MétaCan
Menu
Retour à la cohorte
Enregistrement W1987253469 · doi:10.1109/ccece.2014.6900956

A fuzzy logic system for demand-side load management in residential buildings

2014· article· en· W1987253469 sur OpenAlexaff
Azim Keshtkar, Siamak Arzanpour

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésThermostatDemand responseLoad managementFuzzy logicComputer scienceElectricityLoad balancing (electrical power)Energy managementWirelessDemand sideLoad shiftingEnergy (signal processing)EngineeringElectrical engineeringTelecommunicationsEnvironmental economicsGrid

Résumé

récupéré en direct d'OpenAlex

Participating in demand response has significant advantages for both consumers and electricity producers, i.e., saving on high electricity prices for the user, and helping utilities in peak load curtailment. In this paper, a new concept based on fuzzy logic for demand-side load management in residential buildings is presented. The proposed fuzzy logic rule-based algorithm is developed for four important factors: current outdoor temperature, current load demand, current electricity price, and occupant presence. The approach proposed is the result of integration of wireless sensors and fuzzy logic concept. The approach is applied to existing wireless programmable thermostats to add more intelligence for load reduction in residential buildings by considering the input parameters. To gain better understanding, the wireless programmable thermostat is designed and simulated in Matlab GUI as a simulator. The results show that the system by combining the fuzzy rules reduces the temperature (load reduction) which results in better energy management and conservation in heating/cooling systems. Besides, the method is automatically able to help households to decrease their load during peak price and peak load periods. By considering the user activities in the house, it provides occupant's thermal comfort as well.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,707

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Energy ManagementTravaux en français237 207