Abstract Increasing concerns about energy shortage and environmental pollution revealed the necessity to fully use the limited electric power. For this purpose, a lot of researches have focus on establishing household power consumption model. Currently, most existing models are setting one sensor for each appliance. However, the prediction precision of such kind of multi-sensors-based models cannot fully satisfy users’ requirements due to the low resolution (frequency sampling). On the other hand, it is still a challenge task to design a Single-Sensor-Based prediction model for power consumption. Because it is difficult to divide the different appliances collected in the same period (parallel appliances) by a single sensor. In this paper, we proposed a Single-Sensor-Based power consumption model. Our model can successfully predict the possible power consumption with HIGH precision. Firstly, by using a single sensor for data collection, a Bayesian based method is proposed to detect and decompose the parallel appliances. Secondly, the prediction precision is greatly improved by using high resolution (our model is 1 s, while existing model is 10 min). Here, a Base & Event Power Consumption Model (BEPC model) is proposed to deal with the complicated data from the high resolution samplings. Finally, in order to demonstrate the effectiveness of the proposed model, several experiments have been carried out through comparing with the ground truth data. Note that, the ground truth data is collected from 90 days consecutive daily life.

中文翻译：

---

通过单个功率传感器进行家庭用电模式建模

摘要 对能源短缺和环境污染的日益关注揭示了充分利用有限电力的必要性。为此，很多研究都集中在建立家庭用电模型上。目前，大多数现有型号为每个设备设置一个传感器。然而，这种基于多传感器的模型由于分辨率（频率采样）低，预测精度不能完全满足用户的要求。另一方面，设计基于单传感器的功耗预测模型仍然是一项具有挑战性的任务。因为很难通过单个传感器来划分同一时期收集的不同电器（并行电器）。在本文中，我们提出了一种基于单传感器的功耗模型。我们的模型可以高精度地成功预测可能的功耗。首先，通过使用单个传感器进行数据采集，提出了一种基于贝叶斯的方法来检测和分解并行设备。其次，通过使用高分辨率（我们的模型为 1 s，而现有模型为 10 min）大大提高了预测精度。在这里，提出了一种基本和事件功耗模型（BEPC 模型）来处理来自高分辨率采样的复杂数据。最后，为了证明所提出模型的有效性，通过与地面实况数据的比较进行了多次实验。请注意，地面实况数据是从连续 90 天的日常生活中收集的。提出了一种基于贝叶斯的方法来检测和分解并联电器。其次，通过使用高分辨率（我们的模型是 1 s，而现有模型是 10 分钟）大大提高了预测精度。在这里，提出了一种基本和事件功耗模型（BEPC 模型）来处理来自高分辨率采样的复杂数据。最后，为了证明所提出模型的有效性，通过与地面实况数据进行比较，进行了多次实验。请注意，地面实况数据是从连续 90 天的日常生活中收集的。提出了一种基于贝叶斯的方法来检测和分解并联电器。其次，通过使用高分辨率（我们的模型是 1 s，而现有模型是 10 分钟）大大提高了预测精度。在这里，提出了一种基本和事件功耗模型（BEPC 模型）来处理来自高分辨率采样的复杂数据。最后，为了证明所提出模型的有效性，通过与地面实况数据进行比较，进行了多次实验。请注意，地面实况数据是从连续 90 天的日常生活中收集的。事件功耗模型（BEPC 模型）被提出来处理来自高分辨率采样的复杂数据。最后，为了证明所提出模型的有效性，通过与地面实况数据的比较进行了多次实验。请注意，地面实况数据是从连续 90 天的日常生活中收集的。事件功耗模型（BEPC 模型）被提出来处理来自高分辨率采样的复杂数据。最后，为了证明所提出模型的有效性，通过与地面实况数据进行比较，进行了多次实验。请注意，地面实况数据是从连续 90 天的日常生活中收集的。