DEPS (Dataset de la Escuela Politécnica Superior)

该数据集位于塞维利亚大学高级技术学院的2.2 Bis教室，包含多个电表记录的总耗电量和特定设备的个别耗电量数据。数据集格式为HDF5，记录了2020年2月24日至2月27日以及3月2日至3月6日的用电数据。

This dataset is located in Room 2.2 Bis at the School of Advanced Engineering Technologies, University of Seville. It includes data on the total electricity consumption recorded by multiple meters, as well as the individual consumption of specific devices. The dataset is formatted in HDF5 and contains electricity usage data from February 24 to February 27, and March 2 to March 6, 2020.

原始信息汇总

数据集概述

数据集名称

DEPS (Dataset de la Escuela Politécnica Superior)

数据集描述

DEPS数据集包含位于塞维利亚大学高级理工学院2.2 Bis教室的电能消耗数据。该教室配备有多个电表，记录了总消耗及特定设备的个体消耗。数据集涵盖以下日期范围：

• 从2020年2月24日00:00:00至2020年2月27日23:59:59
• 从2020年3月2日00:00:00至2020年3月6日23:59:59

数据集内容

• 测量设备：包括一个三相主电表（RST）和六个设备电表。
• 测量参数：主电表测量总功率P和Q，设备电表测量P、Q、V和I。
• 采样周期：所有测量均为1秒。

数据集格式

数据集以HDF5格式存储。

数据集下载

数据集可通过以下链接下载，需使用密码deps2020： 数据集下载链接

数据集转换工具

提供了一个用于NILMTK的转换工具，用于将数据集转换为NILMTK兼容格式。转换工具及相关元数据可在此处下载： 转换工具下载链接

数据集分析与模型

使用NILMTK工具对DEPS数据集进行了详细分析，包括数据预处理、模型训练、验证和解聚。分析结果显示，使用FHMM模型在30分钟采样周期下表现最佳。

数据集报告

基于最佳性能模型，已实现了一个基本的交互式HTML报告，用于展示解聚结果。报告可通过以下链接访问： 报告链接

数据集贡献

DEPS数据集是公开的，旨在为对电能消耗解聚研究感兴趣的研究人员提供数据和工具支持。

搜集汇总

数据集介绍

构建方式

DEPS数据集的构建基于西班牙塞维利亚大学高等理工学院Aula 2.2 Bis教室的电力消耗数据。该教室配备了三相电力系统，包含主电表和多个子电表，分别记录总电力消耗和各个设备的独立电力消耗。数据采集周期分为两个阶段，分别为2020年2月24日至27日和2020年3月2日至6日，采样频率为每秒一次。数据集以HDF5格式存储，并通过NILMTK工具包提供的转换器进行结构化处理，确保其兼容性。

特点

DEPS数据集的特点在于其高精度的电力消耗记录，涵盖了总电力消耗、各相电力消耗以及六个独立设备的详细电力数据。数据集不仅记录了有功功率（P）和无功功率（Q），还包含了电压（V）和电流（I）的测量值。此外，数据集提供了丰富的元数据，便于研究人员进行深入分析。DEPS的公开性和兼容性使其成为非侵入式负载监测（NILM）研究的重要资源。

使用方法

DEPS数据集的使用主要通过NILMTK工具包进行。用户首先需要安装NILMTK，并下载DEPS数据集及其转换器。通过NILMTK提供的分析工具，用户可以对数据集进行预处理、模型训练和验证。数据集支持多种NILM算法，如组合优化（CO）和因子隐马尔可夫模型（FHMM）。用户还可以生成交互式报告，直观展示电力消耗的分解结果。DEPS数据集的使用文档和示例代码可在GitHub仓库中获取，便于研究人员快速上手。

背景与挑战

背景概述

DEPS（Dataset de la Escuela Politécnica Superior）数据集由塞维利亚大学的研究人员Andrés Arias Silva在其硕士论文中创建，旨在展示非侵入式负载监测工具包（NILMTK）在能源需求分解中的应用。该数据集于2020年发布，记录了塞维利亚大学理工学院Aula 2.2 Bis教室的电力消耗数据，涵盖了多个设备的详细用电信息。DEPS数据集的创建不仅为能源管理领域提供了宝贵的研究资源，还推动了智能城市和能源效率相关技术的发展。通过该数据集，研究人员能够深入分析电力消耗模式，优化能源使用策略，并为非侵入式负载监测算法的开发与验证提供了重要支持。

当前挑战

DEPS数据集在构建和应用过程中面临多重挑战。首先，非侵入式负载监测（NILM）技术本身存在复杂性，如何从总电力消耗数据中准确分解出单个设备的用电信息是一个技术难题。其次，数据采集过程中需要确保设备测量的精确性和同步性，这对硬件和软件系统提出了较高要求。此外，数据格式的兼容性也是一个关键问题，DEPS数据集通过开发专用转换器，将原始数据转换为NILMTK支持的HDF5格式，以确保其可用性。最后，数据集的规模和时间跨度有限，可能限制了其在更广泛场景中的应用和验证。这些挑战需要通过技术创新和跨领域合作逐步解决，以进一步提升数据集的实用性和研究价值。

常用场景

经典使用场景

DEPS数据集在非侵入式负荷监测（NILM）领域具有广泛的应用。通过记录电力设备的详细能耗数据，DEPS为研究人员提供了一个真实的实验平台，用于开发和验证负荷分解算法。该数据集特别适用于在智能电网和智能城市背景下，研究如何通过单一电表数据精确分解各个设备的能耗。

实际应用

在实际应用中，DEPS数据集可用于智能电网中的需求响应（DR）策略优化，帮助电力公司更精确地预测和管理电力需求。此外，该数据集还可用于家庭和商业建筑的能源管理系统，通过识别高能耗设备，提供节能建议，降低能源成本。

衍生相关工作

DEPS数据集的发布促进了NILM领域的多项研究。基于该数据集，研究人员开发了多种负荷分解算法，并对其性能进行了详细评估。此外，DEPS还推动了NILMTK工具包的进一步优化，使其能够更好地支持不同数据集的负荷分解任务，为后续研究提供了坚实的基础。