Kurzfassung
|
Immer mehr Smart-Meter werden in neuen Häusern installiert. Hierdurch ergeben sichneue Fragestellungen in Bezug auf die Smart-Meter-Privacy. Um die Privacy der Smart Meter zu messen, kann Disaggregation, d.h. das Berechnen der Lastprofile der Geräte aus den aggregierten Daten, verwendet werden. Das Ziel dieser Thesis ist es, zu evaluieren, ob Lastprofil-Verschleierung und temporale Aggregations-Techniken Einfluss auf die Disaggregation-Qualität haben. Für die Verschleierung wurden Hertwecks Operatoren verwendet. Diese können frei kombiniert werden. Zur Disaggregation wurden die Algorithmen Combinatorial Optimism (CO) und Finite Hidden Markov Model (FHMM) des Non-Intrusive Load Monitoring Toolkit (NILM TK) verwendet. Zur Evaluierung wurde der REDD Datensatz verwendet. Die Einzelanwendung der Operatoren führt im ersten Blick auf inkonsistente Disaggregations-Qualität. Die inkonsistenten Ergebnisse können als ein Springen der Metriken beschrieben werden. Der Grund für die Sprünge sind die Model-Kombinationen der NILM-TK Algorithmen. Die De-noise Operatoren zeigten konsistent die niedrigste Disaggregations-Qualität. Bei den kombinierten Operatoren Ergebnissen zeigen sich drei Beobachtungen, welche im Vortrag vorgestellt werden.
|