Energy monitoring technologies for energy efficiency and device health assessment

Abstract

This dissertation focuses on the field of Non-Intrusive Load Monitoring (NILM) and the analysis of electrical energy data to enhance energy efficiency and device health. NILM involves the monitoring of an electrical circuit and the disaggregation of energy to individual appliances/components without the need for individual metering. The field of NILM is interdisciplinary as it utilizes various techniques for feature extraction from electrical data, data analysis for event detection and energy disaggregation, and different systems for data collection. The quality of the collected data can affect the efficiency of a NILM system and the functionality it provides. Collection of data from real-world scenarios is a one of the pillars of the field, as it provides a common benchmark for the evaluation of techniques and approaches, and enables research advances. This thesis considers NILM in various settings. It presents the development of a versatile and low-cost data acquisition system, designed to operate effectively across different environments (residential, commercial and industrial). The system was deployed across all three environments including challenging harsh industrial settings. Furthermore, this dissertation introduces an efficient lightweight algorithm for on-site event detection to offload fog and cloud infrastructures and enable the real-time capabilities of NILM systems. This algorithm was evaluated against other techniques in terms of efficiency and computational cost. The focus of these contributions is on enabling high-frequency sampling, and data analysis and processing without increasing the needs for storage and transmission bandwidth by handling the data on-site. Finally, these contributions aim to help towards the wide adoption of high-frequency NILM by being robust and easily configurable to address different scenarios and achieve high levels of accuracy. Finally, a key contribution of this research is the creation of an industrial NILM system for collecting data from industrial sites. The creation of such a system allowed us to collect data and assist for creating a novel high-frequency industrial dataset intended for NILM applications. This will help addressing the problem of the few available datasets in this field and will be a valuable resource for future research on industrial NILM. Finally, in this dissertation, the development of a simple method to perform device health assessment for predictive maintenance applications, using electrical data (current waveforms), is described.

Η παρούσα διδακτορική διατριβή ασχολείται με την περιοχή της μη επεμβατικής παρακολούθησης φορτίων (Non-Intrusive Load Monitoring - NILM) και της ανάλυσης δεδομένων ηλεκτρικής ενέργειας, με στόχο τη βελτίωση της ενεργειακής απόδοσης και την αξιολόγηση της κατάστασης υγείας συσκευών και μηχανημάτων. Ως NILM ορίζεται η παρακολούθηση ενός ηλεκτρικού κυκλώματος και ο διαχωρισμός της καταναλισκόμενης ενέργειας στις επιμέρους καταναλώσεις των συσκευών/εξαρτημάτων του κυκλώματος, χωρίς την ανάγκη τοποθέτησης ξεχωριστών μετρητών για κάθε συσκευή/ εξάρτημα. Το πεδίο του NILM είναι διεπιστημονικό, καθώς αξιοποιεί διάφορες τεχνικές για την εξαγωγή χαρακτηριστικών από ηλεκτρικά δεδομένα, την ανάλυση δεδομένων για την ανίχνευση γεγονότων και τον διαχωρισμό ενέργειας, καθώς και διαφορετικά συστήματα για τη συλλογή δεδομένων. Η ποιότητα των συλλεγόμενων δεδομένων μπορεί να επηρεάσει την αποδοτικότητα ενός συστήματος NILM και τη λειτουργικότητα που παρέχει. Η συλλογή δεδομένων από περιβάλλοντα με ρεαλιστικά χαρακτηριστικά κατανάλωσης αποτελεί έναν από τους πυλώνες του πεδίου, καθώς παρέχει ένα κοινό σημείο αναφοράς για την αξιολόγηση τεχνικών και προσεγγίσεων, ενώ επιτρέπει την πρόοδο της έρευνας.Αυτή η διατριβή εξετάζει την εφαρμογή του NILM σε διάφορα περιβάλλοντα. Παρουσιάζει την ανάπτυξη μιας ευέλικτης και χαμηλού κόστους συσκευής συλλογής δεδομένων (DAQ), σχεδιασμένης να λειτουργεί αποτελεσματικά σε ετερογενή περιβάλλοντα (οικιακά, εμπορικά και βιομηχανικά). Η συσκευή δοκιμάστηκε και στα τρία αυτά περιβάλλοντα, και ιδιαίτερα σε απαιτητικές και σκληρές βιομηχανικές συνθήκες. Επιπλέον, στη διατριβή αυτή παρουσιάζεται ένας αποδοτικός και ελαφρύς υπολογιστικά αλγόριθμος για την ανίχνευση σε πραγματικό χρόνο, γεγονότων στη συσκευή παρακολούθησης, με σκοπό την αποφόρτιση των υποδομών fog και cloud των συστημάτων NILM. Αυτός ο αλγόριθμος αξιολογήθηκε έναντι άλλων αλγορίθμων ως προς την αποδοτικότητα και το υπολογιστικό του κόστος. Στο επίκεντρο της προταθείσας συσκευής και αλγορίθμου βρίσκεται η χρήση υψηλής συχνότητας δειγματοληψίας, καθώς και η ανάλυση και επεξεργασία των δεδομένων χωρίς να αυξάνονται οι ανάγκες σε χώρο αποθήκευσης και εύρος ζώνης μετάδοσης, μέσω της επεξεργασίας των δεδομένων στο σημείο λήψης (on-site). Τέλος, οι προαναφερθείσες συνεισφορές στοχεύουν στη διευκόλυνση της ευρείας υιοθέτησης του NILM υψηλής συχνότητας, καθώς είναι ευέλικτες και εύκολα παραμετροποιήσιμες για την αντιμετώπιση διαφορετικών σεναρίων και την επίτευξη υψηλών επιπέδων ακρίβειας. Τέλος, μια βασική συνεισφορά αυτής της διατριβής είναι η δημιουργία ενός βιομηχανικού συστήματος NILM για τη συλλογή δεδομένων από βιομηχανικές εγκαταστάσεις. Ο σχεδιασμός και η δημιουργία ενός τέτοιου συστήματος μας επέτρεψε να συλλέξουμε δεδομένα και θα συμβάλει στη δημιουργία ενός πρωτοποριακού βιομηχανικού συνόλου δεδομένων ενεργειακού διαχωρισμού (Industrial NILM dataset) υψηλής συχνότητας. Αυτό θα συμβάλει στην αντιμετώπιση του προβλήματος του μικρού αριθμού διαθέσιμων συνόλων δεδομένων στον τομέα αυτό και θα αποτελέσει έναν πολύτιμο εργαλείο για τη μελλοντική έρευνα στην περιοχή του βιομηχανικού NILM. Τέλος, σε αυτήν τη διατριβή περιγράφεται η ανάπτυξη μίας απλής μεθόδου για την αξιολόγηση της κατάστασης της υγείας συσκευών, για εφαρμογές προβλεπτικής συντήρησης, χρησιμοποιώντας ηλεκτρικά δεδομένα (κυματομορφές ρεύματος).