SEDR-Seq2P: Rete Leggera per NILM Industriale

È stata introdotta una nuova rete neurale leggera chiamata SEDR-Seq2P per il monitoraggio non intrusivo dei carichi (NILM) industriale multi-task. Questa ricerca, disponibile su arXiv (2607.28693), affronta il problema di adattare modelli addestrati su dati residenziali a contesti industriali, dove le prestazioni sono ostacolate dal rumore di misura e dal funzionamento simultaneo delle macchine. Gli autori implementano un framework di disaggregazione multi-task uno-a-molti, consentendo a una singola rete di stimare vari carichi di macchine industriali dal consumo energetico totale. Utilizzando un protocollo di valutazione standardizzato sul dataset IMDELD, hanno confrontato Seq2Seq, Seq2SubSeq, Seq2Point, GRU e WaveNet basandosi su metriche di stima energetica e criteri di accuratezza-ritardo. Mentre Seq2Point mostra un migliore compromesso accuratezza-ritardo rispetto a Seq2Seq e Seq2SubSeq, GRU e WaveNet offrono una precisione superiore ma a costi computazionali significativamente più elevati. Per colmare questa lacuna, SEDR-Seq2P migliora Seq2Point incorporando blocchi residui dilatati e attenzione squeeze-and-excitation. Rispetto al baseline Seq2Point, SEDR-Seq2P ottiene una riduzione di circa il 7% dell'errore medio assoluto (MAE) e migliora il coefficiente di determinazione di circa l'1%. Questo articolo funge da annuncio di tipo cross, suggerendo che potrebbe essere stato presentato a una conferenza o pubblicato in una rivista, e fa avanzare il campo del monitoraggio energetico fornendo una soluzione più efficace per applicazioni industriali.