使用高频数据与神经网络的端到端非侵入式负荷监测系统中
信号处理
2020-04-30 v1
摘要
提高能源效率是应对气候变化的必要举措。非侵入式负荷监测（Non Intrusive Load Monitoring, NILM）系统提供关于家庭用电的重要信息，可供电力公司及终端用户使用。本文介绍了一种端到端 NILM 系统的实现，其包含定制高频电表与基于神经网络的算法。本文提出了一种将高频信息作为神经网络模型输入的新方法，即通过包含精心选取特征的多变量时间序列实现。此外，文章详细评估了泛化误差，表明此类模型对训练中所见电器的新实例具有良好泛化能力。我们收集了由两个乌拉圭家庭测量构成的评估数据库，并讨论了通用的无监督方法。
引用
@article{arxiv.2004.13905,
title = {End-to-end NILM System Using High Frequency Data and Neural Networks},
author = {Franco Marchesoni-Acland and Camilo Mariño and Elías Masquil and Pablo Masaferro and Alicia Fernández},
journal= {arXiv preprint arXiv:2004.13905},
year = {2020}
}