询问任何设备：用于非侵入式负载监控的快速可编程基础模型

非侵入式负载监控 (NILM) 通过整个家庭的电表估算设备级能耗，但特定于设备的模型和固定输出库存使得扩展覆盖范围的成本高昂。我们提出了 FM4NILM（NILM 基础模型），这是一个单一的提示可编程模型，可以根据聚合测量、自然语言描述和可选的激活示例来估计所请求设备的功率轨迹。通过对来自 7 个公共语料库、跨越 1-60 秒采样间隔的 645k 序列进行掩蔽重建来对轻量级节奏感知Transformer进行预训练，然后使用部分标记家庭的观测掩蔽损失与设备请求进行对齐。伯努利对数正态解码器将活动检测与条件功率估计分开。在 REDD、UK-DALE 和 REFIT 的保留家庭和时间段上，一种冻结文本提示模型可满足 12 个设备语料库请求，实现 0.556 事件 F1、0.625 AUPRC，以及七个特定于设备的基线中最低的活动窗口 MAE (251.8 W)。流式分数聚合将事件 F1 提高到 0.582，聚合延迟为 60 秒。在单独的类别保留评估中，添加十个激活示例将微波 AUPRC 从 0.132 提高到 0.214，而无需更新参数。输入干预消融探测模型对设备请求和聚合测量的依赖性。这些结果证明了通过一种共享模型进行竞争分解，并支持通过提示和示例而不是额外的专业网络来扩展设备覆盖范围。