ترجمه کنترل بار پیش بینی نشده از طریق طبقه بندی چند برچسبی شده

توضیحات

 عنوان فارسی:

• کنترل بار پیش بینی نشده از طریق طبقه بندی چند برچسبی شده
• روش‌های طبقه بندی چند برچسبی برای کاربرد و استفاده سازگار با محیط زیست کامپیوترها برای سامانه توصیه‌گر سیار پزشکی
• شناخت طبقه بندی چند برچسبی سلسله مراتبی هدایت شده برای اطلاعات بلیط

عنوان انگلیسی مقاله ترجمه شده:

Towards Non -Intrusive Load Monitoring via MultiMulti-Label Classification

Multi-label Classification Methods for Green Computing and Application for Mobile Medical Recommendations

Knowledge Guided Hierarchical Multi-Label Classification over Ticket Data

کنترل بار پیش بینی نشده از طریق طبقه بندی چند برچسبی شده

تکنولوژی مدیریت سمت تقاضا، یک عنصر کلیدی شبکه هوشمند پیشنهاد شده است که استفاده از خدمات رفاهی را موثرتر به وسیله کاهش تقاضای انرژی مصرف کنندگان در طول دوره های اوج بار می‌کند. با این وجود، درحالی که وسایل مدرن می توانند به سیگنال‌های قیمتی کمپانی‌های صنایع عمومی پاسخ مناسبی باشند، سهم عظیمی از لوازم قدیمی‌تر وجود دارند که این کار را نمی‌توانند بکنند. برای چنین لوازمی، خدمات رفاهی تعیین می‌کنند که چه لوازم مصرف کننده‌ای در خانه کار کنند که تنها سیگنال‌های قدرتی در فیدر اصلی خانه را به ما می‌دهد (برای مثال  نیروی مصرفی خانه باید به لوازم فردی تفکیک شوند). ما بررسی عمیقی از الگوریتم‌های طبقه بندی چند برچسبی برای تجزیه کردن لوازم در یک سیگنال قدرتی گزارش می‌دهیم. بررسی سیستماتیک این موضوع پژوهشی نشان می دهد که این طبقه از الگوریتم ها توجه کمتری را به خود جلب کرده‌اند، هرچند که شاید منطقی تر به نظر برسد که مسئله تفکیک از طبقه بندی های سنتی تکاملی که تا به امروز استفاده شده، مناسب‌تر باشد. ما یک چهار چوب متا طبقه بندی چند برچسبی و یک الگوریتم سفارشی چند برچسبی را برای هر دو مجموعه ویژگی های دامنه-زمان و دامنه-موجک را تست کردیم. ما این طبقه بندی‌ها را در دو خانه واقعی از مجموعه داده های تجزیه انرژی مرجع تست کردیم. ما دریافتیم که الگوریتم‌های چند چسبه بسیار موثر هستند و قابل رقابت با نتایج منتشر شده در مجموعه دیتابیس هااست.  

کلمات کلیدی: شبکه های هوشمند، مانیتورینگ بار پیش بینی نشده، آموزش ماشین، جداسازی منابع دست نخورده، طبقه بندی چند برچسبه

مقدمه:

سهم مشتریان مسکونی در مصرف انرژی الکتریکی در کانادا تقریبا 32 درصد از کل انرژی الکتریکی تولید شده است [199] و 37 درصد کل تولید در ایالات متحده (که تقریبا 1.4 میلیارد کیلووات ساعت در سال است) را شامل می‌شود [198]. بنابراین، کاربران مسکونی سهم بسیاری در مصرف انرژی داشته و باید تلاش‌های مناسب برای کاهش انرژی از طریق آن‌ها صورت گیرد. بسیاری از پژوهشگران پیشنهاد کرده‌اند که ارسال یک سیگنال قیمت به مصرف کنندگان (از طریق زمان استفاده یا قیمت گذاری تقاضا آن و غیره) یک مکانیزم موثر خواهد بود. با این حال، نحوه‌ی اندازه گیری نیرو و زیربنای صورتحساب حال حاضر (صورتحساب جمع آوری ماهانه) به وضوح برای این کار ناکافی است. هزینه مورد نیاز برای استفاده از لوازم خانگی به صورت تک تک در منزل مورد نیاز است. چنین بازخوردی دقیق به مشتری اجازه می دهد که مصف انرژی خود را به منظور کاهش هزینه های ماهانه خود تنظیم کند، در حالی که، نحوه‌ی اندازه گیری نیرو و زیرساخت های صدور صورت حساب فعلی (جمع آوری ماهانه) برای این مورد ناکافی است. چیزی که مهم است  هزینه‌های کارکرد لوازم خانگی مجزا در منزل است. چنین بازخورد دقیقی به مشتری این اجازه را می‌دهد که مصرف انرژی خود را به منظور کاهش هزینه های ماهانه خود برنامه ریزی کند در حالی که هیچگونه کمبودی در زندگی روزمره خانوار از حیث استفاده به موقع از لوازم رفاهی احساس نشود. پژوهش‌ها نشان می‌دهد که چنین بازخوردی می‌تواند منجر به صرفه جویی 10 الی 15 درصدی در هزینه های انرژی [50]، و یا صرفه جویی  به اندازه‌ی 1.6 میلیارد دلار در هر سال در اقتصاد کانادا شود. (تهیه موثر، رفتاری آسان برای استفاده از ابزارهای پشتیبانی برای ترویج پذیرش این رفتار [87]). از نقطه نظر لوازم رفاهی، در عین حال، شکل گیری مدیریت سمت تقاضا و استراتژی‌های پاسخ به تقاضا مانند تغییر متد استفاده از برنامه قیمتی یا تخلیه بار، نیاز به اطلاعات دقیق در مورد ترکیب لوازم و تجهیزات رفاهی در حال کارکرد دارد [30]. از  جزییات اجزا بار برای پیش بینی بار در حالت کوتاه و بلند مدت استفاده می شود و به تعیین زمان استفاده از نیرو کمکی و متعارف و تجدید پذیر که باید به شبکه برق اضافه شود، کمک می‌کند [118]. در حالی که برخی از وسایل مدرن مجهز به ارتباط با خدمات رفاهی هستند، وسایل کهنه‌تر دارای چنین قابلیت هایی نیستند. بنابراین مصرف الکتریسیته برای یک دستگاه باید با کنترل بر مصرف برق دستگاه در طول زمان مشخص شود. ساده ترین روش برای این نظارت – قرار دادن یک سنسور در مدار دستگاه – که یک فرایند گران قیمت و تهاجمی است که بعید به نظر می رسد که به علت نگرانی های امنیتی، به طور گسترده ای در شمال آمریکا مورد پذیرش قرار گیرد. جایگزینی ابزاری برای جدا کردن بار الکتریکی برای یک خانه به صورت مجموعه‌ی بارهای وسایل شخصی باشد. این مشکل شناخته شده به عنوان نظارت بر بارگیری غیر ضروری نامیده می شود. رویکردهای فعلی از NILM نیاز به یک پایگاه داده از سیگنال های نیرو مصرف کننده دارند که با یک بار مخالف یا یک الگوریتم القایی برای تفکیک ابزارهای کاربردی مطابق خواهد بود. ما یک بررسی سیستماتیک از NILM را انجام داده ایم تا مشخص کنیم که چه الگوریتمی برای این مسئله استفاده شده است و آنها را با توجه به مبانی نظری و مجموعه های مورد استفاده آنها طبقه بندی کنیم. یک دست آورد کلیدی در این پژوهش  بررسی این است که خانواده الگوریتم های طبقه بندی چند برچسبه تنها در چند سال گذشته توسط یک گروه تحقیقاتی برای NILM مورد استفاده قرار گرفته است. این مورد برخلاف این واقعیت است که ویژگی اساسی آنها (پیش بینی یک بردار از متغیرهای طبقه بندی به جای یک کلاس واحد) به صورت ظاهری مناسب تر برای مسئله NILM در مقایسه طبقه بندی کننده های تک برچسبی است. بنابراین هدف این مقاله، بررسی این رویکرد جدید برای NILM است. ما یک پژوهش گسترده‌ی آزمایشگاهی برای NILM چند برچسبی انجام خواهیم داد. این واقعیت که طبقه بندی چند برچسبی تنها در سا‌ل‌های اخیر برای NILM انجام شده است، نشان می دهد که تعدادی از سوالات دیگر باقی مانده و جای بررسی دارد. الزامات نسبی یادگیری تحت کنترل و بدون کنترل (به علاوه امکان کنترل تقریبی): مجموعه ویژگی‌هایی شامل: معیارهای عملکردی مورد استفاده برای مقایسه الگوریتم های مختلف با هم مواردی که در گذشته برای طبقه بندی تک برچسبی  مانند آنچه که برای NILM اعمال شده بررسی شده است. با این حال آنها به هیچ وجه به صورت عمیق برای کاربردهای NILM چند برچسبی تست نشده اند و کار ما در نظر گرفتن آن و کمک به پوشش این خلا مطالعاتی است. به طور خلاصه، ما نمی توانیم هر سوال بازی را در این مقاله را مورد بررسی قرار دهیم، بنابراین ما دو روش مهم چند برچسبی برای یادگیری کنترل شده بررسی می‌کنیم. ما عملکرد آن‌ها در زمان-دامنه و دامنه ویژگی‌های موجک مقایسه می کنیم که از دو خانه واقعی از مجموعه داده های تجزیه انرژی مرجع (REDD) [125] گرفته شده است. ما مقایسه‌های عملکردی را در برابر ادبیات فن با استفاده از هر دو معیارهای تخصصی NILM (به ویژه خطای انرژی) و معیارهای کلی برای طبقه بندی چند برچسبه (به ویژه مقیاس میکرو و مقیاس ماکرو) ارائه می‌دهیم. هدف ما در این مقاله، در ابتدا یک بررسی منظم از فیلد NILM، که ما آن را از طبقه بندی تکنیک های NILM ساختیم بررسی می‌کنیم. هدف بعدی ما، آنالیز جزئی طبقه بندی‌‌های چند برچسبی طراحی شده برای هر دو دامنه های موجک و زمانی بر مجموعه داده‌های REDD می‌باشد. نکات دیگری که در مقاله در نظر گرفته شده در ادامه مطرح می‌شود. در بخش 2، ما کارهای مشابه و زمینه‌های ضروری NILM، طبقه بندی چند برچسبه، آنالیز موجک و سری‌های زمانی را بررسی می‌کنیم. ما آزمایش خودمان را در بخش 3 مورد بررسی قرار می‌دهیم و نتایج این آزمایش را در بخش 4 ارائه می‌دهیم. ما یک خلاصه و بحثی هم در بخش 5 در مورد آینده کار ارائه کردیم.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.