論文の概要: Effect of electric vehicles, heat pumps, and solar panels on low-voltage feeders: Evidence from smart meter profiles
- arxiv url: http://arxiv.org/abs/2409.18105v1
- Date: Wed, 11 Sep 2024 10:15:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-30 11:54:28.937192
- Title: Effect of electric vehicles, heat pumps, and solar panels on low-voltage feeders: Evidence from smart meter profiles
- Title（参考訳）: 電気自動車、ヒートポンプ、ソーラーパネルが低電圧給電装置に及ぼす影響:スマートメーターによる検証
- Authors: T. Becker, R. Smet, B. Macharis, K. Vanthournout,
- Abstract要約: 低炭素技術(LCT)は高速で低電圧グリッド(LVG)に接続されている。
LVGへの影響を理解するための大きなハードルの1つは、最近の大規模な電力消費データセットの欠如である。
住宅LVG顧客を対象とした42,089個のスマートメータの大規模データセットを用いて,LV供給者のピークの大きさとタイミングに対するLCTの寄与について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electric vehicles (EVs), heat pumps (HPs) and solar panels are low-carbon technologies (LCTs) that are being connected to the low-voltage grid (LVG) at a rapid pace. One of the main hurdles to understand their impact on the LVG is the lack of recent, large electricity consumption datasets, measured in real-world conditions. We investigated the contribution of LCTs to the size and timing of peaks on LV feeders by using a large dataset of 42,089 smart meter profiles of residential LVG customers. These profiles were measured in 2022 by Fluvius, the distribution system operator (DSO) of Flanders, Belgium. The dataset contains customers that proactively requested higher-resolution smart metering data, and hence is biased towards energy-interested people. LV feeders of different sizes were statistically modelled with a profile sampling approach. For feeders with 40 connections, we found a contribution to the feeder peak of 1.2 kW for a HP, 1.4 kW for an EV and 2.0 kW for an EV charging faster than 6.5 kW. A visual analysis of the feeder-level loads shows that the classical duck curve is replaced by a night-camel curve for feeders with only HPs and a night-dromedary curve for feeders with only EVs charging faster than 6.5 kW. Consumption patterns will continue to change as the energy transition is carried out, because of e.g. dynamic electricity tariffs or increased battery capacities. Our introduced methods are simple to implement, making it a useful tool for DSOs that have access to smart meter data to monitor changing consumption patterns.
- Abstract（参考訳）: 電気自動車(EV)、ヒートポンプ(HP)、ソーラーパネル(ソーラーパネル)は、低電圧グリッド(LVG)に高速で接続される低炭素技術(LCT)である。
LVGへの影響を理解するための大きなハードルの1つは、現実の環境で測定された最近の大規模電力消費データセットの欠如である。
住宅LVG顧客を対象とした42,089個のスマートメータの大規模データセットを用いて,LV供給者のピークの大きさとタイミングに対するLCTの寄与について検討した。
これらのプロファイルは2022年にベルギーのフランドル(Flanders)のDSOであるFluviusによって測定された。
このデータセットには、高解像度のスマート計測データを積極的に要求する顧客が含まれており、それによってエネルギーに興味のある人たちに偏っている。
異なる大きさのLVフィードは、プロファイルサンプリングアプローチで統計的にモデル化された。
40接続の給餌者は,HPが1.2kW,EVが1.4kW,EVが2.0kW,充電速度が6.5kW以上であった。
供給者レベルの負荷を視覚的に分析すると、古典的なアヒル曲線は、HPのみの給餌者のための夜間カメラ曲線と、EVのみの充電速度が6.5kW未満の給餌者のための夜間水量曲線に置き換えられている。
例えば、動的電気関税やバッテリー容量の増大などにより、エネルギー移行が進むにつれて消費パターンは変わらず変化し続ける。
導入した手法は実装が簡単で、スマートメーターデータにアクセスして消費パターンの変化を監視するDSOにとって有用なツールである。
関連論文リスト
- Generating peak-aware pseudo-measurements for low-voltage feeders using metadata of distribution system operators [1.885025492232011]
測定装置が多くの低電圧(LV)グリッドにインストールされていないことは緊急の問題である。
本稿では,各供給者のメタデータに基づいて,非測定型LV供給者の擬似測定を推定する手法を提案する。
将来的には、サブステーショントランスのような他のグリッドレベルにも適用できる。
論文 参考訳（メタデータ） (2024-09-29T14:10:43Z) - Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network [1.49199020343864]
本稿では,多成分時間畳み込みネットワーク(MQ-TCN)を用いたEV充電サイトの位置に基づく負荷予測について述べる。
多様なEVユーザタイプを持つ4つの充電所(Caltech, JPL, Office-1, NREL)のデータについて実験を行った。
提案した MQ-TCN モデルでは,JPL 充電現場での日頭負荷予測において,XGBoost モデルよりも28.93% 向上した。
論文 参考訳（メタデータ） (2024-09-18T10:34:48Z) - Faraday: Synthetic Smart Meter Generator for the smart grid [0.0]
本稿では,英国のエネルギー供給業者から3億以上のスマートメーターデータ読取を訓練した変分自動エンコーダ(VAE)モデルを提案する。
将来のエネルギーグリッドをモデル化することに関心のあるグリッドモデラーによる実世界の応用にモデルをどのように利用できるかを示す。
論文 参考訳（メタデータ） (2024-04-05T13:18:10Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - 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) - Solar Power driven EV Charging Optimization with Deep Reinforcement
Learning [6.936743119804558]
電気自動車(EV)や太陽光発電システム(PV)などの分散型エネルギー資源は、住宅用電力システムに継続的に統合されている。
本稿では、クリーンで太陽エネルギーの消費を優先しながら、家庭用EV充電の課題に対処することを目的とする。
論文 参考訳（メタデータ） (2022-11-17T11:52:27Z) - Domain Knowledge Aids in Signal Disaggregation; the Example of the
Cumulative Water Heater [68.8204255655161]
住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。
本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。
我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
論文 参考訳（メタデータ） (2022-03-22T10:39:19Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳（メタデータ） (2021-06-17T00:49:55Z) - Study of a Hybrid Photovoltaic-Wind Smart Microgrid using Data Science
Approach [1.3764085113103222]
6kWp PV + 6kW 風によって構成され、40家族の農村社会に電気を供給する。
太陽放射, 風速, エネルギー需要, 電池バンクの2回の運転からの実データを用いて, 解析データ間のパターン, 季節性, 既存の相関関係について検討した。
これらの分析データは、小型化技術の改善と、スマートマイクログリッドの性能を最適化するためのエネルギー管理の勧告に使用される。
論文 参考訳（メタデータ） (2021-05-14T01:31:23Z) - 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) - 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)
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。