論文の概要: Bayesian model of electrical heating disaggregation
- arxiv url: http://arxiv.org/abs/2011.05674v1
- Date: Wed, 11 Nov 2020 10:05:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 01:01:03.334570
- Title: Bayesian model of electrical heating disaggregation
- Title（参考訳）: 電気的加熱分解のベイズモデル
- Authors: Fran\c{c}ois Culi\`ere, Laetitia Leduc and Alexander Belikov
- Abstract要約: スマートメーターの採用は、ヨーロッパのスマートエネルギーへの移行における大きなマイルストーンである。
フランスの住宅セクターは電力消費の35%$approx$35%、電気暖房による世帯の40%$approx$40%(INSEE)である。
Linkyの展開するスマートメーターの数は2021年に3500万に達する見込みだ。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adoption of smart meters is a major milestone on the path of European
transition to smart energy. The residential sector in France represents
$\approx$35\% of electricity consumption with $\approx$40\% (INSEE) of
households using electrical heating. The number of deployed smart meters Linky
is expected to reach 35M in 2021. In this manuscript we present an analysis of
676 households with an observation period of at least 6 months, for which we
have metadata, such as the year of construction and the type of heating and
propose a Bayesian model of the electrical consumption conditioned on
temperature that allows to disaggregate the heating component from the
electrical load curve in an unsupervised manner. In essence the model is a
mixture of piece-wise linear models, characterised by a temperature threshold,
below which we allow a mixture of two modes to represent the latent state
home/away.
- Abstract（参考訳）: スマートメーターの採用は、ヨーロッパのスマートエネルギーへの移行における大きなマイルストーンである。
フランスの住宅セクターは、電力消費の$\approx$35\%、電気暖房の$\approx$40\%(INSEE)である。
Linkyの展開するスマートメーターの数は2021年に3500万に達する見込みだ。
そこで本研究では,676世帯を対象に,建設年や暖房の種類などのメタデータを有する少なくとも6ヶ月の観測期間を解析し,熱成分を電気負荷曲線から教師なしの方法で分離できる温度条件付電力消費のベイズモデルを提案する。
本質的には、このモデルは温度閾値によって特徴づけられるピースワイド線形モデルの混合であり、下記の2つのモードの混合が潜伏状態のホーム/アウェイを表すことを許している。
関連論文リスト
- Short-Term Electricity Demand Forecasting of Dhaka City Using CNN with Stacked BiLSTM [0.471858286267785]
本稿では,ダッカ市の電力需要を短時間で正確に予測するために,畳み込みニューラルネットワーク(CNN)と積み重ねた双方向長短項メモリ(BiLSTM)アーキテクチャのハイブリッドモデルを提案する。
提案手法は,MAPE 1.64%,MSE 0.015,RMSE 0.122,MAE 0.092の他のベンチマークモデルと比較して,最高の予測結果を得た。
論文 参考訳（メタデータ） (2024-06-10T09:02:07Z) - Modeling of Annual and Daily Electricity Demand of Retrofitted Heat
Pumps based on Gas Smart Meter Data [0.0]
ガス炉はヨーロッパで一般的な暖房システムである。
ヒートポンプは、既存のガス炉を継続的に置き換えるべきである。
ヒートポンプの運転に必要な電力需要を見積もるためには, 新たなアプローチが必要である。
論文 参考訳（メタデータ） (2023-10-04T11:55:04Z) - Electricity Demand Forecasting with Hybrid Statistical and Machine
Learning Algorithms: Case Study of Ukraine [0.0]
提案手法は2013年から2020年までのウクライナの電力消費の時間データを用いて構築された。
我々のハイブリッドモデルは、時間分解能で長期電力消費を予測するのに非常に効果的である。
論文 参考訳（メタデータ） (2023-04-11T12:15:50Z) - Comparison of Forecasting Methods of House Electricity Consumption for
Honda Smart Home [0.0]
電力消費予測は家庭用エネルギー管理システムの開発を可能にする。
建物のエネルギー性能は、環境温度、湿度、各種電気機器などの多くの要因に影響を受けている。
Honda Smart Home USデータセットは、予測エラーを最小化する3つの方法を比較するために選択された。
論文 参考訳（メタデータ） (2022-08-11T19:04:41Z) - A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。
本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
論文 参考訳（メタデータ） (2022-05-20T22:13:25Z) - 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) - The impact of online machine-learning methods on long-term investment
decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。
最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。
また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文 参考訳（メタデータ） (2021-03-07T11:28:54Z) - 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) - Distributed Deep Reinforcement Learning for Intelligent Load Scheduling
in Residential Smart Grids [9.208362060870822]
本研究では,不確実な要因に関する限られた情報を扱う世帯を対象としたモデルフリー手法を提案する。
次に、Pecan Street Inc.の現実世界のデータを使用します。
その結果,ピーク対平均比 (PAR) の約12%, 負荷分散の約11%の低減が達成できた。
論文 参考訳（メタデータ） (2020-06-29T15:01:51Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳（メタデータ） (2020-06-13T20:53:17Z)
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。