Resumen

El análisis de la firma energética de los electrodomésticos es el núcleo del monitoreo de carga no intrusivo (NILM), donde se obtienen los datos detallados de los electrodomésticos utilizados en las casas mediante el análisis de cambios en el voltaje y la corriente. Este artículo se enfoca en desarrollar una detección automática de eventos de carga de energía y clasificación de electrodomésticos basada en aprendizaje automático. En la detección de eventos de carga de energía, el artículo presenta un nuevo algoritmo de detección de transitorios. A través del análisis de formas de onda transitorias de encendido y apagado, puede detectar con precisión el punto de transición cuando un dispositivo se enciende o se apaga. La técnica de clasificación de carga propuesta puede identificar diferentes electrodomésticos con una precisión de reconocimiento y velocidad computacional mejoradas. El método de clasificación de carga se compone de dos procesos que incluyen análisis de características de frecuencia y máquina de vectores de soporte. Los resultados experimentales indicaron

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Análisis de firma energética; Detección de eventos de carga de energía; Clasificación de electrodomésticos; Aprendizaje automático; Algoritmo de detección de transitorios; Técnica de clasificación de carga
• Keywords:Energy signature analysis; Power load event detection; Appliance classification; Machine learning; Transient detection algorithm; Load classification technique