کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
4914084 1362869 2018 5 صفحه PDF سفارش دهید دانلود کنید
عنوان انگلیسی مقاله
Short communicationAppliance classification using VI trajectories and convolutional neural networks
ترجمه فارسی عنوان
طبقه بندی لوازم خانگی با استفاده از مدار VI و شبکه های عصبی کانولوشن
کلمات کلیدی
نظارت بر بار غیرسرزده؛ تشخیص لوازم خانگی؛ مسیر VI؛ شبکه عصبی متقاطع؛
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی

Non-intrusive load monitoring methods aim to disaggregate the total power consumption of a household into individual appliances by analysing changes in the voltage and current measured at the grid connection point of the household. The goal is to identify the active appliances, based on their unique fingerprint. An informative characteristic to attain this goal is the voltage-current trajectory. In this paper, a weighted pixelated image of the voltage-current trajectory is used as input data for a deep learning method: a convolutional neural network that will automatically extract key features for appliance classification. The macro-average F-measure is 77.60% for the PLAID dataset and 75.46% for the WHITED dataset.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 158, 1 January 2018, Pages 32-36
نویسندگان
, , , , ,