論文の概要: Questionnaire-Guided Disaggregation of Energy Appliance Use for Domestic Smart Meter Data

• arxiv url: http://arxiv.org/abs/2610.01297v1
• Date: Thu, 01 Oct 2026 08:32:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.001627
• Title: Questionnaire-Guided Disaggregation of Energy Appliance Use for Domestic Smart Meter Data
• Title（参考訳）: 家庭内スマートメータデータのエネルギー機器利用に関するアンケート調査
• Abstract要約: アイルランドのスマートメータープログラムは、30分間の解像度で電気の使用を記録する。 これはスマートで使い勝手の良い関税の請求に役立ちますが、家庭の家電を入手するには大きすぎるです。 使用データを9つのアプライアンスカテゴリに分割するラベルフリーなデアグリゲーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 4.101514780125658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ireland's smart metering programme records electricity use at 30-minute resolution, with smart meters installed in over 80\% of households as of late 2025. While this is useful for billing of smart, time-of-use tariffs, it is too coarse to capture use of domestic appliances. We present a label-free disaggregation system that breaks usage data into 9 appliance categories by combining event detection for high-power loads with questionnaire-guided estimation. Our evaluation draws on four datasets: a calibration household with a commercial comparator, two public benchmarks (UK-DALE and REFIT) with per-appliance sub-metering, and a smart meter dataset of more than 4,800 years of use from 2,968 Irish consumers. Compared against two independently developed disaggregation systems our hybrid method combining analysis of usage data with questionnaire results, achieves the lowest whole-decomposition error on all buildings across the datasets, with better month-level performance over 54 paired months ($p<0.001$, Holm-corrected). Our method provides useful advice on a household's energy consumption patterns and advice on how to reduce or shift usage on some appliances in order to reduce costs.
• Abstract（参考訳）: アイルランドのスマートメータリングプログラムは、2025年末時点で80%以上の世帯にスマートメータを設置し、30分間の解像度で電気の使用を記録している。 これはスマートで使い勝手の良い関税の請求に役立ちますが、家庭の家電を入手するには大きすぎるです。 本研究では,高電力負荷に対する事象検出とアンケート誘導推定を組み合わせ,使用データを9つのアプライアンスカテゴリに分割するラベルフリーデアグリゲーションシステムを提案する。 評価では,市販のコンパレータを備えた校正室と,アプライアンス単位のサブメーターを備えた2つの公開ベンチマーク(UK-DALEとREFIT),アイルランドの2,968人の消費者から4,800年以上の使用可能なスマートメーターデータセットの4つのデータセットについて検討した。 個別に開発した2つのディスアグリゲーションシステムと比較し, 分析データとアンケート結果を組み合わせたハイブリッド手法により, データセット全体の建物全体の分解誤差が最少であり, 54対(p<0.001$, Holm-corrected)以上の月次性能が向上した。 本手法は, 家庭のエネルギー消費パターンと, 家電機器の使用量を減らし, シフトさせる方法についてのアドバイスを提供する。

関連論文リスト

• DeviceScope: An Interactive App to Detect and Localize Appliance Patterns in Electricity Consumption Time Series [10.862097756793574]
  DeviceScopeは、個々のアプライアンスパターンを検出し、ローカライズすることによって、スマートメーターデータの理解を容易にするインタラクティブツールである。 本システムは,家電のローカライゼーションに弱い教師付きアプローチであるCamALをベースとしている。
  論文  参考訳（メタデータ） (2025-06-06T09:32:38Z)
• Back-filling Missing Data When Predicting Domestic Electricity Consumption From Smart Meter Data [1.9685736810241874]
  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。
  論文  参考訳（メタデータ） (2024-11-17T15:03:59Z)
• xCOMET-lite: Bridging the Gap Between Efficiency and Quality in Learned MT Evaluation Metrics [69.14652127492438]
  xCOMETのような最先端の機械翻訳評価指標は、人間の判断と高い相関性を得るが、大きなエンコーダに依存している。 我々は, 蒸留, 定量化, プルーニング技術を用いて, 効率的なxCOMET代替品を作成する。 量子化により,xCOMETは3倍の圧縮が可能であり,品質劣化は生じない。
  論文  参考訳（メタデータ） (2024-06-20T17:58:34Z)
• Appliance Detection Using Very Low-Frequency Smart Meter Time Series [17.04452539839282]
  近年、スマートグリッドシステムの管理を改善するため、電力供給業者によってスマートメーターが広く採用されている。 これらのメーターは通常、非常に低い周波数(すべての30分)でエネルギー消費データを収集し、ユーティリティーがより正確に顧客に請求することを可能にする。 よりパーソナライズされたレコメンデーションを提供するために、次のステップは、顧客が所有するアプライアンスを検出することです。 本稿では,超低周波スマートメータにおける多種多様な家電の有無の検出に応用した,最先端の時系列分類器の詳細な評価と比較について述べる。
  論文  参考訳（メタデータ） (2023-05-10T10:26:43Z)
• 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)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• 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)
• Energy Disaggregation with Semi-supervised Sparse Coding [0.0]
  エネルギー分解研究は、集約されたエネルギー消費データを部品機器に分解することを目的としている。 本稿では,エネルギー保全のための大規模家庭用電力利用データセットを用いて,スパース符号化に基づく差別的分散モデルの評価を行った。
  論文  参考訳（メタデータ） (2020-04-20T21:05:25Z)

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。