即插即用！一个简单、通用的能量分解模型
人工智能
2014-04-08 v1
摘要
能量分解是指从聚合能量值中发现各个电器的能耗。为了解决这一问题，现有的大多数方法依赖于电器的特征签名或其状态转换模式，而这二者在实践中都难以获取。为了开发一个不依赖复杂机器学习技术或辅助设备的简单、通用模型，我们利用易于获取的电器知识和切换事件的稀疏性，设计了一种稀疏切换事件恢复 (Sparse Switching Event Recovering, SSER) 方法。通过最小化（稀疏）事件矩阵的全变分 (TV)，SSER 能够有效地从聚合值中恢复出各个能耗值。为了加速该过程，提出了一种并行局部优化算法 (Parallel Local Optimization Algorithm, PLOA)，在电器活动的活跃时段并行求解问题。使用真实世界的追踪数据，我们将本方法的性能与最先进解决方案进行了比较，包括最小二乘估计 (LSE) 和迭代隐马尔可夫模型 (HMM)。结果表明，我们的方法具有总体更高的检测精度和更小的开销。
引用
@article{arxiv.1404.1884,
title = {Plug and Play! A Simple, Universal Model for Energy Disaggregation},
author = {Guoming Tang and Kui Wu and Jingsheng Lei and Jiuyang Tang},
journal= {arXiv preprint arXiv:1404.1884},
year = {2014}
}
备注
12 pages, 5 figures, and 4 tables