Pengawasan beban tak mengganggu menggunakan mesin penyokong vektor

• Main Authors: Khairuddin Khalid,, Azah Mohamed,, Ramizi Mohamed,, Nor Azwan Mohamed Kamari,
• Format: Article
• Language: English
• Published: Penerbit Universiti Kebangsaan Malaysia 2018
• Online Access: http://journalarticle.ukm.my/13803/1/17.pdf; http://journalarticle.ukm.my/13803/; http://www.ukm.my/jkukm/volume-302-2018/

Kertas kerja ini membentangkan pembangunan pengawasan beban tak mengganggu (PBTM) untuk mengenal pasti beban dengan menggunakan pengelasan mesin penyokong vektor berbilang (MPVB). Suatu kaedah pengawasan beban diselia dilaksanakan untuk mengenal pasti tiga jenis beban yang kebiasaannya terdapat di bangunan komersial iaitu lampu pendaflour, penghawa dingin dan komputer peribadi. Parameter kuasa asas yang terdapat pada meter pintar dan penyarian sifat kuasa lain yang lebih terperinci dipertimbangkan dalam kertas kerja ini. Sifat kuasa yang berkesan ditentukan dengan melakukan pemilihan sifat mengikut kombinasi yang berpotensi. Selain itu, teknik baru penyarian sifat, iaitu, jelmaan masa-masa (MM) diperkenalkan dalam kajian ini. Suatu kaedah pemilihan sifat kuasa yang sistematik dilaksanakan dengan mempertimbangkan kombinasi terbaik untuk tujuan perbandingan. Berikutan penggunaan meter pintar komersial di sektor pengguna adalah majoriti dengan kadar pensampelan yang rendah, perlaksanaan eksperimen dan kajian yang dilakukan adalah di bawah pengukuran penggunaan yang sebenar dengan pensampelan yang rendah. Kadar pensampelan rendah yang sesuai untuk PBTM dikaji mengikut spesifikasi meter pintar komersial dengan tiga keadaan pensampelan iaitu 1 minit, 10 minit dan 30 minit. Satu set data pengesahsahihan dengan aktiviti beban secara rawak digunakan untuk menguji kemantapan kaedah PBTM yang dibangunkan. Justeru, teknik pengelasan beban menggunakan MPVB dibandingkan dengan teknik lain seperti bayes lurus dan K-kejiranan terdekat (KKT) untuk menilai prestasi MPVB yang dicadangkan untuk PBTM. Menerusi keputusan yang diperolehi, kaedah yang dicadangkan iaitu MPVB menunjukkan keputusan pengelasan yang terbaik dengan 99.94% ketepatan dalam mengenal pasti beban. Justeru, berdasarkan kadar pensampelan yang dikaji pensampelan 1 minit menunjukkan penggunaan pengawasan beban yang terbaik berbanding pensampelan lain yang dikaji untuk tujuan PBTM.