[논문 리뷰] Energy saving in smart homes based on consumer behaviour: A case study

Michael Zehnder, Holger Wache외 3명|arXiv (Cornell University)|2015. 09. 18.

Smart Grid Energy Management참고 문헌 10인용 수 6

한 줄 요약

이 논문은 스마트 홈에서 소비자 행동 패턴을 분석하여 편안함을 해치지 않으면서 에너지 절약 조치를 제안하는 기계학습 기반 추천 시스템을 제안한다. 디지털스트롬 시스템의 이벤트 데이터를 사용하여 빈번하고 주기적인 사용 패턴을 추출하고, 이를 우선순위가 부여된 연관 규칙으로 변환하며, 최적의 행동에서의 이탈이 감지될 경우 개인화된 추천을 제공한다. 실제 사례 연구에서 측정 가능한 에너지 절감 효과를 달성하였다.

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.

연구 동기 및 목표

• 스마트 홈에서 거주자의 편안함을 유지하면서 비침습적이고 행동 기반의 에너지 절약 시스템을 개발하기 위해.
• 주기적이고 빈번한 가정 내 에너지 소비 행동 패턴을 분석하여 에너지 절약 기회를 식별하기 위해.
• 최적의 사용 패턴에서의 이탈 기반으로 개인화된 실행 가능한 제안을 제공하는 추천 시스템을 구축하기 위해.
• 실제 가정 데이터를 사용한 실생활 구현을 통해 시스템의 효과성을 평가하기 위해.

제안 방법

• 시스템은 디지털스트롬 홈 오토메이션 플랫폼에서 온 이벤트 데이터를 수신하여 가전기기 및 조명 사용 패턴을 캡처한다.
• 빈번한 패턴 마이닝을 적용하여 가정 내 에너지 소비 행동에서 반복적이고 주기적인 행동을 식별한다.
• 이러한 패턴들에서 연관 규칙를 생성하여 일반적이고 효율적인 사용 행동을 표현한다.
• 빈도와 잠재적 에너지 절감 효과를 기반으로 규칙를 우선순위화하여 최적 행동의 지식 기반을 형성한다.
• 실시간 행동을 규칙 기반 지식 기반과 비교하여 이탈 여부를 검출한다.
• 에너지 낭비 가능성이 있는 이탈이 발견되면 거주자에게 개인화된 추천을 전송한다.

실험 결과

연구 질문

• RQ1 스마트 홈에서 소비자 행동 패턴을 효과적으로 마이닝하여 에너지 절약 기회를 식별할 수 있는가?
• RQ2 학습된 패턴 기반으로 행동 변화를 제안할 경우 실제 가정 내 에너지 소비에 어떤 영향을 미치는가?
• RQ3 주거 환경에서 편안함을 해치지 않으면서도 에너지 절약을 달성할 수 있는가?
• RQ4 기계학습을 어떻게 활용하여 원시 이벤트 데이터에서 실행 가능한 개인화된 추천을 생성할 수 있는가?

주요 결과

• 시스템은 실제 가정 데이터에서 최적의 빈번한 사용 패턴에서의 이탈을 감지함으로써 에너지 절약 기회를 성공적으로 식별하였다.
• 학습된 행동 패턴 기반 개인화된 추천은 편안함을 해치지 않으면서도 측정 가능한 에너지 소비 감소를 이끌어냈다.
• 우선순위가 부여된 연관 규칙의 사용은 높은 영향을 미치고 자주 발생하는 행동에 집중함으로써 최대 절감 효과를 달성하는 데 기여했다.
• 사례 연구는 행동 기반 추천이 실생활 스마트 홈 환경에서 효과적일 수 있음을 입증하였다.