智能家居中的时间序列异常检测：一种深度学习方法
机器学习
2023-03-01 v1
摘要
修复由各类异常引起的能源泄漏可带来显著的节能效果并延长电器寿命。此外，它协助电网运营商调度资源以满足终端用户的实际需求，同时帮助终端用户降低能源成本。本文中，我们分析了 REFIT 数据集中两栋住宅所用洗碗机的功耗模式。随后训练了两个分别以 1D-CNN 与 TCN 为骨干的自编码器(AEs)，以区分正常与异常模式。我们的结果表明，在检测能耗异常方面 TCN 优于 CNN1D。最后，还使用了 REFIT 中 3 号住宅的 Fridge_Freezer 与 Freezer 数据来评估我们的方法。
引用
@article{arxiv.2302.14781,
title = {Time Series Anomaly Detection in Smart Homes: A Deep Learning Approach},
author = {Somayeh Zamani and Hamed Talebi and Gunnar Stevens},
journal= {arXiv preprint arXiv:2302.14781},
year = {2023}
}