smart meter data | BriefGPT

关键词smart meter data

搜索结果 - 9

ICLRFaraday: 智能电网的合成智能电表生成器
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
PDF3 months ago
面向智能电网负荷预测的隐私保护协作分割学习框架
基于分割学习的负载预测，利用智能电表数据进行训练，将深度神经网络模型分为两个部分，一部分用于每个电网站点的负载预测，另一部分用于服务提供商，从而解决了数据传输、隐私和安全等问题，并通过实验证明该模型在性能和泛化能力方面超越了集中式训练模型，
PDF4 months ago
智能电表数据共享的局部差分隐私
本文提出了一种新颖的局部差分隐私方法（称为 LDP-SmartEnergy），利用滑动窗口和随机响应技术，在不揭示个人用户的设备使用模式的情况下，促进了随时间共享设备级能耗数据。评估结果表明，与基准方法相比，LDP-SmartEnergy
PDF8 months ago
基于机器学习的框架，用于聚类住宅电力负载曲线以提升需求响应计划
通过使用智能电表数据推导的负荷曲线，在实际案例研究中，我们提出了一种新颖的基于机器学习的框架，以实现通过适用于伦敦近 5000 个家庭的数据从而获得最佳负荷剖析。我们应用了四种广泛使用的聚类算法：K-means、K-medoids、层次凝聚
PDF8 months ago
使用低分辨率智能电表数据的混合 Transformer-RNN 架构进行家庭占用检测
我们的研究旨在开发一种在当代生活环境中对住宅占用进行隐私保护和有效检测的模型，利用基于深度学习技术的混合 Transformer-RNN 模型，使用每小时的智能电表数据，在具有不同特征的住户中实现近 92％的准确度，并通过与最先进的模型（包
PDF10 months ago
MMABODE-Net: 一种基于注意力机制的深度学习模型，利用智能电表数据进行非侵入式建筑物占用检测
本文提出了一个利用智能电表数据进行建筑物占用检测的深度学习模型 ABODE-Net，并采用了一种称为 Parallel Attention 的新型并行关注机制，结合时间、变量和通道注意力实现对重要特征的识别。在两个广泛应用于建筑物占用检测的
PDF2 years ago
基于数据驱动的需求响应在线互动竞标策略
本文提出一种使用智能电表数据和功能，同时确定投标和购买策略，基于历史招标经验学习的双代理深度确定性策略梯度方法来优化招标和购买决策，并通过在线学习确保趋势跟踪和自适应，结果表明该模型可以通过离线 / 在线学习投标规则并稳健地进行适当的出价，
PDF2 years ago
KDD使用堆叠非参数贝叶斯方法进行能耗预测
本文针对多个短时间序列数据中的房屋能源消耗预测问题，研究了在非参数高斯过程（GP）框架下的处理方法。文章使用堆叠式 GP 方法处理澳大利亚多个地区的实际数据，得出在有多个短时间序列时，该方法优于其他常用的机器学习技术的预测结果。
PDF4 years ago
上下文监督源分离及其在能源分解中的应用
提出了一种新的单通道源分离框架，采用凸优化方法以无监督的方式来估计不同信号之间的互相关性，应用于智能电表数据的能源分离，达到了比无监督方法更优的分离效果。
PDF11 years ago