Smart Meter Data Analytics: Electricity Consumer Behavior Modeling, Aggregation, and Forecasting
Przegląd analizy danych z inteligentnych liczników. - Kompresja danych z inteligentnych liczników w oparciu o identyfikację cech obciążenia.
- Połączone podejście oparte na danych do wykrywania kradzieży energii elektrycznej. - Model oparty na GAN dla generowania obciążenia mieszkaniowego. - Klasteryzacja Ensemble dla ekstrakcji indywidualnych wzorców zużycia energii elektrycznej.
- Ekstrakcja wzorców częściowego zużycia na podstawie rzadkich i nadmiarowych reprezentacji. - Oparte na danych spersonalizowane projektowanie cen na rynku detalicznym z wykorzystaniem danych z inteligentnych liczników. - Identyfikacja informacji społeczno-demograficznych oparta na głębokim uczeniu.
- Selekcja cech i kodowanie zachowań energetycznych gospodarstw domowych w różnych domenach. - Klasteryzacja dynamiki zużycia energii elektrycznej w kierunku aplikacji Big Data. - Poprawa krótkoterminowego probabilistycznego prognozowania obciążenia budynków mieszkalnych za pomocą kwantylowej LSTM.
- Metoda prognozowania zespołowego dla zagregowanego obciążenia z podprofilami. - Perspektywy przyszłych badań nad analizą danych z inteligentnych liczników.
