論文の概要: Constructing dynamic residential energy lifestyles using Latent
Dirichlet Allocation
- arxiv url: http://arxiv.org/abs/2204.10770v1
- Date: Fri, 22 Apr 2022 15:41:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 14:47:22.293302
- Title: Constructing dynamic residential energy lifestyles using Latent
Dirichlet Allocation
- Title（参考訳）: 潜在ディリクレ配置を用いた動的住宅エネルギーライフスタイルの構築
- Authors: Xiao Chen, Chad Zanocco, June Flora, Ram Rajagopal
- Abstract要約: 本研究では, エネルギーライフスタイルの動的アプローチを用いて, 住宅の電力需要を理解するための新しい枠組みを提案し, 検証する。
遅延ディリクレ割当 (LDA) を用いて, 一連の潜伏エネルギー特性を抽出する。
本研究では,6万世帯の1年間の時間ごとのスマートメーターデータを用いて実験を行うことにより,本手法を検証した。
- 参考スコア（独自算出の注目度）: 8.862740157957226
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The rapid expansion of Advanced Meter Infrastructure (AMI) has dramatically
altered the energy information landscape. However, our ability to use this
information to generate actionable insights about residential electricity
demand remains limited. In this research, we propose and test a new framework
for understanding residential electricity demand by using a dynamic energy
lifestyles approach that is iterative and highly extensible. To obtain energy
lifestyles, we develop a novel approach that applies Latent Dirichlet
Allocation (LDA), a method commonly used for inferring the latent topical
structure of text data, to extract a series of latent household energy
attributes. By doing so, we provide a new perspective on household electricity
consumption where each household is characterized by a mixture of energy
attributes that form the building blocks for identifying a sparse collection of
energy lifestyles. We examine this approach by running experiments on one year
of hourly smart meter data from 60,000 households and we extract six energy
attributes that describe general daily use patterns. We then use clustering
techniques to derive six distinct energy lifestyle profiles from energy
attribute proportions. Our lifestyle approach is also flexible to varying time
interval lengths, and we test our lifestyle approach seasonally (Autumn,
Winter, Spring, and Summer) to track energy lifestyle dynamics within and
across households and find that around 73% of households manifest multiple
lifestyles across a year. These energy lifestyles are then compared to
different energy use characteristics, and we discuss their practical
applications for demand response program design and lifestyle change analysis.
- Abstract（参考訳）: 高度メータインフラストラクチャー(ami)の急速な拡張により、エネルギー情報環境は劇的に変化した。
しかし、この情報を利用して住宅の電力需要に関する実効的な洞察を生み出す能力は、まだ限られている。
本研究では,反復的かつ拡張性の高い動的エネルギーライフスタイルアプローチを用いて,住宅の電力需要を理解するための新しい枠組みを提案する。
エネルギーライフスタイルを得るために,テキストデータの潜在トピック構造を推定するために一般的に用いられる手法である潜在ディリクレ割当(lda)を適用し,一連の潜在家庭エネルギー属性を抽出する新しい手法を開発した。
そこで我々は,各世帯にエネルギー特性が混在し,エネルギーライフスタイルのまばらな集合体を識別するためのビルディングブロックを形成する,家庭用電力消費の新たな視点を提供する。
本研究では,6万世帯の1年毎のスマートメータデータを用いて実験を行い,一般利用パターンを記述した6つのエネルギー属性を抽出した。
次に、クラスタリング手法を用いてエネルギー属性比から6つの異なるエネルギーライフスタイルプロファイルを導出する。
我々のライフスタイルアプローチは、時間間隔の変動にも柔軟であり、家庭内および家庭内におけるエネルギーライフスタイルの動態を追跡するために、季節的に生活スタイルのアプローチ(オートゥムン、ウィンター、スプリング、サマー)を検証し、1年間に約73%の世帯が複数のライフスタイルを示すことを発見した。
これらのエネルギーライフスタイルを異なるエネルギー利用特性と比較し、需要応答プログラム設計とライフスタイルの変化分析の実践的応用について議論する。
関連論文リスト
- Real-Time Energy Measurement for Non-Intrusive Well-Being Monitoring of Elderly People -- a Case Study [0.0]
本稿では,高齢者の健康モニタリングのための非侵襲的手法を実証するケーススタディを提案する。
それは私たちのリアルタイムエネルギー測定システムに基づいており、電気メーターに取り付けられた小さなビーコンを使っています。
論文 参考訳（メタデータ） (2024-06-29T20:03:50Z) - Occupancy Detection Based on Electricity Consumption [0.0]
本稿では、低周波電力消費データから住宅が空き時間帯を抽出する新しい手法を提案する。
これは、シミュレーションおよび実消費曲線の両方において、励まされる結果を示す。
論文 参考訳（メタデータ） (2023-12-13T21:49:09Z) - Deep Learning for Energy Time-Series Analysis and Forecasting [42.617834983479796]
エネルギー時系列分析(Energy time-series analysis)は、過去のエネルギー観測とおそらく外的要因を分析し、未来を予測するプロセスを記述する。
広範囲の視覚タスクにおけるDeep Learning(DL)の異常なパフォーマンスに続いて、DLモデルは時系列予測タスクでうまく活用されている。
本稿では,エネルギー時系列予測タスクの性能向上を目的とした多種多様なDL手法について考察する。
論文 参考訳（メタデータ） (2023-06-15T13:41:59Z) - Continually learning out-of-distribution spatiotemporal data for robust
energy forecasting [10.47725405370935]
エネルギー利用は持続可能性の向上と廃棄物の削減に不可欠である。
異常期間におけるエネルギー利用予測は、占有パターンの変化とエネルギー利用行動のために困難である。
オンライン学習はこの課題に対する有望な解決策として浮上した。
提案手法の有効性を検証するために, 6棟の建物からのデータを用いて実験を行った。
論文 参考訳（メタデータ） (2023-06-10T09:12:10Z) - 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) - Adversarial Energy Disaggregation for Non-intrusive Load Monitoring [78.47901044638525]
非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)としても知られるエネルギー分散は、家庭全体の電力消費を家電固有の個人消費に分けるという問題に挑戦する。
近年の進歩は、ディープニューラルネットワーク(DNN)がNILMに有利な性能を得られることを示している。
我々は、エネルギー分散タスクに新しくなったNILMに、敵対的学習の考え方を導入する。
論文 参考訳（メタデータ） (2021-08-02T03:56:35Z) - 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) - A Serious Game Approach for the Electro-Mobility Sector [56.31696262234312]
本稿では,電気自動車の利用を促進するため,電気移動環境におけるSG手法を提案する。
SGの設計は古典的な「ゲーム」の典型的な要素に基づいており、実際のゲームプレイは目的によって異なる。
論文 参考訳（メタデータ） (2020-12-01T13:41:35Z) - Bayesian model of electrical heating disaggregation [68.8204255655161]
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。
論文 参考訳（メタデータ） (2020-11-11T10:05:15Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z)
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。