学习分享——基于深度学习的NILM负荷分解（二）电器数据提取

acecase

前一阵参加比赛，NILM就放了放，开始填坑、、、
GOGOGO~

数据准备

根据上一篇中提到的，我这里使用的是UK-DALE
没有下载的同学可以回到上一篇看一下（学习分享——基于深度学习的NILM负荷分解（一）对DL的看法&准备工作）
这里我直接用已经转好格式的ukdale.h5

读取数据还是用NILMTK

如何配置nilmtk，可以参照我另一篇博文，里面写的比较详细（NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（一）配置环境NILMTK Toolkit）
我们这次只需要用到其中读取data数据的方法就行了，之后我们自己来处理数据。

1. from nilmtk import DataSet
3. test = DataSet('E:\\Download\\UK-DALE-disaggregated\\ukdale.h5\\ukdale.h5')

复制代码

加载数据只需要一句代码就行了，可以读到五间房子中几年的电器用电数据。
可以看到数据包含3项。

其中buildings包含5个房间的所用用电器的数据

上图可见第一间房子中包含了69个电器，53个计量表。
我们之后读取计量表的信息为用电总功率。

其中metadata里面是这份数据的介绍，



其中store是HDF格式的数据。

提取数据

我这边使用第一个房子的数据来进行试验，上图可以看到第一间房子的信息是从2012到2015，数据量对于测试来讲还是比较多，还考虑到测试所选取的五个电器的共存时间，我们这里选取18-03-2013之后的数据。

1. building = 1  ## 选择家庭house
2. test.set_window(start="18-03-2013") ## 2013年3月18号之后的作为数据集
4. test_elec = test.buildings[building].elec

复制代码

取出第一个房子的电器列表后，我们遍历所有电表
用 电器名称+电器序号 作为文件名，保存每个电器的数据（一些电器，例如灯，会有多个，就是序号）

1. gt= {}
2. for meter in test_elec.submeters().meters:
3.     gen = next(meter.load())
4.     values = gen.values
5.     index = gen.index
6.     label = meter.label()
7.     i = 0;
8.     while(1):
9.         name = label+str(i)
10.         if name not in gt:
11.             break
12.         else:
13.             i += 1
14.     np.save('UKData/'+name,values)
15.     gt[name] = 1
16.     print(values.shape,'   ',index.shape)
17.     print('saving...', name)

复制代码

我这保存的路径是当前py目录下的UKData文件夹里面，自行修改。
运行中如下

之后可以看到我们保存出来的所有电器的数据

今天就先到这，
下一文从电器中挑选五个典型电器，
来生成训练数据和标签，以及训练。
To be continued.