买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：财团法人资讯工业策进会

摘要：一种用电分析服务器及其用电分析方法。用电分析服务器基于用户数据，将所述用户进行一分群划分成多个群组。针对各群组，用电分析服务器将对应至该群组中的一参考用户的单位时间总用电量数据，经由自动编码器，以产生M+1个编码输出。针对各群组，用电分析服务器自参考用户的一能源管理系统装置，接收一电器实际量测数据，并根据电器实际量测数据，标记M+1个编码输出的M个编码输出，使其分别对应至M种电器。最后，针对各群组，用电分析服务器根据该群组的M个编码输出，建立该群组的一非侵入式负载监测系统模型。

主权项：1.一种用电分析服务器，其特征在于，包含：一网络接口；一储存器，用以储存一用户数据库，该用户数据库记录多个用户每一者的一用户数据；一处理器，电性链接至该网络接口及该储存器，用以执行下列步骤：a基于所述用户数据，将所述用户进行一分群，以将所述用户划分成多个群组；b针对各该群组，将所述用户数据中对应至该群组的一参考用户的一单位时间总用电量数据，经由一自动编码器，以产生M+1个编码输出，其中M为一正整数，M个编码输出用以对应至M种主要电器的用电量，第M+1个编码输出用以对应非所述M种主要电器的其他电器的用电量，并且所述自动编码器的输入是所述M+1个编码输出的单位时间子总用电量资料，所述自动编码器的输出是所述单位时间子总用电资料的总和；c针对各该群组，透过该网络接口联机至该群组中该参考用户的一能源管理系统装置，以接收一电器实际量测数据，该电器实际量测数据与M种电器相关联；d针对各该群组，根据该电器实际量测数据，标记该M+1个编码输出中的M个编码输出，以使其分别对应至该M种电器；以及e针对各该群组，于标记该M个编码输出后，根据M+1个编码输出及该电器实际量测数据，建立该群组的一非侵入式负载监测系统模型；其中该总用电量数据由多个子单位时间总用电量数据所构成；其中所述自动编码器的输入与输出间的关系以下方的等式表示： 其中，子单位时间总用电量数据tui是子单位时间总用电量数据tu1、tu2、…、tun其中之一，以及代表子单位时间总用电量数据tui的第j个编码输出，其中j＝1～M+1。

全文数据：用电分析服务器及其用电分析方法技术领域本发明是关于一种用电分析服务器及其用电分析方法。具体而言，本发明的用电分析服务器执行用电分析方法，根据多个用户数据，建立一非侵入式负载监测系统Non-intrusiveloadmonitoringsystem；NILM模型。背景技术随着数据分析科学的快速发展，数据分析的技术已逐渐地成熟。因此，各种类型的数据被相继的收集加以分析，以提供相关的参考信息来应用于多种用途之中。近年来，智能型电表的布建已成为主流，其可透过网络回报用户的总用电量。因此，如何基于用户的总用电量，提供用户电器设备用电量的分析，辨识用户于某时段内电器设备的使用状态，根据这些收集的数据建置用户的用电分析模型，以进一步的提供多样化的应用，例如：根据用电分析模型建议用户用电的习惯及行为，乃为目前业界及学术界思考的问题。习知的用户电器设备用电量分析技术是透过非侵入式电力负载监控技术，借由收集用户的总用电数据例如：总电压量，进一步推估主要电器设备的用电量。然而，习知的非侵入式电力负载监控技术欲获得精准的电器用电特征值，需要依靠高取样频率通常大于1Hz来获得用户的总用电数据，再透过人工介入来分析判断，以自用户的总用电数据中区分并标示各种电器的用电特征值，进而产生标签数据labeleddata，因此其用电分析模型的建置成本相当高，特别是在绝大部分的智能型电表并不具有以高取样频率获得用户的总用电数据的能力。此外，不同用户间可能存在环境不同的因素，欲确保用电分析模型能符合各个用户，服务商恐需要重新获得用户的总用电数据，以建置不同的用电分析模型来克服环境因素，倘若非如此，而将相同用电分析模型套用在不同环境的用户上，将相当容易发生过度拟合overfitting的问题即建置用电分析模型时使用过多的参数。因此，为提供用户可靠的用电分析的服务而针对每个用户分别建置用电分析模型，将更大幅地增加用电分析模型的建置成本。有鉴于此，如何提供一用电分析机制，其可无需以高取样频率获得用户的总用电数据且无需人力介入来分析用户的总用电数据，以自其中标示出各种电器的用电特征值，因而降低建置用电分析模型的成本，乃是学术及业界亟待解决的问题。发明内容本发明的目的在于提供一用电分析机制，以建置用户的用电分析模型。本发明用电分析机制借由分群用户，并针对各群组的该等用户的一参考用户，透过自动编码器处理该参考用户的用电数据，以产生多个编码输出，同时利用该参考用户的能源管理系统EnergyManagementSystem装置中的电器实际量测数据，标记该等编码输出，使其分别对应至多种电器，来建置用户群组的用电分析模型。如此一来，相较于习知技术，本发明用电分析机制可以低取样频率例如：1分钟1笔量测以获得用户的总用电量数据，并可在无人力介入的情况下，产生标签数据，以建置各用户群组的专属用电分析模型。此外，本发明的用电分析机制可进一步地基于用户的能源管理系统装置的电器实际量测数据，调整用电分析模型，以提升其对复杂环境的容限度tolerance。为达上述目的，本发明揭露一种用电分析服务器，其包含一网络接口、一储存器及一处理器，该处理器电性链接至该网络接口及该储存器。该储存器用以储存一用户数据库，该用户数据库纪录多个用户每一者的一用户数据。该处理器用以执行下列步骤：a基于该等用户数据，将该等用户进行一分群，以将该等用户划分成多个群组；b针对各该群组，将该等用户数据中对应至该群组的一参考用户的一总用电量时序数据，经由一自动编码器Autoencoder，以产生M+1个编码输出，其中M为一正整数；c针对各该群组，透过该网络接口联机至该群组中该参考用户的一能源管理系统装置，以接收一电器实际量测数据，该电器实际量测数据与M种电器相关联；d针对各该群组，根据该电器实际量测数据，标记该M+1个编码输出的该M个编码输出，使其分别对应至该M种电器；以及e针对各该群组，于标记该M个编码输出后，根据M+1个编码输出，建立该群组的一非侵入式负载监测系统Non-intrusiveloadmonitoringsystem；NILM模型。此外，本发明更揭露一种用于一用电分析服务器的用电分析方法。该用电分析伺服器具有一处理器电性链接至一网络接口及一储存器，该储存器用以储存一用户数据库，该用户数据库纪录多个用户每一者的一用户数据，该用电分析方法包含下列步骤：a基于该等用户数据，将该等用户进行一分群，以将该等用户划分成多个群组；b针对各该群组，将该等用户数据中对应至该群组的一参考用户的一总用电量时序数据，经由一自动编码器，以产生M+1个编码输出，其中M为一正整数；c针对各该群组，透过该网络接口联机至该群组中该参考用户的一能源管理系统装置，以接收一电器实际量测数据，该电器实际量测数据与该M种电器相关联；d针对各该群组，根据该电器实际量测数据，标记该M+1个编码输出的该M个编码输出，使其对应至该M种电器；以及e针对各该群组，于标记该M个编码输出后，根据M+1个编码输出，建立该群组的一非侵入式负载监测系统模型。以下结合图式阐述本发明的详细技术及较佳实施方式，俾使本领域技术人员能理解所请求保护的发明的特征。附图说明图1是本发明的一非侵入式电力负载监控系统1的示意图；图2是本发明的用电分析服务器11的示意图；图3是描绘自动编码器的输入及输出的示意图；图4是本发明一实施例的用电分析方法的流程图；图5A是本发明另一实施例的用电分析方法的流程图；以及图5B是本发明另一实施例的用电分析方法的流程图。符号说明1：非侵入式电力负载监控系统3、5、7：用户11：用电分析服务器11a：网络接口11b：储存器11c：处理器13、15、17：智能型电表19：电力数据服务器103、105、107：总用电量数据AE：自动编码器NW：网络TU：总用电量时序数据tu1、tu2、…、tun、tui：子总用电量时序数据编码输出S401-S413：步骤具体实施方式以下将透过实施方式来解释本发明的内容。然而，该等实施方式并非用以限制本发明需在如该等实施方式所述的任何环境、应用或方式方能实施。因此，关于实施方式的说明仅为阐释本发明的目的，而非用以限制本发明的范围。应理解，在以下实施方式及图式中，与本发明非直接相关的元件已省略而未绘示。本发明的第一实施例如图1所示，其是描绘一非侵入式电力负载监控Non-intrusiveloadmonitoring；NILM系统1。NILM系统1包含一用电分析服务器11、智能型电表13、15、17及一电力数据服务器19。智能型电表13、15、17透过网络NW联机至电力数据服务器19。用电分析服务器11与电力数据服务器19亦透过网络NW相联机。网络NW可为一行动通讯网络、一因特网、一局域网络等，或是前述各种网络的组合。智能型电表13、15及17是架设其对应用户3、5、7的建筑上，以记录其总用电量，并传送实时的总用电量数据103、105、107至电力数据服务器19。于本发明中，总用电量数据103、105、107是经由小于等于每分钟1笔的一取样频率所量测。换言之，总用电量数据103、105、107是周期性地传送至电力数据服务器19，其每笔数据代表智能型电表13、15、17每个取样时间点上所量测到的对应的用户3、5、7的全部电器所消耗的总电量。须说明者，因受限于版面大小，于图1中仅绘示用户3、5、7及其智能型电表13、15、17；惟，本领域技术人员可轻易了解本发明的NILM系统1是可服务数百、数千或数万以上的用户，故用户的数量与智能型电表的数量并非用于限制本发明。此外，于本实施例中，智能型电表13、15、17及电力数据服务器19是属于电力公司，而用电分析服务器11是属于一第三方业者，故用电分析服务器11是与电力数据服务器19协作，以自电力数据服务器19获得各用户的数据。然而，于其他实施例中，用电分析服务器11是可属于电力公司，且用电分析服务器11与电力数据服务器19可整合成单一服务器。在此情况下，用电分析服务器11可直接透过网络NW与智能型电表13、15、17联机。以下是协同图2进一步说明本发明的用电分析服务器11。用电分析服务器11包含一网络接口11a、储存器11b及处理器11c。处理器11c电性连接至网络接口11a及储存器11b。网络接口11a可为一有线网络接口或一无线网络接口，其透过网络NW联机至电力数据服务器19。储存器11b可为一闪存、一硬盘或任何具有相同功能的储存媒体。于本实施例中，储存器11b储存一用户数据库，其记录多个用户每一者至少包含用户3、5、7的一用户数据。各用户数据至少包含一总用电量时序数据。此外，各用户数据更可包含至少其中之一：一统计用电量例如：月总用电量、日总用电量等、一负载曲线、一建物类型、一住宅人数、一地区类型及一气候类型，但不限于此。处理器11c可透过网络接口11c联机至电力数据服务器19，以自电力数据服务器19获得用户数据。此外，用户数据除可自电力数据服务器19所获得外，更可基于总用电量数据例如：总用电量数据103、105、107产生，或者部分自客户端直接获得。换言之，本发明的用电分析服务器11可提供一网页界面或一程序界面，供申请服务的用户自行上传其用户数据。处理器11c基于该等用户数据，将该等用户进行一分群，以将该等用户划分成多个群组。须说明者，分群是为了区分用电行为及环境等因素上类似的用户，且分群可采用例如K-means分群算法或其他任一习知的算法达成。因此，任一达到相同目的的分群算法皆属于本发明的保护范畴。本发明的分群是针对各用户数据中至少其中之一参数，进行一维度、二维度或多维度的分群，甚至是进行多回合的分群，以将该等用户划分为多个群组。举例而言，处理器11c可基于用户数据中的统计用电量、负载曲线及住宅人数，进行多维度的分群。假设分群结果为用户3及5被分类至同一群组，用户7被分类至另一群组。须注意者，如同先前所述本发明的NILM系统1是可服务数百、数千或数万以上的用户，故分群后的群组数量及各群组的用户量并非用以限制本发明的保护范围。接着，针对分群完的各个群组，处理器11c自每个群组选择一参考用户，将每个群组中的参考用户的总用电量时序数据，透过自动编码器AutoencoderAE，来产生M+1个编码输出，其中M为一正整数。自动编码器AE可为稀疏自编码器、卷积自编码器、降噪自编码器或可收缩性自编码器等。须说明者，在选择参考用户时，本发明可选择分群时较接近群中心而具有代表性的用户，以增加参考的价值，且参考用户需装设能源管理系统EnergyManagementSystem。此外，本发明亦未限制选择参考用户的数量，故可基于实际系统运作的需求增减参考用户的数量。另外，总用电量时序数据可借由设置一观察讯窗，自用户的总用电量数据中所获得。如同先前所述，智能型电表针对每个取样时间点上所量测到的对应的用户的全部电器所耗费的总电量会产生一总用电量数据。因此，以用户3作为参考用户来说明，在时序上，针对用户3的总用电量数据可表示为p1,p2,…,pt，其中t是一正整数，故pt是指第t个取样时间点上所量测到的总用电量。举例而言，智能型电表可以设定于每15分钟量测一笔。因此，若总用电量p1代表PM1：00所量测到的总用电量，则总用电量p2代表PM1：15所量测到的总用电量。总用电量时序数据TU可表示由多个子总用电量时序数据tu1,tu2,…,tun所构成，即TU＝{tu1,tu2,…,tun}，其中n为一正整数。若观察讯窗为128笔，则子总用电量时序数据tuii＝1～n是为由128笔量测到的总用电量所构成的阵列。举例而言，当子总用电量时序数据tui于时序上相邻的二者彼此不重叠时，则tu1＝{p1,p2,…,p128}、tu2＝{p129,p130,…,p256}….，以此类推。此外，子总用电量时序数据tui于时序上相邻的二者彼此亦可部分重叠，例如：tu1＝{p1,p2,…,p128}、tu2＝{p65,p66,…,p192}….，以此类推。由于本领域技术人员基于上述说明可了解本发明总用电量时序数据TU的各种组成态样，且亦可了解为增加用电分析的准确度，智能型电表的量测取量频率可调整增加例如：由每15分钟量测一笔设定为每1分钟量测一笔，故在此不再加以赘述。请进一步参考图3，其是描绘将总用电量时序数据TU输入至自动编码器AE的一范例。由于本发明欲达成的用电分析是着重于主要电器的用电量，例如：电冰箱、冷气、热水瓶等，故于本发明中，自动编码器AE所产生的M+1个编码输出中M个编码输出可用以对应至M种主要电器的用电量，剩余1个编码输出是用以对应非该M种主要电器的其他电器的用电量。进一步言，自动编码器AE的输入与输出间的关系可透过以下等式1来表示：其中，子总用电量时序数据tui是为子总用电量时序数据tu1、tu2、…、tun其中之一，以及代表子总用电量时序数据tui的第j个编码输出，其中j＝1～M+1。于图3中，子总用电量时序数据tui及其对应的第j个编码输出是以图形来表示，其中纵轴为总用电需量kW及横轴为时序t。随后，处理器11c针对已产生编码输出的各群组，透过网络接口11a联机至该群组中的参考用户的能源管理系统装置，以接收电器的实际量测数据。接着，处理器11c针对各群组，根据接收到的实际量测数据其至少包含M种电器的实际量测数据，以标记自动编码器AE所产生的M+1个编码输出中的M个编码输出，使其分别对应至M种电器。举例而言，在用户3作为参考用户且安装有能源管理系统装置的情况下，能源管理系统装置是与K个附挂于K个主要电器的传感器相连接。能源管理系统装置可借由K个传感器对K个主要电器进行耗电量测，以获得K个主要电器的实际量测数据。须说明者，基于实际标记的需求，K的数值可设成与M的数值相同即只量测M种电器，或者K的数值可设成大于M的数值即量测超过M种电器。如此一来，根据实际量测数据，处理器11c可得知智能型电表13所量测且产生的总用电量数据中包含哪些主要电器的耗电，并借由增强式学习ReinforcementLearning算法，将M个编码输出分别标记以对应至M种电器。以一简单例子作为说明，假设M＝7即所欲分析的主要电器为7种。当子总用电量时序数据tu2经自动编码器AE所产生的编码输出中仅有编码输出與有明显波形产生时，处理器11c基于实际量测数据可得知子总用电量时序数据tu2所相对应的实际时间区间内用户3正在使用的主要电器为洗衣机及冷气，并判断编码输出與可能分别对应至洗衣机及冷气。另外，当子总用电量时序数据tu3经自动编码器AE所产生的编码输出中仅有编码输出有明显波形产生时，处理器11c基于实际量测数据可判断子总用电量时序数据tu3所相对应的实际时间区间内用户3正在使用的主要电器为冷气。因此，处理器11c借由这样的比对matching方式，可将编码输出标记为洗衣机以及编码输出标记为冷气。经由相互比对各个子总用电量时序数据tui所对应的编码输出与实际量测数据间的关系，处理器11c即可将M个编码输出分别标记以对应至M种电器。最后，针对各已标记完M个编码输出的群组，处理器11c根据该群组的M+1个编码输出，建立该群组的一NILM系统模型。举例言而，用电分析服务器11可将基于参考用户3所建立的NILM系统模型作为其所属群组的NILM系统模型，因此，可基于NILM系统模型，分析该群组的一服务用户例如：用户5的总用电量时序数据，以得知用户5的主要电器的用电情况，并产生一用电建议数据，以供用户5作为用电参考。须说明者，于本实施例中是假设能源管理系统装置安装于用户的建筑上；然而，于其他实施例中，能源管理系统装置亦可为一云端装置，其透过网络NW与附挂于电器的传感器联机。此外，于其他实施例中，本发明在选择参考用户上的依据，除了可选择分群时较接近群中心而具有代表性的用户外，亦可选择M种电器在使用时间上较有区隔的用户，以增加标记的效率。于其他实施例中，当用户改变其用户数据时，用电分析服务器11即可快速地根据用户更新的用户数据，以将此用户分类至其他适合的群组，并将新群组的NILM系统模型套用至该用户上。举例而言，当用户从公寓大楼搬离至独栋的房屋、搬离至较炎热的区域时或是住宅人数有异动时，用电分析服务器11即可快速地根据用户更新的用户数据，分析异动后相关的特征因素来将此用户分类至适合的群组，直接将新的群组的NILM系统模型套用至此用户上。据此，本发明在用户的环境因素变动时，无需重新收集数据以建置不同NILM系统模型，造成建置成本增加。另外，于一实施例中，针对M+1个编码输出，用电分析服务器11的管理员可先对M+1个编码输出预先标记，再透过处理器11c根据实际量测数据确认编码输出的标记，并进一步地标记无法预先标记的编码输出。此外，于其他实施例中，除了将总用电量时序数据作为自动编码器的输入外，亦可将其他用户数据例如：负载曲线亦同时作为另一维度输入。由于本领域技术人员基于前述说明应可了解本发明上述其他实施例的操作，以达到标记自动编码器的该等编码输出，故在此不再加以赘述。此外，于其他实施例中，如先前所述，用电分析服务器11可属于电力公司，且用电分析服务器11与电力数据服务器19可整合成单一服务器。在此情况下，用电分析服务器11可直接透过网络NW与智能型电表13、15、17联机。因此，处理器11c可透过网络接口11a联机至智能型电表13、15、17。本发明的第二实施例亦请参考图1及图2，其是为第一实施例的延伸。于本实施例中，针对各群处所建立的NILM系统模型，处理器11c更根据参考用户的电器实际量测数据，校正群组的非侵入式负载监测系统模型。举例而言，针对用户3的NILM系统模型，已被标记为冷气，因此NILM系统模型在未校正之前，处理器11c是根据tui所对应的编码输出的波形判断用户3的用电量。然而，由于用户3的实际环境中可能存在相当多种的非主要电器或小电器，因此编码输出中亦可能包其他非主要电器的成分。在此情况下，基于用户3的能源管理系统装置所量测的冷气实际耗电量，则处理器11c可校正NILM系统模型。假设电器实际量测数据显示冷气的耗电量最大值为1200W且耗电量最小值为200W，而编码输出的波形最大值为1300W且最小值为300W，则处理器11c可将NILM系统模型中自编码器所输出的编码输出的波形进一步调整后，才基于调整后的波形，对用户的用电量进行分析。据此，本发明的用电分析服务器11可根据能源管理系统搜集的实际量测数据进行反馈训练，调整非侵入式负载监测系统模型的分析结果，以提升其对复杂环境的容限度tolerance。本发明的第三实施例是为一用电分析服务器的用电分析方法，其流程图是如图4所示。本实施例的用电分析方法适用于一用电分析服务器例如：前述实施例的用电分析服务器11。用电分析伺服器具有一处理器、一网络接口及一储存器。储存器用以储存用户数据库。用户数据库用以纪录多个用户每一者的用户数据。处理器可透过网络接口联机至一电力数据服务器，以自电力数据服务器获得该等用户的该等用户数据。该用电分析方法由处理器所执行。首先，于步骤S401中，基于该等用户数据，将该等用户进行分群，以将该等用户划分成多个群组。如前述实施例，用电分析服务器可基于该等用户数据中至少其中之一参数，进行一维度、二维度或多维度的该分群，以将该等用户划分成该等个群组。接着，于步骤S403中，针对各群组，将群组的该等用户数据中的一参考用户的一总用电量时序数据，经由自动编码器，以产生M+1个编码输出，其中M为正整数。随后，于步骤S405中，针对各群组，透过网络接口联机至群组中参考用户的一能源管理系统装置，以接收一电器实际量测数据。电器实际量测数据是与M种电器相关联。接着，于步骤S407中，针对各群组，根据电器实际量测数据，标记将M+1个编码输出中的M个编码输出，以使其分别对应至M种电器。最后，于步骤S409中，针对各群组，于标记M个编码输出后，根据群组的M+1个编码输出，建立群组的非侵入式负载监测系统模型。此外，于一实施例中，各用户数据更包含以下至少其中之一：一统计用电量、一负载曲线、一建物类型、一住宅人数、一地区类型及一气候类型。于一实施例中，该等总用电量时序数据是经由小于等于每分钟1笔的一取样频率所量测。于一实施例中，如图5A所示，本发明的用电分析方法可更包含步骤S411：针对该等用户的一服务用户，根据服务用户对应的群组的非侵入式负载监测系统模型，产生服务用户的一用电建议数据。另外，于一实施例中，如图5B所示，本发明的用电分析方法更包含步骤S413：针对各群组，根据参考用户的电器实际量测数据，校正群组的非侵入式负载监测系统模型。此外，于一实施例中，电分析服务器可联机至电力数据服务器，以自电力数据服务器获得各用户的总用电量数据，且参考用户的总用电量时序数据可借由设置一观察讯窗，自参考用户的总用电量数据中所获得。再者，总用电量数据可由多个子总用电量时序数据所构成，且该等子总用电量时序数据中于时序上相邻的二者可彼此部分重叠或彼此不重叠。另外，于其他实施例中，用电分析服务器可属于电力公司，且可与电力数据服务器可整合成单一服务器。在此情况下，用电分析服务器可直接透过网络与多个智能型电表联机。除了上述步骤，本实施例的用电分析方法亦能执行前述实施例所描述的所有操作及具备所对应的所有功能。本领域技术人员可直接了解本实施例如何基于前述实施例的揭露内容执行此等操作及具备此等功能，于此不再赘述。综上所述，本发明的用电分析机制，透过用户分群并对各用户群组分别建立NILM系统模型，故当新用户出现或用户环境改变时，可自多个用户群组的NILM系统模型中选择最适合的NILM系统模型套用至新用户或环境改变的用户上，进而避免过度拟合overfitting的问题。再者，本发明的用电分析机制可以低取样频率量测以获得用户的总用电量数据，并可在无人力介入的情况下，产生标签数据，故可免除人工的繁杂操作。此外，本发明的用电分析机制可进一步地配合能源管理系统装置，获得电器实际量测数据，进而调整用电分析模型，以提升其对复杂环境的容限度tolerance。上述实施方式仅用来例举本发明的部分实施态样，以及阐释本发明的技术特征，而非用来限制本发明的保护范畴及范围。本领域的技术人员可轻易完成的改变或均等性的安排均属于本发明所主张的范围，而本发明的权利保护范围以权利要求书为准。

权利要求：1.一种用电分析服务器，其特征在于，包含：一网络接口；一储存器，用以储存一用户数据库，该用户数据库纪录多个用户每一者的一用户数据；一处理器，电性链接至该网络接口及该储存器，用以执行下列步骤：a基于该等用户数据，将该等用户进行一分群，以将该等用户划分成多个群组；b针对各该群组，将该等用户数据中对应至该群组的一参考用户的一总用电量时序数据，经由一自动编码器，以产生M+1个编码输出，其中M为一正整数；c针对各该群组，透过该网络接口联机至该群组中该参考用户的一能源管理系统装置，以接收一电器实际量测数据，该电器实际量测数据与M种电器相关联；d针对各该群组，根据该电器实际量测数据，标记将该M+1个编码输出中的M个编码输出，以使其分别对应至该M种电器；以及e针对各该群组，于标记该M个编码输出后，根据M+1个编码输出及该电器实际量测数据，建立该群组的一非侵入式负载监测系统模型。2.如权利要求1所述的用电分析服务器，其特征在于，各该用户数据更包含以下至少其中之一：一统计用电量、一负载曲线、一建物类型、一住宅人数、一地区类型及一气候类型。3.如权利要求1所述的用电分析服务器，其特征在于，该等总用电量时序数据是经由小于等于每分钟1笔的一取样频率所量测。4.如权利要求1所述的用电分析服务器，其特征在于，针对该等用户的一服务用户，该处理器更根据该群组的该非侵入式负载监测系统模型产生一用电建议数据。5.如权利要求1所述的用电分析服务器，其特征在于，针对各该群组，该处理器更根据该参考用户的该电器实际量测数据，校正该群组的该非侵入式负载监测系统模型。6.如权利要求1所述的用电分析服务器，其特征在于：该处理器是基于该等用户数据中至少其中之一参数，进行一维度、二维度或多维度的该分群，以将该等用户划分成该等个群组。7.如权利要求1所述的用电分析服务器，其特征在于，该处理器更透过该网络接口联机至一电力数据服务器，以自该电力数据服务器获得该等用户的该等用户数据。8.如权利要求1所述的用电分析服务器，其特征在于，该处理器更透过该网络接口联机至一电力数据服务器，以自该电力数据服务器获得各该用户的一总用电量数据，其中该参考用户的该总用电量时序数据是借由设置一观察讯窗，自该参考用户的该总用电量数据中所获得。9.如权利要求8所述的用电分析服务器，其特征在于，该总用电量数据由多个子总用电量时序数据所构成，该等子总用电量时序数据中于时序上相邻的二者彼此部分重叠或彼此不重叠。10.如权利要求1所述的用电分析服务器，其特征在于，该处理器更透过该网络接口联机至多个智能型电表。11.一种用于一用电分析服务器的用电分析方法，其特征在于，该用电分析伺服器具有一处理器、一网络接口及一储存器，该储存器用以储存一用户数据库，该用户数据库纪录多个用户每一者的一用户数据，该用电分析方法由该处理器执行且包含下列步骤；a基于该等用户数据，将该等用户进行一分群，以将该等用户划分成多个个群组；b针对各该群组，将该等用户数据中对应至该群组的一参考用户的一总用电量时序数据，经由一自动编码器，以产生M+1个编码输出，其中M为一正整数；c针对各该群组，透过该网络接口联机至该群组中该参考用户的一能源管理系统装置，以接收一电器实际量测数据，该电器实际量测数据与M种电器相关联；d针对各该群组，根据该电器实际量测数据，标记将该M+1个编码输出中的M个编码输出，以使其分别对应至该M种电器；以及e针对各该群组，于标记该M个编码输出后，根据M+1个编码输出及该电器实际测量数据，建立该群组的一非侵入式负载监测系统模型。12.如权利要求11所述的用电分析方法，其特征在于，各该用户数据更包含以下至少其中之一：一统计用电量、一负载曲线、一建物类型、一住宅人数、一地区类型及一气候类型。13.如权利要求11所述的用电分析方法，其特征在于，该等总用电量时序数据是经由小于等于每分钟1笔的一取样频率所量测。14.如权利要求11所述的用电分析方法，其特征在于，更包含以下步骤：针对该等用户的一服务用户，根据该服务用户对应的该群组的该非侵入式负载监测系统模型，产生该服务用户的一用电建议数据。15.如权利要求11所述的用电分析方法，其特征在于，更包含以下步骤：针对各该群组，根据该参考用户的该电器实际量测数据，校正该群组的该非侵入式负载监测系统模型。16.如权利要求11所述的用电分析方法，其特征在于，该步骤a是基于该等用户数据中至少其中之一参数，进行一维度、二维度或多维度的该分群，以将该等用户划分成该等个群组。17.如权利要求11所述的用电分析方法，其特征在于，更包含以下步骤：透过该网络接口联机至一电力数据服务器，以自该电力数据服务器获得该等用户的该等用户数据。18.如权利要求11所述的用电分析方法，其特征在于，该电分析服务器联机至一电力数据服务器，以自该电力数据服务器获得各该用户的一总用电量数据，其中该参考用户的该总用电量时序数据是借由设置一观察讯窗，自该参考用户的该总用电量数据中所获得。19.如权利要求18所述的用电分析方法，其特征在于，该总用电量数据由多个个子总用电量时序数据所构成，该等子总用电量时序数据中于时序上相邻的二者彼此部分重叠或彼此不重叠。20.如权利要求11所述的用电分析方法，其特征在于，该电分析服务器联机至多个智能型电表。

百度查询： 财团法人资讯工业策进会 用电分析服务器及其用电分析方法