NILM:非侵入式电力负荷监测之我见（二）

哈，我又来啦，第一篇扯完淡，这一篇就谈技术吧。之前的研究集中在低频（秒级）数据，用的是各种深度学习方法，因此我就谈谈这种方法。

其实，刚读研时，导师给我的是用隐马尔可夫模型方法，学了大半年，突然导师拿了一篇让我崩溃的论文《Neural NILM: Deep Neural Networks Applied to Energy Disaggregation》，这篇文章应该是深度学习用到nilm领域的鼻祖文章了（我说深度学习，不是NN），你要是问我听谁说的，我记得是在谷歌的nilm讨论组 https://groups.google.com/forum/#!forum/energy-disaggregation ，你翻一下，Kelly（这篇文章的作者，也是nilmtk（后面会讲）的作者，也是UK-dale数据集的作者，现在不做nilm了，好像去deepmind了！）有个帖子大概说的是：我们试试深度学习呗，之前好像没人试，我们看看效果。而让我崩溃的是，看了大半年的fhmm（hmm的变种）方法，在这篇文章里被深度学习吊打。那还有什么可说的，学深度学习呗。

学…… 深度学习学着学着，发现比fhmm好太正常了。虽然nilm领域没这样提过，但是按目前的理解，nilm负荷分解任务就是语音识别中的鸡尾酒会问题，鸡尾酒会问题大概就是（我瞎编，不对的话你百度吧）一个派对上你能听到一堆人乱哄哄的说话，这是输入（在nilm中就是总电表的有功功率（假设只以电表有功作为特征）），而你要做的就是听出来每个人说的是啥（输出，分离出每个人说的啥话），在nilm任务中就是分离出每个电器的功率消耗，你说像不像！一毛一样。

看鸡尾酒会问题的举例，如下图，你走在路上听见啥声都有，你要分离出每种声音（警笛，人声，狗叫什么的）。

：

再看nilm任务的图如下。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，你说和语音识别领域像不像。（艾玛，终于有张图不是盗的了，这是我毕业论文里的图。我盗我自己？）

说了大半天，我其实想说的是，语音识别领域之前最流行的算法之一就是隐马尔可夫，而深度学习兴起之后……你懂的，语音识别谁不用深度学习。而nilm任务与之这么像，深度学习方法效果好就很正常了。

好，下面，梳理下我看到的一些深度学习方法的论文：

首先，就是2015年Kelly这篇让我崩溃的论文《Neural NILM: Deep Neural Networks Applied to Energy Disaggregation》，深度学习做nilm开山作。

第二：《Sequence-to-point learning with neural networks for nonintrusive load monitoring》

第三：《Sliding Window Approach for Online Energy Disaggregation Using Artificial Neural Networks》

（之所以提二和三，是因为它俩很像，也和我毕业论文有些像，我差点撞车（没撞，兄弟，撞的是翟天临（手动滑稽）），所以印象太深了，这俩是17年18年的文章，是对Kelly2015年那篇文章中RNN方法的改进）

第四：《Denoising autoencoders for Non-Intrusive Load Monitoring: Improvements and comparative evaluation》 2017年这篇是对2015年kelly论文中降噪自编码方法的优化（这篇文章还又把隐马尔可夫踩了一脚，后面会说）

第五：《On the Feasibility of Generic Deep Disaggregation for Single-Load Extraction》这篇是2018nilm国际会议的最佳论文，不过你要说有什么亮点的话……原来都是直接输出电器的有功消耗序列，它反而倒退了，输出的是电器的0，1开关序列。当然，这是有好处的，后面有时间讲。

哇，已经挖了不少坑了，先把上面的讲完再说吧，打算一篇说一集。下面还有一些我经常用的数据集啊，综述啊，也给大家参考下。

《REDD: A Public Data Set for Energy Disaggregation Research》REDD是第一个nilm领域的公开数据集，2011年。

《NILMTK: An Open Source Toolkit for Non-intrusive Load Monitoring》这是kelly14年发布的nilm领域的工具包（tool kit嘛）

《THE UK-DALE DATASET, DOMESTIC APPLIANCE-LEVEL ELECTRICITY DEMAND AND WHOLE-HOUSE DEMAND FROM FIVE UK HOMES》这个UK-DALE数据集，同样出自Kelly（我只能喊666了）

《Dataport and NILMTK: A Building Data Set Designed for Non-intrusive Load Monitoring》为什么要提这个数据集，因为……太踏马6了，美国三个州，700多个家庭的数据……当然，这是1分钟采样的，不过现在dataport推出了1s的。（你也很6）

其他的还有一堆数据集，还有什么方法汇总啊，电气特性啊，什么的，有个综述讲的听好（如果有时间，我以后也说下）。综述《Data Analytics for Energy Disaggregation: Methods and Applications》

工具包和数据集，我应该也会讲一下，这东西确实有点费劲。过星期天喽，回去玩unity了，先再见！