Multi-label LSTM autoencoder for non-intrusive appliance load monitoring

•Proposed a new approach to NILM.•LSTM autoencoder fuses dynamic and static modeling paradigms.•Improves over the state-of-the-art algorithms. This work follows the multi-label classification based paradigm for non-intrusive load monitoring (NILM). Power consumption signals used for NILM are inheren...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Electric power systems research Ročník 199; s. 107414
Hlavní autoři:	Verma, Sagar, Singh, Shikha, Majumdar, Angshul
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Amsterdam Elsevier B.V 01.10.2021 Elsevier Science Ltd Elsevier
Témata:	Algorithms Artificial Intelligence Autoencoder Computer Science Datasets Deep learning Electric power Energy consumption Energy disaggregation Engineering Sciences LSTM Monitoring systems Non-intrusive load monitoring Power consumption Signal classification Signal monitoring Deep learning Non-intrusive load monitoring LSTM Autoencoder Energy disaggregation
ISSN:	0378-7796, 1873-2046
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!