智能电网应用中用户类型识别的动态且内存高效的基于形状方法
系统与控制
2024-01-09 v1 系统与控制
摘要
在住宅层面检测表后 (BTM) 设备和主要电器，并实时跟踪其变化，对于聚合商和传统电力公司至关重要。在我们之前的工作中，我们开发了一种名为 IRMAC 的系统化解决方案，用于从住宅用户的输入能源数据中识别其 BTM 设备和应用。作为 IRMAC 的一部分，我们提出了一种相似性剖面 (SP)，用于降维并从终端用户的日常用电数据中提取自连接相似性。然而，所提出的 SP 计算计算成本高昂，且在用户端需要大量内存。为了实现边缘计算的优势，本文提出并评估了三种计算高效的更新解决方案，即加法更新、固定内存更新和基于码本的更新方法。利用真实光伏用户数据进行了广泛的模拟研究，以评估所提方法在识别光伏用户、实时跟踪变化以及检查内存使用方面的性能。我们发现，基于码本的解决方案在不损害用户特征提取性能的情况下，减少了超过 30\% 的所需内存。当关注终端用户的数据存储和计算速度时，固定内存方法优于其他方法。在跟踪变化方面，固定内存方法的不同变体表现出不同的惯性水平，使其适用于不同的应用场景。
引用
@article{arxiv.2401.03352,
title = {Dynamic and Memory-efficient Shape Based Methodologies for User Type Identification in Smart Grid Applications},
author = {Rui Yuan and S. Ali Pourmousavi and Wen L. Soong and Jon A. R. Liisberg},
journal= {arXiv preprint arXiv:2401.03352},
year = {2024}
}