Automatic Identification of Electrical Appliances in Domestic Settings
DOI:
https://doi.org/10.5335/rbca.v17i2.16305Keywords:
Machine learning, Classification, Load signature, Internet of thingsAbstract
The Internet of Things (IoT) is pivotal for automation, monitoring, and control in modern environments. However, effectively managing numerous electrical devices within these settings presents significant challenges. A critical gap in understanding the operational status and power consumption of these devices often results in energy waste and can shorten their lifespan. This paper focuses on the automatic identification of electrical devices in IoT environments, leveraging features extracted from the frequency domain of electrical current signals. We collected power consumption measurements from household appliances and fed them to machine learning algorithms. Our results highlight the efficacy of the k-Nearest Neighbors classifier, which achieved an impressive F1-score of 99% in device identification.
Downloads
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
