Σύστημα Μη-Παρεμβατικής Παρακολούθησης Ηλεκτρικών Φορτίων

 
This item is provided by the institution :

Repository :
Institutional Repository of the Hellenic Open University
see the original item page
in the repository's web site and access all digital files if the item*
share



Thesis (EN)

2017 (EN)
Non-Intrusive Load Monitoring – NILM
Σύστημα Μη-Παρεμβατικής Παρακολούθησης Ηλεκτρικών Φορτίων

Παπαμιχαλάκης, Κωνσταντίνος

Καψάλης, Βασίλειος

Η Μη-Παρεμβατική-Παρακολούθηση-Ηλεκτρικών φορτίων (NILM), ή ο διαχωρισμός ενέργειας, είναι η διαδικασία που χρησιμοποιεί την επεξεργασία σήματος και την εκμάθηση μηχανής για να διαχωρίσει την συνολική κατανάλωση ενέργειας ενός κτηρίου σε επιμέρους συσκευές. Αυτή η διαδικασία είναι αποτελεσματική για τον προγραμματισμό των οικιακών συσκευών και την μείωση της κατανάλωσης ενέργειας. Τα τελευταία χρόνια, οι προσεγγίσεις του NILM γίνονται ιδιαίτερα δημοφιλείς εξαιτίας των χαμηλών απαιτήσεων σε εγκατάσταση και του μικρού κόστους. Για να δουλέψει ένα τέτοιο σύστημα, χρειάζεται μόνο ένας αισθητήρας να εγκατασταθεί στον κεντρικό ηλεκτρολογικό πίνακα. Διακυμάνσεις στα σήματα της συνολικής κατανάλωσης ενέργειας χρησιμοποιούνται για να υπολογιστεί μαθηματικά η σύνθεση των συσκευών που είναι σε λειτουργία. Αυτή η προσέγγιση εκμηδενίζει την απαίτηση για εγκατάσταση μετρητών ενέργειας σε κάθε συσκευή στο σπίτι. Ο κύριος σκοπός αυτής της εργασίας είναι να αναγνωρίζει τις διαφορετικές συσκευές που είναι σε λειτουργία στο σπίτι χρησιμοποιώντας την συνολική κατανάλωση ηλεκτρικής ενέργειας και να υπολογίζει την κατανάλωση κάθε συσκευής. Παρουσιάζουμε ένα εργαλείο το οποίο δημιουργεί τα κατάλληλα χαρακτηριστικά και ετικέτες από τα δεδομένα εκπαίδευσης, τα οποία χρησιμοποιεί μετέπειτα για να προβλέψει την κατάσταση μιας συσκευής (on / off) καθώς και την κατανάλωση της βασισμένο στον αλγόριθμο Συνδυαστικής Βελτιστοποίησης (Combinatorial Optimization).
Non-intrusive load monitoring (NILM), or energy disaggregation, is the process of using signal processing and machine learning to separate the energy consumption of a building into individual appliances. This process is highly desired for scheduling household appliances and reducing home energy consumption. In recent years, NILM approaches are gaining popularity due to their minimal installation requirements and cost effectiveness. For a NILM system to work, only one sensor at the entry point to a home is required. Fluctuations in the aggregate power consumption signals are used to mathematically estimate the composition of operation of appliances. This approach eliminates the requirement of installing plug-meters for every appliance in the house. The primary goal of this project is to identify the different devices running in the household using whole house electric consumption data and estimate the individual device energy consumption. We present a framework for creating the appropriate features and labels from the training data and use these features to predict the device status (on / off) and device energy consumption using the Combinatorial Optimization algorithm.
Περιέχει: πίνακες, εικόνες

Διπλωματική Εργασία / Thesis

Μικροελεγκτής
Microcontroller
Web application
Non-Intrusive Load Monitoring NILM
Διαχωρισμός φορτίου
Δικτυακή εφαρμογή
Αισθητήρες
Sensors
Μη-παρεμβατική παρακολούθηση φορτίου
Load disaggregation

Ελληνικό Ανοικτό Πανεπιστήμιο (EL)
Hellenic Open University (EN)

Greek

2017-10-10T06:47:01Z
2017-09-30


Ελληνικό Ανοικτό Πανεπιστήμιο / Hellenic Open University

2
73



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)