MétaCan
Menu
Retour à la cohorte
Enregistrement W4389223831 · doi:10.1088/1742-6596/2600/5/052003

Exploring thermostat override behavior during direct load control events

2023· article· en· W4389223831 sur OpenAlexaff
Z. Khorasani Zadeh, Mohamed Ouf, Banihan Günay, Benoit Delcroix, George L. Martin, Ahmed Daoud

Notice bibliographique

RevueJournal of Physics Conference Series · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensHydro-QuébecCarleton UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésThermostatControl (management)Computer scienceCluster analysisEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Direct load control (DLC) is considered a viable solution to promote demand-side energy management, in which the utility provider adjusts consumers’ temperature setpoints via smart thermostats. Users commonly have the option to interrupt DLC and override them by adjusting their thermostat setpoints. However, the occurrence of overrides can have a detrimental impact on the overall efficacy of DLC. The user discomfort and the fact that an override may increase the load unexpectedly on the grid highlight the importance of understanding override mechanisms during DLC and the uncertainty related to occupants’ responses. This study examined user interactions with smart thermostats during DLC events using real-world data from the Ecobee Donate Your Data (DYD) program. According to the results, 35% of DLC was overridden by users, resulting in higher energy consumption during peak periods. A comprehensive analysis of four types of variables was conducted. A decision tree algorithm was used to classify smart thermostat users into two categories: “compliant users,” who rarely override DLC, and “non-compliant users,” who frequently override DLC, based on general information about their behavior and preferences and without any prior DLC experience. Moreover, three distinct types of DLC participants, characterized by their preferences and behaviors, were identified using a clustering algorithm. Classification results provide utilities with insight into where resources and efforts should be allocated to users who are more likely to comply with DLC. Clustering users into different typologies will enable utilities to design targeted and less disruptive DLC better aligned with the needs of DLC participants.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,052
Tête enseignante GPT0,226
Écart entre enseignants0,173 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetSmart Grid Energy ManagementTravaux en français237 207