Appliance Recognition Using a Density-based Clustering Approach with Multiple Granularities

摘要

有鑑於現有的電力儲能效率仍未臻完美，且在用電高峰時段仍可能發生供電短缺的問題，大多數的電力公司鼓勵其客戶選用時間電價方案，以分散尖峰時段的用電需求至離峰時段，但此一構想之落實須讓各用戶能即時地掌握其用電資訊；此外，隨著物聯網技術的進步，用戶端的智慧插座成為當今管理家庭用電的一種常見方式，然而現有的智慧插座僅能呈現插座上所有電器之總和而非單一電器之用電量。在本研究中，我們深入地探究了電器辨識之議題，並將非監督式演算法整合到模組化的智慧插座中，藉此可識別出插座上的不同電器；具體而言，我們提出以多精細度之密度分群演算法進行電器辨識，藉由調節不同精細度來試著區分電力特徵近似的不同電器，而根據實驗探討之結果，我們的方法在沒有新電器的先備知識情況下亦能達到有效的辨識成果，本研究亦開發了具使用者操作介面之原型系統，使用者可以觀看單一電器的即時?耗，透過與使用者的互動，我們的系統能藉此學習並訓練得到更好的辨識效果。

獎項日期	2019
原文	English
監督員	Wei-Guang Teng (Supervisor)