Bits&Chips

Geen apparaat blijft verborgen voor slimme meterkast

Auteur: Marijn Stollenga, Alle Veenstra enTjeerd Andringa
6 oktober 2008 

Stel, je bent een dagelijks gebruiker van de Senseo en je meterkast vertelt je dat je tien euro in de maand verspilt doordat het apparaat onnodig aanstaat. Of je laat in de haast de deur van de koelkast openstaan en je krijgt een alarm van de meterkast, omdat je opeens veel energie gebruikt. Zo‘n meterkast spaart het milieu en je portemonnee. Groningse studenten hebben onderzocht of een nieuw type energiemeter het in- en uitschakelen van apparaten kan herkennen en dergelijke toepassingen een stap dichterbij kan brengen.

Het energielabel toont hoe zuinig een elektronisch apparaat is. Dit maakt ons bewust van het energieverbruik wanneer we een nieuw apparaat kopen, maar daar houdt dat dan ook mee op. Als we het toestel eenmaal in het stopcontact hebben gestoken, weten we niet meer hoeveel het daadwerkelijk verbruikt. Dat verbruik hangt geheel af van de manier waarop we het apparaat gebruiken: wassen we op dertig of veertig graden, laten we de lampen de hele nacht aanstaan of niet? Door gebruik te vertalen naar verbruik kunnen we bewuster met onze apparaten omgaan.

Als bachelorproject hebben wij onderzoek gedaan met een nieuw type energiemeter, de Spyder. Deze bepaalt zeer nauwkeurig het stroomverbruik binnen het hele huishouden. Wij hebben bekeken hoe deze nieuwe meter afzonderlijke apparaten kan herkennen. Dit onderzoek hebben we gedaan in een woonhuis in Groningen, gebruikt door een gezin. Omdat we data uit de praktijk gebruiken, zijn de resultaten bruikbaarder dan wanneer we in een laboratorium hadden gemeten.

Apparaatsensor

De Spyder is ontwikkeld door het Duitse bedrijf Quaere Novum Enterprises (QNE) en wordt ingezet voor het maken van analyses bij ondernemingen die veel stroom verbruiken. Omdat hij kan worden geïnstalleerd in een gewone meterkast, is de meter ook interessant voor gebruik bij particulieren. In de metingen van de energiemeter zijn in- en uitschakelingen van apparaten goed te zien. Als bijvoorbeeld de koelkast aangaat, ontstaat er een piek, gevolgd door een stijging in het gehele stroomverbruik (Figuur 1). Dit is typisch gedrag voor een koelkast.

Voor deze gedragingen hebben wij patroonherkenners geschreven. Dit zijn kleine computerprogramma‘s die van een paar seconden meetdata bepalen of er een apparaat in- of uitschakelt. Ze beantwoorden vragen als ’Gaat in deze tien seconden meterdata de koelkast aan?‘. We hebben de programma‘s ontwikkeld door regels te maken van kenmerken. Deze kenmerken hebben we gevonden aan de hand van observaties van de meetdata. Een voorbeeld van een kenmerk in Figuur 1 is dat er een piek van 6 ampère ontstaat, waarna het stroomverbruik met 0,3 ampère stijgt.

Het maken van goede patroonherkenners vereist uitvoerige tests. Een patroonherkenner geeft een lijst tijdstippen waarop hij in- of uitschakeling heeft gevonden. Hiervan is onbekend of ze correct zijn. Wanneer een herkenner bijvoorbeeld zegt dat om tien uur de koelkast aan ging, moeten we kunnen controleren of dit klopt. Om dit probleem op te lossen, hebben we sensoren gemaakt die per apparaat de in- en uitschakelingen kunnen detecteren. Deze worden tegen het snoer van een apparaat gemonteerd.

De apparaatsensor bestaat uit een kleine spoel en een versterker. Wanneer er stroom door het snoer naar het apparaat loopt, ontstaat een elektrisch veld rond de draad. Dit geeft een spanningsverschil in de spoel. Met de spanningsverschillen bepalen we de tijdstippen waarop een apparaat in- of uitschakelt. Vervolgens kijken we of de tijdstippen van de patroonherkenners hiermee overeenkomen. Op deze manier controleren we de prestaties van de herkenners.

Reeks letters

De eerste patroonherkenner die we hebben gemaakt, herkent het aanschakelen van de koelkast. In Figuur 1 is te zien hoe het aangaan van zo‘n apparaat er uitziet. Koelkasten bevatten een thermostaat, die ze laat aanslaan als de temperatuur beneden een ingesteld niveau komt. Het exemplaar in dit experiment schakelt ongeveer één keer per uur aan. Bij dit apparaat hebben we drie kenmerken gevonden. Als de koelkast aan springt, stijgt het stroomverbruik met ongeveer een kwart ampère (1) en ontstaat er een piek van ongeveer zes ampère (2) die ongeveer één seconde duurt (3).

Het tweede apparaat waarvoor we een patroonherkenner hebben gemaakt, is de Senseo. Dit toestel heeft een interne thermostaat die het verwarmingselement op temperatuur houdt, zodat een kopje koffie zetten niet lang duurt. Door deze thermostaat bestaat het verwarmen van de Senseo uit een periodieke schakeling tussen veel en weinig stroomverbruik. Dit is te zien in Figuur 2. Wanneer het apparaat twee uur heeft aangestaan, schakelt het zichzelf uit. Hier hebben we drie kenmerken gevonden. Als het verwarmingselement aanstaat, ontstaan pieken van ongeveer 1,6 ampère (1). Het verwarmingselement is ongeveer 0,6 minuten ingeschakeld (2), waarna het ongeveer 1,2 minuten uit staat (3).

De Spyder-energiemeter van QNE bestaat uit een sensor (links) en een datalogger. De eerste wordt aangesloten op de drie stroomkabels die in de meterkast het huis binnenkomen, de zogeheten fasen. De tweede leest de sensor uit, bewaart de gegevens op een harde schijf en verstuurt ze over het netwerk voor beheer op afstand.

Als laatste hebben we een patroonherkenner geschreven voor de droger. Een droogautomaat stuurt zijn verwarmingselement en droogtrommel aan volgens een vast programma. Zo‘n programma zou bijvoorbeeld kunnen zijn: breng eerst de trommel aan de gang, zet na één minuut het verwarmingselement aan, stop de trommel weer na vijf minuten, enzovoorts. Deze vaste volgorde zorgt voor een herkenbaar patroon in de stroom.

Hier maken we gebruik van door het stroomsignaal te analyseren en kenmerkende patronen te markeren met een letter (zoals te zien is in Figuur 3). Zo zetten we het signaal om in een reeks letters, waarin we vervolgens zoeken naar combinaties van patronen. Dit geeft ons herkende aanschakelingen op basis van de structuur van het signaal. De omzetting van signaal naar letters moet worden afgesteld en bepaalt in grote mate de prestatie van de patroonherkenner.

True negatives

De patroonherkenner voor het aanschakelen van de koelkast herkent 91 procent van de aanschakelingen. De nauwkeurigheid is 93 procent. Dat wil zeggen dat 93 procent van de herkende aanschakelingen daadwerkelijk aanschakelingen waren, de rest was vals alarm. Deze valse alarmen hebben we bekeken en op het eerste gezicht lijken ze veroorzaakt te worden door de tweede koelkast in huis. Hierdoor zijn de valse alarmen eigenlijk gewenst gedrag. Het zou mooi zijn wanneer het systeem zelf kan leren wanneer welke koelkast aanslaat.

De patroonherkenner voor het uitschakelen van de Senseo herkent 69 procent van de uitschakelingen met een nauwkeurigheid van 69 procent. Dit apparaat is lastig voor de herkenner, omdat tijdens het warm houden van de thermostaat het verwarmingselement steeds in- en uitschakelt. Hierdoor lijkt het alsof er veel uitschakelingen zijn, terwijl het apparaat nog aanstaat. We komen later terug op de mogelijkheden voor het verbeteren van deze prestaties.

Figuur 1: Het stroomverbruik tijdens het aanschakelen van een koelkast

Figuur 2: Het stroomverbruik tijdens het uitschakelen van een Senseo

Figuur 3: Het stroomverbruik tijdens het aanschakelen van een wasdroger

De patroonherkenner voor het aanschakelen van de droger herkent 93 procent van de aanschakelingen met een nauwkeurigheid van 82 procent. We hebben de incorrect herkende patronen bekeken en vonden de gezochte kenmerken in beperkte mate terug, maar het waren zeker geen drogeraanschakelingen. Door de herkenner nog beter en scherper af te stellen, is dit te voorkomen.

Belangrijk om op te merken is dat we de zogeheten true negatives niet hebben meegenomen in de bovengenoemde resultaten. Dit zijn momenten waarop een apparaat niet aangaat, wat de patroonherkenner ook als zodanig herkent. Op een drukke dag wordt een droger bijvoorbeeld twee keer aangezet, maar nog veel vaker niet. De true negatives zijn het grootste probleem bij de herkenning. Er zijn namelijk duizenden manieren waarop een foute herkenning kan ontstaan, maar dat gebeurt bijna nooit. Hieruit blijkt dat het mogelijk is om de relatief zeldzame gebeurtenis van het in- of uitschakelen van een apparaat zo betrouwbaar te herkennen, dat een goed advies aan de gebruiker kan worden gegeven. We zijn dan ook tevreden met deze eerste resultaten en concluderen dat het automatisch herkennen van in- en uitschakelmomenten daadwerkelijk tot de mogelijkheden behoort.

De apparaatsensor wordt tegen het snoer van een toestel gemonteerd en detecteert de in- en uitschakelingen.

Wetsvoorstel

Bij het onderzoek kwamen we erachter dat de personen in het huis na het zetten van een kopje Senseo het apparaat niet uitzetten, waardoor het apparaat twee uur lang aanstond tot het zichzelf uitschakelde. Tijdens deze periode was de Senseo zichzelf warm aan het houden, wat veel stroom gebruikt. Dit is een goed voorbeeld van een situatie waarbij een applicatie een advies aan de gebruiker kan geven. Die wordt zich dan bewuster van het gebruik van apparaten en kan in het vervolg energie besparen.

Een onderzoek levert meestal meer vragen op dan antwoorden. Een vraag is hoe generaliseerbaar de gemaakte patroonherkenners zijn. Vervolgonderzoek moet uitwijzen of de herkenner van onze koelkast ook werkt op andere merken of typen en of de patroonherkenners in andere huizen ook functioneren.

Een andere vraag is hoe we de herkenners kunnen verbeteren. Een mogelijkheid is de toevoeging van voorkennis. Dit betekent dat de focus komt te liggen op het gedrag van een apparaat in een groter verband, in plaats van op het op een laag niveau analyseren van het signaal. Een voorbeeld van dergelijke kennis is het feit dat een koelkast op vaste intervallen aanschakelt, bijvoorbeeld elk uur, doordat een thermostaat het apparaat controleert. Deze eigenschap bevat veel informatie, het is het eerste patroon dat opvalt wanneer we naar de meterdata kijken, maar we maken er in ons onderzoek geen gebruik van. Andere voorbeelden zijn dagritmes en seizoengebondenheid. Een koffiezetapparaat zal vooral ‘s ochtends worden gebruikt, terwijl de koelkast dag en nacht aangaat.

Vorig jaar heeft de ministerraad een wetsvoorstel aangenomen om op termijn een ’slimme meter‘ in te voeren die bij mensen het bewustzijn van hun energiegebruik verhoogt. Er is gekeken naar een meter die vier maal per uur de energiestand bepaalt, maar die bleek niet geavanceerd genoeg om dit te realiseren. Nu wordt er gezocht naar een tweede generatie met meer mogelijkheden. De Spyder zou een geschikte kandidaat zijn, omdat zijn meetfrequentie veel hoger is. Uit ons onderzoek is gebleken dat deze frequentie hoog genoeg is voor het detecteren van het in- en uitschakelen van apparaten.

Marijn Stollenga en Alle Veenstra zijn masterstudenten Artificial Intelligence aan de Rijksuniversiteit Groningen. Het onderzoek diende voor het afsluiten van hun bachelor Kunstmatige Intelligentie. Het is uitgevoerd onder begeleiding van Tjeerd Andringa (t.andringa@ai.rug.nl) en Rix Groenboom (rix@home.nl), die er een presentatie over geeft tijdens Bits&Chips 2008 Embedded Systemen op 9 oktober in Eindhoven.

Abonneer direct op onze nieuwsbrief

abonneren

Time management in innovation

2 oktober - 1 november

Eindhoven

Advanced motion control

5 november - 11 november

Eindhoven