NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（二）下载和转换REDD数据集

不念不忘少年蓝@ 2023-06-28 15:28 27阅读 0赞

# 下载REDD数据集 #

上一个笔记中，我们下载和搭建了NILMTK的环境。  
（[NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（一）配置环境NILMTK Toolkit][NILM_ _ _NILMTK Toolkit]）

本章我们来准备训练和测试用的数据集。

*  ## REDD的下载 ##

这份数据是来自MTK团队免费提供的，需要登录他们的网站，Email给他们，获取账号和密码，来下载。  
资源地址：[http://redd.csail.mit.edu/][http_redd.csail.mit.edu]

随便发一封邮件，一句话要一下REDD数据集，就会回复来到账号和密码了（发邮件到kolter@csail.mit.edu 机器自动回复给你账号和密码）  
所以我的账号密码就不提供了。

之后可以看到提供了两个高频和一个低频的数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70]  
这里NILMTK使用 **低频数据** 处理，所以下载low\_freq.tar.bz2

下载下来，解压缩之后，可以看到是6个房子的数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 1]  
将low\_freq文件夹拷贝到工程目录中，  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 2]  
下载的原始数据是.dat格式，NILMTK不支持这个格式，所以需要转换一下数据格式。

新建python文件REDDToH5.py，转换方法直接调用库中的方法很简单，参数是原始数据low\_freq的路径，和输出路径就好了。  
代码如下：

from nilmtk.dataset_converters import convert_redd
    
    convert_redd(r'F:\MyProject\RNN\NILMTK\low_freq',r'F:\MyProject\RNN\NILMTK\low_freq\redd_low.h5')

运行这个脚本后，可以看到输出路径多了一个 .h5 的文件，这个就是NILMTK可以直接使用的了。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 3]  
到此，我们的数据集也准备好了。  
接下来就是要来使用数据集，和NILM的库来分解和预测了。

## 如何使用详见我后面的文章。 ##

NILM（非侵入式电力负荷监测）学习笔记 —— 使用NILMTK Toolkit，REDD数据集，CO和FHMM两种算法  
[https://blog.csdn.net/wwb1990/article/details/103904340][https_blog.csdn.net_wwb1990_article_details_103904340]

[NILM_ _ _NILMTK Toolkit]: https://blog.csdn.net/wwb1990/article/details/103905371
[http_redd.csail.mit.edu]: http://redd.csail.mit.edu/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200109165342141.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200109165739108.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200109170015184.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200109170518678.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3YjE5OTA=,size_16,color_FFFFFF,t_70
[https_blog.csdn.net_wwb1990_article_details_103904340]: https://blog.csdn.net/wwb1990/article/details/103904340