面向能量分解的非侵入式负荷监测算法综述
信号处理
2021-04-16 v2 机器学习
摘要
随着城市化进程以及全球高层建筑建设带来的增长,住房结构发生改变,这要求对终端用电器具进行实时节能与管理。这一转变也伴随着智能电表的出现,使得能够从建筑的总功耗读数中估算特定器具的功耗。非侵入式负荷监测(NILM)或能量分解旨在将总层级测量的家庭能量分离为各组成器具。多年来,信号处理与机器学习算法被结合以实现这一目标。在能量分解、非侵入式负荷监测、家庭能源管理与器具分类方面已开展了大量研究与发表。存在一个API,即NILMTK,一种可复现的基准算法。许多其他执行能量分解的方法已被采用,例如深度神经网络架构和面向家庭能量分解的大数据方法。本文对有效的NILM系统框架进行了调研,并全面地回顾了基准算法的性能。本文还总结了在三个公开可用数据集上算法性能的广泛应用范围与有效性。
引用
@article{arxiv.2102.12578,
title = {A Comprehensive Review on the NILM Algorithms for Energy Disaggregation},
author = {Akriti Verma and Adnan Anwar and M. A. Parvez Mahmud and Mohiuddin Ahmed and Abbas Kouzani},
journal= {arXiv preprint arXiv:2102.12578},
year = {2021}
}
备注
11 pages, 5 figures