基于神经网络集成的插头级电器测量实时辨识
机器学习
2018-02-21 v1 人工智能
信号处理
摘要
从终端用电电器的个体消耗曲线辨识其身份的问题，即电器辨识问题，是非侵入式负荷监测（NILM）与自动化插头级计量中的一个基础环节。因此，电器辨识已借助多种电器特征、分类模型与评估数据集得到专门研究。本文提出一种神经网络集成方法来利用高分辨率测量数据解决该问题。模型在原始电流与电压波形上训练，从而消除对精心设计的电器特征的需求。我们在一个公开可用的电器数据集上评估所提模型，该数据集来自 55 栋住宅建筑、11 个电器类别及超过 1000 条测量记录。我们进一步研究了训练好的模型相对于训练数据集、采样频率以及电器稳态运行变化的稳定性。
引用
@article{arxiv.1802.06963,
title = {Neural Network Ensembles to Real-time Identification of Plug-level Appliance Measurements},
author = {Karim Said Barsim and Lukas Mauch and Bin Yang},
journal= {arXiv preprint arXiv:1802.06963},
year = {2018}
}
备注
NILM Workshop 2016