ADF 与 TransApp：基于 Transformer 的智能电表用电序列电器检测框架

在过去十年中，全球电力供应商安装了数以百万计的智能电表，使其能够收集大量用电数据，尽管这些数据的采样频率较低（每 30 分钟一个点）。这些供应商面临的重要挑战之一是如何利用这些数据来检测客户家庭中不同电器的存在与否。这些有价值的信息可以帮助他们提供个性化的建议和推荐，以帮助客户实现能源转型。电器检测可以转化为时间序列分类问题。然而，庞大的数据量加上用电序列长度长且可变，给分类器的训练带来了挑战。在本文中，我们提出了 ADF，这是一个使用客户用电序列的子序列来检测电器存在与否的框架。我们还引入了 TransApp，一个基于 Transformer 的时间序列分类器，它首先以自监督方式进行预训练，以增强其在电器检测任务上的性能。我们在两个真实数据集（包括一个公开可用的数据集）上测试了我们的方法。在两个大型真实数据集上的实验结果表明，所提出的方法优于当前的解决方案，包括应用于电器检测的最先进的时间序列分类器。本文发表于 VLDB 2024。