Nonintrusive load monitoring (NILM) is the de facto technique for extracting device‐level power consumption fingerprints at (almost) no cost from only aggregated mains readings. Specifically, there is no need to install an individual meter for each appliance. However, a robust NILM system should incorporate a precise appliance identification module that can effectively discriminate between various devices. In this context, this paper proposes a powerful method to extract accurate power fingerprints for electrical appliance identification. Rather than relying solely on time‐domain (TD) analysis, this framework abstracts the phase encoding of the TD description of power signals using a two‐dimensional (2D) representation. This allows mapping power trajectories to a novel 2D binary representation space, and then performing a histogramming process after converting binary codes to new decimal representations. This yields the final histogram of 2D phase encoding of power signals, namely, 2D‐PEP. An empirical performance evaluation conducted with three realistic power consumption databases collected at distinct resolutions indicates that the proposed 2D‐PEP descriptor achieves outperformance for appliance identification in comparison with other recent techniques. Accordingly, high identification accuracies are attained on the GREEND, UK‐DALE, and WHITED data sets, where 99.54%, 98.78%, and 100% rates have been achieved, respectively, using the proposed 2D‐PEP descriptor.

中文翻译：

---

一种基于电力信号二维相位编码的智能非侵入式负荷监测方案

非侵入式负载监控 (NILM) 是一种事实上的技术，用于仅从汇总的电源读数中（几乎）免费提取设备级功耗指纹。具体来说，无需为每个设备安装单独的仪表。然而，一个强大的 NILM 系统应该包含一个精确的设备识别模块，可以有效地区分各种设备。在此背景下，本文提出了一种强大的方法来提取准确的电力指纹用于电器识别。该框架不是仅仅依赖时域 (TD) 分析，而是使用二维 (2D) 表示抽象了功率信号的 TD 描述的相位编码。这允许将功率轨迹映射到新的 2D 二进制表示空间，然后在将二进制代码转换为新的十进制表示后执行直方图处理。这产生了功率信号的 2D 相位编码的最终直方图，即 2D-PEP。使用以不同分辨率收集的三个实际功耗数据库进行的实证性能评估表明，与其他最新技术相比，所提出的 2D-PEP 描述符在设备识别方面取得了优异的性能。因此，使用提议的 2D-PEP 描述符在 GREEND、UK-DALE 和 WHITED 数据集上获得了高识别精度，分别达到了 99.54%、98.78% 和 100%。使用以不同分辨率收集的三个实际功耗数据库进行的实证性能评估表明，与其他最新技术相比，所提出的 2D-PEP 描述符在设备识别方面取得了优异的性能。因此，使用提议的 2D-PEP 描述符在 GREEND、UK-DALE 和 WHITED 数据集上获得了高识别精度，分别达到了 99.54%、98.78% 和 100%。使用以不同分辨率收集的三个实际功耗数据库进行的实证性能评估表明，与其他最新技术相比，所提出的 2D-PEP 描述符在设备识别方面取得了优异的性能。因此，使用提议的 2D-PEP 描述符在 GREEND、UK-DALE 和 WHITED 数据集上获得了高识别精度，分别达到了 99.54%、98.78% 和 100%。