論文の概要: Occupant Plugload Management for Demand Response in Commercial
Buildings: Field Experimentation and Statistical Characterization
- arxiv url: http://arxiv.org/abs/2004.06633v5
- Date: Sat, 25 Jun 2022 00:16:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 09:24:54.971579
- Title: Occupant Plugload Management for Demand Response in Commercial
Buildings: Field Experimentation and Statistical Characterization
- Title（参考訳）: 商業ビルにおける需要応答の負荷管理:フィールド実験と統計的評価
- Authors: Chaitanya Poolla, Abraham K. Ishihara, Dan Liddell, Rodney Martin,
Steven Rosenberg
- Abstract要約: 商業ビルはアメリカの電力消費の約35%を占めている。
本研究では,インセンティブや視覚的フィードバックによるエネルギー消費の変化を分析する実験を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Commercial buildings account for approximately 35% of total US electricity
consumption, of which nearly two-thirds is met by fossil fuels resulting in an
adverse impact on the environment. This adverse impact can be mitigated by
lowering energy consumption via control of occupant plugload usage in a
closed-loop building environment. In this work, we conducted multiple
experiments to analyze changes in occupant plugload energy consumption due to
incentives and/or visual feedback. The incentives entailed daily monetary
values between $5 and $50 administered in a randomized order and the visual
feedback consisted of a web-based dashboard aimed at increasing the energy
awareness of participants. Experiments were performed in government office and
university buildings at NASA Ames Research Park located in Moffett Field, CA.
Autoregressive models were constructed to predict expected plugload savings in
the presence of exogenous variables. Analysis of the data revealed modulation
of plugload energy consumption can be achieved via visual feedback and
incentive mechanisms suggesting that occupant-in-the-loop control architectures
may be effective in the commercial building environment. Our findings indicate
that the mean energy reduction due to visual feedback in office and university
environments were ~9.52% and ~21.61%, respectively. By augmenting the visual
feedback in the university environment with a monetary incentive, the mean
energy reduction was found to be ~24.22%
- Abstract（参考訳）: 商業ビルは米国の電力消費の約35%を占めており、そのうち3分の2は化石燃料で満たされており、環境に悪影響を及ぼしている。
この悪影響は、閉鎖ループ建築環境における占有プラグロード使用量の制御によるエネルギー消費の低減によって緩和することができる。
そこで本研究では,インセンティブや視覚的フィードバックによる電力消費の変化を分析するために,複数の実験を行った。
インセンティブは、ランダムに管理された1日当たりの金銭価値を5ドルから50ドルに抑え、視覚的フィードバックは、参加者のエネルギー意識を高めるためのWebベースのダッシュボードで構成された。
実験は、カリフォルニア州モフェットフィールドにあるNASAエイムズ研究公園の政府機関と大学の建物で行われた。
自己回帰モデルを構築し、外因性変数の存在下でのプラグロードの削減を予測した。
積荷エネルギーの変動を視覚的フィードバックとインセンティブ機構を用いて解析し,ループ内制御アーキテクチャが商業的な建築環境において有効である可能性を示唆した。
その結果,オフィス環境と大学環境の視覚的フィードバックによるエネルギー削減率は,それぞれ9.52%と21.61%であった。
大学環境の視覚的フィードバックを金銭的インセンティブで増強することにより、平均エネルギー削減率は24.22%であった。
関連論文リスト
- Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-07-14T06:50:02Z) - Consumer's Behavior Analysis of Electric Vehicle using Cloud Computing
in the State of New York [0.0]
我々はニューヨーク州エネルギー研究開発局のEVドライブクリーンリベートデータを解析した。
このデータセットは、消費者が購入したEVのメイクとモデル、EV消費者の地理的位置、トランザクションタイプ、および税制インセンティブを特徴としている。
SAP Analytics Cloud(SAC)を使用して、まずデータをインポートしてクリーンにし、いくつかのプライマリ属性の統計スナップショットを生成します。
論文 参考訳（メタデータ） (2023-06-02T19:49:18Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Causal Effect Estimation with Global Probabilistic Forecasting: A Case
Study of the Impact of Covid-19 Lockdowns on Energy Demand [2.126171264016785]
外部介入の不確実性が電力需要に与える影響を分析する必要がある。
本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。
コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
論文 参考訳（メタデータ） (2022-09-19T09:39:29Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - Using Google Trends as a proxy for occupant behavior to predict building
energy consumption [0.0]
そこで本研究では,Google Trendsプラットフォーム上でのトピックの検索量を,利用者の行動と建物利用のプロキシとして活用するアプローチを提案する。
その結果、高い相関性を持つGoogle Trendsデータは、建物のサブセット全体のRMSLEエラーを、GEPIIIコンペティションの上位5チームのパフォーマンスのレベルに効果的に低減できることを示した。
論文 参考訳（メタデータ） (2021-10-31T08:05:23Z) - Improving Load Forecast in Energy Markets During COVID-19 [5.128521783181427]
新型コロナウイルスのパンデミック(COVID-19)の急激な流行は、2020年で最も重要な出来事であり、世界中で深刻な影響が続いた。
本稿では,新型コロナウイルスの感染拡大に伴う負荷予測性能の向上に有効なモデルや特徴を体系的に評価することで,研究ギャップを埋めることを目的とする。
論文 参考訳（メタデータ） (2021-10-01T02:55:06Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳（メタデータ） (2021-02-16T16:56:27Z) - Reshaping consumption habits by exploiting energy-related micro-moment
recommendations: A case study [2.741120981602367]
この研究は、消費ログから繰り返し使われるパターンを検出することに基づいている。
これは、センサ、スマートメーター、アクチュエータのセットを使用するエネルギー消費削減システムの構造と運用を示す。
システムは、適切なタイミングで適切な省エネ行動を行うことをユーザに推奨し、徐々にユーザの習慣を形作る。
論文 参考訳（メタデータ） (2020-10-09T17:29:56Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。