基于状态的非侵入式负荷监测的混合整数非线性规划
最优化与控制
2022-04-13 v2 机器学习
机器学习
摘要
能量分解，在文献中称为非侵入式负荷监测（NILM），是指根据单个智能电表记录的总信号推断各电器能耗的任务。本文提出一种新颖的基于两阶段优化的能量分解方法。在第一阶段，利用由分解功率曲线组成的小型训练集，通过求解混合整数规划问题来估计参数和功率状态。一旦模型参数被估计出来，能量分解问题就被表述为一个带约束的二元二次优化问题。我们引入了利用关于分解轨迹如何生成的先验知识的惩罚项，以及刻画同时运行的不同类型电器特征的设备特定约束。我们的方法在合成数据集和三个真实世界数据集上与现有的基于优化的算法进行了比较。所提出的公式计算高效，能够区分具有相似消耗模式的负荷，并能在存在未计量设备的情况下成功重建已知电器的特征，从而克服了文献中基于优化的方法的主要缺点。
引用
@article{arxiv.2106.09158,
title = {Mixed-Integer Nonlinear Programming for State-based Non-Intrusive Load Monitoring},
author = {Marco Balletti and Veronica Piccialli and Antonio M. Sudoso},
journal= {arXiv preprint arXiv:2106.09158},
year = {2022}
}