[논문 리뷰] A comparison of non-intrusive load monitoring methods for commercial and residential buildings

Nipun Batra, Oliver Parson외 3명|arXiv (Cornell University)|2014. 08. 27.

Smart Grid Energy Management참고 문헌 32인용 수 83

한 줄 요약

이 논문은 인도의 교육 기관 캠퍼스에서 확보한 고해상도 스마트 미터 데이터셋을 사용하여 상업용 건물에서 비침습적 부하 모니터링(NILM) 방법을 평가한다. 그 결과, 복잡하고 변동성이 있으며 상관관계가 있는 부하로 인해 주거용 NILM 가정이 상업용 환경에서는 실패함을 밝혀냈다. 본 논문은 COMBED 데이터셋을 제시하고, 특히 냉난방공조(HVAC) 시스템에서 더 세밀한 미터링 수준에서의 분해능 향상이 뚜렷함을 입증하였다. 또한, 일시적인 부하(예: 엘리베이터)에 대해선 더 높은 샘플링 속도와 고도의 알고리즘 필요성을 강조하였다.

ABSTRACT

Non intrusive load monitoring (NILM), or energy disaggregation, is the process of separating the total electricity consumption of a building as measured at single point into the building's constituent loads. Previous research in the field has mostly focused on residential buildings, and although the potential benefits of applying this technology to commercial buildings have been recognised since the field's conception, NILM in the commercial domain has been largely unexplored by the academic community. As a result of the heterogeneity of this section of the building stock (i.e., encompassing buildings as diverse as airports, malls and coffee shops), and hence the loads within them, many of the solutions developed for residential energy disaggregation do not apply directly. In this paper we highlight some insights for NILM in the commercial domain using data collected from a large smart meter deployment within an educational campus in Delhi, India, of which a subset of the data has been released for public use. We present an empirical characterisation of loads in commercial buildings, highlighting the differences in energy consumption and load characteristics between residential and commercial buildings. We assess the validity of the assumptions generally made by NILM solutions for residential buildings when applied to measurements from commercial facilities. Based on our observations, we discuss the required traits for a NILM system for commercial buildings, and run benchmark residential NILM algorithms on our data set to confirm our observations. To advance the research in commercial buildings energy disaggregation, we release a subset of our data set, called COMBED (commercial building energy data set).

연구 동기 및 목표

• 주거용 NILM에서 일반적으로 사용되는 가정—예를 들어, 한 번에 하나의 가전기기 작동, 정적 상태 작동—이 상업용 건물 환경에서 얼마나 타당한지 평가하기 위해.
• 변속도 드라이브, 피력계수 보정, 고빈도 사건 발생 등의 요인으로 인해 상업용 건물의 에너지 분해능에 발생하는 주요 과제를 규명하기 위해.
• 최근 공개된 고해상도 데이터셋을 사용하여 기존 주거용 NILM 알고리즘의 상업용 건물 데이터에 대한 성능을 평가하기 위해.
• 상업용 건물 에너지 분해능 연구를 촉진하기 위해 COMBED 데이터셋을 공개하기 위해.
• 기존 건물 자동화 시스템 및 자산 관리와 연계된 상업용 시설에 특화된 향후 NILM 시스템 설계 요구사항을 제안하기 위해.

제안 방법

• 인도 뉴델리 소재 대규모 교육 기관 캠퍼스에서 다양한 상업용 건물 유형을 대상으로 1 Hz 고해상도 스마트 미터 데이터를 수집하였다.
• 부하 프로파일의 실증적 특성 분석을 수행하여 주거용과 상업용 건물 간의 에너지 소비 및 사건 역학을 비교하였다.
• 다양한 집계 수준(건물 전체 및 바닥층 수준)에서 표준 주거용 NILM 알고리즘—특히 CO(Change-Over) 방법—을 상업용 데이터에 적용하여 평가하였다.
• 엔트로피 기반 지표와 NPEET 도구상자를 사용하여 다양한 미터링 지점에서의 부하 변동성과 분해능 성능을 분석하였다.
• 시간 해상도가 분해능 정확도에 미치는 영향을 평가하기 위해 데이터를 다운샘플링 하였다. 특히 엘리베이터와 같은 일시적 부하에 대해 집중하였다.
• 복잡한 상업용 미터링 계층을 지원하기 위해 NILMTK 메타데이터 스키마를 개선하고, 최적의 센싱을 위한 정보 이론적 지표를 탐색하였다.

실험 결과

연구 질문

• RQ1 주거용 NILM의 근본적인 가정—예를 들어, 한 번에 하나의 가전기기 작동, 정적 상태 전력—이 상업용 건물 환경에서는 얼마나 유지되는가?
• RQ2 예를 들어 VFD 기반 HVAC 시스템과 같은 상업용 부하의 높은 사건 빈도와 변동성은 표준 주거용 NILM 알고리즘의 성능을 얼마나 떨어뜨리는가?
• RQ3 상업용 시설에서 건물 전체 측정 대비 더 세밀한 미터링(예: 바닥층 수준)을 사용할 경우 분해능 정확도가 향상되는가?
• RQ4 엘리베이터나 변속도 드라이브와 같은 일시적 부하가 NILM 성능에 미치는 영향은 무엇이며, 신뢰할 수 있는 탐지에 필요한 샘플링 속도는 어느 정도인가?
• RQ5 특히 기존 건물 자동화 시스템과 자산 관리와 연계하여 효과적인 NILM를 구현하기 위한 주요 시스템 수준의 요구사항은 무엇인가?

주요 결과

• 상업용 건물은 주거용 건물보다 훨씬 더 많은 에너지를 소비하며, 사건 수준에서 수개의 주거용 건물보다 수십만 배 이상 많은 부하 사건을 기록하여, 주로 주거용 NILM에서 사용되는 '한 번에 하나의 사건' 가정이 도전받는다.
• AHU 분해능의 F-스코어는 건물 전체 수준에서 0.70에서 5층 수준에서 0.99로 향상되었으며, 이는 분해능 성능가 미터링의 세밀함에 매우 민감함을 보여준다.
• 낮은 주파수로 다운샘플링(예: 1 Hz)을 수행하면 엘리베이터 전력 소비와 같은 짧은 지속 시간의 일시적 사건이 가려지므로, 이러한 부하에 대해선 더 높은 샘플링 속도가 필수적임을 시사한다.
• 냉각기 분해능의 F-스코어는 캠퍼스 전체 및 변전소 2번 수준에서 모두 1.0에 도달하여, 부하 서명이 뚜렷하고 안정적인 경우 뛰어난 성능을 보임을 나타낸다.
• 에너지 사용의 시간 패턴, 특히 평일과 주말 소비의 뚜렷한 차이가 상업용 건물에서는 더욱 두드러지며, 이는 분해능 정확도 향상에 활용될 수 있다.
• VFD, 피력계수 보정 장치, 분산 에너지 자원과 같은 복잡한 부하의 존재는 NILM 성능에 상당한 영향을 미치며, 특히 고주파 특징을 사용할 경우 더욱 두드러진다.