Deep Learning Applications in non-intrusive load monitoring

Detalhes bibliográficos
Autor(a) principal: Gaimes, Yousra
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.1/18761
Resumo: Within the frame of the project Non-Intrusive Load Monitoring for Intelligent Home Energy Management Systems, this work will present a deep learning application in non-intrusive load monitoring on a case study in a residential home in in Gambelas, Faro in the Algarve region south of Portugal. This work has for a goal to detect type 2 appliances in different houses. For the sake of this study, two models will be trained: - Convolutional Neural Network - Long Short-term Memory Recurrent Neural Network on three datasets: - UKDale - REDD - Data from the Portuguese private residential house from the project NILM for IHEMS.
id RCAP_f0f834a701e021721b63df2d1e066caa
oai_identifier_str oai:sapientia.ualg.pt:10400.1/18761
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Deep Learning Applications in non-intrusive load monitoringNILMCNNLSTMUKDaleREDDNILM for IHEMSDomínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e TecnologiasWithin the frame of the project Non-Intrusive Load Monitoring for Intelligent Home Energy Management Systems, this work will present a deep learning application in non-intrusive load monitoring on a case study in a residential home in in Gambelas, Faro in the Algarve region south of Portugal. This work has for a goal to detect type 2 appliances in different houses. For the sake of this study, two models will be trained: - Convolutional Neural Network - Long Short-term Memory Recurrent Neural Network on three datasets: - UKDale - REDD - Data from the Portuguese private residential house from the project NILM for IHEMS.No âmbito do projeto Monitorização de Carga Não Intrusiva para Sistemas Inteligentes de Gestão de Energia Doméstica, este trabalho apresentará uma aplicação de aprendizagem profunda na monitorização de carga não intrusiva num estudo de caso numa casa residencial em Gambelas, Faro na região sul do Algarve de Portugal. Este trabalho tem por objetivo detectar eletrodomésticos tipo 2 em diferentes residências. Para fins deste estudo, dois modelos serão treinados: - Rede Neural Convolucional - Rede Neural Recorrente de Memória Longa de Curto Prazo em três conjuntos de dados: - UKDale - REDD - Dados da habitação privada portuguesa do projecto NILM para IHEMS.Ruano, A. E.SapientiaGaimes, Yousra2023-01-09T11:08:21Z2022-02-172022-02-17T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.1/18761TID:203012046enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-24T10:31:06Zoai:sapientia.ualg.pt:10400.1/18761Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:08:29.713027Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Deep Learning Applications in non-intrusive load monitoring
title Deep Learning Applications in non-intrusive load monitoring
spellingShingle Deep Learning Applications in non-intrusive load monitoring
Gaimes, Yousra
NILM
CNN
LSTM
UKDale
REDD
NILM for IHEMS
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short Deep Learning Applications in non-intrusive load monitoring
title_full Deep Learning Applications in non-intrusive load monitoring
title_fullStr Deep Learning Applications in non-intrusive load monitoring
title_full_unstemmed Deep Learning Applications in non-intrusive load monitoring
title_sort Deep Learning Applications in non-intrusive load monitoring
author Gaimes, Yousra
author_facet Gaimes, Yousra
author_role author
dc.contributor.none.fl_str_mv Ruano, A. E.
Sapientia
dc.contributor.author.fl_str_mv Gaimes, Yousra
dc.subject.por.fl_str_mv NILM
CNN
LSTM
UKDale
REDD
NILM for IHEMS
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic NILM
CNN
LSTM
UKDale
REDD
NILM for IHEMS
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Within the frame of the project Non-Intrusive Load Monitoring for Intelligent Home Energy Management Systems, this work will present a deep learning application in non-intrusive load monitoring on a case study in a residential home in in Gambelas, Faro in the Algarve region south of Portugal. This work has for a goal to detect type 2 appliances in different houses. For the sake of this study, two models will be trained: - Convolutional Neural Network - Long Short-term Memory Recurrent Neural Network on three datasets: - UKDale - REDD - Data from the Portuguese private residential house from the project NILM for IHEMS.
publishDate 2022
dc.date.none.fl_str_mv 2022-02-17
2022-02-17T00:00:00Z
2023-01-09T11:08:21Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.1/18761
TID:203012046
url http://hdl.handle.net/10400.1/18761
identifier_str_mv TID:203012046
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133331384696832

Registros relacionados