmes existent pour l'estimation de la consommation d'électricité et ainsi l'identification des équipements dans différents scénarios d'utilisation. En général, il existe deux démarches principales pour achever à ce but. Une méthode classique qui consiste à installer des systèmes de monitoring sur chaque équipement existant dans le même local. Même si l'estimation singulière de la consommation est plus directe et possible, l'achat, la maintenance et la gestion des données prévenantes de tous les noeuds sont difficiles. L'utilisation d'un simple wattmètre ou ampèremètre est plus pratique dans ce cas, mais nécessitant une expérience et connaissance préalable avant l'intervention. Ils existent d'autres système qui se basent sur une méthode moins chère mais plus exigeante consistant à exploiter la consommation totale du local pour estimer l'énergie consommée par chaque équipement. Il existe deux méthodes générales pour identifier les équipements responsables pour une consommation globale acquit par une acquisition non intrusive (NILM) : une basée sur la détection des évènements et une autre directe. La deuxième approche se rapporte avec l'utilisation des algorithmes de classification directement avec les données, lors que la première approche se rapport avec l'utilisation d'un des algorithmes de détection des évènements de changement d'état des appareils (e.g., ON/OFF) avant d'extraire des paramètres discriminants de chaque évènement détecté et les utiliser pour le traînage des modèles de classification.

Dans la littérature, les systèmes NILM sont principalement développés pour l'acquisition de la consommation globale avec une haute fréquence d'échantillonnage (Raingeaud, 2016), avec un contrôle précis des instances d'allumage et d'arrêt des appareils (Meziane, 2016) pour l'analyse des régimes transitoires des appareils, ou dans le contexte d'un système englobant différents capteurs (niveau de lumière, intensité du son, niveau d'humidité, vibration, etc.) en synchronisation avec ceux pour décrivant la consommation d'électricité (Anderson, 2012). Pour l'approche basée sur la détection des événements, l'acquisition de la consommation globale avec une haute fréquence d'échantillonnage sur une longue durée est essentielle. Or, avec les systèmes déjà mentionnés, un problème majeur est confronté : comment stocker et traiter un très grand nombre de données ? La nécessité à une grande capacité de stockage et ainsi capabilité de traitement des données augmente rapidement vu que la taille des fichiers de mesures dépende de la fréquence d'échantillonnage et de la durée d'acquisition. La présente invention vise donc à remédier à ces inconvénients. Plus particulièrement la présente invention vise à prévoir un système incorporant une surveillance bimodale non- intrusive permettant une acquisition conditionnelle fondée sur la détection de différents évènements se rapportant avec le fonctionnement des appareils connectées. Lors qu'aucun évènement n'est détecté (i.e., mode basse fréquence), l'acquisition est faite par une fréquence d'échantillonnage basse ; une fois un évènement est détecté, une acquisition avec une meilleure fréquence d'échantillonnage est déclenchée (mode haute fréquence) pour une durée spécifique afin de capturer les caractéristiques discriminantes relatives à chaque appareil. L'identification des appareils est ainsi achevée en injectant ces séquences de haute fréquence au modelé de classification.

L'invention a pour objet un Système intelligent pour la détection et l'identification des appareils en fonctionnement à l'aide d'une surveillance bimodale non-intrusive du signal électrique, caractérisé par :

• Ledit système collecte la consommation d'électricité globale du local par le biais d'une unité de traitement, un capteur de courant, et un capteur de tension.

• Ladite surveillance bimodale d'énergie agrégée se fait à différente fréquences d'échantillonnage selon la consommation.

• Ladite détection des évènements se fait par le biais d'un algorithme de détection approprié.

• Ladite identification intelligente des appareils est faite par le biais d'un modèle de classification d'intelligence artificielle.

• Ledit système traite les données collectées décrivant les appareils utilisés afin de donner des informations et proposer des recommandations sur sa consommation.

Ledit système incorpore une approche non intrusive d'acquisition et de traitement de la consommation électrique globale depuis le tableau électrique monophasé ou triphasé alimentant un local. Ce système comprend principalement ladite unité de traitement, lesdits capteur de courant et de tension et l'interface d'affichage.

-En référence à la figure 1, ledit système fonctionne suivant le processus suivant :

• Ladite unité de traitement commence par la lecture des entrées de l'utilisateur décrivant la puissance moyenne de chaque appareil disponible dans son local depuis leurs plaques signalétique.

• Le mode basse fréquence correspondant à l'acquisition basse fréquence (e.g., <10Hz) démarre ensuite par défaut, avec l'algorithme de détection d'évènements. Une fois ce dernier détecte un évènement, le mode haute fréquence correspondant à l'acquisition haute fréquence (e.g., 50kHz) est exécuté pour une durée spécifique (e.g. deux secondes). Cette durée est la durée minime acceptable entre deux instances d'évènements (correspondante à l'utilisation des appareils). Les séquences de données acquises durant cette durée (i.e., courant et tension waveforms) sont les seules à stocker.

• Ladite identification intelligente des appareils (en parallèle avec l'acquisition) se fait par le biais d'un modèle de classification pré-trainé d'intelligence artificielle capable de faire une classification multi-label c'est-à-dire d'identifier plusieurs pairs {nom appareil, état du fonctionnement} à la fois depuis la consommation globale. Les appareils et leurs états (ON ou OFF) identifiés sont ensuite retenus dans un fichier de mesure avec la date et le temps de détection.

• Les paramètres statistiques, décrivant la consommation des résidents du local, sont calculés par ledit système en se base sur les pairs identifiés. Pour un appareil (x) durant un jour (i) : o Appareils les plus utilisés : Ledit système calcule la durée du fonctionnement

(T _f ) de de (x) durant (i) suivant l'équation suivante :

Où t _0Nx et t _0FFx représentent les instances de l'identification de l'état ON et OFF de (x) identifiées durant (i) respectivement. o Appareils les plus consommateurs : Ledit système calcule la consommation de (x) durant (i) suivant l'équation suivante :

Où ( P _x ) représente la valeur de la puissance de (x) définit par l'utilisateur en préalable.

Description des dessins

D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description détaillée qui suit pour la compréhension de laquelle on se reportera aux dessins annexes dans lesquels

Figure 1 : Flowchart décrivant le fonctionnement du système.

Références

Anderson, K. a. O. A. a. B. D. a. C. D. a. R. A. a. B. M., 2012. BLUED: A fully labeled public dataset for event-based non-intrusive load monitoring research. Qiang Yang, ACM, pp. 1--5.

Meziane, M. N. a. P. T. a. R. P. a. L. G. a. L. B. J.-C. a. R. Y., 2016. COOLL: Controlled On/Off Loads Library, a Public Dataset of High-Sampled Electrical Signais for Appliance Identification. s.L, s.n.

Raingeaud, M. N. M. a. T. P. a. P. R. a. G. L. a. J. L. B. a. Y., 2016. A measurement System for creating datasets of on/off-controlled electrical loads. Florence, Italy, IEEE, pp. 1--5.