结合智能音箱与智能电表通过自监督跨模态学习推断家庭用电情况

能源分解是住宅用电监测的关键支持技术，惠及碳排放监测和人类活动识别等多项应用。然而，现有方法难以在准确性和使用负担（设备成本、数据标注和先验知识）之间取得平衡。随着智能音箱的高渗透率提供了低成本的声学辅助住宅用电监测方式，本研究旨在将智能音箱和智能电表结合，以解放系统的高使用负担。然而，在没有数据标注或先验知识的情况下从声学和电力数据中提取和利用一致/互补信息（声学和电力特征之间的两种关系）仍然具有挑战性。为此，我们设计了 COMFORT，一个用于自监督用电监测的跨模态系统，包括：（i）自动学习一致和互补信息的跨模态学习组件，以及（ii）利用一致和互补信息的跨模态推理组件。我们使用从六栋房屋在14天内自收集的数据集实现了 COMFORT 并进行了评估，表明 COMFORT 找到了最多的电器（98%），在 F 量度上至少提高了41.1%的电器识别性能，并将能源分解的绝对平均误差（MAE）降低了至少30.4%。