Smart Meter Data Analytics: Electricity Consumer Behavior Modeling, Aggregation, and Forecasting
Az intelligens mérőeszközök adatelemzésének áttekintése. - Intelligens mérőadatok tömörítése a terhelési jellemzők azonosítása alapján.
- Kombinált adatvezérelt megközelítés a villamosenergia-lopás felderítésére. - GAN-alapú modell a lakossági terhelésgeneráláshoz. - Ensemble Clustering az egyéni villamosenergia-fogyasztási minták kinyeréséhez.
- Ritkított és redundáns reprezentáción alapuló részleges fogyasztási minták kinyerése. - Adatvezérelt személyre szabott ártervezés a kiskereskedelmi piacon intelligens mérőeszközök adatainak felhasználásával. - Mély tanuláson alapuló szocio-demográfiai információk azonosítása.
- Háztartási energiamagatartás tartományokon átívelő jellemzőválasztása és kódolása. - A villamosenergia-fogyasztási viselkedés dinamikájának klaszterezése a nagy adatalkalmazások felé. - Rövid távú valószínűségi lakossági terhelés-előrejelzés javítása kvantilis LSTM-mel.
- Egy együttes előrejelzési módszer az aggregált terhelésre alprofilokkal. - Az intelligens mérőórák adatelemzésének jövőbeli kutatási kérdéseinek kilátásai.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)