文献

J-GLOBAL ID：202202289813133295   整理番号：22A1060122

短期地平上の建物のエネルギー需要を予測するための低複雑性非侵入アプローチ【JST・京大機械翻訳】

A low-complexity non-intrusive approach to predict the energy demand of buildings over short-term horizons

著者 (11件)： Panagopoulos Athanasios Aris (Department of Computer Science, California State University, Fresno, CA, USA) ,  Christianos Filippos (School of Informatics, The University of Edinburgh, Scotland, UK) ,  Katsigiannis Michail (Department of Industrial and Systems Engineering, Auburn University, Auburn, AL, USA) ,  Mykoniatis Konstantinos (Department of Industrial and Systems Engineering, Auburn University, Auburn, AL, USA) ,  Pritoni Marco (Building Technology and Urban Systems Division, Lawrence Berkeley National Laboratory, Berkeley, CA, USA) ,  Panagopoulos Orestis P. (Department of Management Information Systems, California State University Stanislaus, Turlock, CA, USA) ,  Peffer Therese (California Institute for Energy and Environment, University of California, Berkeley, CA, USA) ,  Chalkiadakis Georgios (School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece) ,  Culler David E. (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, CA, USA) ,  Jennings Nicholas R. (Department of Computing, Imperial College London, London, UK) ,  Lipman Timothy (Transportation Sustainability Research Center, University of California, Berkeley, CA, USA)
資料名： Advances in Building Energy Research  (Advances in Building Energy Research)
巻： 16  号： 2  ページ： 202-213  発行年： 2022年 
JST資料番号： W5755A  ISSN： 1751-2549  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 建物のエネルギー需要の信頼できる,非侵襲的,短期(最大12時間)予測は,インテリジェントエネルギー管理応用の重要な構成要素である。多くのそのようなアプローチを,様々な統計的およびより最近,決定木,ニューラルネットワークおよびサポートベクトルマシンのような機械学習技術を利用して,時間にわたって提案した。重要なことは,これらの作業の全ては,単純な季節自己回帰統合移動平均モデルよりも性能的に優れているが,それらの複雑性はかなり高いことである。本研究では,[数式:原文を参照]までの最新技術の予測精度を改善する新しい低複雑性非侵入アプローチを提案した。本アプローチのバックボーンは,K最近傍探索法であり,最も類似した歴史的日の需要パターンを利用し,適切な時系列前処理と減少を組み入れる。本研究の文脈において,最先端の方法に対するアプローチを評価し,その性能に関する洞察を提供する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 需要 ,  予測 ,  前処理 ,  ニューラルネットワーク ,  精度 ,  ディシジョンツリー ,  エネルギー需要 ,  エネルギー管理 ,  *サポートベクトルマシン ,  近傍探索法
準シソーラス用語： 予測精度 ,  非侵襲 ,  複雑性 ,  低複雑性 ,  自己回帰 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： エネルギー需要 ,  エネルギー消費 ,  予測 ,  スマートビル

分類 (3件)： エネルギー消費・省エネルギー  (LD01000B) ,  人工知能  (JE08000Z) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： 短期 ,  建物 ,  エネルギー需要 ,  予測 ,  低複雑性 ,  侵入