Architettura utilizzata in fase di sviluppo del sistema WD-NILM
Shelly
Le Shelly sono state utilizzate per apprendere meglio la firma energetica di alcuni dispositivi al fine di migliorare le prestazioni del modello di Machine Learning; tuttavia, rimane parte fondamentale del sistema la Shelly collocata sul contatore domestico, indispensabile per ottenere i valori di potenza assorbita dall’abitazione;
SmartHouse Raspberry Pi
Da tale Raspberry (che è collocato nell’abitazione in cui verrà installato il sistema sviluppato) sono state esposte delle API, grazie anche all’utilizzo di DuckDNS, per il recupero dei valori delle potenze dei singoli dispositivi e della potenza aggregata del contatore domestico;
Local Raspberry Pi
Su tale Raspberry (gestito dagli sviluppatori) è presente lo script che si occupa del recupero della potenza aggregata (e delle potenze dei singoli dispositivi per quanto detto nel paragrafo relativo alle Shelly) dalla SmartHouse e il modello di Machine Learning per la predizione dei carichi attivi. Inoltre, su tale Raspberry sono presenti anche Grafana e InfluxDB, oltre allo script che gestisce il Bot Telegram;
Modello di Machine Learning
Il modello si basa sul paper di Petralia et al., ovvero sul progetto CamAL: è composto da un ensemble di ResNet aventi ognuna diversi kernel di dimensione diversa (al fine di catturare firme energetiche di dimensioni temporali diverse). Ogni modello è responsabile per la predizione degli stati di un singolo dispositivo. (“Few Labels are all you need: A Weakly Supervised Framework for Appliance Localization in Smart-Meter Series”)
InfluxDB
Questo database (DB) è stato impiegato per memorizzare i valori di potenza e gli stati dei dispositivi. Grazie alle sue eccellenti performance su serie temporali, è ampiamente utilizzato nel settore della domotica e costituisce la base operativa di Grafana e del Bot Telegram.
Grafana e Bot Telegram
Su Grafana vengono visualizzati gli stati dei dispositivi e, solo in fase di sviluppo, le potenze reali dei dispositivi, al fine di effettuare un confronto tra la potenza assorbita realmente dal dispositivo e le predizioni del modello. Riguardo al Bot Telegram, questo consente una rapida visualizzazione da remoto degli stati dei dispositivi nei diversi range temporali (ieri, oggi, ultime 2 ore), selezionabili dall’utente.
