用于实时建筑灵活性检测的能量分解
机器学习
2016-05-09 v1 人工智能
机器学习
摘要
能源是一种有限资源，必须明智管理，考虑到供需匹配和配电网中的容量约束。建筑层面智能能源管理的一个方面是实时检测可用灵活需求的问题。在本文中，我们提出使用能量分解技术来执行此任务。首先，我们研究使用现有的分类方法进行能量分解。对四种分类器进行了比较，即朴素贝叶斯、k近邻、支持向量机和AdaBoost。其次，我们提出使用受限玻尔兹曼机自动执行特征提取。提取的特征然后用作四个分类器的输入，并因此显示提高了它们的准确性。我们的方法的效率在真实数据库上得到证明，该数据库由高时间分辨率的详细设备级测量组成，先前研究已用于能量分解，即REDD。结果显示了对新呈现的建筑的鲁棒性和良好的泛化能力，准确率至少96%。
引用
@article{arxiv.1605.01939,
title = {Energy Disaggregation for Real-Time Building Flexibility Detection},
author = {Elena Mocanu and Phuong H. Nguyen and Madeleine Gibescu},
journal= {arXiv preprint arXiv:1605.01939},
year = {2016}
}
备注
To appear in IEEE PES General Meeting, 2016, Boston, USA