論文の概要: High-resolution synthetic residential energy use profiles for the United States

• arxiv url: http://arxiv.org/abs/2210.08103v1
• Date: Fri, 14 Oct 2022 20:55:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 20:40:19.454887
• Title: High-resolution synthetic residential energy use profiles for the United States
• Title（参考訳）: 米国における高分解能合成住宅エネルギー利用状況
• Authors: Swapna Thorve, Young Yun Baek, Samarth Swarup, Henning Mortveit, Achla Marathe, Anil Vullikanti, Madhav Marathe
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.699816591560712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient energy consumption is crucial for achieving sustainable energy goals in the era of climate change and grid modernization. Thus, it is vital to understand how energy is consumed at finer resolutions such as household in order to plan demand-response events or analyze the impacts of weather, electricity prices, electric vehicles, solar, and occupancy schedules on energy consumption. However, availability and access to detailed energy-use data, which would enable detailed studies, has been rare. In this paper, we release a unique, large-scale, synthetic, residential energy-use dataset for the residential sector across the contiguous United States covering millions of households. The data comprise of hourly energy use profiles for synthetic households, disaggregated into Thermostatically Controlled Loads (TCL) and appliance use. The underlying framework is constructed using a bottom-up approach. Diverse open-source surveys and first principles models are used for end-use modeling. Extensive validation of the synthetic dataset has been conducted through comparisons with reported energy-use data. We present a detailed, open, high-resolution, residential energy-use dataset for the United States.
• Abstract（参考訳）: 効率的なエネルギー消費は、気候変動とグリッドの近代化の時代に持続可能なエネルギー目標を達成するために不可欠である。 したがって、需要対応イベントを計画したり、天候、電力価格、電気自動車、太陽、エネルギー消費に対する占有スケジュールの影響を分析したりするために、家庭などの細かい解像度でエネルギーをどのように消費するかを理解することが不可欠である。 しかし、詳細な研究を可能にする詳細なエネルギー利用データへの可用性とアクセスは稀である。 本稿では,米国各地の住宅地を対象とした,大規模・総合的・住宅用エネルギー利用データセットを,数百万世帯を対象に公開する。 データは、合成世帯の時給エネルギー利用プロファイルからなり、温度制御負荷(TCL)に分解され、家電の使用となる。 基盤となるフレームワークはボトムアップアプローチで構築されている。 多様なオープンソースの調査と第一原理モデルがエンドユースモデリングに使われている。 合成データセットの広範な検証は、報告されたエネルギー利用データとの比較を通じて行われている。 米国向けの詳細な、オープンで高解像度の住宅エネルギー利用データセットを提示する。

関連論文リスト

• Knowledge Distillation from Large Language Models for Household Energy Modeling [0.0]
  本稿では,大規模言語モデルをエネルギーモデルに統合し,現実的で文化的に敏感な行動特化データを生成することを提案する。 「四段階の方法論は、文化的なニュアンスな活動、現実的な天候範囲、異なるエネルギーシグネチャを含む文脈的日常生活データを合成する」 得られたデータセットは、文化的、気候的、行動的要因がどのようにして炭素排出量を形成するかについての洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-05T09:43:14Z)
• Enhancing Indoor Temperature Forecasting through Synthetic Data in Low-Data Environments [42.8983261737774]
  合成データ生成のためのSoTA AI を用いたデータ拡張手法の有効性について検討する。 そこで本研究では,実データと合成データの融合戦略を探求し,予測モデルの改善を図る。
  論文  参考訳（メタデータ） (2024-06-07T12:36:31Z)
• Intelligent Duty Cycling Management and Wake-up for Energy Harvesting IoT Networks with Correlated Activity [43.00680041385538]
  本稿では,IoTデバイスが動作を維持するためのエネルギー回収能力に完全に依存する,エネルギーニュートラルなモノのインターネット(IoT)シナリオに対するアプローチを提案する。 我々は,IoTDの動作状態と伝送状態を表現するためにマルコフチェーン,エネルギー回収過程をモデル化する変調ポアソンプロセス,電池状態をモデル化する離散時間マルコフチェーンを使用する。 我々は、エネルギー効率と検出精度のトレードオフを打つことを目的とした、K近傍の近隣住民を対象としたデューティサイクル管理を提案する。
  論文  参考訳（メタデータ） (2024-05-10T10:16:27Z)
• 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)
• Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy [42.00952788334554]
  本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。 コンペティションにおける上位7つのソリューションの比較と評価を行う。 勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
  論文  参考訳（メタデータ） (2022-12-21T02:34:12Z)
• LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings [0.0]
  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。
  論文  参考訳（メタデータ） (2022-03-30T07:30:59Z)
• Intelligent edge-based recommender system for internet of energy applications [2.1874189959020423]
  本稿では,エッジアーキテクチャを用いたホームアシストプラットフォームへのエネルギー効率フレームワークの完全統合について述べる。 エンドユーザは、Home-Assistantユーザインターフェースを使用して、その消費パターンと環境データを視覚化することができる。 より注目すべきは、説明可能な省エネレコメンデーションが、モバイルアプリケーション経由で通知形式でエンドユーザに配信されることだ。
  論文  参考訳（メタデータ） (2021-11-25T23:28:14Z)
• 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 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)
• 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。