非侵入式负荷分解（NILM）的两大数据集（REDD）（UK-DALE）获取 非侵入式负荷分解（NILM）的两大数据集（REDD）（UK-DALE）获取 非侵入式负荷分解（NILM）的两大数据集（REDD）（UK-DALE）获取

NILM, REDD 数据集， 已经转好了h5格式，用nilmtk可以直接读入

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。

MO-NILM：一种用于 NILM 分类的多目标进化算法MO-NILM: A multi-objective evolutionary algorithm for NILM [1] Machlev, R.、Belikov, J.、Beck, Y. 和 Levron, Y. (2019)。MO-NILM：一种用于 NILM 分类的多目标进化算法。Energy and Buildings, 199, 134-144. ‏ [ 2] Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017)。PlatEMO：用于进化多目标优化的 MATLAB 平台 [教育论坛]。IEEE 计算智能杂志，12(4)，73-87。

NILM相关，在进行非侵入式电力负荷监测学习使用nilmtk工具包的时候可以用的到，当然也可以在GitHub上下载。

二摘代码MATLAB 无侵入式负载监控器（NILM） 用Matlab模拟。 数据 提取码：w5pp 每个data*.mat包含两个单元格： power ， t 。 power在相应的label*.txt包含每个电器的所有功率负荷记录。 t记录功率负载的时间表。 目录 src 在src目录中，所有过程功能都可以在此处找到。 数据 相关数据来自data3.mat和data4.mat 。 该项目主要关注data3.mat 。

二摘代码MATLAB 该项目 1-这是什么项目？ 创建该项目的目的是从VI轨迹中提取特征，以用于非侵入式负载监控（NILM）方法中的分类步骤。 VI轨迹从一个电压周期乘以一个系统测量电流的周期图创建二维形状。 2-用于开发和使用此项目的软件是什么？ Matlab R2017b和R2019b 档案文件 current_features_2018：在此文件夹中，我们包括了直到2018年文献中介绍的基于VI的功能的代码。 Mulinari2019：此文件夹中的代码已在“基于VI轨迹的电源签名分析的一组新的稳态和暂态特征”中进行了解释和详细说明，IEEE PES创新智能电网技术，拉丁美洲，2019年。 F2D：此文件夹中的代码已在“使用2-D傅里叶级数进行电负荷分类的VI轨迹特征提取”一书中进行了解释和详细说明，已提交给电力系统研究（ELSEVIER），2021年（正在审查中）。 每个功能的详细信息显示在相应的M文件中 问题与建议 如有任何疑问和/或建议，请随时通过以下电子邮件与我们联系： 贡献者： UTFPR（）。

DFT的matlab源代码MULTI-NILM：一种用于多标签非侵入式负载监控的新颖框架 描述 该存储库基于标题为[1]的论文，可用于复制实验。 它定义了用于多标签NILM系统的框架，并包括以下时间序列表示： Signal2Vec，BOSS，SFA，WEASEL，DFT，SAX，1d-SAX，PAA ； 并使用Taken定理实现延迟嵌入。 随时重用，修改和扩展此存储库。 多NILM框架 Multi-nilm是用于高效非侵入式负载监控系统的新颖框架。 它具有三个固有属性： 它利用数据表示法来进行充分的降维。 它使用轻量级分解模型。 它解决了作为多标签分类问题的分类问题。 例子 实验示例可以在目录实验下找到。 该模块定义了三种类型的实验（ GenericExperiment， ModelSelectionExperiment和REDDModelSelectionExperiment ）。 您还可以通过扩展抽象类nilmlab.lab.Experiment来创建自己的实验。 定义实验后，只需几行代码即可进行设置和配置。 所有名称为run * .py的文件都是特定的实现，可以用作参考。 为了运

基于卷积神经网络的非入侵式负荷方法

NILM 国内电气标准 220V 50/60HZ 低频 包含设备开关状态、电流电压有功 功率因数 周波 谐波，最高128次谐波，可用于非侵入式负荷识别分解。