論文の概要: Defining a synthetic data generator for realistic electric vehicle charging sessions

• arxiv url: http://arxiv.org/abs/2203.01129v1
• Date: Mon, 28 Feb 2022 11:18:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-04 10:09:53.962767
• Title: Defining a synthetic data generator for realistic electric vehicle charging sessions
• Title（参考訳）: リアルな電気自動車充電セッションのための合成データ生成装置の定義
• Authors: Manu Lahariya and Dries Benoit and Chris Develder
• Abstract要約: 電気自動車(EV)充電ステーションは、近年電力網で顕著になっている。 しかし、そのようなEVセッションデータの可用性の制限は、これらの分野でのさらなる発展を妨げる。 我々はEV充電セッションのための合成データ生成装置を開発した。
• 参考スコア（独自算出の注目度）: 6.37470346908743
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electric vehicle (EV) charging stations have become prominent in electricity grids in the past years. Analysis of EV charging sessions is useful for flexibility analysis, load balancing, offering incentives to customers, etc. Yet, the limited availability of such EV sessions data hinders further development in these fields. Addressing this need for publicly available and realistic data, we develop a synthetic data generator (SDG) for EV charging sessions. Our SDG assumes the EV inter-arrival time to follow an exponential distribution. Departure times are modeled by defining a conditional probability density function (pdf) for connection times. This pdf for connection time and required energy is fitted by Gaussian mixture models. Since we train our SDG using a large real-world dataset, its output is realistic.
• Abstract（参考訳）: 電気自動車(EV)充電ステーションは、近年電力網で顕著になっている。 EV充電セッションの分析は、柔軟性の分析、ロードバランシング、顧客へのインセンティブの提供などに役立ちます。 しかし、そのようなEVセッションデータの可用性の制限は、これらの分野でのさらなる発展を妨げる。 一般公開され、現実的なデータの必要性に対処し、ev充電セッション用の合成データジェネレータ(sdg)を開発します。 我々のSDGは、EVの車間時間を指数分布に従うと仮定する。 出発時間は接続時間に対して条件付き確率密度関数(pdf)を定義することでモデル化される。 この接続時間と必要なエネルギーに関するpdfは、ガウス混合モデルに適合する。 大規模な実世界のデータセットを使ってSDGをトレーニングしているので、その出力はリアルです。

関連論文リスト

• Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network [1.49199020343864]
  本稿では,多成分時間畳み込みネットワーク(MQ-TCN)を用いたEV充電サイトの位置に基づく負荷予測について述べる。 多様なEVユーザタイプを持つ4つの充電所(Caltech, JPL, Office-1, NREL)のデータについて実験を行った。 提案した MQ-TCN モデルでは,JPL 充電現場での日頭負荷予測において,XGBoost モデルよりも28.93% 向上した。
  論文  参考訳（メタデータ） (2024-09-18T10:34:48Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge [0.0]
  Smarter Mobility Data Challengeは、EV充電ステーションの占有率を予測する予測モデルの開発に注力している。 この課題は、2020年から2021年の間に4つの地理的領域にわたる91の充電ステーションのデータセットを分析した。 その結果、EV充電ステーションの占有率を正確に予測するための階層的予測手法の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2023-06-09T07:22:18Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)
• EVGen: Adversarial Networks for Learning Electric Vehicle Charging Loads and Hidden Representations [4.273017002805776]
  我々は、電気自動車(EV)の充電セッションと非絡み合い表現を学ぶために、GAN(Generative Adversarial Network)を開発した。 このモデル構造は,非ラベル付き時間・電力パターンのパラメータ化に成功し,これらのパラメータを条件とした合成データを生成することができることを示す。
  論文  参考訳（メタデータ） (2021-08-09T00:23:47Z)
• Analyzing the Travel and Charging Behavior of Electric Vehicles -- A Data-driven Approach [1.7403133838762446]
  電気自動車(EV)は電力システムにかなりの電力需要をもたらす可能性がある。 本プロジェクトでは,全国住宅ホルドサーベイ(NHTS)データを用いて旅行の順序を定めている。 我々は、旅行開始時間、終了時間、距離など、ドライバーの次の旅行のパラメータを予測する機械学習モデルを開発する。
  論文  参考訳（メタデータ） (2021-06-11T15:53:59Z)
• Short-term forecast of EV charging stations occupancy probability using big data streaming analysis [0.0]
  本稿では,充電インフラからのデータストリームを処理可能なアーキテクチャを提案する。 最終目標は、現在から数分後に充電ステーションの可利用性を予測することである。 ストリーミングモデルは、履歴データのみを使用してトレーニングされたモデルよりもパフォーマンスがよい。
  論文  参考訳（メタデータ） (2021-04-26T12:03:02Z)
• Principal Component Density Estimation for Scenario Generation Using Normalizing Flows [62.997667081978825]
  低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。 当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
  論文  参考訳（メタデータ） (2021-04-21T08:42:54Z)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。