ABODE-Net：一种基于注意力机制的深度学习模型，用于利用智能电表数据进行非侵入式建筑占用检测
机器学习
2022-12-23 v1 信号处理
摘要
占用信息对于建筑领域的有效能源管理非常有用。高级量测体系（AMI）网络中智能电表收集的海量高分辨率电力消耗数据，使得以非侵入式方式推断建筑的占用状态成为可能。在本文中，我们提出了一种名为 ABODE-Net 的深度学习模型，该模型采用了一种新颖的并行注意力（PA）模块，用于利用智能电表数据进行建筑占用检测。PA 模块以并行方式结合了时间、变量和通道注意力模块，以突出占用检测的重要特征。我们在性能评估中采用了两个广泛用于建筑占用检测的智能电表数据集。并纳入了一组最先进的浅层机器学习和深度学习模型进行性能比较。结果表明，ABODE-Net 在所有实验案例中均显著优于其他模型，这证明了其作为非侵入式建筑占用检测解决方案的有效性。
引用
@article{arxiv.2212.11396,
title = {ABODE-Net: An Attention-based Deep Learning Model for Non-intrusive Building Occupancy Detection Using Smart Meter Data},
author = {Zhirui Luo and Ruobin Qi and Qingqing Li and Jun Zheng and Sihua Shao},
journal= {arXiv preprint arXiv:2212.11396},
year = {2022}
}
备注
To be published in The 7th International Conference on Smart Computing and Communication (SmartCom 2022)