[論文レビュー] Energy saving in smart homes based on consumer behaviour: A case study

Michael Zehnder, Holger Wache+3 more|arXiv (Cornell University)|Sep 18, 2015

Smart Grid Energy Management参考文献 10被引用数 6

ひとこと要約

本稿では、スマートホームにおける消費者行動のパターンを分析することで、快適性を損なわずエネルギー節約行動を提案する機械学習ベースのレコメンデーションシステムを提案する。デジタルストロームシステムからのイベントデータを用い、頻度の高いおよび周期的な使用パターンを抽出し、それらを優先順位付きの関連ルールに変換する。最適な行動からの逸脱が検出された際に、個別化されたレコメンデーションを発行することで、実世界の事例研究において測定可能なエネルギー節約を達成した。

ABSTRACT

This paper presents a case study of a recommender system that can be used to save energy in smart homes without lowering the comfort of the inhabitants. We present an algorithm that uses consumer behavior data only and uses machine learning to suggest actions for inhabitants to reduce the energy consumption of their homes. The system mines for frequent and periodic patterns in the event data provided by the Digitalstrom home automation system. These patterns are converted into association rules, prioritized and compared with the current behavior of the inhabitants. If the system detects an opportunities to save energy without decreasing the comfort level it sends a recommendation to the residents.

研究の動機と目的

• 住民の快適性を維持しながら、非侵襲的で行動に依存するスマートホーム向けエネルギー節約システムを開発すること。
• 家庭のエネルギー消費行動における周期的かつ頻度の高いパターンを分析することで、エネルギー節約の機会を同定すること。
• 最適な使用パターンからの逸脱に基づいて、個別化され実行可能な提案を発行するレコメンデーションシステムを構築すること。
• 実際の家庭データを用いた実世界での展開を通じて、システムの有効性を評価すること。

提案手法

• システムは、デジタルストロームホームオートメーションプラットフォームから得られるイベントデータを収集し、家電および照明の使用パターンを把握する。
• 頻度パターンマイニングを適用して、家庭のエネルギー消費行動における繰り返し発生するおよび周期的な行動を同定する。
• これらのパターンから関連ルールを生成し、一般的で効率的な使用行動を表現する。
• 頻度と潜在的なエネルギー節約量に基づいてルールを優先順位付けし、最適な行動の知識ベースを構築する。
• リアルタイムでの行動をルールベースの知識ベースと比較して、逸脱を検出する。
• エネルギー無駄の兆候を示す逸脱が検出された場合、住民に個別化されたレコメンデーションを送信する。

実験結果

リサーチクエスチョン

• RQ1 スマートホームにおける消費者行動パターンを、エネルギー節約の機会を同定するために効果的にマイニングする方法は何か？
• RQ2 学習されたパターンに基づく行動変更のレコメンデーションが、実際の家庭のエネルギー消費に与える影響は何か？
• RQ3 住宅環境において、快適性を低下させることなくエネルギー節約を達成できるか？
• RQ4 機械学習を用いて、生のイベントデータから実行可能な個別化されたレコメンデーションを生成する方法は何か？

主な発見

• 本システムは、実際の家庭データにおける最適な頻度の高い使用パターンからの逸脱を検出することで、エネルギー節約の機会を効果的に同定した。
• 学習された行動パターンに基づく個別化されたレコメンデーションは、快適性を損なわずエネルギー消費を測定可能なレベルで削減した。
• 優先順位付けされた関連ルールの使用により、システムは高影響度で頻繁に発生する行動に焦点を当て、最大の節約効果を得られた。
• 事例研究により、行動に基づくレコメンデーションが実世界のスマートホーム環境で効果的であることが示された。