論文の概要: Clustering Residential Electricity Consumption Data to Create Archetypes
that Capture Household Behaviour in South Africa
- arxiv url: http://arxiv.org/abs/2006.07197v4
- Date: Tue, 1 Dec 2020 13:25:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 12:46:48.199990
- Title: Clustering Residential Electricity Consumption Data to Create Archetypes
that Capture Household Behaviour in South Africa
- Title（参考訳）: 住宅用電力消費データのクラスタリングによる南アフリカの世帯行動を捉えたアーチタイプの作成
- Authors: Wiebke Toussaint and Deshendran Moodley
- Abstract要約: 本稿では、顧客アーチタイプを作成するための外部評価尺度として、暗黙のエキスパート知識を形式化するアプローチを提案する。
選択したクラスタを,これまで専門家が開発していたユーザアーカイブの再構築に成功したユースケースで検証する。
我々のアプローチは、たとえドメイン知識が限られていても、透過的で反復可能なクラスタランキングとデータサイエンティストによる選択を約束することを示している。
- 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: Clustering is frequently used in the energy domain to identify dominant
electricity consumption patterns of households, which can be used to construct
customer archetypes for long term energy planning. Selecting a useful set of
clusters however requires extensive experimentation and domain knowledge. While
internal clustering validation measures are well established in the electricity
domain, they are limited for selecting useful clusters. Based on an application
case study in South Africa, we present an approach for formalising implicit
expert knowledge as external evaluation measures to create customer archetypes
that capture variability in residential electricity consumption behaviour. By
combining internal and external validation measures in a structured manner, we
were able to evaluate clustering structures based on the utility they present
for our application. We validate the selected clusters in a use case where we
successfully reconstruct customer archetypes previously developed by experts.
Our approach shows promise for transparent and repeatable cluster ranking and
selection by data scientists, even if they have limited domain knowledge.
- Abstract（参考訳）: クラスタリングは、長期的なエネルギー計画のための顧客のアーカイブタイプを構築するために使用できる家庭の電力消費パターンを特定するために、エネルギー領域で頻繁に使用される。
しかし、有用なクラスタのセットを選択するには、広範な実験とドメイン知識が必要です。
内部クラスタリング検証は電気領域でよく確立されているが、有用なクラスタを選択することは限られている。
南アフリカにおけるアプリケーションケーススタディに基づき、住宅電力消費行動の変動を捉えた顧客アーチタイプを作成するための外部評価尺度として、暗黙の専門家知識を形式化するアプローチを提案する。
内部および外部のバリデーションを構造化された方法で組み合わせることで、アプリケーションに提示するユーティリティに基づいてクラスタリング構造を評価することができた。
選択したクラスタを,これまで専門家が開発していたユーザアーカイブの再構築に成功したユースケースで検証する。
我々のアプローチは、たとえドメイン知識が限られていても、透過的で反復可能なクラスタランキングとデータサイエンティストによる選択を約束することを示している。
関連論文リスト
- GCC: Generative Calibration Clustering [55.44944397168619]
本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。
まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。
第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
論文 参考訳（メタデータ） (2024-04-14T01:51:11Z) - A Machine Learning-Based Framework for Clustering Residential
Electricity Load Profiles to Enhance Demand Response Programs [0.0]
実ケーススタディを通じて最適な負荷プロファイルを実現するために,機械学習に基づく新しいフレームワークを提案する。
本稿では,実ケーススタディを通じて最適な負荷プロファイルを実現するために,機械学習に基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-31T11:23:26Z) - Open World Classification with Adaptive Negative Samples [89.2422451410507]
オープンワールド分類は、自然言語処理における重要な実践的妥当性と影響を伴う課題である。
そこで本研究では, アンダーライン適応型アンダーラインアンプ (ANS) に基づいて, 学習段階における効果的な合成オープンカテゴリサンプルを生成する手法を提案する。
ANSは最先端の手法よりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-03-09T21:12:46Z) - Targeted demand response for flexible energy communities using
clustering techniques [2.572906392867547]
目的は、イタリアの分散エネルギーコミュニティにおける消費者の消費行動を変えることである。
一般的な3つの機械学習アルゴリズム、すなわちk-means、k-medoids、集約クラスタリングが採用されている。
本研究で提案される新しい指標,すなわちピークパフォーマンススコア(PPS)を含む複数の指標を用いた手法の評価を行った。
論文 参考訳（メタデータ） (2023-03-01T02:29:30Z) - KnAC: an approach for enhancing cluster analysis with background
knowledge and explanations [0.20999222360659603]
我々はKnAC(Knowledge Augmented Clustering)を紹介します。
KnACは任意のクラスタリングアルゴリズムの拡張として機能し、アプローチを堅牢でモデルに依存しないものにすることができる。
論文 参考訳（メタデータ） (2021-12-16T10:13:47Z) - Decision-making Oriented Clustering: Application to Pricing and Power
Consumption Scheduling [61.062312682535755]
本稿では、意思決定指向クラスタリングの枠組みを定式化し、データ空間の判断に基づく分割と適切な代表決定を提供するアルゴリズムを提案する。
この新しいフレームワークとアルゴリズムを、リアルタイム価格と消費電力スケジューリングの典型的な問題に適用することにより、洞察に富んだ分析結果を得る。
論文 参考訳（メタデータ） (2021-06-02T08:41:04Z) - A Clustering Framework for Residential Electric Demand Profiles [2.294014185517203]
本稿では,オランダのアムステルダム市に居住する世帯の電気需要プロファイルを分析した。
包括的なクラスタリングフレームワークは、電力消費パターンに基づいて世帯を分類するために定義される。
論文 参考訳（メタデータ） (2021-05-17T09:19:34Z) - Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain
Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。
本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。
提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
論文 参考訳（メタデータ） (2020-12-08T08:52:00Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Exploring Category-Agnostic Clusters for Open-Set Domain Adaptation [138.29273453811945]
本稿では、カテゴリ非依存クラスタ(SE-CC)を対象ドメインのカテゴリ非依存クラスタと組み合わせた、新たなアーキテクチャを提案する。
クラスタリングは、対象ドメイン特有の基盤となるデータ空間構造を明らかにするカテゴリ非依存クラスタを得るために、ラベルなしのターゲットサンプルすべてにわたって実行される。
論文 参考訳（メタデータ） (2020-06-11T16:19:02Z) - Using competency questions to select optimal clustering structures for
residential energy consumption patterns [0.0]
この研究は、住宅エネルギー消費部門におけるクラスタリングアプリケーションのコンテキスト特異的評価のために、専門家の知識と応用要件を定式化するために、能力質問がどのように使用できるかを示す。
論文 参考訳（メタデータ） (2020-06-01T13:30:00Z)
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。