文献

J-GLOBAL ID：201802222190417167   整理番号：18A0200050

低周波データと機械学習分類器を用いた家庭用電気品エネルギー分解【Powered by NICT】

Home Appliance Energy Disaggregation Using Low Frequency Data and Machine Learning Classifiers

著者 (4件)： Gao Yan ,  Schay Alan ,  Hou Daqing ,  Ortiz Jorge
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLA  ページ： 76-83  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 家電機器のモニタリングは,器具使用,より良い消費習慣についてユーザに知らせると省エネルギーを促進するために使用できるについての有用な情報を提供する。しかし,全ての負荷を計量はコスト的に困難である。代わりに,多くは集合電力測定からの非集計荷重を試みた。訓練と試験中の個々の機器の式サブメータ検針高分解能信号を必要とする既存の手法,非現実的で経済的に実行不可能な。本論文では,単一回路での観測に基づくホーム機器監視のための低コストアプローチを導入した。提案アプローチは三ステップから構成されている。最初に,入力信号を分割するための神経回路網分類器を適用した。,著者らは他の分類器は,個々の機器または多重機器として各セグメントを標識化するために適用した。最後に,反復前段階で分類器を用いた多機器セグメントを分解。著者らの提案した方法は,二つの実験で評価した。最初の実験は,大学キャンパスにおける25学生寝室から1,211セグメントからなる完全に標識した公共のデータセットを用いた。第二の実験では,REDD公共データセットから1,563セグメントを用いた。評価は筆者らのアプローチがエネルギー消費を支配し(総合精度86.6%と91.2%,それぞれ)もの機器を正確に検出できることを示した。も検出がより困難か故障と予想の詳細な解析を提示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高分解能 ,  省エネルギー ,  家庭電器 ,  多重化 ,  *LF【周波数】 ,  検針 ,  寝室 ,  神経回路網 ,  *機械学習 ,  エネルギー消費 ,  標識法
準シソーラス用語： 大学キャンパス ,  入力信号 ,  ローコスト ,  電力測定 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  家庭電器  (NA06000D)

タイトルに関連する用語 (6件)： 低周波 ,  機械学習 ,  分類器 ,  家庭 ,  エネルギー ,  分解