[发明专利]一种基于深度学习的非侵入式能耗监测系统及方法在审
| 申请号: | 202010505826.9 | 申请日: | 2020-06-05 |
| 公开(公告)号: | CN111830320A | 公开(公告)日: | 2020-10-27 |
| 发明(设计)人: | 白易元;李远翼;周林路;刘长乐 | 申请(专利权)人: | 安徽中迅徽软科技有限公司 |
| 主分类号: | G01R22/06 | 分类号: | G01R22/06;G01R19/00;H04L29/08 |
| 代理公司: | 北京知呱呱知识产权代理有限公司 11577 | 代理人: | 盛明星 |
| 地址: | 230000 安徽省合肥市蜀山区高*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 深度 学习 侵入 能耗 监测 系统 方法 | ||
1.一种基于深度学习的非侵入式能耗监测系统,其特征在于,包括:非侵入式传感器、边缘计算设备、云端管理平台;
所述非侵入式传感器用于实时采集负载电器的电参数,所述电参数包括电压数据、电流数据,并将所述电参数传输至所述边缘计算设备;
所述边缘计算设备用于通过预设分析模型根据对所述电参数整体分析得到所述负载电器的能耗分析结果,将所述能耗分析结果发送至云端管理平台;
所述云端管理平台用于对边缘计算设备上传数据进行集成,实现能耗统计、能源审计,并支持对所述边缘计算设备进行管理、升级。
2.根据权利要求1所述的非侵入式能耗监测系统,其特征在于,
当存在所述边缘计算设备不能分析的电参数时,将所述电参数发送到所述云端管理平台;
所述云端管理平台还用于:对所述电参数进行监督式特征标注;并且基于标注结果进行神经网络训练,得到训练模型,将所述训练模型更新到所述边缘计算设备进行远程升级。
3.根据权利要求1所述的非侵入式能耗监测系统,其特征在于,
所述云端管理平台包括:数据接口模块、数据中心模块、业务模块、训练模块;
所述数据接口模块用于与所述边缘计算设备进行通信连接并接收所述边缘计算设备发送的数据;
所述数据中心用于存储所述边缘计算设备发送的数据;
所述训练模块用于对所述边缘计算设备不能识别的电参数进行标注和训练,以便得到新模型对所述边缘计算设备中的预设分析模型进行更新。
4.根据权利要求3所述的非侵入式能耗监测系统,其特征在于,
所述业务模块包括用户管理单元、数据统计单元、审计管理单元、告警管理单元;
所述用于管理单元,用于对用户进行增减更新的用户管理操作;
所述数据统计单元,用于对实时能耗总体统计与负载个体统计;
所述审计管理单元,对审计规则进行管理,对审计结果进行查看;
所述告警管理单元,对能耗告警设置与查看。
5.根据权利要求1所述的非侵入式能耗监测系统,其特征在于,
所述非侵入式传感器上设有第一WiFi模块;
所述边缘计算设备上设有第二WiFi模块;
所述第一WiFi模块与所述第二WiFi模块通信连接。
6.根据权利要求1至5任一项所述的非侵入式能耗监测系统,其特征在于,
所述边缘计算设备上设有第一移动通信模块;
所述云端管理平台上设有第二移动通信模块;
所述第一移动通信模块与所述第二移动通信模块通信连接。
7.一种基于深度学习的非侵入式能耗监测方法,应用于如权利要求1至6任一项所述的基于深度学习的非侵入式能耗监测系统,其特征在于,包括:
实时采集负载电器的电参数,所述电参数包括电压数据、电流数据,并将所述电参数传输至所述边缘计算设备;
通过预设分析模型根据对所述电参数整体分析得到所述负载电器的能耗分析结果,将所述能耗分析结果发送至云端管理平台;
对边缘计算设备上传数据进行集成,实现能耗统计、能源审计,并支持对所述边缘计算设备进行管理、升级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽中迅徽软科技有限公司,未经安徽中迅徽软科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010505826.9/1.html,转载请声明来源钻瓜专利网。





