Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2016 - zeszyt 11

Nieinwazyjna identyfikacja odbiorników energii elektrycznej z wykorzystaniem metod sztucznej inteligencji

10.15199/48.2016.11.47

Piotr BILSKI

nr katalogowy: 101989
10.15199/48.2016.11.47

The paper presents the electrical appliances identification method using artificial intelligence methods, based on the measurements of currents and voltages in the medium frequency band. To identify the change of the particular device state, the random forest and k Nearest Neighbours were proposed. The former is characterized by the high classification accuracy and the ability to work in the uncertainty conditions. The latter is based on the distance calculation, missing the machine learning stage. Experiments confirmed the usefulness of both methods to identify the selected appliances. (Non-invasive identification of electrical appliances using artificial intelligence methods). Streszczenie. W artykule przedstawiono zastosowanie metod sztucznej inteligencji do identyfikacji odbiorników energii elektrycznej na podstawie pomiarów prądu i napięcia w paśmie średnich częstotliwości. W celu klasyfikacji konkretnego urządzenia wybrano las losowy oraz metodę k Najbliższych sąsiadów. Pierwszy algorytm charakteryzuje się wysoką skutecznością oraz zdolnością do pracy w warunkach niepewności pomiarowej, drugi zaś to podejście oparte na obliczaniu odległości, nie wymagające procesu uczenia maszynowego. Badania wykazały wysoką skuteczność klasyfikacji wybranych odbiorników zapewnianej przez obie metody. Keywords: appliance identification, random forest, k Nearest Neighbours. Słowa kluczowe: identyfikacja odbiorników energii elektrycznej, las losowy, k Najbliższych Sąsiadów. Wprowadzenie Nieinwazyjna identyfikacja odbiorników energii elektrycznej to aktualne i ważne zadanie dla zaawansowanych systemów pomiarowych. Jest ono trudne ze względu na dużą liczbę różnorodnych urządzeń działających w sieci energetycznej, a także charakter ich pracy. Istotą systemu identyfikacyjnego jest poprawne określenie zbioru odbiorników działających zarówno w konkretnym momencie jak i wybranym przedziale czasu, na podstawie cech sygnałów prądu i napięcia mierzonych w p[...]

Bibliografia

[1] H.-T. Yang, H.-H. Chang, C.-L. Lin, "Design a Neural Network for Features Selection in Non-intrusive Monitoring of Industrial Electrical Loads", Proc. 11th International Conference on Computer Supported Cooperative Work in Design, (Melbourne, Australia, 26-28 April 2007), pp. 1022-1027.
[2] J. Z. Kolter and T. Jaakkola “Approximate Inference in Additive Factorial HMMs with Application to Energy Disaggregation", Proceedings of the 15th International Conference on Artificial Intelligence and Statistics AISTATS, (La Palma, Canary Islands, 2012).
[3] S. Alshareef W.G. Morsi, "Application of wavelet-based ensemble tree classifier for non-intrusive load monitoring", Proc. IEEE Electrical Power and Energy Conference EPEC, (London, 26-28 Oct. 2015), pp. 397-401.
[4] J. Ham, Y. Chen, M. M. Crawford, J. Ghosh, "Investigation of the random forest framework for classification of hyperspectral data", IEEE Transactions on Geoscience and Remote Sensing, Vol. 43 ,No. 3, pp. 492-501, March 2005.
[5] H. Jin, X.-N. Wang, F. Gao, J. Li, J.-M. Wei, "Learning decision trees using confusion entropy," Proc. International Conference on Machine Learning and Cybernetics, (Tianjin, China,14-17 July 2013), pp. 560-564.
[6] L. Kuncheva, "Combining Pattern Classifiers. Methods and Algorithms," Wiley and Sons, New Jersey, 2004.
[7] M.-L. Zhang,Z.-H. Zhou, "A k-nearest neighbor based algorithm for multi-label classification," IEEE International Conference on Granular Computing, Vol. 2, pp. 718 - 721, 25-27 July 2005.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 101989 "Nieinwazyjna identyfikacj..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2016-11 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2016-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma