論文の概要: LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings

• arxiv url: http://arxiv.org/abs/2203.17256v1
• Date: Wed, 30 Mar 2022 07:30:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 14:08:56.898459
• Title: LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings
• Title（参考訳）: LEAD1.0:商業ビルにおけるエネルギー異常検出のための大規模アノテートデータセット
• Authors: Manoj Gulati and Pandarasamy Arjunan
• Abstract要約: 我々は,1年以上にわたる1,413個のスマート電気メーター時系列を含むASHRAE Great Energy Predictor IIIデータセットの注釈付きバージョンをリリースする。 我々は,8つの最先端異常検出手法の性能をベンチマークし,その性能を比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern buildings are densely equipped with smart energy meters, which periodically generate a massive amount of time-series data yielding few million data points every day. This data can be leveraged to discover the underlying loads, infer their energy consumption patterns, inter-dependencies on environmental factors, and the building's operational properties. Furthermore, it allows us to simultaneously identify anomalies present in the electricity consumption profiles, which is a big step towards saving energy and achieving global sustainability. However, to date, the lack of large-scale annotated energy consumption datasets hinders the ongoing research in anomaly detection. We contribute to this effort by releasing a well-annotated version of a publicly available ASHRAE Great Energy Predictor III data set containing 1,413 smart electricity meter time series spanning over one year. In addition, we benchmark the performance of eight state-of-the-art anomaly detection methods on our dataset and compare their performance.
• Abstract（参考訳）: 現代の建物にはスマートエネルギーメーターが密に備わっており、定期的に大量の時系列データを生成し、毎日数百万のデータポイントを出力している。 これらのデータは、基礎となる負荷の発見、エネルギー消費パターンの推測、環境要因の相互依存、および建物の運用特性の解明に利用することができる。 さらに、省エネと世界的な持続可能性を達成するための大きなステップである、電力消費プロファイルに存在する異常を同時に識別することができる。 しかし、現在までに、大規模なアノテートエネルギー消費データセットの欠如は、異常検出の継続的な研究を妨げる。 我々は,1年以上にわたる1,413個のスマート電気メーター時系列を含むASHRAE Great Energy Predictor IIIデータセットの注釈付きバージョンをリリースすることによって,この取り組みに貢献する。 さらに,8種類の最先端異常検出手法の性能評価を行い,その性能比較を行った。

関連論文リスト

• Gridded Transformer Neural Processes for Large Unstructured Spatio-Temporal Data [47.14384085714576]
  本稿では,非構造化観測を行うための格子状擬似トークンPと,効率的な注意機構を利用する格子状擬似トークンを含むプロセッサを紹介する。 提案手法は,大規模データを含む様々な合成および実世界の回帰タスクにおいて,強いベースラインを一貫して上回る。 実生活実験は気象データに基づいて行われ、気象モデルパイプラインで大規模に適用した場合の性能と計算上の利点をもたらすアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:00:56Z)
• BTS: Building Timeseries Dataset: Empowering Large-Scale Building Analytics [15.525789412274587]
  建築は人間の健康に重要な役割を担い、住民の快適さ、健康、安全、安全に影響を及ぼす。 世界のエネルギー消費に大きく貢献し、総エネルギー使用量の3分の1を占める。 しかし、分析を構築する研究は、複数のビルディング操作におけるアクセス可能で、利用可能な、そして包括的な現実世界のデータセットが欠如していることによって妨げられている。
  論文  参考訳（メタデータ） (2024-06-13T10:38:38Z)
• The Forecastability of Underlying Building Electricity Demand from Time Series Data [1.3757257689932039]
  ビルのエネルギー消費予測は、ビルのエネルギー管理システムにおいて有望な解決策となっている。 建物の将来的なエネルギー需要を予測するデータ駆動のアプローチは、科学文献で見ることができる。 このような建物のエネルギー需要を予測するために利用できる最も正確な予測モデルの同定は依然として困難である。
  論文  参考訳（メタデータ） (2023-11-29T20:47:47Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• High-resolution synthetic residential energy use profiles for the United States [12.699816591560712]
  我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。 データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
  論文  参考訳（メタデータ） (2022-10-14T20:55:10Z)
• Grouped self-attention mechanism for a memory-efficient Transformer [64.0125322353281]
  天気予報、電力消費、株式市場などの現実世界のタスクには、時間とともに変化するデータの予測が含まれる。 時系列データは通常、その周期的特性と時間的長期依存性のために、長いシーケンスで長い観察期間にわたって記録される。 我々はGSA(Grouped Self-Attention)とCCA(Compressed Cross-Attention)の2つの新しいモジュールを提案する。 提案モデルでは,既存の手法に匹敵する計算量と性能の低減が効果的に示された。
  論文  参考訳（メタデータ） (2022-10-02T06:58:49Z)
• 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)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• 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)
• 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。

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。