[論文レビュー] Adaptive Event Detection for Representative Load Signature Extraction

Lei Yan, Wei Tian+2 more|arXiv (Cornell University)|Jul 23, 2021

Smart Grid Energy Management参考文献 25被引用数 4

ひとこと要約

本論文では、非侵襲的負荷監視（NILM）のための適応的イベント検出手法WAMMAを提案する。この手法は、高レートの住宅用負荷データ（≥1Hz）における一時的イベントを正確に検出するために、ウィンドウ幅、マージン幅、しきい値を動的に調整する。20Hz、50Hz、60Hzのデータセットにおいて、最先端の手法を上回る性能を示し、より良いNILM精度と負荷再構築を実現するため、代表的な一時的および定常的負荷シグネチャの強固な抽出と定量的評価を可能にする。

ABSTRACT

Event detection is the first step in event-based non-intrusive load monitoring (NILM) and it can provide useful transient information to identify appliances. However, existing event detection methods with fixed parameters may fail in case of unpredictable and complicated residential load changes such as high fluctuation, long transition, and near simultaneity. This paper proposes a dynamic time-window approach to deal with these highly complex load variations. Specifically, a window with adaptive margins, multi-timescale window screening, and adaptive threshold (WAMMA) method is proposed to detect events in aggregated home appliance load data with high sampling rate (>1Hz). The proposed method accurately captures the transient process by adaptively tuning parameters including window width, margin width, and change threshold. Furthermore, representative transient and steady-state load signatures are extracted and, for the first time, quantified from transient and steady periods segmented by detected events. Case studies on a 20Hz dataset, the 50Hz LIFTED dataset, and the 60Hz BLUED dataset show that the proposed method can robustly outperform other state-of-art event detection methods. This paper also shows that the extracted load signatures can improve NILM accuracy and help develop other applications such as load reconstruction to generate realistic load data for NILM research.

研究の動機と目的

• 高変動、長時間の遷移、ほぼ同時発生するイベントといった複雑な住宅用負荷変動を扱う際、固定パラメータのイベント検出手法に見られる限界を解消すること。
• リアルタイムで変化する負荷ダイナミクスに適応する動的タイムウィンドウアプローチの開発。
• イベントセグメンテーション済みデータから代表的な一時的および定常的負荷シグネチャを抽出・定量的特徴付けすることにより、NILM性能の向上を図ること。
• 抽出されたシグネチャがNILM精度の向上および負荷再構築アプリケーションの支援にどのように有効であるかを実証すること。

提案手法

• 高サンプリングレート負荷データにおけるイベント検出のため、適応的マージンを備えたウィンドウ、マルチタイムスケールウィンドウスクリーニング、適応的しきい値（WAMMA）を組み合わせた手法を提案する。
• 信号の特徴に基づいて動的にウィンドウ幅を調整することで、一時的イベントを逃すことなく、過剰適合を回避する。
• 局所的な信号エネルギーと変化率に応じて変動する適応的マージンおよびしきい値を組み込むことで、検出のロバスト性を向上させる。
• 異なる時間スケールでの信号変化を比較することにより、高速および低速の遷移を両方検出するマルチタイムスケール分析を適用する。
• 検出されたイベントに基づいて負荷データを一時的および定常的期間にセグメンテーションし、代表的シグネチャを抽出する。
• 下流のNILMおよび負荷再構築タスクに使用可能な、一時的および定常的フェーズからの抽出シグネチャを定量化する。

実験結果

リサーチクエスチョン

• RQ1 高負荷変動下でも、固定パラメータ手法に比べて適応的イベント検出手法が一時的イベント検出において優れた性能を示せるか？
• RQ2 提案されたWAMMA手法は、長時間の遷移期間やほぼ同時発生する家電機器の動作といった複雑な住宅用負荷ダイナミクスをどの程度効果的に処理できるか？
• RQ3 抽出された一時的および定常的負荷シグネチャは、従来手法に比べてNILM精度をどの程度向上させるか？
• RQ4 抽出された負荷シグネチャは、NILM研究および応用のための現実的な合成負荷データの生成に利用可能か？

主な発見

• WAMMA手法は、20Hz、50Hz（LIFTED）、60Hz（BLUED）の複数の高レートデータセットにおいて、最先端の手法を上回る優れたイベント検出性能を達成した。
• 信号の特性に応じてウィンドウ幅、マージン幅、変化しきい値を動的にチューニングすることで、高精度に一時的プロセスを捉えることに成功した。
• 一時的および定常的フェーズからの代表的負荷シグネチャを、初めて定量化した。これにより、家電機器の挙動の正確な特徴付けが可能になった。
• 抽出されたシグネチャの活用により、NILM精度が向上し、負荷分解タスクにおけるその価値が実証された。
• 抽出されたシグネチャに基づいて合成負荷データを生成することで、現実的な負荷再構築が可能となり、将来的なNILM研究を支援する。