論文の概要: Home Electricity Data Generator (HEDGE): An open-access tool for the
generation of electric vehicle, residential demand, and PV generation
profiles
- arxiv url: http://arxiv.org/abs/2310.01661v1
- Date: Mon, 2 Oct 2023 21:51:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 18:38:41.733331
- Title: Home Electricity Data Generator (HEDGE): An open-access tool for the
generation of electric vehicle, residential demand, and PV generation
profiles
- Title(参考訳): Home Electricity Data Generator (HEDGE): 電気自動車、住宅需要、およびPV生成プロファイルのオープンアクセスツール
- Authors: Flora Charbonnier, Thomas Morstyn, Malcolm McCulloch
- Abstract要約: Home Electricity Data Generator (HEDGE)は、現実的な住宅エネルギーデータをランダムに生成するためのオープンアクセスツールである。
住宅用太陽光発電、家庭用電気負荷、電気自動車の消費および家庭での可用性に関する現実的な日々のプロファイルを生成する。
次に、GAN(Generative Adversarial Network)を訓練し、各行動群を代表する現実的な合成データを生成する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we present the Home Electricity Data Generator (HEDGE), an
open-access tool for the random generation of realistic residential energy
data. HEDGE generates realistic daily profiles of residential PV generation,
household electric loads, and electric vehicle consumption and at-home
availability, based on real-life UK datasets. The lack of usable data is a
major hurdle for research on residential distributed energy resources
characterisation and coordination, especially when using data-driven methods
such as machine learning-based forecasting and reinforcement learning-based
control. A key issue is that while large data banks are available, they are not
in a usable format, and numerous subsequent days of data for a given single
home are unavailable. We fill these gaps with the open-access HEDGE tool which
generates data sequences of energy data for several days in a way that is
consistent for single homes, both in terms of profile magnitude and behavioural
clusters. From raw datasets, pre-processing steps are conducted, including
filling in incomplete data sequences and clustering profiles into behaviour
clusters. Generative adversarial networks (GANs) are then trained to generate
realistic synthetic data representative of each behaviour groups consistent
with real-life behavioural and physical patterns.
- Abstract(参考訳): 本稿では,現実的な住宅エネルギーデータをランダムに生成するためのオープンアクセスツールであるHome Electricity Data Generator (HEDGE)を提案する。
HEDGEは、実生活の英国データセットに基づいて、住宅用PV生成、家庭用電力負荷、電気自動車の消費と家庭での可用性の現実的な日々のプロファイルを生成する。
使用可能なデータの欠如は、特に機械学習ベースの予測や強化学習ベースの制御といったデータ駆動手法を使用する場合、住宅用分散エネルギー資源の特徴付けと調整に関する研究において大きなハードルとなる。
大きな問題は、大規模なデータバンクが利用可能だが、使用可能なフォーマットではなく、その後数日間の特定の単一家庭のデータが利用できないことだ。
これらのギャップをオープンアクセスのHEDGEツールで埋める。これは、プロファイルの規模と行動クラスタの両方において、単一の家庭で一貫した方法で、数日間にわたってエネルギーデータのデータシーケンスを生成する。
生データセットから、不完全なデータシーケンスやクラスタリングプロファイルを振る舞いクラスタに埋め込むなど、前処理のステップが実行される。
次に、GAN(Generative Adversarial Network)を訓練し、実際の行動パターンと物理パターンに整合した各行動群を表す現実的な合成データを生成する。
関連論文リスト
- Open-sourced Data Ecosystem in Autonomous Driving: the Present and
Future [131.69699438604533]
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) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time
Series [79.64785804590821]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳(メタデータ) (2023-05-19T10:11:21Z) - Smart Home Energy Management: VAE-GAN synthetic dataset generator and
Q-learning [15.995891934245334]
本稿では,スマートホームにおけるエネルギー消費に関する時系列データを生成するための,変分自動エンコーダ生成対向ネットワーク(VAE-GAN)手法を提案する。
実世界のスマートホームデータを用いて,Qラーニングに基づくHEMSのオンラインパフォーマンスを検証した。
論文 参考訳(メタデータ) (2023-05-14T22:22:16Z) - Leveraging the Potential of Novel Data in Power Line Communication of
Electricity Grids [0.5399800035598186]
電力網は、日常生活において気づかないことが多いとしても、日常生活において不可欠な部分となっている。
本稿では、ブロードバンド電力線通信インフラにおける計測に基づく2つの第一種データセットを提案する。
両方のデータセットFiN-1とFiN-2は、約440万人を供給しているドイツの低電圧グリッドの一部で実運用中に収集された。
論文 参考訳(メタデータ) (2022-09-23T11:37:02Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - Learning Task-Aware Energy Disaggregation: a Federated Approach [1.52292571922932]
非侵入負荷監視(NILM)は、集約されたメーター測定に基づいて、個々のデバイスの消費電力プロファイルを見つけることを目的としている。
しかし、そのような住宅負荷データセットの収集には、膨大な努力と顧客による計測データの共有の承認が必要である。
NILMタスクのための分散型・タスク適応型学習手法を提案し,タスク固有のモデルを総合的に学習するためのネスト型メタ学習とフェデレーション型学習ステップを設計する。
論文 参考訳(メタデータ) (2022-04-14T05:53:41Z) - Defining a synthetic data generator for realistic electric vehicle
charging sessions [6.37470346908743]
電気自動車(EV)充電ステーションは、近年電力網で顕著になっている。
しかし、そのようなEVセッションデータの可用性の制限は、これらの分野でのさらなる発展を妨げる。
我々はEV充電セッションのための合成データ生成装置を開発した。
論文 参考訳(メタデータ) (2022-02-28T11:18:40Z) - Principal Component Density Estimation for Scenario Generation Using
Normalizing Flows [62.997667081978825]
低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。
当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
論文 参考訳(メタデータ) (2021-04-21T08:42:54Z) - Deep Transformer Networks for Time Series Classification: The NPP Safety
Case [59.20947681019466]
時間依存nppシミュレーションデータをモデル化するために、教師付き学習方法でトランスフォーマと呼ばれる高度なテンポラルニューラルネットワークを使用する。
トランスはシーケンシャルデータの特性を学習し、テストデータセット上で約99%の分類精度で有望な性能が得られる。
論文 参考訳(メタデータ) (2021-04-09T14:26:25Z) - 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) - 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)
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。