基于新型局部功率直方图描述子与改进k近邻分类器的智能非侵入式电器识别
计算机与社会
2021-02-10 v1
摘要
非侵入式负荷监测（NILM）是一项关键且具有成本效益的技术，用于监测功耗并助力在向高效、可持续和具竞争力的能效环境转型过程中遇到的若干挑战。本文提出了一种基于新型局部功率直方图（LPH）描述子的智能NILM系统，其中电器功率信号被变换到二维空间并提取短直方图以表示每个设备。具体而言，绘制短局部直方图来表示单个电器的消耗特征，并从聚合功率信号中鲁棒地提取电器级数据。此外，提出了一种改进的k近邻（IKNN）算法，以减少学习计算时间并改善分类性能。这极大提升了属于不同类别的电器之间的判别能力。所提出的基于LPH-IKNN的方案在不同数据集下进行了深入评估，其中所提方案取得了令人满意的性能。在GREEND和UK-DALE数据集上分别达到了高达99.65%和98.51%的准确率。而在WHITED和PLAID两个数据集上均达到了超过96%的准确率。这证明了使用二维描述子精确识别电器并为NILM问题开创全新视角有效性。
引用
@article{arxiv.2102.04808,
title = {Smart non-intrusive appliance identification using a novel local power histogramming descriptor with an improved k-nearest neighbors classifier},
author = {Yassine Himeur and Abdullah Alsalemi and Faycal Bensaali and Abbes Amira},
journal= {arXiv preprint arXiv:2102.04808},
year = {2021}
}
备注
20 pages, 5 tables, 7 figures