非侵入式电力负荷监测——安装NILMTK模块

已于 2022-06-19 22:35:49 修改
阅读量972 收藏 7
点赞数 3
分类专栏： python NILM 文章标签： python anaconda git
于 2021-06-19 21:22:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_56516468/article/details/118058994
版权
python 同时被 2 个专栏收录
44 篇文章 10 订阅
订阅专栏
NILM
5 篇文章 12 订阅
订阅专栏

NILMTK官网：nilmtk

windows 10 上用Anaconda配置NILMTK模块，步骤如下：

步骤一：下载NILMTK模块，需要从git网站下载NILMTK

从GitHub - nilmtk/nilmtk: Non-Intrusive Load Monitoring Toolkit (nilmtk)下载安装包

步骤二：打开Anaconda的Prompt安装模块

步骤三：切换到模块压缩包解压文件夹的路径，即setup.py所在文件夹的路径，如果解压C盘之外，需要先切换到所在盘，再通过cd命令切换到文件夹所在路径。我模块解压在F盘。

步骤四：安装NILMTK模块，通过python setup.py install命令安装

有源人

安装成功状态如下：

浪荡子爱自由
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
nilmtk:非侵入式负载监控工具包（nilmtk）
05-04
NILMTK：非侵入式负载监控工具包 非侵入式负载监控（NILM）是仅根据整个房屋的功率计读数估算单个设备所消耗的能量的过程。 换句话说，它仅通过一个整个房屋的电表就产生了（估算的）逐项电费单。 NILMTK是一个工具包，旨在帮助研究人员评估NILM算法的准确性。 如果您是Python的新用户，建议对Python生态系统中的 ， 和其他工具进行自我教育。 :warning: NILMTK作者可能需要一些时间才能就查询/问题与您联系。 但是，我们非常欢迎您提出修改，支持！ 记住要检查现有的问题凭单，尤其是未解决的问题凭单。 文献资料 如果您是新用户，请在阅读。 引起我们注意的是，一些用户遵循第三方教程来安装NILMTK。 请始终记住检查此类教程的日期，其中许多教程已经过时，并且无法反映NILMTK的当前版本或推荐/支持的设置。 为什么要使用NILM工具包？ 我们引用解释对NILM工具包的需求：
非侵入式负荷监测与分解研究综述
01-20
非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述
NILMTK安装教程（详细）——个人实践成功
weixin_44142093的博客
10-27 4520
个人实践所得，两种成功的NILMTK安装方法。
NILMTK安装，面试复盘总结怎么写
最新发布
m0_61331237的博客
04-17 698
NILMTK(https://github.com/nilmtk/nilmtk)是针对非侵入式负荷监测研究的一款开源工具库，包含了多种算法。根据官方安装教程(https://github.com/nilmtk/nilmtk)，经常安装不成功。这里给出一种简单粗暴的方法，就是直接在Github下载NILMTK的文件，放到anaconda安装文件夹lib中的site-packages，然后运行experiment文件，缺少什么库，在安装什么库，百试不爽。🍅 硬核资料。
NILM非侵入式负荷识别（papers with code、data）带代码的论文整理——(论文及实现代码篇) 全网最全
Ben出没冇注意的博客
01-10 1万+
非侵入式负荷识别（NILM,non-intrusive load monitoring）领域的深度学习论文及代码实现，全网最全。
非侵入式负荷分解NILM的实用安装包NILMTK
06-19
非侵入式负荷分解NILM的实用安装包NILMTK，包括nilmtk-contrib、nilmtk和nilm_metadata。python实用安装包，帮助处理负荷分解数据。
如何利用你自己的数据生成NILMTK格式数据集
Neighbor_W的博客
05-04 2526
NILMTK 数据集制作
NILM非侵入式负荷识别（papers with code、data）带代码的论文整理——(公开数据集、工具、和性能指标篇) 全网最全
Ben出没冇注意的博客
01-10 6686
这篇文章主要介绍用于非侵入式负荷识别领域目前的公开数据集、工具和其它等。
基于云平台的非侵入式负荷监测与识别系统
10-15
非侵入式负荷监测与识别系统是一种创新的电力监控技术，旨在实现实时远程监测家庭或商业设施中各个电器的能耗状况，而无需对现有电路进行任何物理改动。该系统的核心在于通过在电力供给入口处安装监测硬件，采集电流...
非侵入式负荷监测关键技术问题研究综述
01-15
非侵入式负荷监测(NILM)技术能够利用在总线处单点测量的数据识别用户内部的负荷，是建设泛在电力物联网与透明电网的基础技术之一。在分析NILM基本实现框架和技术体系的基础上，对NILM应用亟需解决的三大关键技术问题...
nilmtk, 非侵入式负载监视工具包( nilmtk ).zip
09-18
nilmtk, 非侵入式负载监视工具包( nilmtk ) NILMTK: 非侵入性负载监视工具包非入侵负荷监测( NILM ) 是估计单个家电所消耗的能量的过程。 换句话说，它产生了一个( 估计) itemised能量帐单，只是一个单一的房间电源表。NILMTK是一个工具包，旨在帮助研究人员
nilmtk.pdf
04-19
是上一篇中文的英文原论文 想要了解原始论文的同学可以看看，更为客观。
非侵入式负荷监测
05-08
非侵入式负荷监测在我国起步较晚，但国外发展比较久，一个新的角度来看待这个问题，用HMM模型解决算法
NILM-利用nilmtk读取iawe数据集电器数据
Ben出没冇注意的博客
11-04 1110
参考nilmtk官方提供的notebook 结合API手册，深入理解。 断点运行 import sys sys.path.append('G:/Code/') from nilmtk import DataSet iawe = DataSet(r'G:\Code\DataSet\IAWE\iawe.h5') elec = iawe.buildings[1].elec fridge = elec['fridge'] df = next(fridge.load()) 查看当前各变量类型 此时fridge是
学习分享——基于深度学习的NILM负荷分解（一）对DL的看法&准备工作
wwb1990的博客
07-18 7465
好啦，我来填坑啦哈哈 经过了几个月的对深度学习的学习、了解和实践， 对于用深度学习来做NILM的经验也是积累了不少。 在此，做以小结。 在此，感谢~柳柳，小张，小田的鼓励和支持。 话不多说，下面开始！~ 一，心里上的准备 本文开始的一系列文字，是基于深度学习的方法，来做负荷有用功分解预测以及电器识别的。 如果是要用传统的概率模型，可以参照我之前的几篇，传送门：https://blog.csdn.net/wwb1990/category_9655726.html 说到深度学习，行业内俗称 “炼丹”，用什么炼
下载NLTK data数据包
Androidhh的博客
06-11 1801
下载NLTK data数据包遇到的几个坑 使用pycharm下载NLTK,python 3.6 使用解释器命令行，输入 import nltk nltk.download() 会出现一个交互式对话框 将Server Index改为 http://www.nltk.org/nltk_data/ 下载的目录会默认到本项目中的venv文件夹下，并自创一个nltk_data文件夹 在上方all package选项中找到想要的包进行下载，如果全部想选则在默认页面中选择all, 时间会久一些，建议随用随下 点击
NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（一）配置环境NILMTK Toolkit
热门推荐
wwb1990的博客
01-09 1万+
安装Anaconda，Python，pycharm 我另一篇文章里面有介绍https://blog.csdn.net/wwb1990/article/details/103883775 安装NILMTK 有了上面的环境，接下来进入正题。 NILMTK官网：http://nilmtk.github.io/ 因为官方安装流程是基于linux的（官方安装流程），我这里提供windows...
NILMTK工具包的使用和安装
Chral317的博客
02-02 627
（若在本地安装可以跳过这一步）(1)注册云服务器账号，完成实名认证（实名认证才可以选香港地区）(2)选择云服务器完成配置。立即选购-自定义配置（按下图选择配置）注：服务器按量计费，不用了记得关掉。关掉之后还是会收费（内存之类的费用）；选择大内存和大内核，不然安装和使用的时候可能会爆。（3）设置网络和主机。设置安全组（新建默认）、实例名和密码，其他默认（4）确认信息，配置成功（自动进入开机状态）

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

浪荡子爱自由

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值