基于记忆Transformer的智能电表数据在线电动汽车充电检测
信号处理
2024-08-23 v1 人工智能
机器学习
摘要
电动汽车(EV)的日益普及给电网运营商和基础设施带来了独特的挑战，这需要有效管理这些车辆与电网的整合。识别电动汽车充电对于配电网络运营商(DNO)更好地规划和配电网管理至关重要。一个关键方面是能够准确识别电网中是否存在电动汽车充电。使用从表后设备获取的智能电表读数进行电动汽车充电识别是一项具有挑战性的任务，它能够有效管理电动汽车与现有电网的整合。与需要解决由电动汽车和非电动汽车数据引起的不平衡问题的现有监督模型不同，我们提出了一种新颖的无监督记忆Transformer(M-TR)，它可以实时（在线）运行，从流式智能电表中检测电动汽车充电。它利用M-TR编码器从扩展的全局时间窗口中动态利用粗尺度历史信息，并结合专注于有限时间范围（局部窗口）的M-TR解码器，旨在捕获智能电表数据的细尺度特征。M-TR基于异常检测技术，不需要任何关于电动汽车充电曲线的先验知识，也仅需要非电动汽车用户的真实功率消耗数据。此外，所提出的模型利用了迁移学习的能力。将M-TR与各种最先进的方法进行比较，其性能优于其他无监督学习模型。该模型对于1分钟的智能电表记录，可以以1.2秒的出色执行时间运行。
引用
@article{arxiv.2408.11828,
title = {Online Electric Vehicle Charging Detection Based on Memory-based Transformer using Smart Meter Data},
author = {Ammar Mansoor Kamoona and Hui Song and Mahdi Jalili and Hao Wang and Reza Razzaghi and Xinghuo Yu},
journal= {arXiv preprint arXiv:2408.11828},
year = {2024}
}