論文の概要: A synthetic dataset of French electric load curves with temperature conditioning
- arxiv url: http://arxiv.org/abs/2504.14046v1
- Date: Fri, 18 Apr 2025 19:28:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 05:39:40.709385
- Title: A synthetic dataset of French electric load curves with temperature conditioning
- Title（参考訳）: 温度条件付きフランスの電気負荷曲線の合成データセット
- Authors: Tahar Nabil, Ghislain Agoua, Pierre Cauchois, Anne De Moliner, Benoît Grossin,
- Abstract要約: 本稿では,条件付き潜伏拡散によって生成された新しい合成負荷曲線データセットを提案する。
また, 発電に使用する契約電力, 使用時間, 局部温度も提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The undergoing energy transition is causing behavioral changes in electricity use, e.g. with self-consumption of local generation, or flexibility services for demand control. To better understand these changes and the challenges they induce, accessing individual smart meter data is crucial. Yet this is personal data under the European GDPR. A widespread use of such data requires thus to create synthetic realistic and privacy-preserving samples. This paper introduces a new synthetic load curve dataset generated by conditional latent diffusion. We also provide the contracted power, time-of-use plan and local temperature used for generation. Fidelity, utility and privacy of the dataset are thoroughly evaluated, demonstrating its good quality and thereby supporting its interest for energy modeling applications.
- Abstract（参考訳）: 進行中のエネルギー移行は、電力使用の行動変化を引き起こしている。例えば、地域発電の自己消費や、需要管理のための柔軟性サービスである。
これらの変化とそれらが引き起こす課題をより深く理解するためには、個々のスマートメーターデータにアクセスすることが重要です。
しかし、これは欧州GDPRの個人データである。
このようなデータを広く利用するには、合成現実的でプライバシー保護のサンプルを作成する必要がある。
本稿では,条件付き潜伏拡散によって生成された新しい合成負荷曲線データセットを提案する。
また, 発電に使用する契約電力, 使用時間, 局部温度も提供する。
データセットの忠実度、実用性、プライバシを徹底的に評価し、優れた品質を示し、エネルギーモデリングアプリケーションへの関心を裏付ける。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Differentially Private Publication of Electricity Time Series Data in Smart Grids [8.87717126222646]
地理的地域における電力消費の時系列は、消費者の行動研究やエネルギー政策決定の指針となる貴重なデータ源である。
しかし、そのようなデータの公開は、個人の習慣やライフスタイルに関する繊細な詳細を明らかにする可能性があるため、重要なプライバシー問題を引き起こす。
本稿では,DP 準拠の電力消費データ公開のための新手法である EmT (S Private Timeseries) を紹介する。
論文 参考訳（メタデータ） (2024-08-24T23:30:09Z) - 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) - Creating synthetic energy meter data using conditional diffusion and building metadata [0.0]
本研究では,関連メタデータを用いて高品質な合成エネルギーデータを生成する条件拡散モデルを提案する。
様々な建物や国から1,828個のパワーメーターからなるデータセットを用いて、従来の手法と比較する。
その結果,FID(Frechet Inception Distance)スコアは36%,KL(Kulback-Leibler divergence)は13%低下した。
論文 参考訳（メタデータ） (2024-03-31T01:58:38Z) - Federated Learning Empowered by Generative Content [55.576885852501775]
フェデレートラーニング(FL)は、プライバシ保護方法でモデルのトレーニングに分散プライベートデータを活用可能にする。
本稿では,FedGCと呼ばれる新しいFLフレームワークを提案する。
我々は、さまざまなベースライン、データセット、シナリオ、モダリティをカバーする、FedGCに関する体系的な実証的研究を行う。
論文 参考訳（メタデータ） (2023-12-10T07:38:56Z) - Home Electricity Data Generator (HEDGE): An open-access tool for the
generation of electric vehicle, residential demand, and PV generation
profiles [0.0]
Home Electricity Data Generator (HEDGE)は、現実的な住宅エネルギーデータをランダムに生成するためのオープンアクセスツールである。
住宅用太陽光発電、家庭用電気負荷、電気自動車の消費および家庭での可用性に関する現実的な日々のプロファイルを生成する。
次に、GAN(Generative Adversarial Network)を訓練し、各行動群を代表する現実的な合成データを生成する。
論文 参考訳（メタデータ） (2023-10-02T21:51:42Z) - 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) - Synthetic data, real errors: how (not) to publish and use synthetic data [86.65594304109567]
生成過程が下流MLタスクにどのように影響するかを示す。
本稿では、生成プロセスモデルパラメータの後方分布を近似するために、Deep Generative Ensemble (DGE)を導入する。
論文 参考訳（メタデータ） (2023-05-16T07:30:29Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - 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) - 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)
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。