論文の概要: Appliance Detection Using Very Low-Frequency Smart Meter Time Series
- arxiv url: http://arxiv.org/abs/2305.10352v1
- Date: Wed, 10 May 2023 10:26:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 10:46:15.362885
- Title: Appliance Detection Using Very Low-Frequency Smart Meter Time Series
- Title（参考訳）: 超低周波スマートメータ時系列を用いたアプライアンス検出
- Authors: Adrien Petralia and Philippe Charpentier and Paul Boniol and Themis
Palpanas
- Abstract要約: 本稿では,超低周波スマートメーターデータにおける多種多様な家電の存在・存在を検出するために,最先端の時系列分類器の詳細な評価を行う。
まず,30minサンプルデータを用いた13種類の機器の検知品質の影響について検討し,高い測定周波数を用いた検出性能向上の可能性について検討した。
- 参考スコア（独自算出の注目度）: 17.04452539839282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, smart meters have been widely adopted by electricity
suppliers to improve the management of the smart grid system. These meters
usually collect energy consumption data at a very low frequency (every 30min),
enabling utilities to bill customers more accurately. To provide more
personalized recommendations, the next step is to detect the appliances owned
by customers, which is a challenging problem, due to the very-low meter reading
frequency. Even though the appliance detection problem can be cast as a time
series classification problem, with many such classifiers having been proposed
in the literature, no study has applied and compared them on this specific
problem. This paper presents an in-depth evaluation and comparison of
state-of-the-art time series classifiers applied to detecting the
presence/absence of diverse appliances in very low-frequency smart meter data.
We report results with five real datasets. We first study the impact of the
detection quality of 13 different appliances using 30min sampled data, and we
subsequently propose an analysis of the possible detection performance gain by
using a higher meter reading frequency. The results indicate that the
performance of current time series classifiers varies significantly. Some of
them, namely deep learning-based classifiers, provide promising results in
terms of accuracy (especially for certain appliances), even using 30min sampled
data, and are scalable to the large smart meter time series collections of
energy consumption data currently available to electricity suppliers.
Nevertheless, our study shows that more work is needed in this area to further
improve the accuracy of the proposed solutions. This paper was accepted in
e-Energy '23.
- Abstract（参考訳）: 近年、スマートグリッドシステムの管理を改善するため、電力供給業者によってスマートメーターが広く採用されている。
これらのメーターは通常、非常に低い周波数(30分毎に)でエネルギー消費データを収集し、ユーティリティーはより正確に顧客を請求することができる。
よりパーソナライズされたレコメンデーションを提供するための次のステップは、顧客が所有するアプライアンスを検出することだ。
家電検知問題は時系列分類問題として考えられるが,本論文ではそのような分類器が多数提案されているが,本問題を適用・比較する研究は行われていない。
本稿では,超低周波スマートメーターデータにおける多種多様なアプライアンスの存在/存在を検出するために,最先端の時系列分類器の詳細な評価と比較を行った。
5つの実際のデータセットで結果を報告する。
まず,30分間のサンプルデータを用いて,13種類の異なる機器の検知品質の影響について検討し,その後,高い測定周波数を用いて検出性能向上の可能性について分析した。
その結果,現在の時系列分類器の性能は著しく変化した。
それらのいくつか、すなわちディープラーニングベースの分類器は、30分のサンプルデータを使用しても、正確性(特に特定のアプライアンス)の面で有望な結果を提供し、電力供給者が現在利用できる大規模なスマートメータ時系列データコレクションにスケーラブルである。
しかし,本研究は,提案手法の精度をさらに高めるためには,より多くの作業が必要であることを示す。
この論文はE-Energy '23で受け入れられた。
関連論文リスト
- ADF & TransApp: A Transformer-Based Framework for Appliance Detection
Using Smart Meter Consumption Series [10.66594181476182]
世界中の電力供給業者が何百万ものスマートメーターを設置し、大量の電力消費データを収集している。
これらのサプライヤーが直面する重要な課題の1つは、異なるアプライアンスの存在/存在を検出するためにこのデータを利用する方法である。
本稿では,アプライアンスの存在/存在を検出するために,クライアント消費系列のサブシーケンスを利用するフレームワークであるAFFを提案する。
論文 参考訳（メタデータ） (2023-12-17T20:25:01Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Evaluating Short-Term Forecasting of Multiple Time Series in IoT
Environments [67.24598072875744]
IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。
この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。
これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
論文 参考訳（メタデータ） (2022-06-15T19:46:59Z) - Smart Meter Data Anomaly Detection using Variational Recurrent
Autoencoders with Attention [0.0]
本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。
スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
論文 参考訳（メタデータ） (2022-06-08T19:39:51Z) - Domain Knowledge Aids in Signal Disaggregation; the Example of the
Cumulative Water Heater [68.8204255655161]
住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。
本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。
我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
論文 参考訳（メタデータ） (2022-03-22T10:39:19Z) - Enhancement of Healthcare Data Performance Metrics using Neural Network
Machine Learning Algorithms [0.3058685580689604]
サンプリングレートと送信レートを調整することで制御できる効率と精度のトレードオフがある。
本稿では、機械学習が複雑な健康データメトリクスの分析に利用できることを示す。
Levenbery-Marquardtアルゴリズムは3.33の効率と79.17%の精度で最高の性能を発揮した。
論文 参考訳（メタデータ） (2022-01-16T04:08:07Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z) - Detection of False-Reading Attacks in the AMI Net-Metering System [0.0]
スマートグリッドでは、悪意のある顧客がスマートメーター(SM)を妥協して不正な読み取りを報告し、金銭的利益を違法に達成することができる。
本論文は,1つのSMを用いて消費電力と発電電力の差を報告するネットワーク計測システムにおいて,この問題を調査する最初の研究である。
本稿では,誤読攻撃を識別するための,汎用的なマルチデータソース深層学習型検出器を提案する。
論文 参考訳（メタデータ） (2020-12-02T07:40:02Z) - Energy Disaggregation with Semi-supervised Sparse Coding [0.0]
エネルギー分解研究は、集約されたエネルギー消費データを部品機器に分解することを目的としている。
本稿では,エネルギー保全のための大規模家庭用電力利用データセットを用いて,スパース符号化に基づく差別的分散モデルの評価を行った。
論文 参考訳（メタデータ） (2020-04-20T21:05:25Z) - EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with
Cascade Refinement [53.69674636044927]
本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。
完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。
完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
論文 参考訳（メタデータ） (2020-02-18T08:04:58Z)
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。