[論文レビュー] GREEND: An Energy Consumption Dataset of Households in Italy and Austria

Andrea Monacchi, Dominik Egarter+3 more|arXiv (Cornell University)|May 13, 2014

Smart Grid Energy Management参考文献 14被引用数 19

ひとこと要約

GREEND は、オーストリアおよびイタリアの 10 戸の家庭から、1 秒間に 1 回のサンプリング周波数で収集された、カスタムセンシングインfra構造を用いて得られた、公開可能で高分解能の消費電力データセットである。本データセットは、負荷分解、居住状態検出、家電機器使用のモデリングに関する研究を可能にし、パーティクルフィルタリング、居住状態モデリング、ベイジアンネットワークを用いたベンチマーク手法により、スマートホームおよびエネルギー管理応用分野におけるその有用性が示された。

ABSTRACT

Home energy management systems can be used to monitor and optimize consumption and local production from renewable energy. To assess solutions before their deployment, researchers and designers of those systems demand for energy consumption datasets. In this paper, we present the GREEND dataset, containing detailed power usage information obtained through a measurement campaign in households in Austria and Italy. We provide a description of consumption scenarios and discuss design choices for the sensing infrastructure. Finally, we benchmark the dataset with state-of-the-art techniques in load disaggregation, occupancy detection and appliance usage mining.

研究の動機と目的

• ヨーロッパの家庭、特にオーストリアおよびイタリアの家庭から、公開可能で高分解能の消費電力データセットが不足しているという問題に対処すること。
• 実世界のデバイスレベルの電力使用データを提供することで、家庭エネルギー管理システム（HEMS）の研究を支援すること。
• 負荷分解、居住状態検出、家電機器使用のマイニングにおける先進的手法のベンチマークを可能にすること。
• 従来のデータセットが抱える制限、例えば低サンプリング周波数、文脈的情報の欠如、北米に偏った地理的バイアスを克服すること。
• 再現可能性およびスマートグリッドおよびエネルギー効率研究分野における再利用を促進するために、データセットおよび完全な測定インfra構造のコードベースを公開すること。

提案手法

• シャント抵抗器および電流トランスを用いたカスタムハードウェア（Raspberry Pi ベースのデータロガー）を用いて、オーストリアおよびイタリアの複数の家庭を対象に、1 秒間に 1 回のサンプリング周波数で実時間での電力測定を実施した。
• 回路レベルにセンサを設置し、ヒートポンム、照明、および主要な家電機器を含む個々の家電機器の有効電力（P）を測定した。
• 集約電力信号からの個々の家電機器の状態を特定するために、パーティクルフィルタリングを用いて負荷分解を実施した。
• 時間帯および曜日ごとの電力消費パターンに基づく確率的居住状態モデリングを用いて、住民の存在／不在状態を推定した。
• 時間帯および曜日を条件変数として、条件付き確率分布を用いたベイジアンネットワーク（BNs）を用いて、コーヒー機器の起動などの家電機器使用パターンをモデリングおよび予測した。
• 各家電機器の起動／停止イベントを抽出するために、しきい値ベースのイベント検出を用いて生データを処理し、その後続のモデリングを可能にした。

実験結果

リサーチクエスチョン

• RQ1 最先端のパーティクルフィルタリング手法を用いた場合、GREEND データセットは負荷分解にどの程度有効であるか？
• RQ2 統計的モデリングを用いることで、家庭の電力消費データから居住状態パターンを信頼性高く推定できるか？
• RQ3 実際の家庭データに基づいて訓練されたベイジアンネットワークを用いることで、家電機器使用パターンはどの程度モデリングおよび予測可能となるか？
• RQ4 ヨーロッパの家庭データ（230V、異なる家電機器の組み合わせ、気候）が、北米データセットと比較して、エネルギーモデリング手法の一般化性をどの程度向上させるか？
• RQ5 実世界の長期的で複数家庭を対象としたデータセットを用いたエネルギー管理研究における主な課題は何か。また、それらの課題はどのように軽減できるか？

主な発見

• GREEND データセットは、オーストリアおよびイタリアの 10 戸の家庭から、1 Hz の分解能で、個々の家電機器の有効電力測定値を提供しており、住民および監視対象の家電機器に関する詳細なメタデータを含む。
• 本データセットにパーティクルフィルタリングを適用した結果、負荷信号の分解が成功し、細分化された家電機器状態検出に適していることが示された。
• 電力消費パターンに基づく居住状態検出モデルは、平日および週末の行動パターンを一貫して示し、平日の朝に高い居住確率が観察された。
• コーヒー機器使用のベイジアンネットワークモデリングにより、平日の朝にピークの起動確率が予測可能であることが判明し、住民へのインタビューで裏付けられた。
• 本データセットは、家電機器使用と住民行動の間の相関関係をモデリング可能であり、文脈に応じたエネルギー管理戦略の支援に貢献する。
• データセットおよび完全なコードベース（データ収集、処理、モデリングスクリプトを含む）の公開により、再現性が向上し、家庭内エネルギーシステム分野の研究が加速された。