Алгоритм, который знает, когда вы что-то включаете


Умные счетчики просто регистрируют общее количество потребляемой вами электроэнергии, но при правильной обработке данных вы можете определить, что и когда включается.

Умные счетчики быстро заменяют устаревшие счетчики электроэнергии. Огромным преимуществом является то, что им больше не нужны считыватели счетчиков людей, которые нужно посещать для сбора данных. Подключение с помощью ряда различных методов, от ячеистых радиосетей до передачи сигналов по линиям электропередач, означает, что эти счетчики также могут собирать данные о потреблении электроэнергии в реальном времени. У них также есть двусторонняя связь, которую можно использовать для реализации интеллектуальной сети для изменения стоимости электроэнергии в зависимости от нагрузки.

Вы можете подумать, что измеритель, который измеряет только общее энергопотребление, не может предоставить подробную информацию о производительности отдельных устройств, но вы ошибаетесь.

Команда из Alpen-Adria-Universität Klagenfurt в Германии разработала алгоритм, который может отделить различные модели использования отдельных предметов от общей потребляемой мощности как функции времени.

Если задуматься на мгновение, это не так уж и удивительно. Каждое устройство в доме имеет довольно фиксированное энергопотребление. В любой момент времени есть несколько включенных устройств, которые определяют общую потребляемую мощность. Вы можете думать об этом как о скрытой марковской модели с включенными приборами в качестве переменной состояния. Когда пользователь включает и выключает устройства, модель переходит из одного состояния в другое, и потребление энергии становится наблюдаемым. Затем вы можете использовать стандартные методы для оценки структуры модели на основе данных и, следовательно, узнать, какие устройства используются и их энергопотребление.

Все немного сложнее, чем предполагает это простое описание, поскольку устройства могут иметь несколько уровней энергопотребления и даже могут иметь переменное энергопотребление. Для этого исследователи применили технологию искусственного интеллекта — фильтр частиц.

Фильтр частиц обычно используется в таких методах, как SLAM (одновременное определение местоположения и картографирования), когда робот пытается не только узнать, где он находится, но и одновременно построить карту своего окружения. Можно сказать, что каждая «частица» в фильтре частиц представляет собой отдельное предположение о местоположении робота и, следовательно, модели окружающей среды. По мере того, как собирается больше данных, частицы становятся все менее или более вероятными до тех пор, пока одна из них не станет достаточно убедительной, чтобы ее можно было серьезно принять как решение.

Таким же образом можно сказать, что при использовании фильтра частиц для задачи загрузки каждая частица представляет собой предположение о том, какие устройства находятся в определенном состоянии. По мере поступления данных некоторые частицы становятся все более вероятными, а другие — менее вероятными. Чем больше частиц используется, тем выше вычислительная сложность, но выше точность.

Слева мощность нагрузки шести устройств и справа расчетная нагрузка, создаваемая HMM.

На практике анализ был точным более 90% и работал в режиме реального времени, что позволяло мгновенно получать информацию о том, какие приборы были включены или выключены в доме.

Некоторые пользователи сопротивляются установке интеллектуальных счетчиков по глупым причинам, например, из-за воздействия радиочастотного излучения на здоровье. Предположительно, в будущем мы сможем добавить к этому вопросу конфиденциальности.

Это лишь небольшая часть того, что Интернет вещей может сделать достоянием общественности, когда сложный анализ данных, такой как фильтры частиц, будет применен к огромным потокам данных, которые все предсказывают.


Добавить комментарий