Smart Meter Data Analytics Electricity Consumer Behavior Modeling, Aggregation, and Forecasting /

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ:	Wang, Yi (Հեղինակ), Chen, Qixin (Հեղինակ), Kang, Chongqing (Հեղինակ)
Համատեղ հեղինակ:	SpringerLink (Online service)
Ամփոփում:	XXI, 293 p. 141 illus., 125 illus. in color. text
Լեզու:	անգլերեն
Հրապարակվել է:	Singapore : Springer Nature Singapore : Imprint: Springer, 2020.
Հրատարակություն:	1st ed. 2020.
Խորագրեր:	Energy policy. Energy and state. Electric power production. Power resources. Energy Policy, Economics and Management. Electrical Power Engineering. Natural Resource and Energy Economics.
Առցանց հասանելիություն:	https://doi.org/10.1007/978-981-15-2624-4
Ձևաչափ:	Էլեկտրոնային Գիրք

Բովանդակություն:

Overview for Smart Meter Data Analytics
Smart Meter Data Compression Based on Load Feature Identification
A Combined Data-Driven Approach for Electricity Theft Detection
GAN-based Model for Residential Load Generation
Ensemble Clustering for Individual Electricity Consumption Patterns Extraction
Sparse and Redundant Representation-Based Partial Usage Pattern Extraction
Data-Driven Personalized Price Design in Retail Market Using Smart Meter Data
Deep Learning-Based Socio-demographic Information Identification
Cross-domain Feature Selection and Coding for Household Energy Behavior
Clustering of Electricity Consumption Behavior Dynamics Toward Big Data Applications
Enhancing Short-term Probabilistic Residential Load Forecasting with Quantile LSTM
An Ensemble Forecasting Method for the Aggregated Load With Subprofiles
Prospects of Future Research Issues on Smart Meter Data Analytics.

Նմանատիպ նյութեր