低解析度電器特徵值評估及其在電器狀態辨識的應用

電器狀態辨識系統的目標，是希望透過辨識各項電器的用電資訊，提供加值應用。但傳統所使用的高解析度儀器，對一般住家還是成本太昂貴。至於低解析度儀器，現有研究對其特徵值的選取上並未評估優化。針對這些問題，本論文以低解析度的資料配合非侵入式辨識以降低硬體設備的成本，並以Euclidean Distance、Fuzzy Entropy、 Max-Relevance、mRMR等特徵值評估方法，嘗試找出最適合使用於低解析度電器辨識的 特徵值。並提出電器組合耗能資料的模擬預測演算法，減少系統在學習上需要的資料量與訓練時間，以考量連續時間上電器狀態的變化數量關係，增加辨識的準確率。實驗結果顯示，單維度的特徵值中，電流頻率域變動範圍在所有評估演算法中都獲得最高的評 價。而多維度的特徵值中，本論文所提出的低成本電器狀態辨識演算法，以實功平均值與可視功率平均值所組成的特徵值子集合，在兩組不同電器的實驗中分別達到87%與83%以上的辨識準確率。