Fugu-MT 論文翻訳(概要): Demand Response For Residential Uses: A Data Analytics Approach

論文の概要: Demand Response For Residential Uses: A Data Analytics Approach

arxiv url: http://arxiv.org/abs/2008.02908v1
Date: Fri, 7 Aug 2020 00:06:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 01:57:27.992592
Title: Demand Response For Residential Uses: A Data Analytics Approach
Title（参考訳）: 住宅利用に対する需要応答: データ分析のアプローチ
Authors: Abdelkareem Jaradat, Hanan Lutfiyya, Anwar Haque
Abstract要約: 本稿では,ユーザの分散電力消費データに適用可能なスマートシステム基盤を提案する。本システムは,より重い操作モードを軽量モードにすることで,ユーザに対して要求応答(DR)の適用を促す。
参考スコア（独自算出の注目度）: 5.107653758514456
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the Smart Grid environment, the advent of intelligent measuring devices facilitates monitoring appliance electricity consumption. This data can be used in applying Demand Response (DR) in residential houses through data analytics, and developing data mining techniques. In this research, we introduce a smart system foundation that is applied to user's disaggregated power consumption data. This system encourages the users to apply DR by changing their behaviour of using heavier operation modes to lighter modes, and by encouraging users to shift their usages to off-peak hours. First, we apply Cross Correlation (XCORR) to detect times of the occurrences when an appliance is being used. We then use The Dynamic Time Warping (DTW) to recognize the operation mode used.
Abstract（参考訳）: スマートグリッド環境では、インテリジェントな測定装置の出現により、家電電力消費量の監視が容易になる。このデータは、データ分析を通じて住宅の需要応答(DR)を適用し、データマイニング技術の開発に利用することができる。本研究では,ユーザの分散型電力消費データに適用するスマートシステム基盤を提案する。本システムでは,より重い操作モードを軽快なモードにすることや,使用時間をオフピーク時間にシフトさせることで,DRの適用を奨励する。まず,クロス相関(XCORR)を用いて,アプライアンスの使用時の発生時刻を検出する。次にdynamic time warping (dtw) を用いて動作モードを認識する。

関連論文リスト

Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文参考訳（メタデータ） (2024-10-17T15:08:21Z)
Time Series Anomaly Detection in Smart Homes: A Deep Learning Approach [4.340040784481499]
本稿では,REFITデータセットの2つのハウスで使用される食器洗い機の消費電力に関するパターンを分析した。 1D-CNNとTCNをバックボーンとする2つのオートエンコーダをトレーニングし、正常なパターンと異常なパターンを区別する。以上の結果から,TNはCNN1Dよりもエネルギー消費の異常を検出することが示唆された。
論文参考訳（メタデータ） (2023-02-28T17:26:27Z)
Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
論文参考訳（メタデータ） (2023-02-05T10:29:57Z)
Automatic Data Augmentation via Invariance-Constrained Learning [94.27081585149836]
下位のデータ構造は、しばしば学習タスクのソリューションを改善するために利用される。データ拡張は、入力データに複数の変換を適用することで、トレーニング中にこれらの対称性を誘導する。この作業は、学習タスクを解決しながらデータ拡張を自動的に適応することで、これらの問題に対処する。
論文参考訳（メタデータ） (2022-09-29T18:11:01Z)
Modeling Dynamic User Preference via Dictionary Learning for Sequential Recommendation [133.8758914874593]
ユーザの好みのダイナミックさを捉えることは、ユーザの将来の行動を予測する上で非常に重要です。浅いものも深いものも含む、既存のレコメンデーションアルゴリズムの多くは、このようなダイナミクスを独立してモデル化することが多い。本稿では、ユーザのシーケンシャルな振る舞いを、ユーザ好みの潜伏した空間に埋め込むことの問題について考察する。
論文参考訳（メタデータ） (2022-04-02T03:23:46Z)
Domain Knowledge Aids in Signal Disaggregation; the Example of the Cumulative Water Heater [68.8204255655161]
住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
論文参考訳（メタデータ） (2022-03-22T10:39:19Z)
A Deep Learning Technique using Low Sampling rate for residential Non Intrusive Load Monitoring [0.19662978733004596]
非侵入負荷監視(Non-Inrusive Load Monitoring、NILM)は、ブラインドソース分離の問題である。低周波電力データ上で負荷分散を行うための,新しいディープニューラルネットワークに基づくアプローチを提案する。私たちのニューラルネットワークは、需要側の詳細なフィードバックを生成し、エンドユーザに重要な洞察を提供することができます。
論文参考訳（メタデータ） (2021-11-07T23:01:36Z)
Avoiding Occupancy Detection from Smart Meter using Adversarial Machine Learning [0.7106986689736826]
本稿では,アタックとしてAdversarial Machine Learning Occupancy Detection Avoidance (AMLODA) フレームワークを導入する。基本的に、提案するプライバシー保護フレームワークは、リアルタイムまたはほぼリアルタイムの電力使用情報を隠すように設計されている。以上の結果から,提案手法はユーザのプライバシを強く支持することを示す。
論文参考訳（メタデータ） (2020-10-23T20:02:48Z)
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)
Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
論文参考訳（メタデータ） (2020-04-24T18:40:08Z)
Energy Disaggregation with Semi-supervised Sparse Coding [0.0]
エネルギー分解研究は、集約されたエネルギー消費データを部品機器に分解することを目的としている。本稿では,エネルギー保全のための大規模家庭用電力利用データセットを用いて,スパース符号化に基づく差別的分散モデルの評価を行った。
論文参考訳（メタデータ） (2020-04-20T21:05:25Z)

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。