NILM que preserva la privacidad: un enfoque de adaptación de dominio consciente de la fuente de autoalineación

La monitorización de carga no intrusiva (NILM) identifica el uso de energía de dispositivos individuales dentro de una carga de potencia general, lo que permite una gestión de carga más refinada y segura. Sin embargo, los modelos de NILM basados en aprendizaje profundo existentes requieren grandes cantidades de datos etiquetados de diversos dispositivos, lo cual es un proceso que consume tiempo y plantea preocupaciones de privacidad. Además, manejar estos grandes conjuntos de datos requiere recursos computacionales y de memoria significativos. Para abordar estos problemas, proponemos un enfoque de adaptación de dominio consciente de la fuente con autoalineación. Nuestro método emplea redes de adversario de dominio para abordar los cambios en la distribución de características y etiquetas entre los dominios de origen y destino. Para preservar la privacidad, afinamos el modelo sin datos del dominio de origen. Para estabilizar el entrenamiento adversario, incorporamos un mecanismo de autoalineación (SAM). El SAM asegura actualizaciones de parámetros sin acceder a datos del dominio de origen, lo que permite un entrenamiento estable mientras se preserva la privacidad. Los mapas de densidad de etiquetas basados en confianza (LDMs) generan pseudoetiquetas para el ajuste fino. Validamos nuestro enfoque con estudios de adaptabilidad intradominio e interdomenio en datos sintéticos y reales. Realizamos estudios de adaptabilidad intradominio e interdomenio en datos sintéticos y reales. Los resultados muestran que nuestro método logra una precisión de descomposición superior a los métodos basados en origen para dispositivos con patrones de uso regulares, todo mientras preserva eficazmente la privacidad al eliminar la necesidad de datos de origen durante la fase de ajuste fino. Esto ofrece el potencial para mejorar la eficiencia de NILM y la gestión de energía en entornos de medición industrial con requisitos de estabilidad similares.