decir de frente
Este artículo presenta principalmente los conjuntos de datos públicos actuales, las herramientas y otros que se utilizan en el campo de la identificación de carga no intrusiva. Si necesita leer el documento y la implementación de código específico, consulte mi artículo anterior.
Además, no he usado todos los conjuntos de datos, solo he usado UK-DALE, ¡así que no sé cómo manejar otros conjuntos de datos! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
Pero si su habilidad práctica no es suficiente, puede considerar:
1. Use el kit de herramientas nilmtk directamente
datosVoy a marcar algunos de los más comunes a continuación
Actualizado: 9 de mayo de 2023 22:36:45
Conjuntos de datos públicos:
1.REDD (Conjunto de datos de desagregación de energía de referencia) (常用)
identificación: rojo
contraseña: desagregar la energía
2. AMPd (de uso común)
AMPds (El almanaque del conjunto de datos de energía minuto a minuto) .
El convertidor que viene con nilmtk corresponde a la versión AMPds R2013
aparte de eso
AMPds2: el conjunto de datos The Almanac of Minutely Power (Versión 2)
3. CER_Electricidad_Datos
AISS | Comisión de Regulación de Energía (CER)
4. Conjunto de datos inteligentes de Umass
Inteligente - Repositorio de seguimiento de UMass
5. REAJUSTE (uso común)
La granularidad más fina, nivel 8s
REFIT: Mediciones de carga eléctrica — Universidad de Strathclyde
6. A LA CAMA
7.VERDE
VERDE descargar | SourceForge.net
8. Diagramas de carga de electricidad
sin punto perdido
9. UK-DALE (comúnmente utilizado)
https://data.ukedc.rl.ac.uk/browse/edc/efficiency/residential/EnergyConsumption/Domestic
Hay tres versiones
10. Conjunto de datos ECO
DSG - Proyecto de investigación: Conjunto de datos ECO
11.HES (Estudio de electricidad doméstica)
12. El conjunto de datos de la base de rastreo
13. CONVERSACIÓN ENERGÉTICA
https://www.nature.com/articles/s41597-019-0212-5
Código de preprocesamiento y visualización: GitHub - ch-shin/ENERTALK-dataset: El conjunto de datos ENERTALK, datos de consumo de electricidad de 15 Hz de 22 casas en Corea
14.AZULADO
15. DOCE
16. PLAID (comúnmente utilizado)
PLAID2018: PLAID 2018
CUADROS 2017: CUADROS 2017
CUADROS 2014: CUADROS 2014
17.MORED: Conjunto de datos de consumo de electricidad de edificios marroquíes
https://github.com/MOREDataset/MORED
papel:https://www.mdpi.com/1996-1073/13/24/6737
18. Rastreos de energía residencial para cinco casas: el conjunto de datos iHomeLab RAPT
código de preprocesamiento: https://github.com/ihomelab/RAPT-dataset
conjunto de datos: Rastreos de energía residencial para cinco casas: el conjunto de datos iHomeLab RAPT | Zenodo
19. FIRED: un conjunto de datos de desagregación de electricidad de alta frecuencia completamente etiquetado
20.RAE: El conjunto de datos de energía de Rainforest Automation para el análisis de datos de medidores de redes inteligentes
21.COOLL:Biblioteca de cargas de encendido/apagado controlado, un conjunto de datos público de señales eléctricas de muestreo alto para la identificación de electrodomésticos
Enlace Ninguno.
22.IAWE:Conjunto de datos de la India para agua y energía ambiental
Conjunto de datos sintéticos:
Como sugiere el nombre, los datos de energía aquí se sintetizan artificialmente, lo cual es diferente de los datos recopilados por el medidor eléctrico anterior. Generalmente se usa como un conjunto de datos mejorado.
1.COBERTIZO
Un conjunto de datos de desagregación de energía de alta frecuencia simulada para edificios comerciales
2. SynD ( un conjunto de datos de consumo de energía sintético para NILM )
3. SIM inteligente
Un simulador de hogar inteligente con precisión de dispositivo para análisis de energía
GitHub - laboratorio de computación sustentable/smartsim
4. Detección de la actividad del usuario sin dispositivos mediante el monitoreo de carga no intrusivo: un estudio de caso
pdf: https://www.areinhardt.de/publications/2020/Reinhardt_DFHS_2020.pdf
código: GitHub - klemenjak/antgen: El generador NILM Trace basado en AMBAL (para NILMTK)
¿Cómo depende el rendimiento de la desagregación de carga de las características de los datos? Perspectivas de un estudio de evaluación comparativa. (2020). PDF: https://www.areinhardt.de/publications/2020/Reinhardt_eEnergy_2020.pdf
Herramientas (marcos, herramientas de conversión de conjuntos de datos, etc.):
NILM-TK es un conjunto de herramientas de código abierto para el monitoreo de carga no intrusivo, diseñado específicamente para comparar algoritmos de descomposición de energía de manera reproducible. Es un conjunto de herramientas creado por Jack Kelly y otros.
Dirección del artículo: NILMTK | Actas de la 5ª conferencia internacional sobre sistemas energéticos del futuro
NILMTK:
Código: GitHub - nilmtk/nilmtk: kit de herramientas de monitoreo de carga no intrusivo (nilmtk)
Documentación: Documentación NILMTK
todos los algoritmos de última generación para la tarea de desagregación de energía
GitHub - nilmtk/nilmtk-contrib
Un marco de evaluación para algoritmos de monitoreo de carga no intrusivos
https://github.com/beckel/nilm-eval
Documentos relacionados sobre indicadores de evaluación NILM
《Sobre métricas para evaluar la transferibilidad de modelos de aprendizaje automático en el monitoreo de carga no intrusivo》
《Enfoques de aprendizaje automático para el monitoreo de carga no intrusivo: de la comparación cualitativa a la cuantitativa,Artificial Intelligence Review》
Documentos relacionados con la selección de características en NILM
《Selección integral de características para la clasificación de dispositivos en NILM》
DOI: 10.1016/j.enbuild.2017.06.042
código: https://github.com/18D070001/Electrical-Devices-Identification-Model
Algunas aplicaciones extendidas de NILM:
Monitoreo de Ancianos que Viven Solos:
《Evaluación de la actividad humana en personas mayores mediante el monitoreo de carga no intrusivo》
DOI: 10.3390/s17020351
Utilice NILM para realizar el reconocimiento de las actividades del hogar:
La frecuencia de muestreo corresponde a diferentes características armónicas
Algunas webs sobre NILM (taller, asociación, etc.)
El taller internacional sobre monitoreo de carga no intrusivo (NILM)