NILM:非侵入式电力负荷监测之我见（二）

哈，我又来啦，第一篇扯完淡，这一篇就谈技术吧。之前的研究集中在低频（秒级）数据，用的是各种深度学习方法，因此我就谈谈这种方法。

其实，刚读研时，导师给我的是用隐马尔可夫模型方法，学了大半年，突然导师拿了一篇让我崩溃的论文《Neural NILM: Deep Neural Networks Applied to Energy Disaggregation》，这篇文章应该是深度学习用到nilm领域的鼻祖文章了（我说深度学习，不是NN），你要是问我听谁说的，我记得是在谷歌的nilm讨论组 https://groups.google.com/forum/#!forum/energy-disaggregation ，你翻一下，Kelly（这篇文章的作者，也是nilmtk（后面会讲）的作者，也是UK-dale数据集的作者，现在不做nilm了，好像去deepmind了！）有个帖子大概说的是：我们试试深度学习呗，之前好像没人试，我们看看效果。而让我崩溃的是，看了大半年的fhmm（hmm的变种）方法，在这篇文章里被深度学习吊打。那还有什么可说的，学深度学习呗。

学…… 深度学习学着学着，发现比fhmm好太正常了。虽然nilm领域没这样提过，但是按目前的理解，nilm负荷分解任务就是语音识别中的鸡尾酒会问题，鸡尾酒会问题大概就是（我瞎编，不对的话你百度吧）一个派对上你能听到一堆人乱哄哄的说话，这是输入（在nilm中就是总电表的有功功率（假设只以电表有功作为特征）），而你要做的就是听出来每个人说的是啥（输出，分离出每个人说的啥话），在nilm任务中就是分离出每个电器的功率消耗，你说像不像！一毛一样。

看鸡尾酒会问题的举例，如下图，你走在路上听见啥声都有，你要分离出每种声音（警笛，人声，狗叫什么的）。

：

再看nilm任务的图如下。这是一个家庭一段时间总电表的有功曲线，其中每种颜色是一个电器的有功消耗，所有电器组成了电表的有功曲线，你说和语音识别领域像不像。（艾玛，终于有张图不是盗的了，这是我毕业论文里的图。我盗我自己？）

说了大半天，我其实想说的是，语音识别领域之前最流行的算法之一就是隐马尔可夫，而深度学习兴起之后……你懂的，语音识别谁不用深度学习。而nilm任务与之这么像，深度学习方法效果好就很正常了。

好，下面，梳理下我看到的一些深度学习方法的论文：

首先，就是2015年Kelly这篇让我崩溃的论文《Neural NILM: Deep Neural Networks Applied to Energy Disaggregation》，深度学习做nilm开山作。

第二：《Sequence-to-point learning with neural networks for nonintrusive load monitoring》

第三：《Sliding Window Approach for Online Energy Disaggregation Using Artificial Neural Networks》

（之所以提二和三，是因为它俩很像，也和我毕业论文有些像，我差点撞车（没撞，兄弟，撞的是翟天临（手动滑稽）），所以印象太深了，这俩是17年18年的文章，是对Kelly2015年那篇文章中RNN方法的改进）

第四：《Denoising autoencoders for Non-Intrusive Load Monitoring: Improvements and comparative evaluation》 2017年这篇是对2015年kelly论文中降噪自编码方法的优化（这篇文章还又把隐马尔可夫踩了一脚，后面会说）

第五：《On the Feasibility of Generic Deep Disaggregation for Single-Load Extraction》这篇是2018nilm国际会议的最佳论文，不过你要说有什么亮点的话……原来都是直接输出电器的有功消耗序列，它反而倒退了，输出的是电器的0，1开关序列。当然，这是有好处的，后面有时间讲。

哇，已经挖了不少坑了，先把上面的讲完再说吧，打算一篇说一集。下面还有一些我经常用的数据集啊，综述啊，也给大家参考下。

《REDD: A Public Data Set for Energy Disaggregation Research》REDD是第一个nilm领域的公开数据集，2011年。

《NILMTK: An Open Source Toolkit for Non-intrusive Load Monitoring》这是kelly14年发布的nilm领域的工具包（tool kit嘛）

《THE UK-DALE DATASET, DOMESTIC APPLIANCE-LEVEL ELECTRICITY DEMAND AND WHOLE-HOUSE DEMAND FROM FIVE UK HOMES》这个UK-DALE数据集，同样出自Kelly（我只能喊666了）

《Dataport and NILMTK: A Building Data Set Designed for Non-intrusive Load Monitoring》为什么要提这个数据集，因为……太踏马6了，美国三个州，700多个家庭的数据……当然，这是1分钟采样的，不过现在dataport推出了1s的。（你也很6）

其他的还有一堆数据集，还有什么方法汇总啊，电气特性啊，什么的，有个综述讲的听好（如果有时间，我以后也说下）。综述《Data Analytics for Energy Disaggregation: Methods and Applications》

工具包和数据集，我应该也会讲一下，这东西确实有点费劲。过星期天喽，回去玩unity了，先再见！

NILM:非侵入式电力负荷监测之我见（二）相关推荐

NILM:非侵入式电力负荷监测之我见（一）
非侵入式电力负荷监测,简单来说,就是通过家庭入口处(就是电表)的各项特征(就是有功,电流,电压什么的),用各种算法来得到家里每个电器的状态(用了没,用在几档)和电器耗电情况(每个电器的负荷运行曲线,或 ...
NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（一）配置环境NILMTK Toolkit
安装Anaconda,Python,pycharm 我另一篇文章里面有介绍https://blog.csdn.net/wwb1990/article/details/103883775 安装NILMT ...
NILM（非侵入式电力负荷监测）学习笔记 —— 使用NILMTK Toolkit，REDD数据集，CO和FHMM两种算法
(本文最后,提供整个工程下载) 准备工作本篇的内容都是基于我前两篇的环境,和数据集进行的. NILM(非侵入式电力负荷监测)学习笔记 -- 准备工作(一)配置环境NILMTK Toolkit NIL ...
NILM非侵入式负荷识别（papers with code、data）带代码的论文整理——(论文及实现代码篇) 全网最全
说在最前面研究生三年快毕业了,毕业前整理一下该领域的研究工作.正所谓,我栽树,后人乘凉.研究NILM的时候,个人觉得最快的方法是直接复现别人的论文,或者甚至用别人论文的代码直接跑出来体会整个流程(数 ...
NILM非侵入式负荷识别（papers with code、data）带代码的论文整理——(公开数据集、工具、和性能指标篇) 全网最全
说在最前面这篇文章主要介绍用于非侵入式负荷识别领域目前的公开数据集.工具和其它等,如果需要看论文及具体代码实现,看我上一篇的文章. 其外,不是所有数据集我都用过,我只用过UK-DALE,所以其它数据 ...
微分算法非侵入式负荷识别_一种非侵入式用电负荷识别方法与流程
本发明涉及智能电网领域,具体地,涉及一种非侵入式用电负荷识别方法. 背景技术: 在智能电网环境下,智能量测设备会逐步得到广泛应用,从而能够得到用户负荷准确的.海量的数据.利用数据挖掘方法对用户负荷大数 ...
电气期刊论文实现：基于遗传优化的非侵入式居民负荷分解方法(有代码）
个人电气博文目录链接: 学好电气全靠它,个人电气博文目录(持续更新中-) 结果图先上结果图程序图,共17页. 结果误差图和分解图 .很完美非侵入式负荷辨识原理非侵入式负荷监测方法是相对于侵入 ...
“泰迪杯”挑战赛 - 基于非侵入式负荷检测与分解针对日常电器的电力数据挖掘
目录 1.挖掘目标 2.分析方法与过程 2.1 问题 1 分析方法与过程 2.1.1 单个设备运行特征 2.1.2 实时用电量计算 2.2 问题 2 分析方法与过程 2.2.1 流程图 2.2.2 基 ...
“泰迪杯”挑战赛 -利用非侵入式负荷检测进行高效率数据挖掘（完整数学模型）
目录 1 研究背景与意义 2 变量说明 3 问题分析 4 问题一 4.1 数据预处理 4.1.1 降噪处理 4.1.2 数据变换 4.2 负荷特征分析 4.2.1 暂态特征 4.2.2 稳态特征 5 ...

NILM:非侵入式电力负荷监测之我见（二）

NILM:非侵入式电力负荷监测之我见（二）相关推荐

最新文章

热门文章