論文の概要: HEAPO -- An Open Dataset for Heat Pump Optimization with Smart Electricity Meter Data and On-Site Inspection Protocols

• arxiv url: http://arxiv.org/abs/2503.16993v1
• Date: Fri, 21 Mar 2025 09:58:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:57:46.394937
• Title: HEAPO -- An Open Dataset for Heat Pump Optimization with Smart Electricity Meter Data and On-Site Inspection Protocols
• Title（参考訳）: HEAPO - スマート電力メータデータとオンサイト検査プロトコルを用いたヒートポンプ最適化のためのオープンデータセット
• Authors: Tobias Brudermueller, Elgar Fleisch, Marina González Vayá, Thorsten Staake,
• Abstract要約: ヒートポンプは住宅の暖房を脱炭酸するのに不可欠であるが、運用コストや電力需要に影響を及ぼすかなりの電気エネルギーを消費する。 スイスのチューリッヒのカントンで,ヒートポンプとスマート電気計を備えた1,408世帯の電力消費のオープンソースデータセットを提案する。
• 参考スコア（独自算出の注目度）: 1.6419846488719232
• License:
• Abstract: Heat pumps are essential for decarbonizing residential heating but consume substantial electrical energy, impacting operational costs and grid demand. Many systems run inefficiently due to planning flaws, operational faults, or misconfigurations. While optimizing performance requires skilled professionals, labor shortages hinder large-scale interventions. However, digital tools and improved data availability create new service opportunities for energy efficiency, predictive maintenance, and demand-side management. To support research and practical solutions, we present an open-source dataset of electricity consumption from 1,408 households with heat pumps and smart electricity meters in the canton of Zurich, Switzerland, recorded at 15-minute and daily resolutions between 2018-11-03 and 2024-03-21. The dataset includes household metadata, weather data from 8 stations, and ground truth data from 410 field visit protocols collected by energy consultants during system optimizations. Additionally, the dataset includes a Python-based data loader to facilitate seamless data processing and exploration.
• Abstract（参考訳）: ヒートポンプは住宅の暖房を脱炭酸するのに不可欠であるが、かなりの電気エネルギーを消費し、運用コストや電力需要に影響を及ぼす。 多くのシステムは、計画上の欠陥、運用上の欠陥、あるいは設定ミスのために非効率に実行される。 パフォーマンスの最適化には熟練した専門家が必要だが、労働力不足は大規模な介入を妨げる。 しかし、デジタルツールとデータ可用性の向上は、エネルギー効率、予測保守、需要側管理のための新しいサービス機会を生み出します。 本研究は,スイスのチューリッヒ州にある1,408世帯を対象に,2018-11-03～2024-03-21の15分間に記録された,ヒートポンプとスマート電気計を備えたオープンソースの電力消費データセットについて述べる。 このデータセットには、システムの最適化中にエネルギーコンサルタントが収集した410のフィールドビジタープロトコルの、家庭のメタデータ、8つのステーションからの天気データ、地上の真実データが含まれている。 さらにデータセットには、シームレスなデータ処理と探索を容易にするPythonベースのデータローダが含まれている。

関連論文リスト

• Distributed Multi-Head Learning Systems for Power Consumption Prediction [59.293903039988884]
  スマートファクトリにおける消費電力予測のための分散マルチヘッド学習(DMH)システムを提案する。 DMHシステムは分散および分割学習として設計され、クライアント間通信コストが削減される。 DMH-Eシステムは最先端システムのエラーを14.5%から24.0%削減する。
  論文  参考訳（メタデータ） (2025-01-21T13:46:23Z)
• Heuristics and Metaheuristics for Dynamic Management of Computing and Cooling Energy in Cloud Data Centers [0.0]
  共同冷却・計算最適化のための新しい電力・熱対応戦略とモデルを提案する。 結果から,メタヒューリスティックアルゴリズムと最適適応アルゴリズムの併用により,グローバルエネルギーを高速かつ軽量な最適化戦略に記述できることが示唆された。 このアプローチにより、コンピューティングと冷却インフラストラクチャの両方を考慮して、データセンターのエネルギー効率を21.74%向上し、サービス品質を維持しながら、最大で21.74%向上できる。
  論文  参考訳（メタデータ） (2023-12-17T09:40:36Z)
• The Forecastability of Underlying Building Electricity Demand from Time Series Data [1.3757257689932039]
  ビルのエネルギー消費予測は、ビルのエネルギー管理システムにおいて有望な解決策となっている。 建物の将来的なエネルギー需要を予測するデータ駆動のアプローチは、科学文献で見ることができる。 このような建物のエネルギー需要を予測するために利用できる最も正確な予測モデルの同定は依然として困難である。
  論文  参考訳（メタデータ） (2023-11-29T20:47:47Z)
• 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)
• Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A Multi-Agent Reinforcement Learning Approach [48.18355658448509]
  生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。 地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。 本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-17T02:12:30Z)
• High-resolution synthetic residential energy use profiles for the United States [12.699816591560712]
  我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。 データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
  論文  参考訳（メタデータ） (2022-10-14T20:55:10Z)
• 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)
• 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)
• AI Chiller: An Open IoT Cloud Based Machine Learning Framework for the Energy Saving of Building HVAC System via Big Data Analytics on the Fusion of BMS and Environmental Data [12.681421165031576]
  建物における省エネルギーと二酸化炭素排出量削減は気候変動対策の鍵となる手段の一つである。 シラーシステムの電力消費の最適化は、機械工学と建築サービス領域で広く研究されてきた。 ビッグデータとAIの進歩により、最適化問題への機械学習の採用が人気を集めている。
  論文  参考訳（メタデータ） (2020-10-09T09:51:03Z)
• 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)
• 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。