論文の概要: Comparison of Forecasting Methods of House Electricity Consumption for Honda Smart Home

• arxiv url: http://arxiv.org/abs/2208.07217v1
• Date: Thu, 11 Aug 2022 19:04:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 13:15:38.546433
• Title: Comparison of Forecasting Methods of House Electricity Consumption for Honda Smart Home
• Title（参考訳）: 本田スマートホームにおける住宅電力消費量予測手法の比較
• Authors: Farshad Ahmadi Asl and Mehmet Bodur
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The electricity consumption of buildings composes a major part of the city's energy consumption. Electricity consumption forecasting enables the development of home energy management systems resulting in the future design of more sustainable houses and a decrease in total energy consumption. Energy performance in buildings is influenced by many factors like ambient temperature, humidity, and a variety of electrical devices. Therefore, multivariate prediction methods are preferred rather than univariate. The Honda Smart Home US data set was selected to compare three methods for minimizing forecasting errors, MAE and RMSE: Artificial Neural Networks, Support Vector Regression, and Fuzzy Rule-Based Systems for Regression by constructing many models for each method on a multivariate data set in different time terms. The comparison shows that SVR is a superior method over the alternatives.
• Abstract（参考訳）: 建物の電力消費は市のエネルギー消費の大きな部分を占めている。 電力消費予測は、より持続可能な住宅の設計と総エネルギー消費の減少をもたらす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、様々な電気機器など多くの要因に影響されている。 したがって、多変量予測手法は不定値よりも好まれる。 予測誤差を最小化するための3つの手法、maeとrmseを比較するために、honda smart home usデータセットが選択された: 人工ニューラルネットワーク、サポートベクター回帰、ファジィルールに基づく回帰のためのファジィルールベースシステム。 比較すると、SVRは代替手段よりも優れた方法である。

関連論文リスト

• AI-Powered Predictions for Electricity Load in Prosumer Communities [0.0]
  本稿では,人工知能を用いた短期負荷予測手法を提案する。 その結果、(負荷予測タスクに適応した)持続的項と回帰的項の組み合わせは、最高の予測精度が得られることがわかった。
  論文  参考訳（メタデータ） (2024-02-21T12:23:09Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Transfer Learning in Transformer-Based Demand Forecasting For Home Energy Management System [4.573008040057806]
  複数の世帯からのデータを活用して、単一世帯の負荷予測を改善することで、トランスファーラーニングがいかに役立つかを分析する。 具体的には、複数の異なる世帯のデータを用いて高度な予測モデルをトレーニングし、限られたデータを持つ新しい家庭でこのグローバルモデルを微調整する。 得られたモデルは、次の24時間(日頭)の家庭の電力消費を15分間の時間分解能で予測するために使用される。
  論文  参考訳（メタデータ） (2023-10-29T21:19:08Z)
• 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)
• Short-term Prediction of Household Electricity Consumption Using Customized LSTM and GRU Models [5.8010446129208155]
  本稿では,GRU (Gated Recurrent Unit) とLong Short-Term Memory (LSTM) アーキテクチャを提案する。 電力消費データセットは家庭ごとのスマートメーターから得られた。
  論文  参考訳（メタデータ） (2022-12-16T23:42:57Z)
• Cascaded Deep Hybrid Models for Multistep Household Energy Consumption Forecasting [5.478764356647437]
  本研究は,多段階家庭電力消費予測のための2つのハイブリッドキャスケードモデルを提案する。 提案したハイブリッドモデルでは,既存のマルチステップ電力消費予測手法よりも優れた予測性能が得られる。
  論文  参考訳（メタデータ） (2022-07-06T11:02:23Z)
• Comparative Analysis of Time Series Forecasting Approaches for Household Electricity Consumption Prediction [3.7458346891274013]
  データマイニングツールであるWekaを使用して、まず、Kaggleのデータサイエンスコミュニティから利用可能な、時間給と日給のエネルギー消費データセットのモデルを適用します。 第2に,大韓民国選択世帯の世帯エネルギー消費を天気データと無気象データを用いて予測するために,時系列予測モデルであるARIMAとVARをピソンに導入した。 以上の結果から,エネルギー消費予測の最良の方法は,多層パーセプトロンとガウスプロセス回帰に続く支持ベクトル回帰であることがわかった。
  論文  参考訳（メタデータ） (2022-07-03T12:16:54Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• 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)
• 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)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。