Évaluation des méthodes de détection d’événements et de Classification pour l’identification des appareils dans les systèmes NILM
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA
Abstract
Ce projet de fin d'études explore l'optimisation des systèmes de surveillance non intrusive de la consommation électrique (NILM) pour la désagrégation de l'énergie au sein des foyers, visant à encourager la conservation énergétique face aux défis environnementaux et économiques. Il se concentre sur l'évaluation comparative de différentes combinaisons d'algorithmes de détection d'événements (Seuil, CUSUM et TFED) et de méthodes de classification (RF, XGBoost, SVM, CNN) pour identifier les appareils électriques à partir d'un signal de consommation agrégé. L'étude, menée sur le jeu de données ENERTALK, révèle que les algorithmes basés sur les arbres de décision, notamment XGBoost et RF, lorsqu'ils sont associés aux méthodes de détection CUSUM et TFED, surpassent constamment les autres approches en termes de précision, rappel, score F1 et exactitude, démontrant leur robustesse et leur potentiel pour une gestion énergétique intelligente et efficace.