ICLRApr, 2024

Faraday: 智能电网的合成智能电表生成器

PDF
TL;DR通过使用合成数据，本文介绍了基于 Variational Auto-encoder (VAE) 模型的 Faraday，该模型通过训练英国一个能源供应商的 3 亿次智能电表数据读数，并结合属性和低碳技术的信息，产生与实际数据相当的家庭负荷曲线，为未来能源网络的网格建模人员提供了实际应用的参考。
smart meter dataflexibilitylow carbon technologiessynthetic dataenergy grids
发现论文，激发创造
  • 利用条件扩散和构建元数据创建合成能源计量数据

    使用相关元数据来生成高质量的合成能源数据的条件扩散模型相比于传统方法表现出更好的性能，具有较低的 Frechet Inception Distance（FID）得分和 Kullback-Leibler divergence（KL 散度）的减少。

    Mar, 2024

  • 智能家居中用于合成数据生成的变分自编码生成对抗网络

    本文提出 VAE-GAN 作为智能电网数据生成模型，能够学习各种数据类型分布并从同一分布生成逼真的样本。实验结果显示，该模型的合成数据比 Vanilla GAN 网络更接近真实数据分布。

    Jan, 2022

  • 智能家居能源管理：VAE-GAN 合成数据集生成器和 Q 学习

    本文介绍了一种基于 VAE-GAN 的生成模型技术以产生智能家居能源消耗的时间序列数据，并探讨了当生成模型与基于 Q 学习的 HEMS 相结合时的性能。实验结果表明，基于 VAE-GAN 生成的合成数据与真实数据分布非常接近，并且可以产生比基准方法更高性能的基于 Q 学习的 HEMS。

    May, 2023

  • 美国高分辨率合成住宅能源使用概况

    本研究发布了一份大规模、合成的、详细的住宅能源使用数据集，该数据集具有高分辨率和可用性，能够深入探究能源消耗方面的问题。

    Oct, 2022

  • 隐私感知的智能电表：进展与挑战

    本文主要介绍了提高用户隐私保护的能源管理技术，它们通过使用可再生能源、需求塑造等物理资源管理实现准确获取能源消费信息，并在保护用户隐私的前提下进行严格的数学分析。

    Feb, 2018

  • 家庭电力数据生成器 (HEDGE): 用于生成电动车、住宅需求和光伏发电量曲线的开放访问工具

    本文介绍了 Home Electricity Data Generator (HEDGE)，一种用于生成真实住宅能源数据的开放访问工具。HEDGE 基于英国真实数据，生成了住宅光伏发电、家庭电负荷、电动车消耗和在家可用性的真实日常数据。我们利用 HEDGE 填补了可用数据的不足，为住宅分布式能源资源特性和协调的研究提供了数据支持。

    Oct, 2023

  • 光伏和风力发电合成预测数据

    本论文提出一个可公开获取的带有真实合成功率数据的时间序列数据集，其中包括 120 个太阳能和 273 个风电站，并使用物理模型和真实气象测量值进行了虚拟电厂的仿真，同时结合物理模型和机器学习模型对天气预报为基础的功率预测进行了评估。

    Apr, 2022

  • EVGen：用于学习电动汽车充电负载和隐藏表示的对抗网络

    本研究利用生成式对抗网络，学习电动汽车充电过程的分布规律，为电网运营商应对交通运输领域向低碳化方向的转型提供一种新型的数据仿真方法.

    Aug, 2021

  • 用物理信息扩散模型生成合成网负荷数据

    本研究提出一种新颖的物理知情扩散模型，用于生成合成的净负荷数据，解决数据稀缺和隐私问题。该模型将物理模型嵌入去噪网络中，提供了一种多功能方法，可以轻松推广到未预料的情景。利用来自 Pecan Street 的真实智能电表数据，我们验证了所提出的方法，并通过与生成对抗网络、变分自动编码器、标准化流以及经过良好校准的基线扩散模型等最先进的生成模型进行了全面的数值研究，使用一套全面的评估指标来评估生成的合成净负荷数据的准确性和多样性。数值研究结果表明，所提出的物理知情扩散模型在所有定量指标上优于最先进的模型，至少提供了 20% 的改进。

    Jun, 2024

  • 深度学习方法生成高保真度多样化的合成电池数据集

    本研究提出了使用深度学习方法来合成高保真度电池数据集的方法以解决数据不足的问题，以帮助电池研究人员建立更好的估算模型。

    Apr, 2023