MSDC：基于双CNN模型在非侵入式负荷监测中利用多状态功耗
机器学习
2023-02-14 v1
摘要
非侵入式负荷监测（NILM）旨在将聚合的用电信号分解为各电器的功耗信号，它是盲源分离任务的一个经典实例。利用深度学习技术的最新进展，我们设计了一种新的神经NILM模型多状态双CNN（MSDC）。与以往模型不同，MSDC显式提取电器的多个状态及状态转移信息，进而调控对各电器信号的预测。更具体地，我们采用双CNN架构：一个CNN用于输出状态分布，另一个用于预测各状态的功率。我们发明了一种利用条件随机场（CRF）捕捉状态转移的新技术。在REDD和UK-DALE两个真实数据集上的实验表明，我们的模型显著优于最先进的模型，且具有良好的泛化能力，对未见过电器的MAE提升6%–10%，SAE提升33%–51%。
引用
@article{arxiv.2302.05565,
title = {MSDC: Exploiting Multi-State Power Consumption in Non-intrusive Load Monitoring based on A Dual-CNN Model},
author = {Jialing He and Jiamou Liu and Zijian Zhang and Yang Chen and Yiwei Liu and Bakh Khoussainov and Liehuang Zhu},
journal= {arXiv preprint arXiv:2302.05565},
year = {2023}
}