Numer: 04/2022 Str. 27
Autorzy: Nurul-Afiqah Mohd-Fazzil , Ahmad Ibrahim , Hussain Shareef , Mohd-Asyraf Zulkifley , Muhammad-Akmal Remli :
Tytuł: Nieinwazyjne monitorowanie obciążenia w celu określenia stanu urządzenia za pomocą sieci neuronowej ze sprzężeniem do przodu
Streszczenie: Regulacje i inicjatywy dotyczące efektywności energetycznej zostały wdrożone w ramach proaktywnych działań mających na celu zaradzenie kryzysowi energetycznemu, który powstał z powodu rosnącego popytu i wyczerpywania się zasobów. System monitorowania obciążenia służy do dostarczania danych w czasie rzeczywistym w celu uzyskania odpowiednich informacji zwrotnych dotyczących oszczędności energii elektrycznej. Można go również wykorzystać do oceny skuteczności wdrożenia systemu zarządzania energią. Jednak monitorowanie wszystkich poszczególnych urządzeń poprzez zainstalowanie licznika energii dla każdego urządzenia będzie wiązało się z wysokimi kosztami instalacji i konserwacji. Dlatego celem niniejszej pracy jest określenie stanu poszczególnych urządzeń na podstawie zagregowanego pomiaru przy użyciu nieinwazyjnego monitorowania obciążenia (NILM) w oparciu o sieć neuronowa˛ ze sprzężeniem do przodu. Ustanowienie modelu NILM obejmuje główne procesy, w tym akwizycję danych, wstępne przetwarzanie, szkolenie i ocenie wydajności. W przetwarzaniu wstępnym wprowadza się nowe podejście wykorzystujące próg do identyfikacji stanu urządzeń na podstawie ich odczytów zużycia energii. Wydajność proponowanego podejścia jest następnie oceniana i porównywana z tradycyjną techniką regresji logistycznej pod względem dokładności. Wyniki pokazują, że NILM wykorzystujący sieć neuronową ze sprzężeniem do przodu przewyższał tradycyjna˛ regresje˛ logistyczna˛ o 5,78%. Co więcej, zaproponowane podejście z progiem pomogło jeszcze bardziej poprawi´c dokładność o 19,1% w porównaniu z tym samym algorytmem uczenia bez uwzględnienia progu. W rezultacie ogólna wydajność jest poprawiona o prawie 25% w porównaniu do regresji logistycznej przedstawionej w poprzedniej pracy. Stąd wyraźnie widać, że stan poszczególnych urządzeń można określić na podstawie pomiarów na głównym liczniku za pomocą NILM w oparciu o sieć neuronowa˛ ze sprzężeniem do przodu z dużą dokładnością.
Słowa kluczowe: nieinwazyjny monitoring obciążeń, sieć neuronowa