整栋建筑能耗数据集的波形信号熵与压缩研究
其他计算机科学
2018-10-26 v1
摘要
自智能家居与物联网设备出现以来，电能消耗一直是一个持续的研究领域。消耗特征与使用画像直接受建筑居住者及其与电器交互的影响。从这些数据中提取的信息可用于节能并提高用户舒适度。数据分析结合机器学习模型可用于提取对居住者自身、电厂和电网运营商有益的有价值信息。公共能耗数据集为开发和基准测试这些算法与技术提供了科学基础。针对超过数十太字节的数据集，我们提出了一项对五个高采样率整栋建筑能耗数据集、其信号熵以及良好校准的测量如何对整体存储需求产生显著影响的新型研究。我们表明某些数据集未充分利用可用测量精度，从而未挖掘潜在的精度与空间节省。我们对365种文件格式、透明数据转换和无损压缩算法进行了基准测试。主要目标是在保持易用文件格式与访问API的同时减小整体数据集规模。我们表明通过仔细选择文件格式与编码方案，某些数据集大小可缩减多达73%。
引用
@article{arxiv.1810.10887,
title = {Waveform Signal Entropy and Compression Study of Whole-Building Energy Datasets},
author = {Thomas Kriechbaumer and Hans-Arno Jacobsen},
journal= {arXiv preprint arXiv:1810.10887},
year = {2018}
}