PHÂN LOẠI TRẠNG THÁI ÁNH SÁNG CỦA ĐÈN LED SỬ DỤNG GIÁM SÁT TẢI KHÔNG XÂM LẤN VÀ HỌC MÁY HƯỚNG DỮ LIỆU=NON-INTRUSIVE LOAD MONITORING FOR LED LIGHT CLASSIFICATION: A DATA-DRIVEN MACHINE LEARNING APPROACH

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Ngọc Nam Hải Đào, Jonathan Andrew Ware, Huy Tình Nguyễn, Ngọc An Nguyễn, Ngọc Sơn Nguyễn, Thành Công Nguyễn

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 2024

Mô tả vật lý: tr.121 - 132

Bộ sưu tập: Metadata

ID: 479240

Thêm vào giỏ

Monitoring the operational status of LED lights is important to achieve energy efficiency and protect user health. Recent studies employed machine learning and several parameters, such as the LED’s light output and electrical characteristics, to classify their operational status. However, under changing environmental conditions, these methods will no longer be effective, due to the compromise of the environmental noise to the input data of the models. In this study, we proposed a novel approach to identifying the operational status of household LED lights using non-intrusive load monitoring, machine learning models, confident learning, and the oscillation characteristic of the root-mean-square (RMS) current. By using the oscillation characteristics of the RMS current, we significantly reduced the number of inputs to the models and their computational hardware requirements compared to models using the RMS current. With the introduction of confident learning, we improved the prediction accuracy of the models by 2% on average. The models achieved prediction accuracy ranging from 94% to 97.5%. The proposed method shows potential in applying to different kinds of electrical devices.Việc theo dõi trạng thái hoạt động của đèn LED có vai trò quan trọng trong việc sử dụng năng lượng hiệu quả và bảo vệ sức khỏe người dùng. Một số nghiên cứu gần đây sử dụng học máy kết hợp với một số tham số, như công suất phát sáng và đặc tính điện, nhằm phân loại trạng thái hoạt động của đèn LED. Tuy nhiên, trong điều kiện môi trường thay đổi, các phương pháp này sẽ không còn hiệu quả do ảnh hưởng của nhiễu môi trường đến dữ liệu đầu vào của mô hình. Trong nghiên cứu này, chúng tôi đề xuất một phương pháp mới để xác định trạng thái hoạt động của đèn LED gia dụng bằng cách sử dụng giám sát tải không xâm nhập, kết hợp cùng với học máy và học tự tin. Bằng cách sử dụng các đặc tính dao động của dòng RMS, chúng tôi đã giảm đáng kể số lượng đầu vào cho các mô hình học máy và yêu cầu phần cứng của chúng nhằm thực hiện tính toán so với các mô hình sử dụng dòng RMS. Với việc bổ sung thêm phương pháp học tập tự tin, độ chính xác dự đoán của các mô hình được cải thiện thêm trung bình 2%. Các mô hình học máy đạt độ chính xác trong việc dự đoán dao động từ 94% đến 97,5%. Phương pháp đề xuất cho thấy tiềm năng áp dụng cho các loại thiết bị điện khác nhau.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR