Fugu-MT 論文翻訳(概要): Back-filling Missing Data When Predicting Domestic Electricity Consumption From Smart Meter Data

論文の概要: Back-filling Missing Data When Predicting Domestic Electricity Consumption From Smart Meter Data

arxiv url: http://arxiv.org/abs/2412.03574v1
Date: Sun, 17 Nov 2024 15:03:59 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-08 09:16:11.104391
Title: Back-filling Missing Data When Predicting Domestic Electricity Consumption From Smart Meter Data
Title（参考訳）: スマートメータデータによる家庭電力消費予測におけるバックフィルデータ
Authors: Xianjuan Chen, Shuxiang Cai, Alan F. Smeaton,
Abstract要約: 本研究は、国内電力スマートメーターのデータを用いて、年間電力料金を1年間見積もる。我々は,1年未満のスマートメーターデータを持つユーザに対して,最大6ヶ月間,データスマートメーターをバックフィルする手法を開発した。我々は,昼,夜,ピーク利用パターンに基づいて,家庭の電力消費ユーザプロファイルを5つ同定した。
参考スコア（独自算出の注目度）: 1.9685736810241874
License:
Abstract: This study uses data from domestic electricity smart meters to estimate annual electricity bills for a whole year. We develop a method for back-filling data smart meter for up to six missing months for users who have less than one year of smart meter data, ensuring reliable estimates of annual consumption. We identify five distinct electricity consumption user profiles for homes based on day, night, and peak usage patterns, highlighting the economic advantages of Time-of-Use (ToU) tariffs over fixed tariffs for most users, especially those with higher nighttime consumption. Ultimately, the results of this study empowers consumers to manage their energy use effectively and to make informed choices regarding electricity tariff plans.
Abstract（参考訳）: 本研究は、国内電力スマートメーターのデータを用いて、年間電力料金を1年間見積もる。我々は,1年未満のスマートメーターデータを持つユーザに対して,最大6ヶ月間,データスマートメーターをバックフィルする方法を開発し,年間消費の信頼性を保証した。我々は、昼、夜、ピーク利用パターンに基づいて、家庭の5つの異なる電力消費ユーザプロファイルを特定し、特に夜間消費が高い家庭では、固定関税よりも、利用時間(ToU)関税が経済的に有利であることを強調した。最終的に、この研究の結果は、消費者がエネルギー利用を効果的に管理し、電気料金プランに関する情報的選択をすることを可能にします。

関連論文リスト

Occupancy Detection Based on Electricity Consumption [0.0]
本稿では、低周波電力消費データから住宅が空き時間帯を抽出する新しい手法を提案する。これは、シミュレーションおよび実消費曲線の両方において、励まされる結果を示す。
論文参考訳（メタデータ） (2023-12-13T21:49:09Z)
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)
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)
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)
MARTINI: Smart Meter Driven Estimation of HVAC Schedules and Energy Savings Based on WiFi Sensing and Clustering [0.0]
建設パラメータに制限されない省エネ対策から省エネポテンシャルを推定するスケーラブルな手法を提案する。本研究では、Wi-Fi由来の占有プロファイルをクラスタリングしてスケジュールを推定し、典型的な/測定負荷プロファイルで観測される昇降時間とセットバック時間をシフトすることで省エネする。ケーススタディでは,7ヶ月以上の5つの建物で平均8.1%-10.8% (夏季) と0.2%-5.9% (降水) の省エネ効果が得られた。
論文参考訳（メタデータ） (2021-10-17T21:41:33Z)
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)
Privacy Protection of Grid Users Data with Blockchain and Adversarial Machine Learning [0.8029049649310213]
世界中のユーティリティーは、今後数年間に3億以上のスマートメーターを設置するために合計で約300億ドルを投資すると報告されている。国全体の展開により、13億近いスマートメーターが配置されます。きめ細かいエネルギー使用量データ収集に関連するこれらのすべての特典は、ユーザーのプライバシーを脅かす。本研究は、スマートメーターから収集した消費者のエネルギー利用データに対するプライバシー侵害について論じる。
論文参考訳（メタデータ） (2021-01-15T21:54:55Z)
Privacy Preserving Demand Forecasting to Encourage Consumer Acceptance of Smart Energy Meters [4.769747792846004]
スマートメーターの設置に関する消費者の大きな懸念を和らげるために、エネルギー需要予測のプライバシー保護の必要性を強調します。高解像度のスマートメーターデータは、占有、習慣、個々の家電の使用など、消費者の家庭の多くのプライベートな側面を露呈することができる。本研究では,負荷予測を可能にするために,様々な規模でのエネルギー需要予測にフェデレーション学習と呼ばれる分散機械学習の応用を提案する。
論文参考訳（メタデータ） (2020-12-14T12:04:34Z)
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)
Avoiding Occupancy Detection from Smart Meter using Adversarial Machine Learning [0.7106986689736826]
本稿では,アタックとしてAdversarial Machine Learning Occupancy Detection Avoidance (AMLODA) フレームワークを導入する。基本的に、提案するプライバシー保護フレームワークは、リアルタイムまたはほぼリアルタイムの電力使用情報を隠すように設計されている。以上の結果から,提案手法はユーザのプライバシを強く支持することを示す。
論文参考訳（メタデータ） (2020-10-23T20:02:48Z)
Lifelong Property Price Prediction: A Case Study for the Toronto Real Estate Market [75.28009817291752]
自動資産評価のための最初の寿命予測モデルであるLuceを提示する。ルースは不動産価格の2つの重要な問題に対処している。トロント不動産市場から得られた大規模な実生活データセットにLuceを適用することで,Luceのメリットを実証する。
論文参考訳（メタデータ） (2020-08-12T07:32:16Z)

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。