Умные электрические розетки MIT используют машинное обучение для предотвращения ненужного отключения цепей

Детекторы дуговых замыканий могут быть незаменимыми защитниками от электрических пожаров, но они также могут создавать неудобства, если они начинают отключать устройства и приборы, когда нет риска для безопасности.

Чтобы сократить количество ложных срабатываний, команда инженеров MIT работает над новыми «умными розетками», которые используют нейронные сети, чтобы не только определить, опасна ли обнаруженная дуга, но и какие устройства подключены к розетке.

Электричество - и враг и союзник

Электричество как огонь. Это невероятно ценный слуга, но он также может быть чрезвычайно опасным врагом. С самых первых дней электротехники, предотвращение перегрузок, коротких замыканий и дуг было первоочередной задачей.

Одним из основных средств защиты был предохранитель, представляющий собой кусочек провода, предназначенный для плавления и разрыва цепи в случае перегрузки. Сегодня у нас есть гораздо более сложные версии в виде автоматических выключателей и устройств защиты от перенапряжений, предназначенные для защиты чувствительных цифровых устройств от электрических всплесков. Современные прерыватели дуговых замыканий (AFCI) выполняют аналогичную услугу.

Даже наиболее спроектированные и построенные электрические системы подвергаются износу или могут быть подвержены условиям, которые могут привести к возникновению дуг, которые могут привести к пожару или повреждению оборудования. Работа детектора дуговых замыканий состоит в том, чтобы, как следует из названия, обнаруживать эти дуги и отключать питание до того, как они станут опасными.

Проблема в том, что не все эти дуги опасны. Некоторые из них безвредны, или устройство, подключенное к розетке, может быть чем-то вроде электрического утюга, которого не будет беспокоить конкретная дуга, которая может иметь катастрофические последствия для компьютера. К сожалению, современные детекторы ошибаются из-за осторожности и часто предаются тому, что MIT называет «неприятными случаями», которые не грозят никакой реальной цели.

Цели устройства Подход MIT состоит в том, чтобы сделать AFCI немного более интеллектуальным. Современные устройства основаны на микропроцессорах, которые используют алгоритм для идентификации очень простых общих сигнатур дуг в электрическом токе. Команда MIT хотела что-то более умное, чтобы отличать опасные дуги от доброкачественных. Они сделали это с помощью микрокомпьютера Raspberry Pi Model 3, чтобы контролировать поступающие электрические данные через зажим индуктивного тока, установленный вокруг выходного провода, для измерения тока.

Зажим проходит то, что он чувствует через стандартную звуковую карту USB со встроенным буфером памяти, который способен обрабатывать очень маленькие сигналы с очень высокой частотой 48 кГц или 48 000 раз в секунду. Когда данные поступают в микрокомпьютер, нейронная сеть с машинным обучением анализирует их в режиме реального времени. Эта сеть сначала была обучена распознавать электронику компьютера iMac, горелки на плите и генератора озона - последний электрически заряжает кислород в воздухе, который может генерировать сигналы, аналогичные сигналам опасного дугового замыкания.

Со временем сеть может учиться по мере анализа большего количества данных, поэтому она все в большей степени способна точно определять, на какие сигналы воздействовать, а какие игнорировать, а также может определять, какие устройства подключены к ней. Идея состоит в том, что однажды такие умные розетки будут работать во многих домах людей для защиты электронных устройств, а приложения для смартфонов позволят потребителям анализировать и обмениваться данными об использовании электроэнергии на очень детальном уровне.

Благодаря анонимному обмену этими данными, торговые точки смогут усовершенствовать свои алгоритмы. «Делая устройство способное к обучению, вы можете постоянно обновлять систему, чтобы ваша техника стала умнее», говорит Джошуа Сигел, научный сотрудник отдела машиностроения Массачусетского технологического института. «К тому времени, когда у вас есть 1000 или 10 000 пользователей, вносящих свой вклад в модель, очень немногие люди будут испытывать эти неприятные поездки, потому что есть так много данных, собранных из очень многих разных домов».

Будущее с интеллектуальными розетками

До сих пор интеллектуальная розетка показала 95,61-процентную точность в сообщении одного устройства от другого и 99,95-процентную точность в отношении хороших сигналов от плохих сигналов, что немного лучше, чем у современных AFCI. Кроме того, розетка отреагировала на плохой сигнал менее чем за 250 миллисекунд.

Наряду с защитой от дуг команда MIT рассматривает интеллектуальную розетку как пример будущего, в котором интеллектуальные устройства и другие устройства способны диагностировать себя и предугадывать потребности своих пользователей. «Все это переносит искусственный интеллект в повседневность, в отличие от сервера, центра обработки данных или настольного компьютера», - говорит Сигел. «Я думаю, что более важной целью является постоянное подключение всего к более умному, более взаимосвязанному миру. Это то будущее, которое я хочу увидеть».