Disaggregazione non intrusiva del carico mediante una rete neurale totalmente convolutiva

Il monitoraggio non intrusivo del carico (NILM) è il metodo dominante utilizzato per monitorare il profilo energetico di un immobile residenziale e disaggregare il consumo totale di energia elettrica in segnali di consumo per elettrodomestico. Mentre gli algoritmi di disaggregazione più diffusi sono basati sul Hidden Markov Model, le soluzioni basate su reti neurali profonde hanno recentemente attirato l’interesse dei ricercatori. In questo lavoro affrontiamo il problema attraverso il riconoscimento dello stato di attivazione delle apparecchiature utilizzando una rete neurale profonda totalmente convoluzionale mutuando alcune tecniche impiegate nella segmentazione semantica delle immagini. Questo approccio ha permesso di ottenere performance elevate non solo nel riconoscimento dello stato degli elettrodomestici ma anche nella stima dei consumi degli stessi, migliorando lo stato dell’arte per un dataset di riferimento.

@TechReport{MMM19,
  author       = {Massidda, L. and Marrocu, M. and Manca, S.},
  title        = {Disaggregazione non intrusiva del carico mediante una rete neurale totalmente convolutiva},
  institution  = {CRS4},
  month        = {october},
  year         = {2019},
  type         = {Research Note},
  keywords     = {nergy disaggregation, Non-Intrusive Load Monitoring, Convolutional neural network, Deep learning},
  url          = {https://publications.crs4.it/pubdocs/2019/MMM19},
}