Studio e sviluppo di tecniche DSP avanzate per l'interpolazione di segnali di potenza attiva a campionamento non-uniforme con logica CHAIN2

This work focuses on the reconstruction of active power signals acquired through non-uniform sampling based on the CHAIN2 logic, applied to uniformly sampled energy consumption datasets (MAC and UK-DALE). After achieving a data compression of approximately 97%, various interpolation techniques were analyzed in MATLAB to evaluate their effectiveness in reconstructing the original signals. From this initial comparison, the superiority of the Previous interpolation method emerged, due to its ability to preserve the step-like pattern typical of consumption signals, unlike more complex methods such as Spline, which tend to produce artifacts. However, the analysis also revealed that the Next technique, although generally less performant, provides locally more accurate estimates in a significant number of cases. Based on this observation, a hybrid Previous-Next interpolation strategy was designed. This method is based on the classification of sampling intervals into four distinct categories (Q-Q, S-Q, Q-S, S-S) and the subsequent application of differentiated interpolation rules that combine the two techniques in a weighted manner. After deriving the optimal hybridization percentages from specific training datasets, the strategy's effectiveness was validated on the remaining collections. The results clearly confirm that the hybrid method consistently outperforms the Previous technique alone across all tested datasets. In conclusion, this study introduces a more accurate and reliable method for reconstructing energy consumption signals, applicable without prior knowledge of the original signal, thus paving the way for future applications in the field of energy management and analysis.

Il presente lavoro di tesi affronta il problema della ricostruzione di segnali di potenza attiva campionati in modo non uniforme, secondo la logica CHAIN2, applicata a dataset di consumo energetico uniformemente campionati (MAC e UK-DALE). Dopo aver ottenuto una compressione dei dati di circa il 97%, sono state analizzate diverse tecniche di interpolazione in ambiente MATLAB per valutare la loro efficacia nella ricostruzione dei segnali originali. Da questo primo confronto è emersa la superiorità dell’interpolazione Previous, grazie alla sua capacità di preservare l’andamento a gradini tipico dei segnali di consumo, a differenza di metodi più complessi come Spline che generano artefatti. Tuttavia, l’analisi ha anche rivelato che la tecnica Next, sebbene globalmente meno performante, offre stime localmente più accurate in una quantità significativa di casi. Sulla base di questa osservazione, è stata progettata una strategia di interpolazione ibrida Previous-Next. Tale metodo si basa sulla classificazione degli intervalli di campionamento in quattro categorie distinte (Q-Q, S Q, Q-S, S-S) e sulla conseguente applicazione di regole di interpolazione differenziate, che combinano in modo ponderato le due tecniche. Dopo aver derivato le percentuali di ibridazione ottimali da specifici dataset di training, l’efficacia della strategia è stata validata sul resto delle collezioni. I risultati confermano in modo univoco che il metodo ibrido supera sistematicamente le prestazioni della sola tecnica Previous su tutti i dataset testati. In conclusione, questo studio introduce un metodo più accurato e affidabile per la ricostruzione dei segnali di consumo energetico, applicabile senza conoscenza a priori del segnale originale e aprendo la strada a future applicazioni nell’ambito della gestione e analisi dell’energia.