論文の概要: Modeling of Annual and Daily Electricity Demand of Retrofitted Heat
Pumps based on Gas Smart Meter Data
- arxiv url: http://arxiv.org/abs/2310.02756v1
- Date: Wed, 4 Oct 2023 11:55:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 15:20:49.339212
- Title: Modeling of Annual and Daily Electricity Demand of Retrofitted Heat
Pumps based on Gas Smart Meter Data
- Title（参考訳）: ガススマートメータデータに基づく再適合ヒートポンプの年次・日次電力需要のモデル化
- Authors: Daniel R. Bayer and Marco Pruckner
- Abstract要約: ガス炉はヨーロッパで一般的な暖房システムである。
ヒートポンプは、既存のガス炉を継続的に置き換えるべきである。
ヒートポンプの運転に必要な電力需要を見積もるためには, 新たなアプローチが必要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently, gas furnaces are common heating systems in Europe. Due to the
efforts for decarbonizing the complete energy sector, heat pumps should
continuously replace existing gas furnaces. At the same time, the
electrification of the heating sector represents a significant challenge for
the power grids and their operators. Thus, new approaches are required to
estimate the additional electricity demand to operate heat pumps. The
electricity required by a heat pump to produce a given amount of heat depends
on the Seasonal Performance Factor (SPF), which is hard to model in theory due
to many influencing factors and hard to measure in reality as the heat produced
by a heat pump is usually not measured. Therefore, we show in this paper that
collected smart meter data forms an excellent data basis on building level for
modeling heat demand and the SPF. We present a novel methodology to estimate
the mean SPF based on an unpaired dataset of heat pump electricity and gas
consumption data taken from buildings within the same city by comparing the
distributions using the Jensen-Shannon Divergence (JSD). Based on a real-world
dataset, we evaluate this novel method by predicting the electricity demand
required if all gas furnaces in a city were replaced by heat pumps and briefly
highlight possible use cases.
- Abstract（参考訳）: 現在、ガス炉はヨーロッパで一般的な暖房システムである。
エネルギー部門全体を脱炭素化する努力のため、ヒートポンプは既存のガス炉を引き続き置き換えるべきである。
同時に、暖房部門の電化は電力グリッドとその運営者にとって大きな課題となっている。
したがって、ヒートポンプを運用するための追加電力需要を見積もるためには、新たなアプローチが必要となる。
熱ポンプが所定の量の熱を発生させるために必要な電気は季節的性能因子(SPF)に依存するが、これは多くの影響要因により理論上はモデル化が困難であり、ヒートポンプが生成する熱を測定できないため実測が困難である。
そこで本論文では,熱需要とSPFをモデル化するためのビルディングレベルに基づいて,スマートメータデータを収集する手法について述べる。
本研究では,jensen-shannon divergence (jsd) を用いた分布を比較することにより,同一都市内の建物から得られたヒートポンプ電力およびガス消費データから平均spfを推定する新しい手法を提案する。
実世界のデータセットに基づいて,都市内のすべてのガス炉がヒートポンプに置き換えられた場合に必要な電力需要を予測し,その利用事例を簡潔に強調することで,この新手法を評価する。
関連論文リスト
- A multi-dimensional unsupervised machine learning framework for clustering residential heat load profiles [2.6726153933903247]
本稿では,暖房負荷プロファイルをクラスタリングするための教師なし機械学習フレームワークを提案する。
プロファイルは,ボイラー使用量,暖房需要量,気象条件,建築特性,ユーザ行動の5次元にわたって分析される。
論文 参考訳（メタデータ） (2024-11-11T13:33:41Z) - Predicting Solar Heat Production to Optimize Renewable Energy Usage [0.0]
本稿では、機械学習を用いて、熱生産を予測するモデルを自動的に構築し、継続的に適用するアプローチを提案する。
本稿では,ソリューションの予測精度について実証実験を行い,これらの結果がエンド・ツー・エンドシステムに与える影響について考察する。
論文 参考訳（メタデータ） (2024-05-16T10:32:39Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Deep Reinforcement Learning for Heat Pump Control [0.0]
本研究は, 模擬環境下でのヒートポンプ制御に深部強化学習を適用した。
MPCのような性能を実現するためにDRLをモデルフリーで適用できることが示せる。
論文 参考訳（メタデータ） (2022-12-24T11:24:08Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - Prediction of Household-level Heat-Consumption using PSO enhanced SVR
Model [5.3580471186206005]
実世界のスマートメーターデータを用いたカーネル支援ベクトル回帰(kSVR)に基づく地域暖房システム(DES)における熱エネルギー消費予測フレームワークを提案する。
平均MAPEは、個々のメートル比予測と社会消費予測で2.07%と2.64%に減少する。
論文 参考訳（メタデータ） (2021-12-03T13:46:16Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - 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) - Baseline Estimation of Commercial Building HVAC Fan Power Using Tensor
Completion [0.5161531917413708]
1つの重要な問題は、需要応答(DR)なしで普及したであろう対事的ベースライン電力消費を見積もることである。
HVACサブコンポーネントのベースライン消費電力を推定するためには,新しい手法が必要である。
本稿では,支配的なファンパワーパターンを捉える能力を利用して,HVACファンパワーをベースライン化する手法を提案する。
論文 参考訳（メタデータ） (2020-04-24T23:03:41Z) - 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。