A NON-INTRUSIVE LOAD MONITORING DEVICE FOR A SITE AND METHOD THEREFORE

The NILM device (110) configured to, measure electrical parameters comprising active power, reactive power, and apparent power for each phase of the supply line (112). The NILM device (110) extract a sample window from the measured electrical parameters, characterized in that, the NILM device (110) configured to apply RMS filter (122) to the sample window for removal of noise, process the filtered signal of the sample window through an event detection module (124) for event detection. The event detection module (124) is based on Mov-Mad. The NILM device (110) further processes the detected event through a feature extraction module (126). The feature extraction module (126) applies wavelet scattering to extract features and generates a signature. The NILM device (110) then classifies, using a KNN classifier (128), the extracted features of the sample window into one of a pre-trained clusters and consequently identifies the asset (130) based on the identified cluster. L'invention concerne un dispositif NILM (110) configuré pour mesurer des paramètres électriques comprenant une puissance active, une puissance réactive et une puissance apparente pour chaque phase de la ligne d'alimentation (112). Le dispositif NILM (110) extrait une fenêtre échantillon des paramètres électriques mesurés et se caractérise en ce que le dispositif NILM (110) est configuré pour appliquer un filtre RMS (122) à la fenêtre échantillon pour éliminer le bruit et pour traiter le signal filtré de la fenêtre échantillon par l'intermédiaire d'un module de détection d'événements (124) pour détecter des événements. Le module de détection d'événements (124) est basé sur Mov-Mad (l'EMA de MOV). Le dispositif NILM (110) traite en outre un événement détecté par l'intermédiaire d'un module d'extraction de caractéristiques (126). Le module d'extraction de caractéristiques (126) applique une diffusion d'ondelettes pour extraire des caractéristiques et génère une signature. Le dispositif NILM (110) classifie ensuite, à l'aide d'un classificateur par KNN (128), les caractéristiques extraites de la fenêtre échantillon dans l'un des groupes pré-formés et identifie ensuite un actif (130) d'après le groupe identifié.