報告書番号

R01027

タイトル（和文）

家庭内電気機器消費電力推定における機械学習手法の性能評価

タイトル（英文）

Evaluation of Several Machine Learning Techniques for Estimating the Power Consumption of a Household Electric Appliance with an Inverter

概要 （図表や脚注は「報告書全文」に掲載しております）

お客様サービスのための重要な情報の一つに需要家の保有する電気機器の構成や使用実態に関するものがある。この情報を低コストで収集するため，当所では，需要家の引き込み線付近で計測されるデータから需要家内部の電気機器の使用実態を精度良く推定する方法の開発を行っている。その中で，複数の電気機器が混在している状況から，電気機器個々の稼動状態(オンかオフか)を高精度で同定できる機械学習手法を既に開発した。さらに，稼動中の電気機器個々の消費電力推定が可能となれば，ロードサーベイやお客様へのより適切なサービス提供を実現できる。本研究では，家庭の引き込み線付近で計測した総負荷カーブのみを用い，複数の稼働電気機器が混在している状況から，インバータ式電気機器のみの消費電力を推定するのに，最も適した機械学習技術を明らかにした。

概要 （英文）

A non-intrusive load monitoring system has been developed for estimating the power consumption of {\em individual} electric appliances from the measurement of the {\em total} household load demand curve. The system is useful for load survey both inverter and non-inverter type appliances that change their power consumption of operation over time. The total load demand is measured at the entrance of the power line into the house and the power consumption of individual household electric appliances can be estimated with the help of several machine learning techniques by analyzing the characteristic frequency contentfrom the load curve of the household. In this report, the ability of several machine learning techniques, whcih consist of multi-layered perceptron, Support Vector Regressors(SVR) and Radial Basis Function Networks(RBF Networks), are compared experimentally for estimating the power consumption of an electric appliance with inverter. Our experiment shows a great potential for SVR and RBF Networks. In particular, RBF Networks make the better performance than MLP and SVR.

報告者

キーワード