論文の概要: Two-stage building energy consumption clustering based on temporal and peak demand patterns

• arxiv url: http://arxiv.org/abs/2008.04293v2
• Date: Sat, 29 Aug 2020 18:11:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 23:42:12.072923
• Title: Two-stage building energy consumption clustering based on temporal and peak demand patterns
• Title（参考訳）: 時空間およびピーク需要パターンに基づく2段階建築エネルギー消費クラスタリング
• Authors: Milad Afzalan, Farrokh Jazizadeh, and Hoda Eldardiry
• Abstract要約: 本稿では,負荷形状の時間的パターンとピーク要求をより正確に把握する2段階クラスタリング手法を提案する。 第一段階では、大量のクラスターがエネルギー使用パターンの変動を正確に捉えることによって、負荷形状がクラスタ化される。 第2段階では、ダイナミック・タイム・ワープ(Dynamic Time Warping)を用いて、類似のセントロイドとパワー・マグニチュード・レンジのクラスタをマージする。
• 参考スコア（独自算出の注目度）: 3.364554138758565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analyzing smart meter data to understand energy consumption patterns helps utilities and energy providers perform customized demand response operations. Existing energy consumption segmentation techniques use assumptions that could result in reduced quality of clusters in representing their members. We address this limitation by introducing a two-stage clustering method that more accurately captures load shape temporal patterns and peak demands. In the first stage, load shapes are clustered by allowing a large number of clusters to accurately capture variations in energy use patterns and cluster centroids are extracted by accounting for shape misalignments. In the second stage, clusters of similar centroid and power magnitude range are merged by using Dynamic Time Warping. We used three datasets consisting of ~250 households (~15000 profiles) to demonstrate the performance improvement, compared to baseline methods, and discuss the impact on energy management.
• Abstract（参考訳）: スマートメータのデータを分析してエネルギー消費パターンを理解することは、ユーティリティやエネルギープロバイダがカスタマイズされた需要応答操作を実行するのに役立ちます。 既存のエネルギー消費セグメンテーション技術は、メンバーを表すクラスタの品質が低下する可能性がある仮定を使用する。 負荷形状の時間パターンとピーク要求をより正確に把握する2段階クラスタリング手法を導入することで,この制限に対処する。 第1段階では、多数のクラスターがエネルギー利用パターンの変動を正確に把握し、負荷形状をクラスタ化し、形状の不整合を考慮したクラスタセントロイドを抽出する。 第2段階では、ダイナミックタイムワーピングを用いて、類似したセントロイドとパワーマグニチュードの範囲のクラスターをマージする。 約250世帯(約15,000プロファイル)からなる3つのデータセットを使用して、ベースライン手法と比較してパフォーマンス改善を実証し、エネルギー管理への影響について論じた。

関連論文リスト

• A Hybrid SOM and K-means Model for Time Series Energy Consumption Clustering [0.0]
  本稿では、自己組織化マップとK平均クラスタリングという2つの強力な手法を統合することにより、毎月のエネルギー消費パターンを効果的にクラスタリングする新しい手法を提案する。 本研究の主な焦点は、ロンドンにおけるスマートメーターの時系列エネルギー消費データの選択である。
  論文  参考訳（メタデータ） (2023-11-25T16:55:19Z)
• 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)
• Agglomerative Hierarchical Clustering with Dynamic Time Warping for Household Load Curve Clustering [0.0]
  クライアントを消費パターンに従って分類することで、需要応答(DR)プログラムのために特定の消費者グループをターゲットにすることができる。 我々は、AHC(Agglomerative Hierarchical Clustering)とDTW(Dynamic Time Warping)を組み合わせた形状に基づくアプローチを提案する。 DTWを用いたAHCは、他のクラスタリングアルゴリズムよりも優れており、より少ないクラスタを必要とすることを示す。
  論文  参考訳（メタデータ） (2022-10-18T01:30:25Z)
• 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)
• (k, l)-Medians Clustering of Trajectories Using Continuous Dynamic Time Warping [57.316437798033974]
  本研究では,トラジェクトリの集中型クラスタリングの問題について考察する。 我々はDTWの連続バージョンを距離測定として使用することを提案し、これをCDTW(Continuous dynamic time warping)と呼ぶ。 一連の軌道から中心を計算し、その後反復的に改善する実践的な方法を示す。
  論文  参考訳（メタデータ） (2020-12-01T13:17:27Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)
• Topology-based Clusterwise Regression for User Segmentation and Demand Forecasting [63.78344280962136]
  本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。 本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
  論文  参考訳（メタデータ） (2020-09-08T12:10:10Z)
• 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)
• Learning to Cluster Faces via Confidence and Connectivity Estimation [136.5291151775236]
  重複する部分グラフを多数必要とせず,完全に学習可能なクラスタリングフレームワークを提案する。 提案手法はクラスタリングの精度を大幅に向上させ,その上で訓練した認識モデルの性能を向上させるが,既存の教師付き手法に比べて桁違いに効率的である。
  論文  参考訳（メタデータ） (2020-04-01T13:39:37Z)
• Energy-Based Processes for Exchangeable Data [109.04978766553612]
  エネルギーベースモデルを交換可能なデータに拡張するために、エネルギーベースプロセス(EBP)を導入する。 EBPの鍵となる利点は、集合上のより柔軟な分布を、その濃度を制限することなく表現できることである。 本研究では,多種多様なタスクにおける最先端性能を実演する電子掲示板の効率的な訓練手順を開発する。
  論文  参考訳（メタデータ） (2020-03-17T04:26:02Z)

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。