基于深度神经网络的非侵入式负荷监测(NILM)：综述
信号处理
2023-06-09 v1 机器学习
摘要
需求侧管理如今涵盖更多居民负荷。为高效实施需求响应策略，定期观测各类家用电器对总能耗的贡献至关重要。非侵入式负荷监测(NILM)，亦称负荷分解，是一种将家庭总能耗曲线分解为各电器负荷曲线的方法。它在需求侧管理、能耗监测与分析中有多种应用。包括机器学习与深度学习在内的多种方法已被用于实现并改进NILM算法。本文综述了部分近期基于深度学习的NILM方法，并介绍了针对居民负荷的最精确方法。总结了用于NILM评估的公开数据库，并使用标准性能度量对方法进行比较。
引用
@article{arxiv.2306.05017,
title = {Non-Intrusive Load Monitoring (NILM) using Deep Neural Networks: A Review},
author = {Mohammad Irani Azad and Roozbeh Rajabi and Abouzar Estebsari},
journal= {arXiv preprint arXiv:2306.05017},
year = {2023}
}
备注
6 pages, EEEIC 2023 conference