74 research outputs found
Identification of the Source(s) of Misinformation Propagation Utilizing Identifying Codes
No full textTechniques de classification pour l'identification et la prédiction non intrusive de l'état des charges dans le bâtiment
No full textSmart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classiffication techniques are implemented usingnovel set of features. Moreover, multi-label classiffers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year.Nous abordons dans ces travaux l'identification non intrusive des chargesdes bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux résidedans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pourautant avoir de limitation sur les modèles comportementaux des charges (variations de charges oumodèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes enmesure d'identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellementcontrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissanceactive agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges etleurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultatsd'identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'applicationà la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus oumoins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tousappropriés à tout type de charge dans le bâtiment résidentiel
Classifcation techniques for non-intrusive load monitoring and prediction of residential loads
No full textNous abordons dans ces travaux l’identification non intrusive des charges des bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux réside dans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pour autant avoir de limitation sur les modèles comportementaux des charges (variations de charges ou modèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes en mesure d’identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellement contrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissance active agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges et leurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultats d’identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'application à la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus ou moins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tous appropriés à tout type de charge dans le bâtiment résidentielSmart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classification techniques are implemented usingnovel set of features. Moreover, multi-label classifiers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year
Techniques avancées de classification pour l'identification et la prédiction non intrusive de l'état des charges dans le bâtiment
No full textSmart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classification techniques are implemented usingnovel set of features. Moreover, multi-label classifiers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year.Nous abordons dans ces travaux l’identification non intrusive des charges des bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux réside dans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pour autant avoir de limitation sur les modèles comportementaux des charges (variations de charges ou modèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes en mesure d’identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellement contrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissance active agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges et leurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultats d’identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'application à la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus ou moins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tous appropriés à tout type de charge dans le bâtiment résidentie
PANEL: Nano, Quantum, and Molecular Computing: Are we Ready for the Validation and Test Challenges?
No full textIn the iecent.years a lot of researcli effort is being spent in the axas ofnanoteclinolop, quansuin conputation. and biologically inspired caiiiputing. As we ar.e faced with var-ious challenges ivgaiding thei
Appliance usage prediction using a time series based classification approach
No full textInternational audienc
Load identification from Power Recordings at Meter Panel in Residential Households
No full textInternational audienceIdentification of electrical appliance usage(s) from the meter panel power reading has become an area of study on its own. Many approaches over the years have used signal processing approaches at a high sampling rate (1 second typically) to evaluate the appliance load signature and subsequently used pattern recognition techniques for identification from a previously trained classifier(s). The proposed approach tries to identify the usage of high power consuming appliance(s) by using the aggregate power consumption at 10 minutes interval from the meter panel. The novelty of the approach lies in using a time series windowing approach which gives addition information about an aggregate power state. The usage of hour of the day as input to the systems also takes into account the temporal behavior of residential users. The usage of Multi-label classification approach for identification is also new for this domain. The model is tested over the IRISE data set and the results are encouraging. Due to its low sampling rate with time stamped aggregate power at 10 minutes scale as the only input from the user, the proposed approach is both practical and affordable
On the most convenient Mixed Strategies in a Mixed Strategist Dynamics Approach for Load Management of Electric Vehicle Fleets
No full textInternational audienceThis manuscript explores the selection of appropriate mixed strategies (MSs) in a Mixed Strategist Dynamics (MSD) application for load management of Plug-in Electric Vehicle (PEV) fleets. This selection is based on the convenience of PEV owners, aiming to choose those MSs that privilege early high (or fast) charging rates when it is possible. The previously published MSD and Maximum Entropy principle (MSD-MEP) approach is revised and illustrated with several examples, specially in the context of selection of MSs. This revision allows a wider understanding of the method, and aims to inspire new contributions on domains where distributed optimization methods are pertinent. Results obtained without any management structure are compared to those obtained with the MSD-MEP approach under different scenarios, where full sets of MSs and reduced sets of convenient MSs are applied. The performance of the method, using conveniently reduced sets of MSs, is tested with real historical active power measurements, provided by the SOREA utility grid company in the region of Savoie, France
- …
