考虑有限训练数据的非侵入式用水分类

对家庭用水消耗进行智能计量以持续监测不同电器的使用，已被证明会影响人们节约用水的行为。然而，为监测每个电器安装多个传感器目前初始成本高，因此使用传感器监测不同电器消耗并不经济。为应对此挑战，研究聚焦于利用机器学习（ML）方法分析总家庭消耗测量值，将用水分解至各电器。通过 ML 识别正在使用的电器具有挑战性，因为其运行可能重叠，而特定电器可能以间歇流运行，使单个消耗事件难以区分。此外，ML 方法需要大量标注输入数据训练模型，单个家庭通常无法提供，且不同地区使用特征可能不同。本工作中，我们首先提出一种数据模型，基于地区用水特征与分辨率生成合成时间序列，以克服对大量真实标注训练数据的需求。该方法仅需所研究地区少量真实标注数据。随后，我们提出一种新算法，利用总家庭消耗测量值对单户与重叠用水事件进行分类。