Evaluación de una Arquitectura CNN para la Identificación de Cargas en NILM

Abstract

Las técnicas utilizadas para la desagregación de energía a menudo buscan identificar el uso de las diferentes cargas de una instalación con el objetivo de optimizar su eficiencia energética. La posibilidad de monitorizar de forma no intrusiva el grado de autonomía o independencia de una persona a través de la inferencia de sus rutinas dentro de la vivienda, tomando como fuente de información el uso de los distintos electrodomésticos, ofrece un nuevo enfoque en el desarrollo de herramientas de soporte para la supervisión de personas de edad avanzada o con leve deterioro cognitivo dentro de sus hogares. Dentro de este contexto, este trabajo se centra en la fase de identificación de los electrodomésticos (cargas) en uso de la vivienda. En él se expone una nueva propuesta en la que, a partir de la señal de corriente eléctrica muestreada a alta frecuencia (en el rango de kHz) en un único punto a la entrada de la vivienda (normalmente mediante un contador inteligente), el proceso de clasificación de cargas se lleva a cabo por medio de una red neuronal convolucional (Convolutional Neural Network, CNN), diseñada de forma que su carga computacional asociada sea la mínima posible. Para la validación de la propuesta se han utilizado las muestras ofrecidas por la base de datos BLUED (Building-Level fUlly labeled Electricity Disaggregation), habiéndose obtenido valores del parámetro F1 que alcanzan el 90 % en los resultados experimentales.