基于 PCA-ICA 特征融合的轻量级多标签 NILM 模型 Fusion-ResNet
摘要
非侵入式负载监测（NILM）是一种使用数据驱动算法将家庭总功耗分解为单个 appliance 消耗的高级监测技术。然而，实际 NILM 部署仍面临过拟合、模型泛化性低以及同时分解大量 appliance 消耗等重大挑战。为解决这些问题，本工作提出一种用于 NILM 分类任务的端到端框架，包括高频标记数据、特征提取方法和轻量级神经网络。在该框架中，我们引入一种融合独立成分分析（ICA）和主成分分析（PCA）特征的新颖特征提取方法。此外，我们提出一种用于多标签 NILM 分类的轻量级架构（Fusion-ResNet）。该基于特征的模型在 various appliance 上平均 F1 分数均高于最先进的 NILM 分类器，同时最小化训练和推理时间。最后，我们针对不同数量的同时活跃设备进行基准测试。结果表明，Fusion-ResNet 在最高可达 15 个同时活跃 appliance 的压力情况下仍具相对鲁棒性。
引用
@article{arxiv.2511.12139,
title = {Fusion-ResNet: A Lightweight multi-label NILM Model Using PCA-ICA Feature Fusion},
author = {Sahar Moghimian Hoosh and Ilia Kamyshev and Henni Ouerdane},
journal= {arXiv preprint arXiv:2511.12139},
year = {2025}
}
备注
Extended version of the conference paper "Enhancing Non-Intrusive Load Monitoring with Features Extracted by Independent Component Analysis" -- arXiv:2501.16817. Instead of solely using ICA or PCA for feature extraction, we propose the fusion of ICA and PCA, which outperforms other baseline models. This extended version is meant for journal publication