Machine Learning Approaches to Non-Intrusive Load Monitoring

de

,

Éditeur :

Springer


Collection :

SpringerBriefs in Energy

Paru le : 2019-11-01

eBook Téléchargement , DRM LCP 🛈 DRM Adobe 🛈
Lecture en ligne (streaming)
52,74

Téléchargement immédiat
Dès validation de votre commande
Image Louise Reader présentation

Louise Reader

Lisez ce titre sur l'application Louise Reader.

Description
La recherche sur les réseaux intelligents s'est récemment concentrée sur la question du suivi énergétique, avec pour objectif de maximiser la sensibilisation des utilisateurs à la consommation dans les contextes des bâtiments d'une part, et de fournir aux services publics une description détaillée des habitudes des clients d'autre part. En particulier, la surveillance non intrusive de la charge (NILM), le sujet de ce livre, représente l'un des sujets les plus brûlants dans les applications Smart Grid. La MTIN désigne les techniques visant à décomposer les données de consommation agrégées acquises en un seul point de mesure en divers profils de consommation des appareils fonctionnant dans le système électrique étudié.

Ce livre fait le point sur les méthodes de la MTIN les plus prometteuses, avec un aperçu de l'ensemble des données accessibles au public sur lesquelles l'algorithme et les expériences sont basés. Parmi les méthodes proposées, celles basées sur le modèle de Markov caché (HMM) et le réseau neuronal profond (DNN) sont les plus performantes et les plus intéressantes du point de vue des améliorations futures. Une méthode de chaque catégorie a été choisie et les améliorations de performance réalisées sont décrites. On compare les deux techniques de référence et on examine les avantages et les inconvénients. De plus, des améliorations de performance peuvent être obtenues lorsque la composante de puissance réactive est exploitée en plus de la trace de consommation de puissance active.
Pages
135 pages
Collection
SpringerBriefs in Energy
Parution
2019-11-01
Marque
Springer
EAN papier
9783030307813
EAN PDF
9783030307820

Informations sur l'ebook
Nombre pages copiables
1
Nombre pages imprimables
13
Taille du fichier
5663 Ko
Prix
52,74 €
EAN EPUB
9783030307820

Informations sur l'ebook
Nombre pages copiables
1
Nombre pages imprimables
13
Taille du fichier
11622 Ko
Prix
52,74 €