Özet:

Günümüzde teknolojik gelişmeler enerji kaynaklarına olan talebi büyük bir oranda artmaktadır. Özellikle konutlarda kullanılan elektrikli cihaz sayılarının artması endüstri de olduğu gibi konutlarda elektrik enerji tüketimini oldukça artmaktadır. Arz-talep dengesini etkili bir şekilde sağlanabilmesi konutlardaki elektriksel yüklerin tanımlanmasına ve müdahaleci olmayan yük izleme (MOYİ) sistemlerinin tasarımına bağlıdır. MOYİ sistemleri vasıtasıyla kullanıcılar, ev aletleri kullanım alışkanlıklarını kontrol edebilir ve ardından elektrik tasarrufu için davranışlarını ayarlayabilir. Bu nedenle, son zamanlarda hem akademik hem de endüstride ilgi çeken bir konudur. MOYİ, cihaz veya aktivite seviyesindeki tüketim dökümü ile ilgili faydalı bilgileri ortaya çıkarmak için kullanılır, bu nedenle çeşitli akıllı ev hizmetleri ve fırsatlarını ortaya çıkarmak için önemli bir çözüm olabilir. Bu amaçla, derin öğrenme öne çıkan bir çözüm olarak ortaya çıkmaktadır. Bu çalışmada, konutlarda kullanılan elektrikli cihazların hızlı ve etkili bir şekilde tespit için etkin bir evrişimli sinir ağı (ESA) modeli önerilmiştir. Önerilen modelde, daha düşük hesaplama karmaşıklığına sahip ELU aktivasyon fonksiyonu içeren yeni bir ESA modeli tasarlanmıştır. Deneysel çalışmalar, konutlarda kullanılan 18 farklı elektrikli cihazların güç tüketim zaman serilerini içeren veri seti ile gerçekleştirilmiştir. Ön işlem zaman serileri, kısa süreli fourier dönüşümü (KSFD) ile renkli görüntülere dönüştürüldü. Daha sonra bu görüntüler özellik çıkarımı ve sınıflandırma için ESA’ya uygulandı. Yapılan deneysel çalışmalarda önerilen yöntemin doğruluk, duyarlılık, özgüllük, kesinlik ve F1-skor değerleri sırasıyla %94,78, %87,371, %99,70, %90,5404 ve %88,62 olarak elde edilmiştir. Ayrıca önerilen yöntem son teknoloji yöntemlerden doğruluk ölçütünde %1,78 ve %1,98, ayrıca F1-skor ölçütünde %11,02 ve %13,12 oranlarında daha yüksek başarım sağlamıştır.

Anahtar Kelimeler: