Login
- Original title:
- Learning from Power: Machine Learning on Electrical Signals
- Translated title:
- Von Energie lernen: maschinelles Lernen auf elektrischen Signalen
- Author:
- Jorde, Daniel Rene
- Year:
- 2021
- Document type:
- Dissertation
- Faculty/School:
- Fakultät für Informatik
- Advisor:
- Jacobsen, Hans-Arno (Prof. Dr.)
- Referee:
- Jacobsen, Hans-Arno (Prof. Dr.); Horsch, Alexander (Prof. Dr.)
- Language:
- en
- Subject group:
- DAT Datenverarbeitung, Informatik
- TUM classification:
- WIR 523
- Abstract:
- Non-intrusive load monitoring (NILM) techniques deliver various insights from electrical signals, such as the condition of electrical components, without attaching sensors to each device. This thesis contributes new algorithms and data to the stages of the NILM analysis pipeline, in particular, to event detection and appliance identification.
- Translated abstract:
- Non-intrusive load monitoring (NILM) Techniken liefern verschiedene Erkenntnisse aus elektrischen Signalen, wie die Zustände von elektrischen Komponenten, ohne Sensoren an jedem Gerät anzubringen. Diese Arbeit trägt neue Algorithmen und Daten zu den Schritten der NILM Analysepipeline bei, besonders zur Eventerkennung und Geräteidentifikation.
- WWW:
- https://mediatum.ub.tum.de/?id=1576951
- Date of submission:
- 29.10.2020
- Oral examination:
- 26.04.2021
- File size:
- 7738772 bytes
- Pages:
- 111
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210426-1576951-1-2
- Last change:
- 21.06.2021
BibTeX