論文の概要: A semantic web approach to uplift decentralized household energy data
- arxiv url: http://arxiv.org/abs/2208.10265v1
- Date: Thu, 18 Aug 2022 17:21:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 12:47:44.399354
- Title: A semantic web approach to uplift decentralized household energy data
- Title（参考訳）: 分散型家庭エネルギーデータのためのセマンティックwebアプローチ
- Authors: Jiantao Wu, Fabrizio Orlandi, Tarek AlSkaif, Declan O'Sullivan, and
Soumyabrata Dev
- Abstract要約: この分野の多くのデータベースは、エネルギーに関する情報を含む他の領域からサイロ化されている。
これにより、各機器のエネルギー消費に関する情報(テクストなど)が失われる可能性がある。
本稿では,家庭用エネルギーシステム上でのセマンティックWeb手法を検討することにより,スマートエネルギーシステムにおけるデータ分離問題に取り組む。
- 参考スコア（独自算出の注目度）: 4.233200689119682
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a decentralized household energy system comprised of various devices such
as home appliances, electric vehicles, and solar panels, end-users are able to
dig deeper into the system's details and further achieve energy sustainability
if they are presented with data on the electric energy consumption and
production at the granularity of the device. However, many databases in this
field are siloed from other domains, including solely information pertaining to
energy. This may result in the loss of information (\textit{e.g.} weather) on
each device's energy use. Meanwhile, a large number of these datasets have been
extensively used in computational modeling techniques such as machine learning
models. While such computational approaches achieve great accuracy and
performance by concentrating only on a local view of datasets, model
reliability cannot be guaranteed since such models are very vulnerable to data
input fluctuations when information omission is taken into account. This
article tackles the data isolation issue in the field of smart energy systems
by examining Semantic Web methods on top of a household energy system. We offer
an ontology-based approach for managing decentralized data at the device-level
resolution in a system. As a consequence, the scope of the data associated with
each device may easily be expanded in an interoperable manner throughout the
Web, and additional information, such as weather, can be obtained from the Web,
provided that the data is organized according to W3C standards.
- Abstract（参考訳）: 家電製品、電気自動車、ソーラーパネルなどの各種機器からなる分散型家庭用エネルギーシステムにおいて、エンドユーザーはシステムの詳細を深く掘り下げ、デバイスの粒度における電力消費と生産に関するデータを提示した場合に、さらにエネルギー持続可能性を達成することができる。
しかし、この分野の多くのデータベースは、エネルギーに関する情報を含む他の領域からサイロ化されている。
これにより、各デバイスのエネルギー使用に関する情報(例えば天気)が失われる可能性がある。
一方、これらのデータセットの多くは、機械学習モデルのような計算モデリング技術で広く使われている。
このような計算手法は,データセットの局所的なビューのみに集中することにより,精度と性能が向上するが,情報の欠落を考慮した場合,データ入力変動に非常に脆弱であるため,モデルの信頼性は保証できない。
本稿では,家庭エネルギーシステム上のセマンティックweb手法を検討することで,スマートエネルギーシステムの分野におけるデータ分離問題に取り組む。
システム内のデバイスレベルの解像度で分散データを管理するためのオントロジーベースのアプローチを提供する。
その結果、各デバイスに関連付けられたデータのスコープをWeb全体で相互運用可能な方法で容易に拡張することができ、W3C標準に従ってデータを整理された場合、Webから天気などの追加情報を得ることができる。
関連論文リスト
- Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - An IoT Cloud and Big Data Architecture for the Maintenance of Home
Appliances [0.0722732388409495]
この作業は分散型でスケーラブルなプラットフォームアーキテクチャを導入し、効率的なビッグデータ収集と分析のためにデプロイすることができる。
提案システムは,家電製品の予測保守のためのケーススタディで検証された。
実験結果から,提案システムは実世界のIoTシナリオに費用対効果と局所的なアプローチで対処する上で有用であることが示された。
論文 参考訳（メタデータ） (2022-10-25T13:25:00Z) - Automated Extraction of Energy Systems Information from Remotely Sensed
Data: A Review and Analysis [10.137044808866053]
高品質なエネルギーシステム情報は、エネルギーシステムの研究、モデリング、意思決定にとって重要な入力である。
近年、リモートセンシングされたデータは、エネルギーシステム情報の豊富な情報源として浮上している。
機械学習の最近の進歩は、有用な情報の自動化と迅速な抽出を可能にしている。
論文 参考訳（メタデータ） (2022-02-18T14:38:49Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Energy efficient distributed analytics at the edge of the network for
IoT environments [0.4898659895355355]
フォグコンピューティングのパラダイムを利用して、データが生成される場所に近づく。
分散学習フレームワークのさまざまな構成のパフォーマンスを分析します。
論文 参考訳（メタデータ） (2021-09-23T14:07:33Z) - Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。
提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
論文 参考訳（メタデータ） (2021-03-22T21:22:51Z) - A Framework for Energy and Carbon Footprint Analysis of Distributed and
Federated Edge Learning [48.63610479916003]
本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。
バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。
その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
論文 参考訳（メタデータ） (2021-03-18T16:04:42Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳（メタデータ） (2020-12-08T17:26:10Z) - A robust modeling framework for energy analysis of data centers [0.0]
データセンターはエネルギー集約型であり、電力需要が大きく成長している。
現在のモデルでは、データセンターに対して一貫した高次元エネルギー分析を提供していない。
本研究の目的は,政策立案者やデータセンタエネルギーアナリストに対して,データセンターエネルギーの利用状況と効率性に関する包括的理解を提供することである。
論文 参考訳（メタデータ） (2020-06-11T21:05:20Z) - 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) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。