[論文レビュー] A comparison of non-intrusive load monitoring methods for commercial and residential buildings

Nipun Batra, Oliver Parson+3 more|arXiv (Cornell University)|Aug 27, 2014

Smart Grid Energy Management参考文献 32被引用数 83

ひとこと要約

本論文は、インドの教育キャンパスから得た高分解能スマートメーターのデータセットを用いて、商業施設における非侵襲的負荷モニタリング（NILM）手法を評価し、住宅向けNILMの仮定が商業環境では複雑で変動が大きく相関する負荷のため失敗することを明らかにした。本研究ではCOMBEDデータセットを公開し、特にHVACシステムにおいて、より細分化されたメーター測定レベルで分解能が著しく向上することを示した。一方で、瞬間的負荷（エレベーターなど）の正確な検出には、より高いサンプリングレートと高度なアルゴリズムの導入が不可欠であることが示された。

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).

研究の動機と目的

• 住宅向けNILMの一般的な仮定（例：1台ずつの家電機器の同時動作、定常状態での動作）が商業施設環境で妥当かどうかを評価すること。
• 可変速ドライブ、力率補正、高いイベント頻度を含む、商業施設におけるエネルギー分解能の主な課題を特定すること。
• 新たに公開された高分解能データセットを用いて、既存の住宅向けNILMアルゴリズムが商業施設データに対してどの程度の性能を示すかを評価すること。
• 商業施設のエネルギー分解能研究を促進するためにCOMBEDデータセットを公開すること。
• 商業施設向けに特化した将来的なNILMシステムの設計要件を提案すること。具体的には、複雑なメーター測定階層と高周波度センシングのサポートを含む。

提案手法

• インド・デリーに位置する大規模な教育キャンパスから、多様な商業施設タイプをカバーする1 Hzの高分解能スマートメーター計測データを収集した。
• 負荷プロファイルの実地的特徴付けを実施し、住宅施設と商業施設の間でのエネルギー消費とイベントダイナミクスを比較した。
• 異なる集約レベル（建物全体と床レベル）における住宅向け標準NILMアルゴリズム（特にCO（チェンジ・オーバー）法）を商業データに対して評価した。
• エントロピーに基づく指標とNPEETツールボックスを用いて、異なるメーター測定ポイントにおける負荷のばらつきと分解能性能を分析した。
• 時間分解能が分解能精度に与える影響を評価するために、データをダウンサンプリングした。特にエレベーターのような瞬間的負荷に対して重点を置いた。
• 複雑な商業施設向けメーター測定階層をサポートするため、NILMTKメタデータスキーマの拡張を提案し、最適なセンシングを示す情報理論的指標の検討も行った。

実験結果

リサーチクエスチョン

• RQ1 住宅向けNILMの根拠となる仮定（例：1台ずつの家電機器の同時動作、定常状態での電力）は、商業施設環境でも成立するのか？
• RQ2 可変速ドライブ（VFD）を備えたHVACシステムのような、商業負荷の高いイベント頻度と変動性は、標準的な住宅向けNILMアルゴリズムの性能をどの程度劣化させるのか？
• RQ3 商業施設において、建物全体の測定ではなく、床レベルのより細分化されたメーター測定を用いることで、分解能精度が向上するのか？
• RQ4 エレベーターのような瞬間的負荷や可変速ドライブはNILM性能にどのように影響を及ぼすのか。また、信頼性のある検出にはどの程度のサンプリングレートが必要なのか？
• RQ5 既存のビルオートメーションシステムや資産管理システムと連携するにあたり、商業施設に効果的なNILMを導入するにあたっての主要なシステム要件は何か？

主な発見

• 商業施設は住宅施設よりも顕著に高いエネルギー消費を示し、負荷イベントの数は10の累乗オーダー多く、住宅向けNILMで一般的に採用される「1度に1台ずつの家電機器の動作」という仮定に反する。
• AHU（外気処理ユニット）のFスコアは、建物全体レベルでは0.70であったが、5階層レベルでは0.99に向上した。これは、分解能性能がメーター測定の細分化度に極めて敏感であることを示している。
• 低周波数（例：1 Hz）へのダウンサンプリングにより、エレベーターの電力消費のような短時間持続の瞬間的イベントが曇り、より高いサンプリングレートがこのような負荷の検出に不可欠であることが示された。
• 冷却装置（チラー）の分解能において、キャンパス全体とトランスフォーマー2の両方でFスコアが1.0に達しており、負荷シグネチャが明確で安定している場合には優れた性能を示していることがわかった。
• エネルギー使用の時間的パターン、特に平日と週末の消費差に顕著な差が見られるが、商業施設ではこれが顕著で、分解能精度の向上に活用できる。
• VFD、力率補正装置、分散型エネルギー資源といった複雑な負荷の存在は、特に高周波度特徴を用いる場合、NILM性能に顕著な影響を与える。