Der Schlüssel für die Entwicklung und Evaluierung von (Non-)intrusive Load Monitoring (ILM / NILM) Algorithmen sind Datensätze. Langzeitmessungen des Strombedarfs verschiedener Privathaushalte helfen bei der automatisierten Analyse wie bspw. der Zuordnung zu einzelnen Geräten und deren Nutzungsverhalten. Zum Zweck vergleichbarer Forschung veröffentlicht die Technische Hochschule Rosenheim DEDDIAG, einen Datensatz zum Strombedarf einzelner Haushaltsgeräte in Deutschland. Das hierfür entwickelte verteilte Messsystem wurde von Marc Wenninger und seinem Betreuertandem Professor Jochen Schmidt (TH Rosenheim) und Professor Andreas Maier (FAU Erlangen-Nürnberg) unter Open-Source Lizenz veröffentlicht.
Der DEDDIAG-Datensatz (Domestic Electricity Demand Dataset of Individual Appliances in Germany) wurde hauptsächlich erfasst, um die Grundlage für automatisierte Lastverschiebungsanwendungen im Haushalt zu schaffen, bei denen z. B. ein Real-Time-Price als Anreiz verwendet wird. Der Datensatz enthält Aufzeichnungen von 15 Haushalten über einen Zeitraum von bis zu 3,5 Jahren, wobei insgesamt 50 Geräte mit einer Frequenz von 1 Hz aufgezeichnet wurden. Die aufgezeichneten Geräte sind für die Lastverschiebung von Bedeutung, wie z. B. Kühl- und Gefriergeräte, Geschirrspüler, Trockner und Waschmaschinen.
Website DEDDIAG Messsystem: https://deddiag.github.io/
Wissenschaftliche Publikation: https://doi.org/10.1038/s41597-021-00963-2
Datensatz Download: https://doi.org/10.6084/m9.figshare.13615073