메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김임규 (한국과학기술원) 김현철 (아이캡틴) 신상용 (바이솔라)
저널정보
한국태양에너지학회 한국태양에너지학회 논문집 한국태양에너지학회 논문집 제42권 제1호
발행연도
2022.2
수록면
103 - 114 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Energy consumption feedback with an appliance-level feedback system can reduce consumption by a maximum of 12%. In this study, we proposed a data acquisition and training framework for configuring deep learning based on Non-Intrusive Load Monitoring (NILM) for a personalized and appliance-level energy consumption feedback system. To construct a training dataset, an aggregation of active power data from four types of home appliances (refrigerator, induction, TV, washing machine) was performed for approximately three weeks. LSTNet was applied to extract and recognize the features of active power data and the state of each home appliance. With an accuracy metric of more than 90% of the disaggregation result, the applicability of the appliance-level active power feedback system was verified.

목차

Abstract
1. 연구배경 및 목적
2. 학습용 데이터셋 구축을 위한 가전기기 전력 데이터 측정
3. NILM 프레임워크를 위한 LSTNet
4. LSTNet 학습 및 추론 결과
5. 결론
REFERENCES

참고문헌 (25)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-563-001094622