Artificial intelligence based anomaly detection of energy consumption in buildings

本文是对《Artificial intelligence based anomaly detection of energy consumption in buildings: A review, current trends and new perspectives》的翻译。

摘要

住宅建筑中安装的分表和智能传感器每天都会产生大量数据。如果利用得当，这些数据可以帮助终端用户、能源生产商和公用事业公司检测异常用电量并了解每个异常的原因。因此，异常检测可以阻止一个小问题变得越来越严重。此外，它将有助于更好的决策，以减少能源浪费，促进可持续和节能行为。在这方面，本文深入回顾了基于人工智能的建筑能耗异常检测框架。具体而言，本文进行了广泛的调查，其中引入了一种综合分类法，根据所采用的不同模块和参数对现有算法进行分类，例如机器学习算法、特征提取方法、异常检测级别、计算平台和应用场景。据作者所知，这是第一篇讨论建筑能耗异常检测的综述文章。向前推进，深入讨论了重要发现以及尚未解决的特定领域问题、困难和挑战，包括缺乏：（i）异常功耗的精确定义，（ii）注释数据集，（iii）评估现有解决方案性能的统一指标，（iv）再现性平台和（v）隐私保护。接下来，讨论了对当前研究趋势的见解，以扩大异常检测技术的应用范围和有效性，然后得出引起重大关注的未来方向。本文为了解当前基于人工智能的能耗异常检测技术进展提供了全面的参考。

1. 引言

气候变化是影响世界人口的危险困境。全世界近80%的能源是由化石燃料生产的。除了寻找绿色能源外，降低总能耗百分比是至关重要的。实现这一目标的一个显著方法是通知终端用