基于电器使用状态的人数计算方法及其监控系统的制作方法
【技术领域】
[0001] 本发明是有关于一种人数计算方法及其监控系统，且特别是有关于一种基于电器 使用状态的人数计算方法及其监控系统。
【背景技术】
[0002] 在现今的社会中，由于用电成本逐渐提高，因而使得家庭与企业对于节能议题越 来越重视。在过去的节能管理系统中，多半对家庭与企业提供其历史用电信息作为比较与 节能的基础。然而，一个空间的用电情形随着空间使用者人数以及天气等其他动态因素而 有所不同，单纯的历史用电信息不一定具备参考价值，这样的信息也不容易让使用者解读， 因而无法有效的帮助使用者制定节能策略。因此，能源管理系统是否能提供一个同类型空 间或用电基准（benchmark)作为节能改善的参考依据，则是节能工作的一个非常重要的关 键。
[0003] 然而,一个空间的用电情形随着空间大小、空间的用途、空间使用者人数以及天气 等各种环境因素而有所不同。在前述的各种环境因素中，空间大小、空间类别与天气等静态 的环境信息都可以通过设定或者其他方式取得，但取得空间使用者人数等动态的信息则面 对相当大的挑战。
[0004] 传统取得空间人数的做法必须通过许多传感器（sensor)或者图像处理的技术来 辨识人数。目前关于人数计算的研究中，主分为下列四类：图像辨识系统、红外线感测系统、 二氧化碳浓度感测系统以及Kinect应用系统。
[0005] 虽然图像辨识系统的建置上较容易（例如，一个出入口只需一个摄影机），但由于 需要使用高解析度的摄影机，且其中央处理器也须负荷大量的图像处理操作，因此实现上 的成本较高。在红外线感测系统中，由于其是利用红外线的遮断变化来判断通人数的进出， 因而使得其实现上的成本较低。然而，由于红外线感测系统的传感器放置的地方必须位于 出入口的两侧，因而造成其建置上的自由度较低。由于仅需在室内装设多个二氧化碳浓度 传感器来收集并判断室内的二氧化碳浓度，因此二氧化碳浓度感测系统实现成本较低。然 而，由于二氧化碳浓度感测系统必须考虑抽风机与空调造成的空气循环，因此实际操作上 较困难。此外，由于必须采用微软所推出的Kinect系统为主要检测设备来判断人体的动 作，因而使得Kinect应用系统的实现成本较高。
【发明内容】
[0006] 有鉴于此，本发明提出的基于电器使用状态的人数计算方法及其监控系统可通过 建置成本较低的非侵入式负载检测电表（non-intrusive load monitoring meter)来收集 运作中的电器的电器状态，并据以估计空间中的人数。如此一来，本发明提出的方法便可加 入空间人数的估计，更准确地分析用电情形，并将提供更精准的分析报告，来协助使用者改 善用电习惯，以及提供使用者有效的节电策略。
[0007] 本发明提供一种基于电器使用状态的人数计算方法，适用于监控系统。所述方法 包括下列步骤：收集特定空间中对应于第一时间区间的多个第一人数以及多个第一电器使 用状态；依据所述多个第一人数以及所述多个第一电器使用状态建立关联于第一时间区间 的预测模型；检测在第二时间区间时的第二电器使用状态；依据预测模型预测对应于第二 时间区间以及第二电器使用状态的第二人数。
[0008] 在本发明的一实施例中，依据所述多个第一人数以及所述多个第一电器使用状态 建立关联于第一时间区间的预测模型的步骤包括：基于所述多个第一人数以及所述多个第 一电器状态执行类神经网络演算法，以产生对应于类神经网络中的多个神经元的多个权重 以及多个偏移量；依据所述多个权重以及所述多个偏移量建立预测模型。
[0009] 在本发明的一实施例中，依据预测模型预测对应于第二时间区间以及第二电器使 用状态的第二人数的步骤包括：输入第二电器使用状态至预测模型，以依据所述多个权重 以及所述多个偏移量计算第二人数。
[0010] 在本发明的一实施例中，依据所述多个第一人数以及所述多个第一电器使用状态 建立关联于第一时间区间的预测模型的步骤包括：输入所述多个第一人数以及所述多个第 一电器状态至支持向量机，以找出分类所述多个第一人数以及所述多个第一电器状态的分 类器；依据分类器建立预测模型。
[0011] 在本发明的一实施例中，依据预测模型预测对应于第二时间区间以及第二电器使 用状态的第二人数的步骤包括：输入第二电器使用状态至预测模型，以依据分类器找出对 应于第二电器使用状态的第二人数。
[0012] 在本发明的一实施例中，所述方法还包括基于所述多个第一人数、所述多个第一 电器使用状态、第二电器使用状态以及第二人数产生能源分析报告并提供能源使用建议。
[0013] 本发明提供一种监控系统，其包括检测装置以及电脑装置。检测装置收集特定空 间中对应于第一时间区间的多个第一人数以及多个第一电器使用状态。电脑装置耦接检测 装置。电脑装置包括存储单元以及处理单元。存储单元存储多个模块。处理单元耦接存储 单元，存取并执行存储单元中记录的所述多个模块。所述多个模块包括模型建立模块、检测 模块以及预测模块。模型建立模块依据所述多个第一人数以及所述多个第一电器使用状态 建立关联于第一时间区间的预测模型。检测模块控制检测装置检测在第二时间区间时的第 二电器使用状态。预测模块依据预测模型预测对应于第二时间区间以及第二电器使用状态 的第二人数。
[0014] 在本发明的一实施例中，模型建立模块经配置以基于所述多个第一人数以及所述 多个第一电器状态执行类神经网络演算法，以产生对应于类神经网络中的多个神经元的多 个权重以及多个偏移量；以及依据所述多个权重以及所述多个偏移量建立预测模型。
[0015] 在本发明的一实施例中，预测模块输入第二电器使用状态至预测模型，以依据所 述多个权重以及所述多个偏移量计算第二人数。
[0016] 在本发明的一实施例中，模型建立模块经配置以输入所述多个第一人数以及所述 多个第一电器状态至支持向量机，以找出分类所述多个第一人数以及所述多个第一电器状 态的分类器；依据分类器建立预测模型。
[0017] 在本发明的一实施例中，预测模块输入第二电器使用状态至预测模型，以依据分 类器找出对应于第二电器使用状态的第二人数。
[0018] 在本发明的一实施例中，预测模块还基于所述多个第一人数、所述多个第一电器 使用状态、第二电器使用状态以及第二人数产生能源分析报告并提供能源使用建议。
[0019] 本发明提供一种基于电器使用状态的人数计算方法，适用于监控系统。所述方法 包括下列步骤：将多个第一空间中对应于第一时间区间的多个第一电器类型以及所述多个 第一电器类型个别的第一电器数量转换为多个训练向量，其中所述多个第一空间对应于特 定空间；将特定空间中对应于第一时间区间的多个第二电器类型以及所述多个第二电器类 型个别的第二电器数量转换为测试向量；依据所述多个训练向量以及测试向量产生最大测 试向量，其中最大测试向量包括多个元素，且各元素对应于所述多个第一电器类型；从所述 多个元素中找出不为〇的多个特定元素；取得对应于各特定元素的多个第一电器使用状 态，其中所述多个第一电器使用状态对应于多个第一人数；向对应于各特定元素的所述多 个第一电器使用状态执行主成分分析操作，以找出所述多个第一电器使用状态个别的主成 分；输入所述多个第一电器使用状态个别的主成分至支持向量机，以找出分类所述多个第 一电器使用状态个别的主成分的分类器；检测在第二时间区间时的第二电器使用状态；依 据分类器找出对应于第二电器使用状态的第二人数。
[0020] 在本发明的一实施例中，所述方法还包括基于所述多个第一人数、所述多个第一 电器使用状态、第二电器使用状态以及第二人数产生能源分析报告并提供能源使用建议。
[0021] 本发明提供一种监控系统，其包括检测装置以及电脑装置。电脑装置耦接检测装 置。电脑装置耦接检测装置。电脑装置包括存储单元以及处理单元。存储单元存储多个模 块。处理单元耦接存储单元，存取并执行存储单元中记录的所述多个模块。所述多个模块包 括第一转换模块、第二转换模块、产生模块、寻找模块、电器使用状态取得模块、分析模块、 分类模块、检测模块以及预测模块。第一转换模块将多个第一空间中对应于第一时间区间 的多个第一电器类型以及所述多个第一电器类型个别的第一电器数量转换为多个训练向 量。第二转换模块将特定空间中对应于第一时间区间的多个第二电器类型以及所述多个第 二电器类型个别的第二电器数量转换为测试向量。产生模块依据所述多个训练向量以及测 试向量产生最大测试向量，其中最大测试向量包括多个元素，且各元素对应于所述多个第 一电器类型。寻找模块从所述多个元素中找出不为〇的多个特定元素。电器使用状态取得 模块取得对应于各特定元素的多个第一电器使用状态。分析模块向对应于各特定元素的所 述多个第一电器使用状态执行主成分分析操作，以找出所述多个第一电器使用状态个别的 主成分，其中所述多个第一电器使用状态对应于多个第一人数。分类模块输入所述多个第 一电器使用状态个别的主成分至支持向量机，以找出分类所述多个第一电器使用状态个别 的主成分的分类器。检测模块控制检测装置检测在第二时间区间时的第二电器使用状态， 其中第二时间区间对应于第一时间区间。预测模块依据分类器预测对应于第二电器使用状 态的第二人数。
[0022] 在本发明的一实施例中，预测模块还基于所述多个第一人数、所述多个第一电器 使用状态、第二电器使用状态以及第二人数产生能源分析报告并提供能源使用建议。
[0023] 基于上述，本发明实施例提出的方法分别基于监督式学习机制以及半监督式学习 机