info:eu-repo/semantics/conferenceObject
Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
Registro en:
XXI Workshop de Investigadores en Ciencias de la Computación
978-987-3984-85-3
Autor
Cocconi, Diego Alejandro
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego M.
Institución
Resumen
Con el objetivo de lograr identificar artefactos eléctricos utilizando redes neuronales a partir de una medida total de consumo de energía (técnica conocida como NILM, del inglés Non-Intrusive Load Monitoring), en el presente trabajo se plantea la evaluación de dos tipos de redes neuronales capaces de realizar tal tarea, contando como ejemplos de entrenamiento válidos para el aprendizaje con ciclos de activación de diferentes artefactos que ya fueron identificados por un algoritmo de detención desarrollado en trabajos anteriores. PID UTN CCUTNSF0004881 Fil: Cocconi, Diego Alejandro. Universidad Tecnológica Nacional. Facultad Regional San Francisco. Departamento de Ingeniería en Sistemas de Información / Electromecánica; Argentina. Fil: Yuan, Rebeca. Universidad Tecnológica Nacional. Facultad Regional San Francisco. Departamento de Ingeniería en Sistemas de Información / Electromecánica; Argentina. Fil: Mulassano, Micaela. Universidad Tecnológica Nacional. Facultad Regional San Francisco. Departamento de Ingeniería en Sistemas de Información / Electromecánica; Argentina. Fil: Ferreyra, Diego M. Universidad Tecnológica Nacional. Facultad Regional San Francisco. Departamento de Ingeniería en Sistemas de Información / Electromecánica; Argentina.