基于家用电器使用模式的深度学习 occupancy 检测在智能住宅建筑功率管理中的应用
信号处理
2022-09-26 v1 人机交互
机器学习
摘要
随着智能建筑应用的增长，住宅建筑中的 occupancy 信息变得越来越重要。在智能建筑范式背景下，此类信息被广泛用于包括提升能效与居住者舒适度在内的多种目的。本研究利用基于家用电器技术信息的深度学习实现住宅建筑中的 occupancy 检测。为此，提出了一种面向智能住宅建筑系统的新颖 occupancy 检测方法。由智能计量系统测量并采集自 50 户家庭的家用电器、传感器、照明与 HVAC 数据集被用于仿真。为对数据集中的 occupancy 进行分类，使用了支持向量机与自编码器算法。采用混淆矩阵计算准确率、精确率、召回率与 F1 以展示所提方法在 occupancy 检测中的对比性能。所提算法利用家用电器技术信息实现的 occupancy 检测准确率为 95.7~98.4%。为验证 occupancy 检测数据，采用了主成分分析与 t 分布随机邻域嵌入（t-SNE）算法。在智能建筑中，通过使用 occupancy 检测，含可再生能源系统的功耗降低了 11.1~13.1%。
引用
@article{arxiv.2209.11520,
title = {Power Management in Smart Residential Building with Deep Learning Model for Occupancy Detection by Usage Pattern of Electric Appliances},
author = {Sangkeum Lee and Sarvar Hussain Nengroo and Hojun Jin and Yoonmee Doh and Chungho Lee and Taewook Heo and Dongsoo Har},
journal= {arXiv preprint arXiv:2209.11520},
year = {2022}
}
备注
11 pages, 7 figures, to be submitted to 7th International Conference on Renewable Energy and Conservation, ICREC 2022