У меня есть (большой) набор данных с дискретными данными. Эти дискретные данные представляют собой результат Энергии по сравнению с временем. (кВт - время)Набор данных в таймсерии - поиск близких шаблонов
Эти модели использования энергии представляют собой разные машины в домашнем хозяйстве. (духовка, микроволновая печь, отопление, конфорки, ...)
Давайте посмотрим на образец:
Этот график показывает характер использования газа из 04: 00-22: 00 , Вы можете четко видеть, что примерно в 15: 00-20: 00 узоры очень похожи друг на друга.
Набор данные дают следующие значения:
2015-11-14 15:18:00+00:00 0.609137
2015-11-14 15:19:00+00:00 0.609137
2015-11-14 15:20:00+00:00 0.609137
2015-11-14 15:21:00+00:00 0.609137
2015-11-14 15:22:00+00:00 0.609137
2015-11-14 15:23:00+00:00 0.609137
2015-11-14 15:24:00+00:00 0.609137
2015-11-14 15:25:00+00:00 0.609137
2015-11-14 15:26:00+00:00 1.270988
2015-11-14 15:27:00+00:00 7.344390
2015-11-14 15:28:00+00:00 3.302752
2015-11-14 15:29:00+00:00 3.456667
2015-11-14 15:30:00+00:00 3.441979
2015-11-14 15:31:00+00:00 2.857143
2015-11-14 15:32:00+00:00 2.857143
2015-11-14 15:33:00+00:00 7.536670
2015-11-14 15:34:00+00:00 2.627737
2015-11-14 15:35:00+00:00 2.712480
2015-11-14 15:36:00+00:00 2.926829
2015-11-14 15:37:00+00:00 2.943902
2015-11-14 15:38:00+00:00 3.000000
2015-11-14 15:39:00+00:00 5.660000
2015-11-14 15:40:00+00:00 5.030244
2015-11-14 15:41:00+00:00 2.926829
2015-11-14 15:42:00+00:00 2.926829
2015-11-14 15:43:00+00:00 2.926829
2015-11-14 15:44:00+00:00 2.997336
2015-11-14 15:45:00+00:00 3.025210
2015-11-14 15:46:00+00:00 7.729800
2015-11-14 15:47:00+00:00 3.076923
2015-11-14 15:48:00+00:00 3.086207
2015-11-14 15:49:00+00:00 3.103448
2015-11-14 15:50:00+00:00 7.579576
2015-11-14 15:51:00+00:00 3.363513
2015-11-14 15:52:00+00:00 3.185841
2015-11-14 15:53:00+00:00 3.185841
2015-11-14 15:54:00+00:00 3.211172
2015-11-14 15:55:00+00:00 3.302752
2015-11-14 15:56:00+00:00 7.520113
2015-11-14 15:57:00+00:00 3.713875
2015-11-14 15:58:00+00:00 3.353168
2015-11-14 15:59:00+00:00 3.302752
2015-11-14 16:00:00+00:00 3.348886
2015-11-14 16:01:00+00:00 3.428571
2015-11-14 16:02:00+00:00 7.942857
2015-11-14 16:03:00+00:00 3.428571
2015-11-14 16:04:00+00:00 3.400801
2015-11-14 16:05:00+00:00 3.364486
2015-11-14 16:06:00+00:00 3.324359
2015-11-14 16:07:00+00:00 3.302752
2015-11-14 16:08:00+00:00 7.889744
2015-11-14 16:09:00+00:00 3.214286
2015-11-14 16:10:00+00:00 3.183271
2015-11-14 16:11:00+00:00 3.157895
2015-11-14 16:12:00+00:00 3.176060
2015-11-14 16:13:00+00:00 3.185841
2015-11-14 16:14:00+00:00 7.854474
2015-11-14 16:15:00+00:00 3.333333
2015-11-14 16:16:00+00:00 3.437908
2015-11-14 16:17:00+00:00 3.529412
2015-11-14 16:18:00+00:00 3.618538
2015-11-14 16:19:00+00:00 5.508159
2015-11-14 16:20:00+00:00 6.274038
2015-11-14 16:21:00+00:00 3.755921
2015-11-14 16:22:00+00:00 3.789474
2015-11-14 16:23:00+00:00 8.093718
2015-11-14 16:24:00+00:00 3.870968
2015-11-14 16:25:00+00:00 3.824788
2015-11-14 16:26:00+00:00 3.789474
2015-11-14 16:27:00+00:00 11.414509
2015-11-14 16:28:00+00:00 8.344301
2015-11-14 16:29:00+00:00 7.751156
2015-11-14 16:30:00+00:00 7.553191
2015-11-14 16:31:00+00:00 7.367347
2015-11-14 16:32:00+00:00 7.346939
2015-11-14 16:33:00+00:00 7.346939
2015-11-14 16:34:00+00:00 7.346939
2015-11-14 16:35:00+00:00 7.346939
2015-11-14 16:36:00+00:00 7.324898
2015-11-14 16:37:00+00:00 7.246531
2015-11-14 16:38:00+00:00 7.346939
2015-11-14 16:39:00+00:00 7.246531
2015-11-14 16:40:00+00:00 7.200000
2015-11-14 16:41:00+00:00 7.200000
2015-11-14 16:42:00+00:00 7.200000
2015-11-14 16:43:00+00:00 8.249231
2015-11-14 16:44:00+00:00 8.630769
2015-11-14 16:45:00+00:00 4.770385
2015-11-14 16:46:00+00:00 0.730223
2015-11-14 16:47:00+00:00 0.730223
2015-11-14 16:48:00+00:00 0.730223
2015-11-14 16:49:00+00:00 0.730223
2015-11-14 16:50:00+00:00 0.730223
2015-11-14 16:51:00+00:00 0.730223
2015-11-14 16:52:00+00:00 0.730223
2015-11-14 16:53:00+00:00 0.773099
2015-11-14 16:54:00+00:00 3.302752
2015-11-14 16:55:00+00:00 5.411433
2015-11-14 16:56:00+00:00 5.990769
2015-11-14 16:57:00+00:00 3.573333
2015-11-14 16:58:00+00:00 3.333333
2015-11-14 16:59:00+00:00 3.068027
2015-11-14 17:00:00+00:00 2.448980
2015-11-14 17:01:00+00:00 2.448980
2015-11-14 17:02:00+00:00 7.548449
2015-11-14 17:03:00+00:00 2.834646
2015-11-14 17:04:00+00:00 2.923382
2015-11-14 17:05:00+00:00 3.130435
2015-11-14 17:06:00+00:00 3.070931
2015-11-14 17:07:00+00:00 2.975207
2015-11-14 17:08:00+00:00 6.961221
2015-11-14 17:09:00+00:00 3.611077
2015-11-14 17:10:00+00:00 2.880000
2015-11-14 17:11:00+00:00 2.940197
2015-11-14 17:12:00+00:00 2.950820
2015-11-14 17:13:00+00:00 3.075466
2015-11-14 17:14:00+00:00 3.103448
2015-11-14 17:15:00+00:00 3.151543
2015-11-14 17:16:00+00:00 3.157895
2015-11-14 17:17:00+00:00 7.774371
2015-11-14 17:18:00+00:00 3.130435
2015-11-14 17:19:00+00:00 3.113343
2015-11-14 17:20:00+00:00 3.103448
2015-11-14 17:21:00+00:00 3.103448
2015-11-14 17:22:00+00:00 3.103448
2015-11-14 17:23:00+00:00 7.758621
2015-11-14 17:24:00+00:00 3.103448
2015-11-14 17:25:00+00:00 3.114243
2015-11-14 17:26:00+00:00 3.130435
2015-11-14 17:27:00+00:00 3.104571
2015-11-14 17:28:00+00:00 3.076923
2015-11-14 17:29:00+00:00 7.743590
2015-11-14 17:30:00+00:00 3.076923
2015-11-14 17:31:00+00:00 3.080902
2015-11-14 17:32:00+00:00 3.103448
2015-11-14 17:33:00+00:00 3.097701
2015-11-14 17:34:00+00:00 3.076923
2015-11-14 17:35:00+00:00 6.096410
2015-11-14 17:36:00+00:00 4.797931
2015-11-14 17:37:00+00:00 3.103448
2015-11-14 17:38:00+00:00 3.178975
2015-11-14 17:39:00+00:00 3.185841
2015-11-14 17:40:00+00:00 3.185841
2015-11-14 17:41:00+00:00 4.784888
2015-11-14 17:42:00+00:00 6.226648
2015-11-14 17:43:00+00:00 3.214286
2015-11-14 17:44:00+00:00 3.289482
2015-11-14 17:45:00+00:00 3.309165
2015-11-14 17:46:00+00:00 3.495146
2015-11-14 17:47:00+00:00 6.772965
2015-11-14 17:48:00+00:00 4.827506
2015-11-14 17:49:00+00:00 3.645022
2015-11-14 17:50:00+00:00 3.673469
2015-11-14 17:51:00+00:00 8.037809
2015-11-14 17:52:00+00:00 3.789474
2015-11-14 17:53:00+00:00 3.789474
2015-11-14 17:54:00+00:00 3.789474
2015-11-14 17:55:00+00:00 10.986235
2015-11-14 17:56:00+00:00 7.869376
2015-11-14 17:57:00+00:00 6.763103
2015-11-14 17:58:00+00:00 6.626263
2015-11-14 17:59:00+00:00 6.496753
2015-11-14 18:00:00+00:00 6.543651
2015-11-14 18:01:00+00:00 6.895425
2015-11-14 18:02:00+00:00 6.959276
2015-11-14 18:03:00+00:00 7.038462
2015-11-14 18:04:00+00:00 6.923077
2015-11-14 18:05:00+00:00 6.961538
2015-11-14 18:06:00+00:00 7.000000
2015-11-14 18:07:00+00:00 7.000000
2015-11-14 18:08:00+00:00 6.961538
2015-11-14 18:09:00+00:00 6.923077
2015-11-14 18:10:00+00:00 7.038462
2015-11-14 18:11:00+00:00 6.959276
2015-11-14 18:12:00+00:00 7.058824
2015-11-14 18:13:00+00:00 6.981900
2015-11-14 18:14:00+00:00 7.018100
2015-11-14 18:15:00+00:00 1.565446
2015-11-14 18:16:00+00:00 0.596026
2015-11-14 18:17:00+00:00 0.596026
2015-11-14 18:18:00+00:00 0.596026
2015-11-14 18:19:00+00:00 0.596026
2015-11-14 18:20:00+00:00 0.596026
2015-11-14 18:21:00+00:00 0.596026
2015-11-14 18:22:00+00:00 0.596026
2015-11-14 18:23:00+00:00 0.596026
2015-11-14 18:24:00+00:00 0.596026
Начиная примерно 0.6kW в выступающ на 8кВтые
Теперь в наборе данных, есть много разных эти повторяющиеся узоры. Как вы можете видеть, картина с 06:00 до 07:45 и с 14:15 до 15:45 тоже очень похожа. Теперь я пытаюсь найти способ link эти шаблоны друг другу.
Например, создавая список с похожими шаблонами, каждый из которых дает им идентификатор или атрибут и отфильтровывает их, поэтому мне остается список, в котором перечислены шаблоны, которые тесно связаны друг с другом.
Помните, что набор данных может быть более года, полный результатов.
То, что я думал о том, чтобы сравнивать время, длительность базовой линии прямо перед шаблоном и сразу после него. Сравнение наивысших пиков с eachother, используя пороговое значение. Любые другие идеи?
Большое вам спасибо! В самом деле.Я делаю свой тезис о мониторинге неинтрузивных нагрузок, где мы должны будем иметь возможность распознавать каждый шаблон и связывать его с конкретным элементом домашнего хозяйства – aze45sq6d