MétaCan
Menu
Retour à la cohorte
Enregistrement W3020126078 · doi:10.1109/epec47565.2019.9074784

Probabilistic Models for Residential and Commercial Loads with High Time Resolution

2019· article· en· W3020126078 sur OpenAlexaff
Sami M. Alshareef, Walid G. Morsi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésLoad profileProbabilistic logicElectricityConsumption (sociology)Residential areaScale (ratio)Computer scienceEnvironmental scienceEngineeringCivil engineeringArtificial intelligenceGeographyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper develops the annual load profiles for residential load and two types of commercial loads, located at the same climate zone characterized as mixed-marine. Each annual load profile is generated based on a probabilistic approach, in an hourly scale, and assessed based on external validity indices relying on both supervised learning and unsupervised learning. Furthermore, the paper presents a method to increase the daily resolution of each generated profile from 24 samples per day representing 24 hours, to 120 samples in each hour, increasing the daily profile to 2,880 samples. For illustration, the proposed method is applied on the generated residential and one of the commercial load profiles. This study contributes to the literature by developing numerical load profiles for residential and commercial loads. The residential load profile can be used to represent the electricity consumption in the residential sector while the commercial load profiles can be utilized to represent the electricity consumption in the commercial sector.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,283

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 GPT0,183
Écart entre enseignants0,175 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Load and Power ForecastingTravaux en français237 207