NILMにおける事象検出法のBayes最適化とロバスト性について【Powered by NICT】

De Baets Leen; Ruyssinck Joeri; Develder Chris; Dhaene Tom; Deschrijver Dirk

文献

J-GLOBAL ID：201702254990680380 整理番号：17A0969945

NILMにおける事象検出法のBayes最適化とロバスト性について【Powered by NICT】

On the Bayesian optimization and robustness of event detection methods in NILM

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0969945&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0969945&from=J-GLOBAL&jstjournalNo=A0199A") }}

著者 (5件)： , , , ,
資料名：
巻： 145 ページ： 57-66 発行年： 2017年
JST資料番号： A0199A ISSN： 0378-7788 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

効率を増加させ,居住環境における省エネルギーのための塩基性が重要なステップは,エネルギー消費の正確な見解を持つことである。住宅エネルギー消費を監視費用効果的にするために,すなわち,装置監視装置に依存せずに,非侵襲型負荷モニタリング(NILM)は洗練された解決策を提供する。NILMの目的は,全電力消費(家庭の系統連系点で,例えば,測定したスマートメータとして)を分解個々のデバイスの電力消費に,機械学習技術を用いたことである。機器がスイッチオンまたはオフした場合NILMの基本的ビルディングブロックはイベント検出:検出である。現在の最先端の方法は二つの問題点に直面している。まず,ベース負荷電力消費の違いにロバストな典型的ではなく,第二に,それらは広範なパラメータ最適化を必要とする。本論文では,両方の問題を検討した。最初の二新規でロバストなアルゴリズムが提案されている:カイ二乗適合度(χ ~2 GOF)試験の修正版とケプストラム平滑化に基づくイベント検出法。,これらの方法を効率的に調整する代理ベース最適化(SBO)を用いたワークフローを紹介した。BLUEDデータセット上のベンチマークは,両方の提案されたアルゴリズムは微量高いベース負荷の標準χ~2GOF試験よりも優れていることを,SBOを用いて効率的に最適化できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

エネルギー消費・省エネルギー , エネルギー消費,省エネルギー , 電気・防災・防犯・昇降機設備,その他の建築設備

, ,

前のページに戻る