Τεχνικές εκμάθησης βαθέος λεξικού για το πρόβλημα του ενεργειακού επιμερισμού

Με τον όρο «ενεργειακός επιμερισμός» γίνεται αναφορά στη διαδικασία του διαχωρισμού του σήματος το οποίο καταγράφει την συνολική κατανάλωση ενέργειας ενός κτηρίου στα επιμέρους σήματα καταναλώσεων των συσκευών οι οποίες το συνιστούν. Το συγκεκριμένο πρόβλημα στο χώρο της επεξεργασίας σημάτων είναι γ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γεωργάτος, Ευάγγελος
Άλλοι συγγραφείς: Georgatos, Evangelos
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/13762
Περιγραφή
Περίληψη:Με τον όρο «ενεργειακός επιμερισμός» γίνεται αναφορά στη διαδικασία του διαχωρισμού του σήματος το οποίο καταγράφει την συνολική κατανάλωση ενέργειας ενός κτηρίου στα επιμέρους σήματα καταναλώσεων των συσκευών οι οποίες το συνιστούν. Το συγκεκριμένο πρόβλημα στο χώρο της επεξεργασίας σημάτων είναι γνωστό με τον όρο «Τυφλός Διαχωρισμός Πηγής μονού καναλιού» καθώς το μόνο κανάλι πληροφορίας είναι οι μετρήσεις ενός έξυπνου μετρητή ενέργειας ο οποίος καταγράφει την συνολική κατανάλωση ενέργειας ενός κτηρίου. Πρόσφατα, η χρήση τεχνικών «Εκμάθησης Λεξικού» έδειξε αρκετά υποσχόμενα αποτελέσματα στην λύση του παραπάνω μη τετριμμένου προβλήματος. Η παρούσα εργασία τοποθετεί το πρόβλημα του ενεργειακού επιμερισμού στο ευρύτερο πλαίσιο των εφαρμογών των έξυπνων ηλεκτρικών δικτύων. Συνεπώς, το ενδιαφέρον επικεντρώνεται στον ενεργειακό επιμερισμό σημάτων κατανάλωσης ηλεκτρικής ενέργειας μία διαδικασία η οποία είναι επίσης γνωστή ως «Μη Παρεμβατική Παρακολούθηση Φορτίων» – NILM. Επίσης, η εργασία εστιάζει στο μοντέλο της Εκμάθησης Λεξικού και στην επέκταση αυτού χρησιμοποιώντας βαθιές αρχιτεκτονικές. Για το λόγο αυτό, περιγράφεται η θεωρία του και το μαθηματικό υπόβαθρο που το συνοδεύει. Τέλος, περιγράφονται λεπτομερώς δύο NILM τεχνικές «Εκμάθησης Βαθέος Λεξικού» οι οποίες και συγκρίνονται πάνω στα σύνολα δεδομένων REDD και iAWE. Το πρώτο κεφάλαιο είναι αφιερωμένο στην εισαγωγική περιγραφή των «έξυπνων» ηλεκτρικών δικτύων – smart grids (SG). H έννοια των SG είναι άμεσα συνυφασμένη με την αναβάθμιση των υπαρχόντων υποδομών της ηλεκτρικής ενέργειας. Συνεπώς, σε πρώτο στάδιο αναφέρονται βασικά προβλήματα που αντιμετωπίζουν τα σύγχρονα δίκτυα ηλεκτρικής ενέργειας. Στη συνέχεια, παρουσιάζονται κάποια βασικά χαρακτηριστικά των «έξυπνων» ηλεκτρικών δικτύων και δίνεται έμφαση στον τρόπο με τον οποίον αντιμετωπίζουν τα προαναφερθέντα προβλήματα. Η τελευταία ενότητα αυτού του κεφαλαίου είναι αφιερωμένη στην εφαρμογή των «έξυπνων» ηλεκτρικών δικτύων σε πραγματικό χρόνο. Ιδιαίτερη έμφαση δίνεται στην πολιτική που ακολουθούν ως προς την ανάπτυξη των SG οι ΗΠΑ, ΕΕ και η Κίνα. Το δεύτερο κεφάλαιο εστιάζει στη τεχνολογία της μη παρεμβατικής παρακολούθησης φορτίων. Προηγείται μία εισαγωγή ενώ στη συνέχεια ακολουθεί μία «ανάλυση κέρδους» η οποία παρουσιάζει τους τρόπους με τους οποίους ωφελεί η εν λόγω τεχνολογία διάφορες ομάδες ανθρώπων. Οι επόμενες ενότητες είναι αφιερωμένες σε τεχνικά θέματα που αφορούν τη μη παρεμβατική παρακολούθηση φορτίων. Τα θέματα αυτά είναι η καταγραφή των δεδομένων, η εξαγωγή των χαρακτηριστικών, την κατηγοριοποίηση των μεθόδων που εμφανίζονται στην βιβλιογραφία, μετρικές αξιολόγησης, σύνολα δεδομένων καθώς και εργαλεία ανοιχτού κώδικα. Το τρίτο κεφάλαιο περιγράφει θέματα μαθηματικών τα οποία είναι απαραίτητα για την περιγραφή των μεθόδων που θα ακολουθήσουν και περιλαμβάνει δύο θεματικές ενότητες. Η πρώτη ενότητα είναι αφιερωμένη στη Θεωρία της Κυρτής Βελτιστοποίησης. Η περιγραφή αυτής της ενότητας περιλαμβάνει την παρουσίαση βασικών εννοιών που αφορούν κυρτά σύνολα, κυρτές συναρτήσεις, κατηγορίες προβλημάτων κυρτής βελτιστοποίησης και της ιδιότητας της δυικότητας. Η δεύτερη ενότητα αφορά την θεωρία των Αραιών Αναπαραστάσεων. Η ενότητα αυτή περιλαμβάνει την τεχνική της συμπιεσμένης καταγραφής, την επίλυση των γραμμικών αντίστροφων προβλημάτων που εμφανίζονται στην ανακατασκευή αραιών σημάτων και την μέθοδο της εκμάθησης λεξικού. Επίσης, παρουσιάζεται η σύνδεση του Deep Learning με τις μεθόδους εκμάθησης λεξικών ενώ γίνεται αναφορά και στις μεθόδους ADMM και Split Bregman οι οποίες προτείνουν επαναληπτικές διαδικασίες για την επίλυση «δύσκολων» προβλημάτων. Το τέταρτο κεφάλαιο πραγματεύεται την εφαρμογή των μεθόδων εκμάθησης λεξικού στο πεδίο της μη παρεμβατικής παρακολούθησης φορτίων. Πιο συγκεκριμένα, περιγράφεται το βασικό μοντέλο που αρχικά προτάθηκε καθώς και διάφορες προεκτάσεις αυτού. Ακόμη, γίνεται περιγραφή της τεχνικής «Εκμάθηση λεξικού με χρήση Powerlets» η οποία δίνει μία διαφορετική οπτική στην εκμάθηση λεξικού. Η παραπάνω περιγραφή είναι χρήσιμη για την παρουσίαση των τεχνικών «Εκμάθησης Βαθέος Λεξικού». Η παρουσίαση αυτή πέρα από την αναλυτική περιγραφή των μεθόδων συνοδεύεται από αποτελέσματα πειραματικών υλοποιήσεων, λεπτομέρειες που αφορούν τα πειράματα, συμπεράσματα που προέκυψαν από αυτά και μελλοντικές κατευθύνσεις στις οποίες θα μπορούσε να στοχεύσει μία μελέτη στο ίδιο πεδίο.