33、非侵入式负荷监测：理论、实践与工业应用前景

非侵入式负荷监测：理论、实践与工业应用前景

1. 负荷监测指标

在非侵入式负荷监测（NILM）中，采用了特定的负荷分解指标，包括基于能量的 f - 分数、总能量正确分配（TECA）和能量准确率。Mayhorn 等人将这些指标分为事件检测（ED）和能量估计（EE）两类。ED 将 NILM 视为分类问题，评估模型识别电器运行状态的能力；EE 则将其视为回归问题，近似每个电器在每个时间戳的能耗。这两类指标都很重要，在 NILM 研究中同时纳入这两类指标，能对模型性能进行最全面的评估。

Angelis 等人指出，在选择合适的评估指标时，应考虑每个电器的运行功率水平和使用频率。因为运行功率会影响某些 EE 指标，如均方根误差（RMSE）和平均绝对误差（MAE）。不同功率水平的电器进行 MAE 比较时，高功率电器通常 MAE 更大，所以 RMSE 和 MAE 虽在 NILM 文献中常用，但并非合适的评估指标。

2. 实验方法

为了进行负荷监测，构建了一个物联网（IoT）设备，用于记录电表每分钟的脉冲频率。该设备的组成及工作流程如下：
- 设备组成 ：电阻用于调节电流，光敏电阻记录电表的每个脉冲，电阻通过适当的引脚连接到光电二极管，天线提供互联网连接，电池为设备供电。
- 前期准备 ：在实施设备前，确定了车库（电表所在位置）的环境光水平，以便设备能识别电表脉冲时光线水平的变化。
- 数据记录 ：设备就位后开始脉冲计数，每分钟观察到的脉冲数会上传到 Ubidots 平台进行存储和可视化。
- 实验过程