Real Time Information Based Energy Management Using Customer Preferences and Dynamic Pricing in Smart Homes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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