通过独立分量分析提取的特征增强非入侵负荷监测
系统与控制
2025-10-17 v1 机器学习
系统与控制
摘要
本文提出了一种新型神经网络架构，以解决能源分解算法中的挑战。这些挑战包括数据可用性有限以及同时运行大量器具的分解复杂性。该模型利用独立分量分析作为神经网络的骨架，并以F1分数评估其在不同数量的器具同时运行时的性能。我们的结果表明，该模型抗过拟合能力较强，复杂度较低，能够有效分解由众多单个组成部分构成的信号。此外，我们展示了该模型在应用于真实数据时能够优于现有算法。
引用
@article{arxiv.2501.16817,
title = {Enhancing Non-Intrusive Load Monitoring with Features Extracted by Independent Component Analysis},
author = {Sahar Moghimian Hoosh and Ilia Kamyshev and Henni Ouerdane},
journal= {arXiv preprint arXiv:2501.16817},
year = {2025}
}