精华内容
下载资源
问答
  • 非侵入式负荷监测

    2015-05-08 21:47:10
    非侵入式负荷监测在我国起步较晚,但国外发展比较久,一个新的角度来看待这个问题,用HMM模型解决算法
  • 非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述
  • 非侵入式负荷监测是一种先进的负荷监测手段,但其现有的应用方案暴露出高能耗、施工复杂的缺点。为此,提出一种面向区域级用户的非侵入式负荷监测技术应用方法。基于现有的用电信息采集系统构建面向区域级用户的...
  • 非侵入式负荷监测(NILM)技术能够利用在总线处单点测量的数据识别用户内部的负荷,是建设泛在电力物联网与透明电网的基础技术之一。在分析NILM基本实现框架和技术体系的基础上,对NILM应用亟需解决的三大关键技术问题...
  • 非侵入式负荷监测(NILM)能够在不干扰用户正常用电的情况下,低成本地实现用户用电设备类型的识别和用电负荷的分解,因此非常适用于家庭用户用电监测。大量智能电表在家庭用户中的安装为居民NILM提供了数据支撑,也...
  • 基于非侵入式负荷监测与分解的电力数据挖掘.pdf
  • 为了实时远程地监测负荷运转状态和识别负荷种类,设计了一种非侵入式负荷监测系统,并研究基于PCA和kNN的负荷识别算法。在电力供给入口端,通过在负荷回路中串联康铜电阻采样工作电流,通过电阻分压网络采样工作电压...
  • 基于神经网络的非侵入式负荷监测识别算法,张建文,赵时,智能电网用户与供电网之间具有互动性,为了配合供电网,用户的用电需要自行调节,而家用电器的用电量的调节具有相当大的潜力。本
  • 针对小功率负荷与大功率负荷同时投入时,单一谐波电流特征易受线路电压、电流波动影响导致负荷辨识精度低的问题,提出一种基于改进鸡群算法的负荷监测方法,设计综合考虑稳态谐波电流和功率特征的正态分布度量函数,...
  • @深度学习与NIML(非侵入式负荷监测):NILMTK介绍(一) 提示:本系列为个人学习记录,如有错误欢迎指正,互相交流,共同进步! 文章目录前言一、NILM是什么?二、正文内容1.博客系列2.博客系列3.nilmtk的安装4....

    @深度学习与NIML(非侵入式负荷监测):NILMTK介绍(一)
    提示:本系列为个人学习记录,如有错误欢迎指正,互相交流,共同进步!


    前言

    最近入了NILM的坑,看了各种文献与博客后算是对这个方向有了个大概了解,所以在这里跟大家一起捋一捋。


    提示:以下是本篇文章正文内容,下面案例可供参考。

    一、NILM是什么?

    NILM(non-intrusive load monitoring),非侵入式电力负荷监测,可以将这个课题大致分为两种研究方向:一、电力负荷的事件检测,即根据电气量数据计算出何时有何种电器设备的哪种状态变化,多数使用高频数据;二、负荷分解,即将总的用电量数据中分解成各个的电器设备用电量情况,负荷分解可以通过事件检测的结果来推算得知,也可通过算法(深度学习、FHMM、CO等)直接实现,大多使用低频数据。两种方向所对应的项目需求不一样,看你各自的需求选择合适的途径。

    二、正文内容

    1.选题

    先说一下我现在想做吧,方向是非侵入式的负荷分解,使用低频数据,因为现在用的电表比较多的是采集低频的电量数据。输入一段时间的总用电量时间序列数据,将其分解成各个用电设备的在这一时间段内的用电量时间序列数据。这是一个家庭一段时间总电表的有功曲线,其中每种颜色是一个电器的有功消耗,所有电器组成了电表的有功曲线,应该能很明显的解释“分解”两字了。如下图:
    在这里插入图片描述

    2.参考博客系列

    相应的概念可以参考这些博主的总结,通俗易懂,挺好~
    NILM:非侵入式电力负荷监测之我见系列

    环境配置及基础介绍可以参见这个系列的博客,很详细,也是挺好~
    NILM(非侵入式电力负荷监测)学习笔记 —— 使用NILMTK Toolkit,REDD数据集,CO和FHMM两种算法

    3.nilmtk工具包

    其中介绍到一个很实用的工具包,就是NILMTK,顾名思义, nilm的toolkit,是专门为非侵入式负荷监测任务开发的开源工具包,包括了各大公开数据集的数据处理,也支持用户自己采集的数据;内置了组合优化(co)和隐马尔可夫模型(fhmm)两种算法以便和研究人员的算法比较;提供了算法封装的函数,可以方便调用使用者自己写的算法;提供了负荷分解结果的评价指标。因此在学习过程中,搞清楚这个工具包的功能与思路对于后面自己做研究时的构建数据集、算法、实施路线和评价指标等方面具有重要意义。简单来说这个工具包已经是一种非侵入式电力负荷分解问题的全过程解决方案了,学习这个工具包能够让你对于后续要做什么、怎么做、做得好不好等问题提供了很多借鉴思路。
    nilmtk的GitHub地址:https://github.com/nilmtk/nilmtk。网上有详细的安装地址,这里我就不赘述了,如果遇到了问题可以留言一起探讨。

    4.数据集

    首先是数据集的内容,nilmtk工具支持.h5格式的数据结构,常用的几个数据集里面,UK-DALE,REDD这两个是nilmtk工具完全支持的,好像出自同一个作者。网址分别是:

    UK-DALE数据集
    REDD数据集

    具体下载内容和方式我上面提到的博客系列有详细说明,我这里也有这两个数据集的h5格式数据,有需要可以留言,当然如果要全面的数据建议还是自己去下载为好。


    后语

    nilmtk里面有详细的使用说明,为了避免大家阅读英文文档的不习惯,接下来将结合数据集详细解读一下nilmtk工具包的内容,后续更新~

    展开全文
  • 配置NILMTK深度学习环境 下载miniconda 安装miniconda bash

    配置NILMTK深度学习环境

    配置conda环境

    下载miniconda
    切换到下载目录下,安装miniconda

    bash Miniconda3-latest-Linux-x86_64.sh
    

    后面一路enter + yes即可
    进入miniconda安装路径下,创建一个新的环境专门用来做NILM,因为nilmtk包和其他包可能不兼容

    conda create --name nilmtk python=3.7
    

    进入miniconda3/bin目录下,激活环境

    source activate
    conda activate nilmtk
    

    安装nilmtk包和nilm_metadata包

    将路径切换到负荷监测工程目录下,下载nilmtk包和nilm_metadata包

    git clone https://github.com/nilmtk/nilmtk.git
    
    git clone https://github.com/nilmtk/nilm_metadata/
    

    更改setup安装镜像源,便于之后快速安装包:setup镜像源更改
    将路径切换到nilmtk路径下,安装nilmtk

    python setup.py develop
    

    将路径切换到nilm_metadata路径下,安装nilm_metadata

    python setup.py develop
    

    配置深度学习环境

    首先要确保CUDA驱动版本要大于10.0

    nvcc --version
    

    安装gpu版本tensorflow keras

    conda install tensorflow-gpu keras
    

    查看gpu版本tensorflow是否可用:安装tensorflow并测试GPU是否可用
    之后再缺什么包装什么包就好了

    展开全文
  • 现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率...
  • 非侵入式负荷监测(non-intrusive load monitoring,NILM) 电力负荷设备检测和分解方法分为:侵入式和侵入式。 :在每个用户的电气设备上都安装传感器以获得用户的电器用电数据。 好处:测量数据真实反映电器的...

    非侵入式负荷监测(non-intrusive load monitoring,NILM)


    0 引言

    电力负荷设备检测和分解方法分为:侵入式和非侵入式。
    侵入式

    • 在每个用户的电气设备上都安装传感器以获得用户的电器用电数据。
    • 好处:测量数据真实反映电器的实际情况
    • 缺点:不实际、成本高、用户难以接受

    非侵入式

    • 在用户的电表加NILM模块
    • 优点:不需安装大量的传感器和测量装备,节约成本

    1 非侵入式负荷分解的基本原理

    NILM系统通过对测量到的总用电设备有功功率、无功功率等电气量进行各个用电设备的特征提取,从而把总设备用电量分解为各个电气设备消耗的电量,并且给出各个电器的运行时间、启停等信息。

    负荷特征:电器在运行中用电状态发生变化时能唯一地提供用电状态的信息,如有功无功等。负荷特征由用电设备的工作条件可分为暂态、稳态两种,相应的分解方法也是基于用电设备的暂态或者稳态

    非侵入式负荷检测与分解装置示意图

    2 分解算法的关键技术

    关键技术:数据的测量(输入)、预处理、事件检测、负荷特征提取、负荷特征匹配识别和分解输出。

    NILM算法的主要流程

    1. 输入和预处理
      获得总用电负荷的稳态和暂态电气量。
      对于测量数据,通常设置一个阀值,以滤去用电设备自身正常的运动波动所带来的小干扰。
    2. 负荷的特征提取
      事件检测(变点识别)的方法,将每个用电设备的启/停或者运动状态发生变化(比如洗衣机由洗涤状态转为脱水状态)的时间点定义为一个事件,相应的时间点称为变点。
    3. 负荷特征匹配识别
      将上一步提取的负荷体征与建立的模板特征库中的负荷特征进行比较,当两者的相似度大于某个阈值时,就认为是该电器设备启动或者关停。
      通过NILM系统学习训练各个电器的负荷运行模式,从而实现识别负荷的目标。
      按训练过程中是否有人工干预,负荷的识别方法可分为有监督和非监督两类算法。有监督:Adaboost算法、K最邻近算法、稀疏编码技术、支持向量机、人工神经网络法等。
    4. 负荷分解输出
      标记哪些设备正在运行,也能在离线状态得到一段时间的用电设备运行的曲线。

    引用文本:非侵入式负荷分解方法综述 http://www.doc88.com/p-8465048307127.html

    展开全文
  • 非侵入式负荷监测与分解(NILMD)是获取电器用电信息的关键技术,针对当前NILMD缺乏考虑不同电器关联运行的用电模式和电器状态的强波动性以致分解精度低的问题,提出一种计及电器状态关联规则的新型负荷分解方法。...
  • NILM:非侵入式电力负荷监测之我见(三)

    千次阅读 多人点赞 2019-03-06 19:30:07
    我发现NILM领域中文的博客...NILMTK,顾名思义, nilm的tool kit,是专门为非侵入式负荷监测任务开发的开源工具包,包括了各大公开数据集的数据处理,也支持用户自己采集的数据;内置了组合优化(co)和隐马尔可夫...

    我发现NILM领域中文的博客还是很少的,比较系统讲解的就更少,目前打算把这个博客写的全面些,而工欲善其事必先利其器,先说论文似乎不太容易理解,先说下NILMTK这个工具包吧。然后再讲几个数据集,再说论文。

    NILMTK,顾名思义, nilm的tool kit,是专门为非侵入式负荷监测任务开发的开源工具包,包括了各大公开数据集的数据处理,也支持用户自己采集的数据;内置了组合优化(co)和隐马尔可夫模型(fhmm)两种算法以便和研究人员的算法比较;提供了算法封装的函数,可以方便调用使用者自己写的算法;提供了负荷分解结果的评价指标。

    网站就如下图。网址:https://nilmtk.github.io/ (有时需要fq) 论文是《NILMTK: An Open Source Toolkit for Non-intrusive Load Monitoring》

    注意,这里首先要声明的是,NILMTK不支持高频数据!!高频数据指khz或Mhz采样的数据。比如BLUED数据集就是khz采样数据,NILMTK是处理不了的,REDD数据集既提供了15khz高频数据也提供了3s采样低频数据,那NILMTK只能处理后者。因此,如果你研究的是用高频电表数据识别电器开关(投切)事件,。。。。。。。你依然需要NILMTK,哈哈哈哈哈。

    为什么NILMTK处理不了高频数据集还需要看它呢,因为如果你要用高频的电表数据判断电器开关事件,算法的输入特征是电表数据,那label就是电器的开关事件啊,哪个电器在哪个短暂的0.几秒的时间里开了或关了是需要知道的。但遗憾的是,目前所有高频公开数据集里,(我知道的)只有BLUED这个数据集同时提供了每个电器开关的标签。以REDD的15khz数据为例,那就只有总电表的15khz采样的数据,没有电器的开关事件,那怎么办呢,你可以用NILMTK中的get_activationseries函数(虽然自己写也不麻烦)和REDD低频的电器有功序列,找到低频数据集中每一次电器开关的大致时刻(因为低频3s采样嘛),然后再从高频电表数据波形中精准定位投切事件在3s中的哪里。(如果你真的不想用NILMTK,也不是不可以,NILMTK基本上也是numpy和pandas实现的)

    可能描述起来比较困难,但是如果你做高频事件检测,自然看得懂;做低频功率分解,也就没必要看。

    下面继续说这个工具包,工具包的安装就不多介绍了,网站上有安装教程,我用过windows10 和7的64位,使用都是没问题的。linux安装可能不会有什么问题,windows安装的话,注意上面说需要安装:VS C++ compiler。其实有个简单的安装方法,你windows也下个wget,用wget安。

    然后是用nilmtk转换和导入数据集。转换的意思是,国外这些公开的数据集原本的格式(比如,可能是每个家庭一个文件夹,每个家庭中的每个电器是csv或者dat或者其他格式的文件),通过NILMTK中的dataset_converters模块转换成一个h5文件,也就是比如,原来的整个REDD数据集,就成了一个REDD.h5文件,原来的UK-DALE所有家庭的数据最后整合成了一个UK-DALE.h5文件。而这个h5格式的文件是NILMTK能够读取的。具体操作在NILMTK的网站都有示例介绍,我就不多讲了,许多数据集的h5格式,网站里也提供了下载(没提供的说明原数据集需要你自己申请账号(dataport)或者邮件索取(redd))。

    具体怎么用,网站上很详细,自己研究吧,最后两部分还提供了fhmm算法和co算法,有兴趣你还可以看看源码怎么实现。

     

    这节对NILMTK的介绍只是为了后面讲解论文和操作流程做铺垫,因此并没有详细讲解。后面讲实际数据处理流程时,用到NILMTK中什么函数,再逐个详细介绍,over。

     

    展开全文
  • (1)非侵入式负荷监测的事件检测方法研究 (2)(GLR-2011)User-centered nonintrusive electricity load monitoring for residential buildings 算法内容:该方法主要检测两个连续相邻窗口是否具有相同分布。该...
  • NILM:非侵入式电力负荷监测之我见(一)

    万次阅读 多人点赞 2019-03-01 18:13:24
    非侵入式电力负荷监测,简单来说,就是通过家庭入口处(就是电表)的各项特征(就是有功,电流,电压什么的),用各种算法来得到家里每个电器的状态(用了没,用在几档)和电器耗电情况(每个电器的负荷运行曲线,...
  • 非侵入式负荷分解代码。。 简单版实现。只是让大家看懂。并理解什么是电力负荷分解。侵入式电力负荷监测,简单来说,就是通过家庭入口处(就是电表)的各项特征(就是有功,电流,电压什么的),用各种算法来得到...
  • NILMTK官网:http://nilmtk.github.io/
  • NILM:非侵入式电力负荷监测之我见(二)

    千次阅读 多人点赞 2019-03-01 19:14:12
    虽然nilm领域没这样提过,但是按目前的理解,nilm负荷分解任务就是语音识别中的鸡尾酒会问题,鸡尾酒会问题大概就是(我瞎编,不对的话你百度吧)一个派对上你能听到一堆人乱哄哄的说话,这是输入(在nilm中就是总...
  • NILM:非侵入式电力负荷监测之我见(五)

    千次阅读 多人点赞 2019-04-04 17:08:37
    最近一方面沉迷深度强化学习,一方面在写一篇nilm论文,所以一直没顾上更新……在写的论文是对18年那个dae网络的改进,同时对比了seq2point的网络和18年nilm会议的best paper那篇,复现了他们的网络,然后同样的数据...
  • (NILM(非侵入式电力负荷监测)学习笔记 —— 准备工作(一)配置环境NILMTK Toolkit) 本章我们来准备训练和测试用的数据集。 REDD的下载 这份数据是来自MTK团队免费提供的,需要登录他们的网站,Email给他们...
  • 上集简单介绍了下工具包nilmtk,这篇就介绍下shu'数据集吧。 REDD数据集,发布于2011年,是第一个nilm领域的公开数据集,论文《REDD: A... REDD有美国(和加拿大?好久没看论文了,开始胡诌)6个家庭的数据,每个家...
  • 安装Anaconda,Python,pycharm ...我另一篇文章里面有介绍 ...NILM(非侵入式电力负荷监测)学习笔记 —— 准备工作(二)下载和转换REDD数据集 https://blog.csdn.net/wwb1990/article/details/103911372

空空如也

空空如也

1 2 3 4 5 ... 15
收藏数 294
精华内容 117
关键字:

非侵入式负荷监测