Energy Data Analytics for Smart Meter Data

Reinhardt, Andreas ; Pereira, Lucas

Basel, Switzerland: MDPI - Multidisciplinary Digital Publishing Institute, 2021

Online E-Book - 346

Zugriff:

View record at Directory of Open Access Books (Volltext)

The principal advantage of smart electricity meters is their ability to transfer digitized electricity consumption data to remote processing systems. The data collected by these devices make the realization of many novel use cases possible, providing benefits to electricity providers and customers alike. This book includes 14 research articles that explore and exploit the information content of smart meter data, and provides insights into the realization of new digital solutions and services that support the transition towards a sustainable energy system. This volume has been edited by Andreas Reinhardt, head of the Energy Informatics research group at Technische Universität Clausthal, Germany, and Lucas Pereira, research fellow at Técnico Lisboa, Portugal.

Titel:	Energy Data Analytics for Smart Meter Data
Autor/in / Beteiligte Person:	Reinhardt, Andreas ; Pereira, Lucas
Link:	View record at Directory of Open Access Books (Volltext)
Veröffentlichung:	Basel, Switzerland: MDPI - Multidisciplinary Digital Publishing Institute, 2021
Medientyp:	E-Book
Umfang:	346
ISBN:	978-3-0365-2016-2 (print) ; 978-3-0365-2017-9 (print)
DOI:	10.3390/books978-3-0365-2017-9
Schlagwort:	smart grid nontechnical losses electricity theft detection synthetic minority oversampling technique K-means cluster random forest smart grids smart energy system smart meter GDPR data privacy ethics multi-label learning Non-intrusive Load Monitoring appliance recognition fryze power theory V-I trajectory Convolutional Neural Network distance similarity matrix activation current electric vehicle synthetic data exponential distribution Poisson distribution Gaussian mixture models mathematical modeling machine learning simulation Non-Intrusive Load Monitoring (NILM) NILM datasets power signature electric load simulation data-driven approaches smart meters text convolutional neural networks (TextCNN) time-series classification data annotation non-intrusive load monitoring semi-automatic labeling appliance load signatures ambient influences device classification accuracy NILM signature load disaggregation transients pulse generator smart metering smart power grids power consumption data energy data processing user-centric applications of energy data convolutional neural network energy consumption energy data analytics energy disaggregation real-time smart meter data transient load signature attention mechanism deep neural network electrical energy load scheduling satisfaction Shapley Value solar photovoltaics review deep learning deep neural networks bic Book Industry Communication:T Technology, engineering, agriculture:TB Technology: general issues
Sonstiges:	Nachgewiesen in: Directory of Open Access Books Sprachen: English Document Type: eBook File Description: image/jpeg Language: English Rights: Attribution 4.0 International ; URL: https://creativecommons.org/licenses/by/4.0/ Notes: ONIX_20220111_9783036520162_625

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.