文献

J-GLOBAL ID：201702282453894742   整理番号：17A0886364

スパースで冗長な表現ベースのスマートメータデータ圧縮およびパターン抽出【Powered by NICT】

Sparse and Redundant Representation-Based Smart Meter Data Compression and Pattern Extraction

著者 (5件)： Wang Yi (State Key Laboratory of Power Systems, Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Chen Qixin (State Key Laboratory of Power Systems, Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Kang Chongqing (State Key Laboratory of Power Systems, Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Xia Qing (State Key Laboratory of Power Systems, Department of Electrical Engineering, Tsinghua University, Beijing, China) ,  Luo Min (Electric Power Research Institute of Guangdong Power Grid Co. Ltd., China Southern Power Grid, Guangzhou, China)
資料名： IEEE Transactions on Power Systems  (IEEE Transactions on Power Systems)
巻： 32  号： 3  ページ： 2142-2151  発行年： 2017年 
JST資料番号： C0872B  ISSN： 0885-8950  CODEN： ITPSEG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スマートメータは,需要応答,エネルギー効率向上,電力価格のようなスマートグリッドの管理・運営の点で重要な役割を果たしている。大規模量のデータは,スマートメータの普及のために収集されている。この文脈で扱わなければならない二つの主要な問題。一つは低コストでスマートメータからのビッグデータの通信と貯蔵である。もう一つはこの大量データセットから有用な情報の効果的な抽出である。本論文では,二相(辞書学習とスパースコーディング)を含む,K-SVDスパース表現法を用いて,負荷プロファイルを分解いくつかの部分使用パターン(PUP)の線形結合,得られた物質を圧縮するスマートメータデータと隠れた電力消費パターンを抽出することを可能にしにすることである。,線形サポートベクトルマシン(SVM)に基づく方法は,負荷プロファイルを分類二群,住宅顧客と中小企業(SMEs),抽出されたパターンに基づくに使用されている。k-平均クラスタリング,離散ウェーブレット変換(DWT),主成分分析(PCA),及び区分的総計近似(PAA)の結果との包括的な比較は,アイルランドの実データセット上で実施した。結果は筆者らの提案技法が圧縮比と分類精度の両方でこれらの方法を凌ぐことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 近似法 ,  電力消費 ,  *データ圧縮 ,  クラスタ化 ,  エネルギー効率 ,  アイルランド ,  線形性 ,  サポートベクトルマシン ,  主成分分析 ,  スマートグリッド
準シソーラス用語： スパース表現 ,  スパースコーディング ,  辞書学習 ,  ビッグデータ ,  *スマートメータ , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 表現 ,  スマートメータ ,  データ圧縮 ,  パターン抽出