non-intrusive load monitoring | BriefGPT

关键词non-intrusive load monitoring

搜索结果 - 19

利用智能电表数据预测电动车充电事件的分治 Transformer 学习
预测电动汽车（EV）充电事件对于负载调度和能源管理至关重要，本研究使用历史智能电表数据开发了一种家庭充电预测方法，借鉴非侵入式负载监测（NILM）的概念，通过基于自注意力机制的变压器模型，提供了未来 EV 充电事件的预测信息，本方法在一分钟
PDF3 months ago
基于张量分解的缺失数据填补的非侵入式负载监测
本文通过引入一种创新的张量完成（TC）模型 - 比例积分导数控制（PID）结合非负张量潜变分析（PNLFT）的方法来解决 NILM 数据损失的问题，实验结果表明与现有模型相比，该模型在收敛速度和准确性方面具有显著提升。
PDF4 months ago
非侵入式负荷监测用于馈线级电动车充电检测：基于滑动窗口的离线和在线检测方法
该研究探索了电动汽车充电在配电网络上的检测方法，通过采用滑动窗口特征提取和经典的机器学习技术，如 XGBoost 和 Random Forest 等模型，实现了在供电线路级别上对电动汽车充电的高准确性检测。
PDF7 months ago
基于 CNN-BiLSTM 注意机制的低频负荷识别
本研究提出了一种旨在从低频功率数据中进行精确区分的混合学习方法，它采用卷积神经网络（CNN）和双向长短期记忆网络（BILSTM）的整合，包含一个集成的注意力机制。经过模拟实验使用现有低频 REDD 数据集评估该模型性能，结果表明我们提出的方
PDF8 months ago
MATNilm: 多电器多任务非侵入式负载监测有限标记数据
提出了一种用于家庭电器监测和功耗识别的非侵入式负载监测（NILM）方法，通过拆分整个房屋的总功耗信号来识别各种家用电器的状态和功耗。通过有限的标记数据和训练高效的样本增强方法，可以实现体现整体功耗监测的负载识别性能。
PDFa year ago
朝着可持续的 NILM 多标签分类的深度学习
通过引入一种新颖的深度学习模型，该文章提出了一种改进的多标签非侵入式负载监测分类方法，以提高计算和能源效率，并且通过使用合成数据集进行测试，提出了一种比较不同模型的方法，从而更好地代表实际场景，相较于现有技术，该模型在减少碳足迹超过 23%
PDFa year ago
关于深度负载分解对敌对攻击的敏感性
对深度非侵入式负荷监测（NILM）基线模型进行敏感性研究，揭示常用 CNN-based NILM 模型在面对 Fast Gradient Sign Method 等对抗攻击时的脆弱性及其对能源管理系统的潜在影响。
PDFa year ago
使用深度神经网络的非侵入式负载监测 (NILM) 综述
本文综述了基于深度学习的最新非侵入式负载监测方法，介绍了最适用于住宅负载的最准确方法，总结了 NILM 评估的公共数据库，并使用标准性能指标比较了方法。
PDFa year ago
基于 Transformer 注意力机制和时间池化的序列 - 序列模型用于非侵入式载荷监测
本文介绍了一种基于转换器注意机制和时间池化的新颖序列到序列模型，用于智能建筑的非侵入式负载监测 (NILM)，旨在通过使用深度学习方法提高 NILM 的准确性。该方法使用序列到序列 (Seq2Seq) 模型，通过转换器注意机制捕获 NILM
PDFa year ago
用于非侵入式负载监测的进化深度网络
本研究使用深度学习方法来对非侵入式负载监测（NILM）进行数据脱密，使用神经网络和 UK-Dale 数据集来加速学习效率和分析能耗。
PDFa year ago
智能家居非侵入式负载监测和电器识别的迁移学习
提出了一种利用深度学习解决非侵入式负载监测（NILM）问题的方法，包括解决家用和场地级别的 NILM 问题以及家电识别等相关问题，利用低频 REED 数据集和 REFIT 数据集对模型进行训练和测试，能够达到最高 94.6％的准确率，为实
PDFa year ago
电器识别的表示学习：与传统机器学习的比较
本研究通过采用深度学习算法，对非侵入式负载监测（NILM）处理链进行改进和简化，实现自动化特征提取和家电识别，取得优于传统机器学习方法的表现。
PDF2 years ago
KDDConv-NILM-Net, 一种用于能量来源分离的因果和多器具模型
使用深度神经网络进行实时，多设备源分离的，全卷积的非侵入式负荷监测，优于现有技术
PDF2 years ago
朝着值得信赖的能源分解：非侵入式负荷监测的挑战、方法和前景综述
该研究综述了近期针对住宅电器的非侵入式负载监测方法，分析总结了大量发表的学术文章，讨论了方法的亮点和应用问题，并强调了传统分解模型向实际可信框架的转化的必要性。
PDF2 years ago
DP$^2$-NILM：一种用于非侵入式负载监测的分布式隐私保护框架
本研究针对分布式能耗监测框架中的 DP2-NILM 机制进行实验，将联邦学习（FL）技术与隐私保护和功用优化相结合，采用现实中的实测数据对方案进行了评估。
PDF2 years ago
智能传感器能耗分解的高效局部注意力变换器
使用 ELTransformer 模型进行非侵入式负载监测（NILM），通过规范化和局部关注头模型大大简化计算并提高提取短期局部模式的能力，并证明了 ELTransformer 比现有模型表现更出色。
PDF2 years ago
Wavenilm：一种基于因果神经网络的电力信号复杂分解方法
本研究提出了一种基于 WaveNet 的因果 1-D 卷积神经网络方法，通过使用复杂电力信号的四个分量来实现非侵入式负荷监测，实现了能效目标。实验结果表明，与同一数据集上现有的结果相比，我们的方法收敛更快、性能更高。
PDF5 years ago
卷积序列到序列非侵入式负荷监测
提出了一种卷积序列到序列的非侵入式负载监测模型，并成功地将其应用于 REDD 数据集来进行电器分解，并与文献中的卷积序列对点模型进行比较。结果表明，该模型能够为具有不同特征的电器提供令人满意的分解性能。
PDF6 years ago
NILMTK：用于非侵入式负载监测的开源工具包
本研究提出了 Non-intrusive Load Monitoring Toolkit (NILMTK) 工具包，旨在能够以可重复的方式比较不同的能量分解算法并评估这些算法的性能，该工具包包括了几个现有数据集的解析器和预处理算法，以及一个
PDF10 years ago