LEAD1.0：面向商业建筑能源异常检测的大规模标注数据集
机器学习
2022-04-01 v1 人工智能
信号处理
摘要
现代建筑密集装备智能电能计量表，周期性生成海量时间序列数据，每日产生数百万数据点。该数据可用于发现底层负荷、推断其能耗模式、对环境因子的相互依赖，以及建筑的运行属性。此外，它使我们能够同时识别电力消耗剖面中存在的异常，这是迈向节能与实现全球可持续发展的重要一步。然而，迄今为止，大规模标注能耗数据集的缺乏阻碍了异常检测领域的持续研究。我们通过发布公开可用的 ASHRAE Great Energy Predictor III 数据集的精标注版本来推进此努力，该版本包含 1,413 条跨越逾一年的智能电表时间序列。此外，我们在该数据集上基准测试了八种最先进异常检测方法的性能并比较了它们的表现。
引用
@article{arxiv.2203.17256,
title = {LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings},
author = {Manoj Gulati and Pandarasamy Arjunan},
journal= {arXiv preprint arXiv:2203.17256},
year = {2022}
}