論文の概要: The Energy Prediction Smart-Meter Dataset: Analysis of Previous
Competitions and Beyond
- arxiv url: http://arxiv.org/abs/2311.04007v1
- Date: Tue, 7 Nov 2023 14:05:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 15:25:47.232134
- Title: The Energy Prediction Smart-Meter Dataset: Analysis of Previous
Competitions and Beyond
- Title（参考訳）: エネルギー予測型スマートメータデータセット--先進コンペの分析と今後の展開
- Authors: Direnc Pekaslan, Jose Maria Alonso-Moral, Kasun Bandara, Christoph
Bergmeir, Juan Bernabe-Moreno, Robert Eigenmann, Nils Einecke, Selvi Ergen,
Rakshitha Godahewa, Hansika Hewamalage, Jesus Lago, Steffen Limmer, Sven
Rebhan, Boris Rabinovich, Dilini Rajapasksha, Heda Song, Christian Wagner,
Wenlong Wu, Luis Magdalena, Isaac Triguero
- Abstract要約: 本稿では,2020年のIEEE Computerutational Intelligence Society (IEEE-CIS) Technical Challenge on Energy Prediction from Smart Meter data (EP) と,2021年のIEEE International Conference on Fuzzy Systems (FUZZ-IEEE) におけるそのフォローアップ課題について述べる。
データセットは3,248個のスマートメーターで構成され、データ可用性は最低1ヶ月から1年間まで様々である。
本稿では,提供された実世界のスマートメーターデータに関する課題,解決方法,および課題を分析し,家庭レベルでの正確な予測を開発し,解釈可能性を評価するための評価基準を導入する。
- 参考スコア（独自算出の注目度）: 7.031661826410534
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents the real-world smart-meter dataset and offers an analysis
of solutions derived from the Energy Prediction Technical Challenges, focusing
primarily on two key competitions: the IEEE Computational Intelligence Society
(IEEE-CIS) Technical Challenge on Energy Prediction from Smart Meter data in
2020 (named EP) and its follow-up challenge at the IEEE International
Conference on Fuzzy Systems (FUZZ-IEEE) in 2021 (named as XEP). These
competitions focus on accurate energy consumption forecasting and the
importance of interpretability in understanding the underlying factors. The
challenge aims to predict monthly and yearly estimated consumption for
households, addressing the accurate billing problem with limited historical
smart meter data. The dataset comprises 3,248 smart meters, with varying data
availability ranging from a minimum of one month to a year. This paper delves
into the challenges, solutions and analysing issues related to the provided
real-world smart meter data, developing accurate predictions at the household
level, and introducing evaluation criteria for assessing interpretability.
Additionally, this paper discusses aspects beyond the competitions:
opportunities for energy disaggregation and pattern detection applications at
the household level, significance of communicating energy-driven factors for
optimised billing, and emphasising the importance of responsible AI and data
privacy considerations. These aspects provide insights into the broader
implications and potential advancements in energy consumption prediction.
Overall, these competitions provide a dataset for residential energy research
and serve as a catalyst for exploring accurate forecasting, enhancing
interpretability, and driving progress towards the discussion of various
aspects such as energy disaggregation, demand response programs or behavioural
interventions.
- Abstract（参考訳）: 本稿では,実世界のスマートメータデータセットについて述べるとともに,ieee computing intelligence society (ieee-cis) technical challenge on energy prediction from smartmeter data in 2020 (ep) と,それに続く2021年のieee international conference on fuzzy systems (fuzz-ieee) (xep) の2つの主要なコンペティションを中心に,エネルギー予測の技術的課題から得られたソリューションの分析を行う。
これらの競争は、正確なエネルギー消費予測と基礎となる要因を理解する上での解釈可能性の重要性に焦点を当てている。
課題は、過去のスマートメータデータに制限のある正確な請求問題に対処するため、家計の月次および年次消費量を予測することにある。
データセットは3,248個のスマートメーターで構成され、データ可用性は最低1ヶ月から1年間まで様々である。
本稿では,実世界のスマートメータデータに関する課題の課題,解決策,分析,家計レベルでの正確な予測,解釈可能性評価のための評価基準の導入について述べる。
さらに,本論文では,家庭レベルでのエネルギー分散とパターン検出の機会,最適化請求におけるエネルギー駆動要因の伝達の重要性,責任あるaiとデータのプライバシ配慮の重要性を強調する。
これらの側面は、エネルギー消費予測における幅広い意味と潜在的な進歩に関する洞察を与える。
総合的に、これらのコンペティションは住宅エネルギー研究のためのデータセットを提供し、正確な予測、解釈可能性の向上、エネルギーの分散、需要対応プログラム、行動介入といった様々な側面の議論に向けた進展を促進する触媒となる。
関連論文リスト
- Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。
このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。
本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。
また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
論文 参考訳（メタデータ） (2024-10-17T18:22:50Z) - A Survey of AI-Powered Mini-Grid Solutions for a Sustainable Future in Rural Communities [0.18783379094746652]
本稿では,統計的手法,機械学習アルゴリズム,ハイブリッドアプローチなど,様々な予測モデルについてレビューする。
Prophet、NeuralProphet、N-BEATSといった公開データセットやツールをモデル実装と検証のために検討している。
この調査は、将来の研究への推奨で締めくくられ、モデル適応と現実世界のアプリケーションへの最適化における課題に対処する。
論文 参考訳（メタデータ） (2024-07-17T20:23:38Z) - F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Exploring Artificial Intelligence Methods for Energy Prediction in
Healthcare Facilities: An In-Depth Extended Systematic Review [0.9208007322096533]
本研究は, 病院ビルのエネルギー消費予測に機械学習と人工知能技術を用いた論文のPRISMAフレームワークを用いた文献レビューを行った。
このレビューでは、エネルギー予測に影響を与えるさまざまなデータ入力が明らかにされ、占有率と気象データが重要な予測因子として出現した。
この発見は、病院のエネルギー消費を最適化するAIの巨大な可能性を浮き彫りにしただけでなく、より包括的できめ細かい研究の必要性も浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-27T13:30:20Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - 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) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - FedREP: Towards Horizontal Federated Load Forecasting for Retail Energy
Providers [1.1254693939127909]
我々は、エネルギー負荷予測のための新しい水平プライバシー保護フェデレーション学習フレームワーク、フェデレーション(FedREP)を提案する。
我々は、複数のREPがデータを共有することなく、共通の堅牢な機械学習モデルを構築することを可能にすることにより、制御センタと複数の小売業者からなる連合学習システムを考える。
予測には、長期の観測シーケンスを学習できるため、最先端のLong Short-Term Memory(LSTM)ニューラルネットワークを使用する。
論文 参考訳（メタデータ） (2022-03-01T04:16:19Z) - Using Google Trends as a proxy for occupant behavior to predict building
energy consumption [0.0]
そこで本研究では,Google Trendsプラットフォーム上でのトピックの検索量を,利用者の行動と建物利用のプロキシとして活用するアプローチを提案する。
その結果、高い相関性を持つGoogle Trendsデータは、建物のサブセット全体のRMSLEエラーを、GEPIIIコンペティションの上位5チームのパフォーマンスのレベルに効果的に低減できることを示した。
論文 参考訳（メタデータ） (2021-10-31T08:05:23Z) - 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。