Zia, T. (2010). Recognizing power consumption patterns of household appliances [Dissertation, Technische Universität Wien]. reposiTUm. http://hdl.handle.net/20.500.12708/160934
Für die automatische Verwaltung von Energiesystemen ist es notwendig, rasche Entscheidungen auf der Basis des Status der beteiligten Geräte zu treffen. Dieser ist nur über kontinuierlichen Zugang zu Verbrauchsdaten zu ermitteln. Aktuelle Entwicklungen in der Sensor- und der Kommunikationstechnologie erlauben Fernzugriff auf die Verbrauchsdaten einzelner Verbraucher oder ganzer Haushalte. Nun gilt es, die Art des Geräts aufgrund der gewonnenen Verbrauchsdaten zu identifizieren. Dafür sind entsprechende Methoden notwendig, um eine vernünftige Geräteerkennung zu gewährleisten. Der Fokus dieser Arbeit ist daher, eine Modellstruktur zum Speichern und Wiedererkennen verwschiedener Verbrauchsmuster von Haushaltsgeräten zu entwicklen. Als mathematische Basis werden Dynamic Time Warping (DTW) und Hidden Markov Modelle (HMM) untersucht, um individuelle Verbrauchsprofile zu modellieren. Im Zuge der Untersuchung mit verschiedenen Haushaltsgeräten wird gezeigt, dass HMMs vielversprechendere Ergebnisse als DTW liefern.<br />Im Weiteren werden HMMs verwendet, um den Summenverbrauch als Kombination der Einzelverbräuche zu modellieren. Diese Methode erlaubt es, verschiedene Geräte im Summenverbrauch zu identifizieren. In dieser Arbeit werden darüber hinaus verschiedene Anwendungen der entwickelten Methoden gezeigt. Als Anwendung der Identifizierung verschiedener Geräte wird ein Fallbeispiel der automatischen Energieverbrauchsverwaltung in einem Microgrid gezeigt. Informationen über den Status der Verbraucher sind notwendig, um effiziente Strategien zur Verwaltung auszuwählen.<br />Weiters werden noch andere mögliche Anwendungen beschrieben: Überwachung der Aktivität von Bewohnern basierend auf Aktivitätsmustern der Geräte, ein Fehlerüberwachungssystem für Geräte und ein Sicherheitssystem für Privathäuser basierend auf Aktivitätsmustern der Geräte. Als Anwendungsbeispiel für die Identifizierung der einzelnen Geräte aus dem Summenverbrauch wird eine Datensammlungsanwendung für Design und Evaluierung von Energieverwaltungssystemen und Umweltschutzprogrammen beschrieben.<br />
de
In automated energy management systems, to make instantaneous decisions based on the appliance status information, continuous data access is a key requirement. With the advances in sensor and communication technologies, it is now possible to remotely monitor power consumption of an appliance or the entire house. However, before an appliance is actively monitored, it must be identified using obtained power consumption data. Appropriate methods are required to analyse power consumption patterns for appliance recognition. Focus of this work is to provide the model structure for storing and distinguishing recurring footprints of the household appliances. The Dynamic Time Warping (DTW) and Hidden Markov Model (HMM) techniques are explored to recognize individual profiles of appliances. The identification of several appliances shows that HMM method is more promising than DTW.<br />Then, a HMM method that models the aggregate load as combination of individual loads is proposed. This method can differentiate power consumption patterns of appliances from the aggregate profiles. The thesis also outlines different applications of the developed methods.<br />For an appliance load monitoring, a case study of automated management of energy demand in microgrid is presented. The information about the status of appliances is required to implement efficient load management strategies. Furthermore, some potential applications are also described including appliance's status based activity monitoring of householders, a surveillance system for fault detection and security monitoring, based on the activity of appliances. For an aggregate load monitoring, data collection applications are outlined for the design and evaluation of energy management and conservation programs.