Abstract: J. S. Correa, R. A. Souza (2026)

The techniques of Non-Intrusive Load Monitoring (NILM) aim to label or disaggregate loads into time series of electrical energy consumption, mainly in the context of residential consumers, considering the optimization of electricity usage in demand response programs. In this sense, many researches have been developed with different methodologies of consumption time series transformation into images, which consider different window sizes. Thus, this work compares and analyzes different transformation techniques for window sizes ranging from 1 to 10 minutes, verifying how the Convolutional Neural Network models behave for different loads from the UK-DALE (The United Kingdom Domestic Appliance-Level Electricity dataset). Through the proposed methodology, it was possible to obtain f1-scores higher than 90% for three of the five considered loads, demonstrating the robustness of the time-series transformation into images.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

On the use of Image-Based Feature Extraction for Non-Intrusive Load Monitoring: A Comparative Analysis of Techniques and Window Sizes