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

• Coca4ai: checking energy behaviors on AI data centers [0.12997390777731951]
  本稿では,データセンター全体の規模でのエネルギー挙動の簡易かつ軽量なモニタリングという概念の実証について述べる。 結果は、効率性の観点から興味深い可能性があり、ユーザーエンゲージメントを生み出すための議論を提供することを示している。
  論文  参考訳（メタデータ） (2024-07-22T14:33:10Z)
• SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
  我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。 SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2024-07-17T09:01:38Z)
• Anomaly-based Framework for Detecting Power Overloading Cyberattacks in Smart Grid AMI [5.5672938329986845]
  本稿では回帰決定木に基づく2段階異常検出フレームワークを提案する。 導入された検出手法は、エネルギー消費の規則性と予測可能性を利用して参照消費パターンを構築する。 アイルランドの500人の顧客を対象とした,実世界の公用エネルギー消費データセットに関する広範な実験を行った。
  論文  参考訳（メタデータ） (2024-07-03T16:52:23Z)
• 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)
• 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)
• 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。