کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4969504 1449973 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On the distinctiveness of the electricity load profile
ترجمه فارسی عنوان
در خصوص ویژگی مشخصات بار الکتریکی
کلمات کلیدی
ترجمه چکیده
در حال حاضر دسترسی به داده های الکتریکی با مشخصات دقیق تر، امکان بهره برداری از تکنیک های تشخیص الگو را برای توصیف و تحلیل رفتار مشتریان انرژی فراهم می کند. تجزیه و تحلیل الگوی تشخیص الگوی معمولا در سطح گروه انجام می شود، یعنی با هدف کشف، از طریق تکنیک های خوشه بندی، گروهی از کاربران با یک رفتار منسجم - این امر مفید است برای مثال برای قیمت گذاری هدفمند و یا خرید انرژی جمعی. در این مقاله ما قدم به جلو در این مسیر گام برداشته ایم، به بررسی امکان تبعیض رفتارهای کاربران تک - یعنی به معنای بیومتریک. این جنبه به درستی مورد توجه قرار نگرفته است و راه را برای عملیات حیاتی، مانند طرح بندی طرح های جایگزین تبلیغاتی مبتنی بر هدف گیری رفتاری، هموار می کند. برای بررسی منحصر به فرد پروفیل های بار (یعنی مصرف روزانه انرژی الکتریکی)، در مطالعه ما از داده های خام (سری زمانی مصرف انرژی اصلی) و همچنین انواع مختلفی از ویژگی های مانند ضریب فرکانس و شاخص های شکل بار نرمال ، همراه با طرح های طبقه بندی مختلف. نتایج حاصل از دو مجموعه داده دنیای واقعی نشان می دهد که پروفایل بار دارای اطلاعات متمایز قابل توجهی در مورد کاربر واحد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
The recent increasing availability of fine-grained electrical consumption data allows the exploitation of Pattern Recognition techniques to characterize and analyse the behaviour of energy customers. The Pattern Recognition analysis is typically performed at group level, i.e. with the aim of discovering, via clustering techniques, groups of users with a coherent behaviour - this being useful, for example, for targeted pricing or collective energy purchasing. In this paper we took a step forward along this direction, investigating the possibility of discriminating the behaviours of single users - i.e., in a biometrics sense. This aspect has not been properly addressed and would pave the way to crucial operations, such as the derivation of alternative advertising schemes based on behavioural targeting. To investigate the uniqueness of the load profiles (i.e. the daily consumption of electrical energy), in our study we used the raw data (the original energy consumption time series) as well as different types of features such as frequency coefficients and normalized load shape indexes, together with various classification schemes. Results obtained on two real world datasets suggest that the load profile does contain significant distinctive information about the single user.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 74, February 2018, Pages 317-325
نویسندگان
, , , , ,