Identificación de Equipos Eléctricos Basada en Agrupamiento K-Means para Aplicaciones de Edificios Inteligentes
Autores: Zhang, Guiqing; Li, Yong; Deng, Xiaoping
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Identificación de Equipos Eléctricos Basada en Agrupamiento K-Means para Aplicaciones de Edificios Inteligentes
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Desarrollo
Equipamiento
Identificación
Agrupamiento k-means
Sistemas BIoT
Características eléctricas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Con el desarrollo y la aplicación popular de sistemas de Internet de las Cosas en Edificios (BIoT), numerosos tipos de equipos están conectados y se recopila un gran volumen de datos de equipos. Para una gestión conveniente de los equipos, estos deben ser identificados y etiquetados. Tradicionalmente, este proceso se realiza manualmente, lo que no solo consume tiempo, sino que también causa omisiones inevitables. En este documento, proponemos un método de identificación de equipos eléctricos basado en agrupamiento k-means para aplicaciones de edificios inteligentes que puede identificar automáticamente los equipos desconocidos conectados a sistemas BIoT. Primero, se analizan las características de carga y se extraen las características eléctricas para la identificación de equipos a partir de los datos recopilados. En segundo lugar, se utiliza el agrupamiento k-means dos veces para construir el modelo de identificación. El agrupamiento preliminar adopta el algoritmo k-means tradicional para los datos de distorsión de corriente armónica total y separa los datos de equipos en dos a tres grupos en función de sus características eléctricas. El agrupamiento posterior utiliza un algoritmo k-means mejorado, que pondera la distancia euclidiana y utiliza el método del codo para determinar el número de grupos y analizar los resultados del agrupamiento preliminar. Luego, se construye el modelo de identificación de equipos seleccionando el vector del centroide del grupo y el umbral de distancia. Finalmente, se obtienen resultados de identificación en línea en función de las salidas del modelo utilizando los nuevos datos recopilados. Las aplicaciones exitosas al sistema BIoT verifican la validez del método de identificación propuesto.
Descripción
Con el desarrollo y la aplicación popular de sistemas de Internet de las Cosas en Edificios (BIoT), numerosos tipos de equipos están conectados y se recopila un gran volumen de datos de equipos. Para una gestión conveniente de los equipos, estos deben ser identificados y etiquetados. Tradicionalmente, este proceso se realiza manualmente, lo que no solo consume tiempo, sino que también causa omisiones inevitables. En este documento, proponemos un método de identificación de equipos eléctricos basado en agrupamiento k-means para aplicaciones de edificios inteligentes que puede identificar automáticamente los equipos desconocidos conectados a sistemas BIoT. Primero, se analizan las características de carga y se extraen las características eléctricas para la identificación de equipos a partir de los datos recopilados. En segundo lugar, se utiliza el agrupamiento k-means dos veces para construir el modelo de identificación. El agrupamiento preliminar adopta el algoritmo k-means tradicional para los datos de distorsión de corriente armónica total y separa los datos de equipos en dos a tres grupos en función de sus características eléctricas. El agrupamiento posterior utiliza un algoritmo k-means mejorado, que pondera la distancia euclidiana y utiliza el método del codo para determinar el número de grupos y analizar los resultados del agrupamiento preliminar. Luego, se construye el modelo de identificación de equipos seleccionando el vector del centroide del grupo y el umbral de distancia. Finalmente, se obtienen resultados de identificación en línea en función de las salidas del modelo utilizando los nuevos datos recopilados. Las aplicaciones exitosas al sistema BIoT verifican la validez del método de identificación propuesto.