| Revue: | Revista Facultad de Ingeniería. Universidad de Antioquia |
| Base de datos: | |
| Número de sistema: | 000563507 |
| ISSN: | 0120-6230 |
| Autores: | Chavat, Juan P.1 Graneri, Jorge1 Nesmachnow, Sergio1 |
| Instituciones: | 1Universidad de la República, Facultad de Ingeniería, Montevideo. Uruguay |
| Año: | 2021 |
| Periodo: | Ene-Mar |
| Número: | 98 |
| Paginación: | 27-46 |
| País: | Colombia |
| Idioma: | Inglés |
| Resumen en español | Desglosar el consumo energético agregado en un consumo detallado por electrodoméstico es una herramienta crucial para la eficiencia energética en edificios residenciales. El monitoreo no intrusivo de consumo energético permite implementar esta estrategia usando solo un medidor de energía inteligente, sin instalar hardware adicional. La información obtenida es crítica para caracterizar el consumo de energía con el fin de evitar sobrecargas del sistema eléctrico y para elaborar tarifas que reduzcan los costos de electricidad de los usuarios. Este artículo presenta un enfoque para la desagregación del consumo de energía en hogares, basado en la detección de patrones similares de consumo en conjuntos de datos registrados previamente. La evaluación experimental se realiza en cuatro instancias que modelan escenarios de hogares reales utilizando datos de un repositorio de consumo de energía. Los resultados experimentales se comparan con algoritmos del entorno de trabajo nilmtk (optimización combinatoria y modelo oculto de Markov factorial). El algoritmo propuesto alcanzó resultados precisos, de acuerdo con métricas estándar de predicción. La precisión no fue afectada significativamente por la presencia de ambigüedad entre el consumo de energía de diferentes dispositivos o por la diferencia de consumo entre los dispositivos de entrenamiento y de validación. |
| Resumen en inglés | Breaking down the aggregated energy consumption into a detailed consumption per appliance is a crucial tool for energy efficiency in residential buildings. Non-intrusive load monitoring allows implementing this strategy using just a smart energy meter without installing extra hardware. The obtained information is critical to provide an accurate characterization of energy consumption in order to avoid an overload of the electric system, and also to elaborate special tariffs to reduce the electricity cost for users. This article presents an approach for energy consumption disaggregation in households, based on detecting similar consumption patterns from previously recorded labelled datasets. The experimental evaluation of the proposed method is performed over four different problem instances that model real household scenarios using data from an energy consumption repository. Experimental results are compared with two built-in algorithms provided by the nilmtk framework (combinatorial optimization and factorial hidden Markov model). The proposed algorithm was able to achieve accurate results regarding standard prediction metrics. The accuracy was not affected in a significant manner by the presence of ambiguity between the energy consumption of different appliances or by the difference of consumption between training and test appliances. |
| Palabras clave: | Monitoreo no intrusivo de energía, Similitud de patrones, Eficiencia energética |
| Keyword: | Non-intrusive load monitoring;pattern similarities, Energyefficiency |
| Texte intégral: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
