Wavenilm：基于复功率信号进行功率分解的因果神经网络
信号处理
2019-06-20 v2
摘要
非侵入式负荷监测(NILM)通过从单一总计量估算各电器功率使用量来助力节能目标。深度神经网络在解决 NILM 问题中日益流行；然而，其中许多并非因果的，而因果性对实时应用十分重要。我们提出了一种受 WaveNet 启发的因果一维卷积神经网络，用于低频数据上的 NILM。我们还研究了利用复功率信号的多种分量进行 NILM，并证明使用某流行 NILM 数据集中可用的全部四个分量（电流、有功功率、无功功率和视在功率）时，相较于同一数据集上的最优结果，我们实现了更快的收敛与更高的性能。
引用
@article{arxiv.1902.08736,
title = {Wavenilm: A causal neural network for power disaggregation from the complex power signal},
author = {Alon Harell and Stephen Makonin and Ivan V. Bajić},
journal= {arXiv preprint arXiv:1902.08736},
year = {2019}
}
备注
44th International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2019)