Clasificación de electrodomésticos a partir del monitoreo de consumos domiciliarios utilizando máquinas de soporte vectorial

Abstract

El monitoreo de carga no intrusivo es un conjunto de técnicas cuyo objetivo es la identificación de los electrodomésticos utilizados en una vivienda partiendo de la señal de consumo energético agregada que producen al utilizarse. La base de datos empleada es la denominada Reference Energy Disaggregation Data Set (REDD) la cual es de acceso gratuito y contiene información detallada del consumo eléctrico de artefactos de varios hogares. El presente trabajo tuvo como objetivo utilizar herramientas de la teoría de la información y del análisis de señales para generar un espacio de características como conjunto de entrenamiento para un modelo de Machine Learning supervisado (SVM); para formular así una clasificación satisfactoria de electrodomésticos. Los resultados obtenidos muestran una precisión lo suficientemente elevada como para alentar la continuación de esta línea de investigación.

Non-intrusive load monitoring is a set of techniques aimed at identifying household appliances based on the aggregated energy consumption signal they produce when used. The employed database is called the

Reference Energy Disaggregation Data Set (REDD), which is freely accessible and contains detailed infor- mation on the electrical consumption of appliances in various households. The objective of this work is to

use information theory and signal analysis tools to generate a feature space as a training set for a supervised Machine Learning model (SVM), thus achieving satisfactory appliance classification. The obtained results show sufficiently high accuracy to encourage further continuation of this line of research.