[논문 리뷰] GREEND: An Energy Consumption Dataset of Households in Italy and Austria

Andrea Monacchi, Dominik Egarter외 3명|arXiv (Cornell University)|2014. 05. 13.

Smart Grid Energy Management참고 문헌 14인용 수 19

한 줄 요약

GREEND는 오스트리아와 이탈리아의 10개 가정에서 1Hz의 빈도로 고해상도 에너지 소비 데이터를 수집한 공개된 데이터셋으로, 맞춤형 센서 인프라를 사용하였다. 이 데이터셋은 부하 분해, 거주자 존재 감지, 가전기기 사용 모델링 분야의 연구를 가능하게 하며, 입자 필터링, 거주자 모델링, 베이지안 네트워크를 활용한 벤치마킹을 통해 스마트 홈 및 에너지 관리 응용 분야에서의 유용성을 입증한다.

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.

연구 동기 및 목표

• 유럽 가정에서 특히 오스트리아와 이탈리아에서 공개된 고해상도 에너지 소비 데이터셋의 부족을 해소하기 위해.
• 실세계의 기기 수준의 전력 사용 데이터를 제공함으로써 가정 에너지 관리 시스템(HEMS) 연구를 지원하기 위해.
• 고급 기술의 부하 분해, 거주자 존재 감지, 가전기기 사용 탐색에 대한 벤치마킹을 가능하게 하기 위해.
• 기존 데이터셋의 한계, 예를 들어 낮은 샘플링 주파수, 맥락 정보 부족, 북미 중심의 지리적 편향 등을 극복하기 위해.
• 재현 가능성과 스마트 그리드 및 에너지 효율 연구에서의 재사용을 위해 데이터셋과 전체 측정 인프라 코드베이스를 공개하기 위해.

제안 방법

• 1Hz에서 실시간 전력 측정을 위한 맞춤형 하드웨어(Raspberry Pi 기반 데이터 로거)를 사용하여 오스트리아와 이탈리아의 다수 가정에서 측정 캠프인을 수행하였다. 전류 변환기와 시mlin트 저항기를 활용하였다.
• 회로 수준에 센서를 설치하여 히트펌프, 조명, 주요 가정 기기 등 개별 기기의 유효 전력(P)을 측정하였다.
• 집합된 전력 신호에서 개별 기기 상태를 식별하기 위해 입자 필터링을 적용하여 부하 분해를 수행하였다.
• 시간대 및 요일에 따른 전력 소비 패턴 기반의 확률적 거주자 존재 모델링을 사용하여 거주자 유무를 추론하였다.
• 시간대 및 요일에 따라 조건부 확률 분포를 갖는 베이지안 네트워크(BNs)를 활용하여 커피 메이커 작동과 같은 가전기기 사용 패턴을 모델링하고 예측하였다.
• 시작/정지 이벤트를 추출하기 위해 임계값 기반 이벤트 탐지를 적용하여 원시 데이터를 처리함으로써 후속 모델링을 가능하게 하였다.

실험 결과

연구 질문

• RQ1 최신 입자 필터링 기법을 사용할 때 GREEND 데이터셋은 부하 분해에 얼마나 효과적인가?
• RQ2 통계적 모델링을 통해 가정 전력 소비 데이터에서 거주자 존재 패턴을 신뢰성 있게 추론할 수 있는가?
• RQ3 실제 가정 데이터 기반으로 훈련된 베이지안 네트워크를 사용할 때, 가전기기 사용 패턴은 어느 정도 모델링 및 예측이 가능한가?
• RQ4 유럽 가정 데이터(230V, 다른 기기 조합, 기후 조건)의 포함이 북미 데이터셋 대비 에너지 모델링 기법의 일반화 능력을 얼마나 향상시키는가?
• RQ5 에너지 관리 연구에 실세계의 장기적이고 다수 가정의 데이터셋을 사용할 때의 주요 과제는 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• GREEND 데이터셋은 오스트리아와 이탈리아의 10개 가정에서 1Hz의 기기 수준 유효 전력 측정값을 제공하며, 거주자 및 모니터링된 기기의 상세 메타데이터를 포함한다.
• 입자 필터링을 적용한 결과, 부하 신호를 성공적으로 분해하여 세밀한 기기 상태 감지에 적합함을 입증하였다.
• 전력 소비 패턴 기반의 거주자 존재 감지 모델은 평일과 주말의 일관된 행동 패턴을 보였으며, 평일 오전 시간대에 거주자 존재 확률이 높았다.
• 커피 메이커 사용에 대한 베이지안 네트워크 모델링은 예측 가능한 패턴을 드러내었으며, 평일 아침에 시작 확률이 가장 높았고, 가정 인터뷰로 검증되었다.
• 이 데이터셋은 기기 사용과 거주자 행동 간의 상호의존성을 모델링할 수 있어, 맥락 기반 에너지 관리 전략을 지원한다.
• 데이터셋과 전체 코드베이스(데이터 수집, 처리, 모델링 스크립트 포함)의 공개는 재현 가능성 향상과 국내 에너지 시스템 연구의 가속화에 기여한다.