Electricity Consumption Data Sets: Pitfalls and Opportunities
Electricity Consumption Data Sets: Pitfalls and Opportunities
复制标题
用电量数据集：陷阱和机遇
DOI：
10.1145/3360322.3360867
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Wilfried Elmenreich
中科院分区：
文献类型：
--
作者：
Christoph Klemenjak;Andreas Reinhardt;Lucas Pereira;Mario Berges;Stephen Makonin;Wilfried Elmenreich
真实世界的数据集对于开发和测试信号处理和机器学习算法以解决能源相关问题至关重要。然而，它们的范围和数据分辨率通常限于实现实验者目标所需的手段，而且还受个人经验、预算和时间限制以及设备可用性的影响。因此，可以观察到数据集之间的许多差异，例如，关于它们的采样率、部署的传感器的数量、它们的幅度分辨率、存储格式或地面实况注释的可用性和范围。这种异质性给打算比较使用数据集的研究人员带来了一个重大问题，因为需要进行数据转换、重新采样和调整步骤。简而言之，在设计、部署和操作电气数据收集系统方面缺乏广泛认可的最佳实践。我们通过剖析现有数据集中使用的收集方法来解决这一限制。通过提供数据收集，数据存储和数据提供的建议，我们打算促进创建具有更高可用性和可比性的数据集，从而为社区带来更大的利益。
Real-world data sets are crucial to develop and test signal processing and machine learning algorithms to solve energy-related problems. Their scope and data resolution is, however, often limited to the means required to fulfill the experimenters' objectives and moreover governed by personal experience, budgetary and time constraints, and the availability of equipment. As a result, numerous differences between data sets can be observed, e.g., regarding their sampling rates, the number of sensors deployed, their amplitude resolutions, storage formats, or the availability and extent of ground-truth annotations. This heterogeneity poses a significant problem for researchers intending to comparatively use data sets because of the required data conversion, re-sampling, and adaptation steps. In short, there is a lack of widely agreed best practices for designing, deploying, and operating electrical data collection systems. We address this limitation by dissecting the collection methodologies used in existing data sets. By offering recommendations for data collection, data storage, and data provision, we intend to foster the creation of data sets with increased usability and comparability, and thus a greater benefit to the community.
登录
查看更多内容
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
Thomas Kriechbaumer
通讯作者：
Thomas Kriechbaumer
IEEE 标准 1459：什么以及为什么？
DOI：
--
发表时间：
2010
期刊：
International Workshop on Applied Measurements for Power Systems
影响因子：
--
作者：
J. Willems
通讯作者：
J. Willems
COOLL：受控开/关负载库，用于设备识别的高采样电信号公共数据集
DOI：
--
发表时间：
2016
期刊：
arXiv.org
影响因子：
--
作者：
T. Picon;Mohamed Nait Meziane;P. Ravier;G. Lamarque;Clarisse Novello;J. L. Bunetel;Y. Raingeaud
通讯作者：
Y. Raingeaud
设计和部署硬件和软件平台来收集和标记非侵入式负载监控数据集
DOI：
--
发表时间：
2017
期刊：
Sustainable Internet and ICT for Sustainability
影响因子：
--
作者：
Lucas Pereira;M. Ribeiro;N. Nunes
通讯作者：
N. Nunes
半自动生成和标记用于非侵入式负载监控的训练数据
DOI：
--
发表时间：
2019
期刊：
Energy-Efficient Computing and Networking
影响因子：
--
作者：
Benjamin Völker;P. Scholl;B. Becker
通讯作者：
B. Becker