論文の概要: A Collection and Categorization of Open-Source Wind and Wind Power Datasets

• arxiv url: http://arxiv.org/abs/2202.08524v1
• Date: Thu, 17 Feb 2022 08:53:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-18 22:12:52.165410
• Title: A Collection and Categorization of Open-Source Wind and Wind Power Datasets
• Title（参考訳）: オープンソースの風力・風力データセットの収集と分類
• Authors: Nina Effenberger and Nicole Ludwig
• Abstract要約: 風力予測タスクに十分なデータセットが公開されていることを示す。 また、研究者が適切なオープンソースデータセットを選択できるように、異なるデータグループプロパティについても論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wind power and other forms of renewable energy sources play an ever more important role in the energy supply of today's power grids. Forecasting renewable energy sources has therefore become essential in balancing the power grid. While a lot of focus is placed on new forecasting methods, little attention is given on how to compare, reproduce and transfer the methods to other use cases and data. One reason for this lack of attention is the limited availability of open-source datasets, as many currently used datasets are non-disclosed and make reproducibility of research impossible. This unavailability of open-source datasets is especially prevalent in commercially interesting fields such as wind power forecasting. However, with this paper we want to enable researchers to compare their methods on publicly available datasets by providing the, to our knowledge, largest up-to-date overview of existing open-source wind power datasets, and a categorization into different groups of datasets that can be used for wind power forecasting. We show that there are publicly available datasets sufficient for wind power forecasting tasks and discuss the different data groups properties to enable researchers to choose appropriate open-source datasets and compare their methods on them.
• Abstract（参考訳）: 風力発電やその他の再生可能エネルギー源は、今日の電力網のエネルギー供給において、より重要な役割を担っている。 そのため、電力グリッドのバランスをとるには再生可能エネルギー源の予測が不可欠である。 新しい予測方法に注目する一方で、メソッドを他のユースケースやデータと比較し、再現し、転送する方法にはほとんど注意を払わない。 この欠如の理由のひとつは、現在使用されている多くのデータセットが非開示であり、研究の再現性を不可能にしているため、オープンソースデータセットの可用性が限られていることだ。 このオープンソースのデータセットの利用不可能性は、風力予測のような商業的に興味深い分野で特に一般的である。 しかし,本論文では,既存のオープンソースの風力データセットの最新の概観と,風力予測に使用できるさまざまなデータセット群への分類を提供することにより,研究者が利用可能なデータセット上での手法を比較することを可能にする。 風力予測タスクに十分なデータセットが公開されていることを示し、研究者が適切なオープンソースデータセットを選択してそれらのメソッドを比較することができるように、異なるデータグループ特性について議論する。

関連論文リスト

• Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data [4.048814984274799]
  本稿では,複数の発電施設を対象とした風力・太陽光発電予測手法を提案する。 気象及びエネルギー関連時系列の時間的処理にU字型の時間的畳み込み自動エンコーダアーキテクチャを用いる。 5つのデータセットの日平均太陽・風力エネルギー予測シナリオを実験により評価し,提案手法が最上位となることを示した。
  論文  参考訳（メタデータ） (2024-04-26T09:30:55Z)
• CARE to Compare: A real-world dataset for anomaly detection in wind turbine data [0.0]
  風力タービンの予測保守分野において,異常検出は重要な役割を担っている。 さまざまなアプローチの比較では、さまざまなドメインのデータで構成されたベンチマーク、アクセス不可能なデータ、あるいは障害に関する詳細な情報を持たない数少ない公開データセットのいずれかが使用されている。 本稿では、3つの異なる風力発電所にわたる36基の風力タービンのデータを含む高品質なデータセットを公表する。
  論文  参考訳（メタデータ） (2024-04-16T07:02:40Z)
• Multi-modal Representation Learning for Cross-modal Prediction of Continuous Weather Patterns from Discrete Low-Dimensional Data [12.25603295884306]
  世界は地球温暖化に寄与する温室効果ガス排出量を減らすため、環境を汚染しないクリーンで再生可能エネルギー源を探している。 風力エネルギーは温室効果ガスの排出を減少させるだけでなく、エネルギー需要の増加に対応する大きな可能性を持っている。 風力エネルギーの有効利用を実現するためには,以下の3つの課題に対処することが重要である。
  論文  参考訳（メタデータ） (2024-01-30T12:03:40Z)
• DC-BENCH: Dataset Condensation Benchmark [79.18718490863908]
  この研究は、データセットの凝縮に関する最初の大規模標準ベンチマークを提供する。 それは、凝縮法の生成可能性と有効性を包括的に反映する一連の評価から成り立っている。 ベンチマークライブラリは、将来の研究とアプリケーションを容易にするためにオープンソース化されている。
  論文  参考訳（メタデータ） (2022-07-20T03:54:05Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Wind Power Projection using Weather Forecasts by Novel Deep Neural Networks [0.0]
  最適化された機械学習アルゴリズムを用いることで、観測結果に隠れたパターンを見つけ、意味のあるデータを得ることができる。 電力曲線を用いた風力予測におけるパラメトリックモデルと非パラメトリックモデルの利用について検討した。
  論文  参考訳（メタデータ） (2021-08-22T17:46:36Z)
• Hidden Biases in Unreliable News Detection Datasets [60.71991809782698]
  データ収集中の選択バイアスがデータセットの望ましくないアーティファクトにつながることを示す。 クリーンスプリットでテストされたすべてのモデルに対して,列車/テストソースの重なりが無く,精度が大幅に低下した(>10%)。 将来的なデータセット生成には、困難/バイアスプローブとしての単純なモデルと、クリーンな非重複サイトと日付分割を使用する将来のモデル開発が含まれることを提案する。
  論文  参考訳（メタデータ） (2021-04-20T17:16:41Z)
• Multi-modal AsynDGAN: Learn From Distributed Medical Image Data without Sharing Private Information [55.866673486753115]
  プライバシーとセキュリティを守るために拡張可能で弾力性のある学習フレームワークを提案します。 提案するフレームワークは分散Asynchronized Discriminator Generative Adrial Networks (AsynDGAN) である。
  論文  参考訳（メタデータ） (2020-12-15T20:41:24Z)
• Building power consumption datasets: Survey, taxonomy and future directions [2.389598109913753]
  本研究は,建築エネルギー消費データセットの数値的および方法論的性質を調査,研究,可視化するために提案される。 地理的な位置,収集期間,監視対象世帯数,収集データのサンプリング率,サブメータ家電数,抽出特徴量,リリース日など,合計31のデータベースを調査・比較した。 新たなデータセット、すなわち、注釈付き消費電力異常検出データセットであるカタール大学データセットが提示されている。
  論文  参考訳（メタデータ） (2020-09-17T10:19:21Z)
• Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
  我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。 これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
  論文  参考訳（メタデータ） (2020-04-23T17:35:11Z)

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。