Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards MyNewsletter Firmensuche
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Sustainability in Automotive

Gesamtlebenszyklus wird immer wichtiger

In der Digitalkonferenz am 5. Dezember 2024 geht es um die wachsende Bedeutung der Kreislaufwirtschaft in der Automobilindustrie und wie nachhaltige Werkstoffe sowie wiederverwendbare Komponenten dazu beitragen können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

Social Data to Enhance Typical Consumer Energy Profile Estimation on a National Level

verfasst von : Amr Alyafi, Pierre Cauchois, Benoit Delinchant, Alain Berges

Erschienen in: ELECTRIMACS 2022

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Since the electrical grid creation, assessing the electricity demand is essential as we need to match the energy production/demand at all times. Load analysis is essential in improving the reliability and efficiency of the grid. Beside regular human activities, the main impact factor which explains consumption variations is the outside temperature. But there are still unpredictable variations that are mainly coming from arising social events. To build a better understanding of these variations, this work will focus on how to detect these events from social media and how to quantify their impact on residential and professional typical profiles for energy demand.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Modelling and Optimization of Power Allocation and Benefit Sharing in a Local Energy Community
Nächstes Kapitel Small Signal Stability Study for Island Distributed Generation System Controlled by IDA-PBC-IA and Power Decoupled Droop Control
Literatur
1.
Alyafi, Amr Alzouhri, et al. “Differential explanations for energy management in buildings.” 2017 computing conference. IEEE, 2017.
2.
Eid, C., Codani, P., Perez, Y., Reneses, J., & Hakvoort, R. (2016). Managing electric flexibility from Distributed Energy Resources: A review of incentives for market design. Renewable and Sustainable Energy Reviews, 64, 237–247.CrossRef
3.
Duquesne, X., & Thaon, S. (2021). THERMOSENSIBILITY ESTIMATION OF MASS MARKET WITH SMART METERS IN FRANCE.CrossRef
4.
Karsenti, Laurent, and Philippe Daguzan. “Enedis approach for the roll-out of technical smart grid industrial solutions.” CIRED-Open Access Proceedings Journal 2017, no. 1 (2017): 1077–1080.CrossRef
5.
6.
T. Hong, Crystal ball lessons in predictive analytics, EnergyBiz Mag. 12 (2) (2015) 35–37.
7.
Wang, Zeyu, and Ravi S. Srinivasan. “A review of artificial intelligence based building energy use prediction: Contrasting the capabilities of single and ensemble prediction models.” Renewable and Sustainable Energy Reviews 75 (2017): 796–808.CrossRef
8.
Wang, Zeyu, and Ravi S. Srinivasan. “A review of artificial intelligence based building energy prediction with a focus on ensemble prediction models.” 2015 Winter Simulation Conference (WSC). IEEE, 2015.
9.
Zhang, Liang, et al. “A review of machine learning in building load prediction.” Applied Energy 285 (2021): 116452.
10.
A tale of tweets: Analyzing microblogging among language learners,Lomicka, Lara and Lord, Gillian, System,40-1, pages:48–63, year:2012 Elsevier
11.
Trends in twitter hashtag applications: Design features for value-added dimensions to future library catalogues, Chang, Hsia-Ching and Iyer, Hemalata, Library trends, 2012, Johns Hopkins University Press
12.
13.
14.
Glez-Peña, D., Louren¸co, A., López-Fernández, H., Reboiro-Jato, M., & Fdez-Riverola, F. (2014). Web scraping technologies in an API world. Briefings in bioinformatics, 15(5), 788–797.
15.
Chandola, V., Banerjee, A. and Kumar, V., 2009. Anomaly detection: A survey. ACM computing surveys (CSUR), 41(3), pp.1–58.CrossRef
16.
Weisberg, Sanford. Applied linear regression. Vol. 528. John Wiley & Sons, 2005.
17.
Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. “Additive logistic regression: a statistical view of boosting (with discussion and a rejoinder by the authors).” The annals of statistics 28, no. 2 (2000): 337–407.MathSciNetCrossRefMATH
18.
Chen, Tianqi, Tong He, Michael Benesty, Vadim Khotilovich, Yuan Tang, and Hyunsu Cho. “Xgboost: extreme gradient boosting.” R package version 0.4-2 1, no. 4 (2015): 1–4.
19.
Hochreiter, S. and Schmidhuber, J., 1997. Long short-term memory. Neural computation, 9(8), pp.1735–1780.CrossRef
20.
Hua, Y., Zhao, Z., Li, R., Chen, X., Liu, Z. and Zhang, H., 2019. Deep learning with long short-term memory for time series prediction. IEEE Communications Magazine, 57(6), pp.114–119.CrossRef
21.
Metadaten
Titel
Social Data to Enhance Typical Consumer Energy Profile Estimation on a National Level
verfasst von
Amr Alyafi
Pierre Cauchois
Benoit Delinchant
Alain Berges
Copyright-Jahr
2023
Buch
ELECTRIMACS 2022

Print ISBN: 978-3-031-24836-8

Electronic ISBN: 978-3-031-24837-5

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-031-24837-5_27