論文の概要: Mixed-Integer Nonlinear Programming for State-based Non-Intrusive Load
Monitoring
- arxiv url: http://arxiv.org/abs/2106.09158v2
- Date: Tue, 22 Feb 2022 22:38:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 12:51:04.425992
- Title: Mixed-Integer Nonlinear Programming for State-based Non-Intrusive Load
Monitoring
- Title(参考訳): 状態ベース非侵入負荷監視のための混合整数非線形プログラミング
- Authors: Marco Balletti, Veronica Piccialli, Antonio M. Sudoso
- Abstract要約: 非侵入負荷モニタリング(Non-Intrusive Load Monitoring, NILM)は、1つのスマートメーターによって記録された集約信号に対して、各アプライアンスのエネルギー消費を推定するタスクである。
エネルギー分散のための2段階最適化手法を提案する。
- 参考スコア(独自算出の注目度): 2.2237337682863125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Energy disaggregation, known in the literature as Non-Intrusive Load
Monitoring (NILM), is the task of inferring the energy consumption of each
appliance given the aggregate signal recorded by a single smart meter. In this
paper, we propose a novel two-stage optimization-based approach for energy
disaggregation. In the first phase, a small training set consisting of
disaggregated power profiles is used to estimate the parameters and the power
states by solving a mixed integer programming problem. Once the model
parameters are estimated, the energy disaggregation problem is formulated as a
constrained binary quadratic optimization problem. We incorporate penalty terms
that exploit prior knowledge on how the disaggregated traces are generated, and
appliance-specific constraints characterizing the signature of different types
of appliances operating simultaneously. Our approach is compared with existing
optimization-based algorithms both on a synthetic dataset and on three
real-world datasets. The proposed formulation is computationally efficient,
able to disambiguate loads with similar consumption patterns, and successfully
reconstruct the signatures of known appliances despite the presence of
unmetered devices, thus overcoming the main drawbacks of the optimization-based
methods available in the literature.
- Abstract(参考訳): 非侵入負荷モニタリング (non-intrusive load monitoring, nilm) は、1つのスマートメータで記録された集約信号に基づいて各機器のエネルギー消費量を推定する作業である。
本稿では,エネルギー分散のための2段階最適化手法を提案する。
第1段階では、分解されたパワープロファイルからなる小さなトレーニングセットを使用して、混合整数計画問題の解法によりパラメータとパワー状態を推定する。
モデルパラメータを推定すると、エネルギー分散問題は制約付き2次最適化問題として定式化される。
我々は,分散トレースの生成方法に関する事前知識を活用するペナルティ用語と,同時に動作するさまざまな種類の家電の署名を特徴付けるアプライアンス固有の制約を取り入れた。
我々のアプローチは、合成データセットと3つの実世界のデータセットの両方で既存の最適化ベースのアルゴリズムと比較される。
提案した定式化は計算的に効率的であり、類似の消費パターンで負荷を曖昧にし、未測定デバイスの存在にもかかわらず既知の機器のシグネチャを再構築し、文献で利用可能な最適化手法の主な欠点を克服する。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳(メタデータ) (2024-11-21T10:26:17Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - A Non-parametric Skill Representation with Soft Null Space Projectors
for Fast Generalization [7.119677737397071]
ヌル空間プロジェクタを含む非パラメトリック運動プリミティブを導出する。
このような定式化により,行列逆変換を伴わずに計算複雑性O(n2)で高速かつ効率的な運動生成が可能となることを示す。
高次元入力による実演技術については、オンザフライ適応も可能であることを示す。
論文 参考訳(メタデータ) (2022-09-18T10:04:59Z) - Robust Motion Averaging for Multi-view Registration of Point Sets Based
Maximum Correntropy Criterion [4.318555434063273]
ラプラシアンカーネルを用いた最大コレントロピー基準(LMCC)を用いたマルチビュー登録のための新しい動き平均化フレームワークを提案する。
本手法は, 効率, 精度, 堅牢性において優れた性能を実現する。
論文 参考訳(メタデータ) (2022-08-24T06:49:43Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳(メタデータ) (2022-06-15T19:10:35Z) - Embedding Power Flow into Machine Learning for Parameter and State
Estimation [4.416484585765027]
現代の機械学習(ML)が反復ループをより効率的に解決できることを示す。
提案手法は不完全観測の場合まで拡張し, ファザー計測ユニットは発電機でのみ利用可能である。
実装の観点から考えると、パラメータと状態推定問題を解くという私たちの方法論は、MLフレームワークのトレーニングループにPower Flow(PF)ソルバを埋め込むことと見なすことができる。
論文 参考訳(メタデータ) (2021-03-26T04:16:20Z) - A Data-Driven Machine Learning Approach for Consumer Modeling with Load
Disaggregation [1.6058099298620423]
本稿では,住宅利用者の消費データから導出したデータ駆動セミパラメトリックモデルの汎用クラスを提案する。
第1段階では、固定およびシフト可能なコンポーネントへの負荷の分散をハイブリッドアルゴリズムを用いて達成する。
第2段階では、モデルパラメータはL2ノルム、エプシロン非感受性回帰法を用いて推定される。
論文 参考訳(メタデータ) (2020-11-04T13:36:11Z) - PHASED: Phase-Aware Submodularity-Based Energy Disaggregation [39.54428560328832]
PHASEDは電力流通システムの構造を利用して容易に測定できる。
我々はこの形式を、偏極最小化アルゴリズムの離散最適化の変種を適用して活用する。
位相Dは、最先端モデルの分解精度を最大61%向上させ、重負荷機器の予測精度を向上させる。
論文 参考訳(メタデータ) (2020-10-01T21:47:33Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-14T12:38:21Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。