論文の概要: Non-Intrusive Electric Load Monitoring Approach Based on Current Feature
Visualization for Smart Energy Management
- arxiv url: http://arxiv.org/abs/2308.11627v1
- Date: Tue, 8 Aug 2023 04:52:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-27 04:59:12.967505
- Title: Non-Intrusive Electric Load Monitoring Approach Based on Current Feature
Visualization for Smart Energy Management
- Title(参考訳): スマートエネルギー管理のための電流特徴可視化に基づく非侵入電力負荷モニタリング手法
- Authors: Yiwen Xu, Dengfeng Liu, Liangtao Huang, Zhiquan Lin, Tiesong Zhao, and
Sam Kwong
- Abstract要約: 我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。
マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
- 参考スコア(独自算出の注目度): 51.89904044860731
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The state-of-the-art smart city has been calling for an economic but
efficient energy management over large-scale network, especially for the
electric power system. It is a critical issue to monitor, analyze and control
electric loads of all users in system. In this paper, we employ the popular
computer vision techniques of AI to design a non-invasive load monitoring
method for smart electric energy management. First of all, we utilize both
signal transforms (including wavelet transform and discrete Fourier transform)
and Gramian Angular Field (GAF) methods to map one-dimensional current signals
onto two-dimensional color feature images. Second, we propose to recognize all
electric loads from color feature images using a U-shape deep neural network
with multi-scale feature extraction and attention mechanism. Third, we design
our method as a cloud-based, non-invasive monitoring of all users, thereby
saving energy cost during electric power system control. Experimental results
on both public and our private datasets have demonstrated our method achieves
superior performances than its peers, and thus supports efficient energy
management over large-scale Internet of Things (IoT).
- Abstract(参考訳): 最先端のスマートシティは、特に電力システムにおいて、大規模ネットワーク上で経済的に効率的なエネルギー管理を求められている。
システム内の全ユーザの電力負荷を監視、分析、制御することが重要な問題である。
本稿では,aiの一般的なコンピュータビジョン技術を用いて,スマートエネルギー管理のための非侵襲的負荷監視手法を提案する。
まず,信号変換(ウェーブレット変換と離散フーリエ変換を含む)とグラミアン角場(GAF)法の両方を用いて,一次元の電流信号を2次元カラー特徴像にマッピングする。
第2に,多スケール特徴抽出と注意機構を備えたu字型ディープニューラルネットワークを用いて,カラー特徴画像からすべての電気負荷を認識することを提案する。
第3に,本手法をクラウドベースで非侵襲的な全ユーザモニタリングとして設計し,電力系統制御時の省エネルギー化を図る。
大規模IoT(Internet of Things, モノのインターネット)上での効率的なエネルギー管理を支援することを目的として, 提案手法の有効性を実証した。
関連論文リスト
- Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart
Grid [56.838297900091426]
高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。
提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
論文 参考訳(メタデータ) (2023-08-14T17:14:58Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳(メタデータ) (2022-11-29T01:18:58Z) - Web-Based Platform for Evaluation of Resilient and Transactive
Smart-Grids [0.0]
トランスアクティブ・エナジー(TE)は、経済・制御技術を通じて、スマートグレードにおけるDERの増加を管理するための新たなアプローチである。
我々は、様々なサイバー攻撃や物理的攻撃に対して、スマートグリッドのレジリエンスを評価するための包括的Webベースのプラットフォームを提案する。
論文 参考訳(メタデータ) (2022-06-11T15:34:33Z) - Stabilizing Voltage in Power Distribution Networks via Multi-Agent
Reinforcement Learning with Transformer [128.19212716007794]
本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。
さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
論文 参考訳(メタデータ) (2022-06-08T07:48:42Z) - Learning Generative Vision Transformer with Energy-Based Latent Space
for Saliency Prediction [51.80191416661064]
本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。
ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。
生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
論文 参考訳(メタデータ) (2021-12-27T06:04:33Z) - Authentication of Smart Grid Communications using Quantum Key
Distribution [0.0]
スマートグリッド通信の認証における量子鍵分散(QKD)キーの利用について報告する。
開発した手法は,暗号鍵の管理と利用を目的としたソフトウェアパッケージで試作された。
このデモは、重要なインフラストラクチャのセキュリティを改善するためにQKDを使用することの可能性を示している。
論文 参考訳(メタデータ) (2021-10-07T14:50:46Z) - More Behind Your Electricity Bill: a Dual-DNN Approach to Non-Intrusive
Load Monitoring [17.516784821462522]
非侵入負荷モニタリング(NILM)は、家庭のエネルギー消費を個々の家電の項目別エネルギー使用量に分解することを目的としている。
近年の研究では、ディープニューラルネットワーク(DNN)ベースのアプローチがNILMタスクに有望であることが示されている。
論文 参考訳(メタデータ) (2021-06-01T08:06:33Z) - Knowledge- and Data-driven Services for Energy Systems using Graph
Neural Networks [0.9809636731336702]
グラフニューラルネットワーク(GNN)の枠組みに基づくエネルギーシステムのためのデータおよび知識駆動型確率的グラフィカルモデルを提案する。
このモデルは、グリッドトポロジや物理制約の形で、明らかにドメイン知識をファクタリングし、スパーアーキテクチャとはるかに小さなパラメータの寸法性をもたらす。
実世界のスマートグリッドデモプロジェクトから得られた結果は、グリッドの混雑予測や市場入札サービスにどのようにGNNを使用したかを示している。
論文 参考訳(メタデータ) (2021-03-12T13:00:01Z) - Multi-Objective Reinforcement Learning based Multi-Microgrid System
Optimisation Problem [4.338938227238059]
エネルギー貯蔵システムと分散型再生可能エネルギー源を備えたマイクログリッドは、従来の電源からの消費を減らし、CO$の排出を抑える上で重要な役割を担っている。
マルチマイクログリッドを分散電力グリッドに接続することで、システムのセキュリティとプライバシを高めるため、より堅牢で信頼性の高い操作が可能になる。
提案モデルは,スマートグリッド層,独立系演算子層(ISO)層,電力グリッド層という3つの層から構成される。
論文 参考訳(メタデータ) (2021-03-10T23:01:22Z) - Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning
for Smart Grids [56.35173057183362]
家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。
目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。
マルコフゲームとしてスマートグリッド環境の定式化を提案する。
論文 参考訳(メタデータ) (2020-05-05T07:32:40Z)
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。