基于周期聚类的家电运行模式识别
机器学习
2021-01-27 v1 人工智能
摘要
日益增长的成本、能源需求和环境问题已促使许多研究者寻找能源监测乃至节能的方法。物联网 (IoT) 和机器学习 (ML) 的新兴技术提供了有望高效节能和改善能耗利用的方法。智能家居能源管理系统 (SHEMSs) 有望通过在居民部门应用需求响应 (DR) 为节能做出贡献。本文中，我们提出基于周期聚类的家电运行模式识别 (OMICC)，这是一种 SHEMS 基础方法，利用感知到的居民分项功耗，通过为消费者提供选择更轻量家电运行模式的机会来支持 DR。提取家电单次使用剖面 (SUP) 的周期，并重构为周期簇特征。随后使用 K-近邻 (KNN) 利用这些特征识别每次使用中的运行模式。运行模式识别被视为 SHEMS 中面向消费者或供应商的许多潜在智能 DR 应用的基础。
引用
@article{arxiv.2101.10472,
title = {Appliance Operation Modes Identification Using Cycles Clustering},
author = {Abdelkareem Jaradat and Hanan Lutfiyya and Anwar Haque},
journal= {arXiv preprint arXiv:2101.10472},
year = {2021}
}