MétaCan
Menu
Retour à la cohorte
Enregistrement W2467667935 · doi:10.3390/en9070542

Real Time Information Based Energy Management Using Customer Preferences and Dynamic Pricing in Smart Homes

2016· article· en· W2467667935 sur OpenAlexaff
Muhammad Babar Rasheed, Nadeem Javaid, Muhammad Awais, Zahoor Ali Khan, Umar Qasim, Nabil Alrajeh, Zafar Iqbal, Qaisar Javaid

Notice bibliographique

RevueEnergies · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of AlbertaDalhousie University
Organismes subventionnairesKing Saud University
Mots-clésThermostatDemand responseScheduleElectricityComputer scienceEnergy managementOptimization problemHome automationReal-time computingAutomotive engineeringEngineeringEnergy (signal processing)AlgorithmTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents real time information based energy management algorithms to reduce electricity cost and peak to average ratio (PAR) while preserving user comfort in a smart home. We categorize household appliances into thermostatically controlled (tc), user aware (ua), elastic (el), inelastic (iel) and regular (r) appliances/loads. An optimization problem is formulated to reduce electricity cost by determining the optimal use of household appliances. The operational schedules of these appliances are optimized in response to the electricity price signals and customer preferences to maximize electricity cost saving and user comfort while minimizing curtailed energy. Mathematical optimization models of tc appliances, i.e., air-conditioner and refrigerator, are proposed which are solved by using intelligent programmable communication thermostat ( iPCT). We add extra intelligence to conventional programmable communication thermostat (CPCT) by using genetic algorithm (GA) to control tc appliances under comfort constraints. The optimization models for ua, el, and iel appliances are solved subject to electricity cost minimization and PAR reduction. Considering user comfort, el appliances are considered where users can adjust appliance waiting time to increase or decrease their comfort level. Furthermore, energy demand of r appliances is fulfilled via local supply where the major objective is to reduce the fuel cost of various generators by proper scheduling. Simulation results show that the proposed algorithms efficiently schedule the energy demand of all types of appliances by considering identified constraints (i.e., PAR, variable prices, temperature, capacity limit and waiting time).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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 source (Gemma direct ou Codex distillé), 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

Citations85
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetSmart Grid Energy ManagementTravaux en français237 207