深度学习与NIML（非侵入式负荷监测）：NILMTK与数据集介绍（一）

mypro334

@深度学习与NIML（非侵入式负荷监测）：NILMTK介绍（一）
提示：本系列为个人学习记录，如有错误欢迎指正，互相交流，共同进步！
文章目录

前言 一、NILM是什么？ 二、正文内容

1.选题 2.参考博客系列 3.nilmtk工具包 4.数据集

后语

---

前言

最近入了NILM的坑，看了各种文献与博客后算是对这个方向有了个大概了解，所以在这里跟大家一起捋一捋。

---

提示：以下是本篇文章正文内容，下面案例可供参考。

一、NILM是什么？

NILM（non-intrusive load monitoring）,非侵入式电力负荷监测，可以将这个课题大致分为两种研究方向：一、电力负荷的事件检测，即根据电气量数据计算出何时有何种电器设备的哪种状态变化，多数使用高频数据；二、负荷分解，即将总的用电量数据中分解成各个的电器设备用电量情况，负荷分解可以通过事件检测的结果来推算得知，也可通过算法（深度学习、FHMM、CO等）直接实现，大多使用低频数据。两种方向所对应的项目需求不一样，看你各自的需求选择合适的途径。

二、正文内容

1.选题

先说一下我现在想做吧，方向是非侵入式的负荷分解，使用低频数据，因为现在用的电表比较多的是采集低频的电量数据。输入一段时间的总用电量时间序列数据，将其分解成各个用电设备的在这一时间段内的用电量时间序列数据。这是一个家庭一段时间总电表的有功曲线，其中每种颜色是一个电器的有功消耗，所有电器组成了电表的有功曲线，应该能很明显的解释“分解”两字了。如下图：

2.参考博客系列

相应的概念可以参考这些博主的总结，通俗易懂，挺好~
NILM:非侵入式电力负荷监测之我见系列
环境配置及基础介绍可以参见这个系列的博客，很详细，也是挺好~
NILM（非侵入式电力负荷监测）学习笔记 —— 使用NILMTK Toolkit，REDD数据集，CO和FHMM两种算法
3.nilmtk工具包

其中介绍到一个很实用的工具包，就是NILMTK，顾名思义， nilm的toolkit，是专门为非侵入式负荷监测任务开发的开源工具包，包括了各大公开数据集的数据处理，也支持用户自己采集的数据；内置了组合优化（co）和隐马尔可夫模型（fhmm）两种算法以便和研究人员的算法比较；提供了算法封装的函数，可以方便调用使用者自己写的算法；提供了负荷分解结果的评价指标。因此在学习过程中，搞清楚这个工具包的功能与思路对于后面自己做研究时的构建数据集、算法、实施路线和评价指标等方面具有重要意义。简单来说这个工具包已经是一种非侵入式电力负荷分解问题的全过程解决方案了，学习这个工具包能够让你对于后续要做什么、怎么做、做得好不好等问题提供了很多借鉴思路。
nilmtk的GitHub地址：https://github.com/nilmtk/nilmtk。网上有详细的安装地址，这里我就不赘述了，如果遇到了问题可以留言一起探讨。
4.数据集

首先是数据集的内容，nilmtk工具支持.h5格式的数据结构，常用的几个数据集里面，UK-DALE,REDD这两个是nilmtk工具完全支持的，好像出自同一个作者。网址分别是：
UK-DALE数据集
REDD数据集
具体下载内容和方式我上面提到的博客系列有详细说明，我这里也有这两个数据集的h5格式数据，有需要可以留言，当然如果要全面的数据建议还是自己去下载为好。

---

后语

nilmtk里面有详细的使用说明，为了避免大家阅读英文文档的不习惯，接下来将结合数据集详细解读一下nilmtk工具包的内容，后续更新~