Autor Chen, Qixin
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda
Título : Data Analytics in Power Markets Tipo de documento: documento electrónico Autores: Chen, Qixin, Autor ; Guo, Hongye, Autor ; Zheng, Kedi, Autor ; Wang, Yi, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2021 Número de páginas: XIX, 273 p. 119 ilustraciones, 103 ilustraciones en color. ISBN/ISSN/DL: 978-981-1649752-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: La política energética Energía y estado Aprendizaje automático Electric power production Recursos de energía Economía ambiental Política Economía y Gestión Energética Ingeniería de Energía Eléctrica Economía de los recursos y del medio ambiente Índice Dewey: 333.7 Recursos naturales y energía Resumen: Este libro tiene como objetivo resolver algunos problemas clave en el procedimiento de decisión y optimización para los organizadores del mercado energético y los participantes en enfoques basados en datos. Comienza con una descripción general de los datos del mercado eléctrico y un análisis de sus características e importancia para la compensación del mercado. Luego, la primera parte del libro analiza el problema esencial de la previsión de carga de autobuses desde la perspectiva de los organizadores del mercado. Los trabajos relacionados incluyen modelado de incertidumbre de carga, corrección de datos incorrectos de carga de autobuses y pronóstico de carga mensual. La siguiente parte del libro responde cuánta información se puede obtener a partir de datos públicos en mercados basados en precios marginales localizables (LMP). Introduce temas como la identificación de la congestión, la previsión de precios componentes, la cuantificación del impacto del error de previsión y la inversión en derechos de transmisión financiera. La última parte del libro responde a cómo modelar los complejos comportamientos de oferta del mercado. Los trabajos específicos incluyen extracción de patrones, pronóstico de curvas de oferta agregada, simulación de mercado e identificación de funciones de recompensa en licitaciones. Estos métodos son especialmente útiles para que los organizadores del mercado comprendan los comportamientos de oferta de los participantes del mercado y establezcan políticas esenciales. Beneficiará e inspirará a investigadores, estudiantes de posgrado e ingenieros en campos relacionados. Nota de contenido: Introduction to power market data and their characteristics -- Modeling load forecasting uncertainty using deep learning models -- Data-driven load data cleaning and its impacts on forecasting performance -- Generalized cost-oriented load forecasting in economic dispatch -- A monthly electricity consumption forecasting method -- Data-driven pattern extraction for analyzing market bidding behaviors -- Stochastic optimal offering based on probabilistic forecast on aggregated supply curves -- Power market simulation framework based on learning from individual offering strategy -- Deep inverse reinforcement learning for reward function identification in bidding models -- The subspace characteristics and congestion identification of LMP data -- Online transmission topology identification in LMP-based markets -- Day-ahead componential electricity price forecasting -- Quantifying the impact of price forecasting error on market bidding -- Virtual bidding and FTR speculation based on probabilistic LMP forecasting -- Abnormal detection of LMP scenario and data with deep neural networks. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Data Analytics in Power Markets [documento electrónico] / Chen, Qixin, Autor ; Guo, Hongye, Autor ; Zheng, Kedi, Autor ; Wang, Yi, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XIX, 273 p. 119 ilustraciones, 103 ilustraciones en color.
ISBN : 978-981-1649752--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: La política energética Energía y estado Aprendizaje automático Electric power production Recursos de energía Economía ambiental Política Economía y Gestión Energética Ingeniería de Energía Eléctrica Economía de los recursos y del medio ambiente Índice Dewey: 333.7 Recursos naturales y energía Resumen: Este libro tiene como objetivo resolver algunos problemas clave en el procedimiento de decisión y optimización para los organizadores del mercado energético y los participantes en enfoques basados en datos. Comienza con una descripción general de los datos del mercado eléctrico y un análisis de sus características e importancia para la compensación del mercado. Luego, la primera parte del libro analiza el problema esencial de la previsión de carga de autobuses desde la perspectiva de los organizadores del mercado. Los trabajos relacionados incluyen modelado de incertidumbre de carga, corrección de datos incorrectos de carga de autobuses y pronóstico de carga mensual. La siguiente parte del libro responde cuánta información se puede obtener a partir de datos públicos en mercados basados en precios marginales localizables (LMP). Introduce temas como la identificación de la congestión, la previsión de precios componentes, la cuantificación del impacto del error de previsión y la inversión en derechos de transmisión financiera. La última parte del libro responde a cómo modelar los complejos comportamientos de oferta del mercado. Los trabajos específicos incluyen extracción de patrones, pronóstico de curvas de oferta agregada, simulación de mercado e identificación de funciones de recompensa en licitaciones. Estos métodos son especialmente útiles para que los organizadores del mercado comprendan los comportamientos de oferta de los participantes del mercado y establezcan políticas esenciales. Beneficiará e inspirará a investigadores, estudiantes de posgrado e ingenieros en campos relacionados. Nota de contenido: Introduction to power market data and their characteristics -- Modeling load forecasting uncertainty using deep learning models -- Data-driven load data cleaning and its impacts on forecasting performance -- Generalized cost-oriented load forecasting in economic dispatch -- A monthly electricity consumption forecasting method -- Data-driven pattern extraction for analyzing market bidding behaviors -- Stochastic optimal offering based on probabilistic forecast on aggregated supply curves -- Power market simulation framework based on learning from individual offering strategy -- Deep inverse reinforcement learning for reward function identification in bidding models -- The subspace characteristics and congestion identification of LMP data -- Online transmission topology identification in LMP-based markets -- Day-ahead componential electricity price forecasting -- Quantifying the impact of price forecasting error on market bidding -- Virtual bidding and FTR speculation based on probabilistic LMP forecasting -- Abnormal detection of LMP scenario and data with deep neural networks. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Smart Meter Data Analytics : Electricity Consumer Behavior Modeling, Aggregation, and Forecasting Tipo de documento: documento electrónico Autores: Wang, Yi, Autor ; Chen, Qixin, Autor ; Kang, Chongqing, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2020 Número de páginas: XXI, 293 p. 141 ilustraciones, 125 ilustraciones en color. ISBN/ISSN/DL: 978-981-1526244-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: La política energética Energía y estado Electric power production Recursos de energía Política Economía y Gestión Energética Ingeniería de Energía Eléctrica Economía de los recursos naturales y la energía Índice Dewey: 333.7 Recursos naturales y energía Resumen: Este libro tiene como objetivo hacer el mejor uso de los datos detallados de los medidores inteligentes para procesarlos y traducirlos en información real e incorporarlos al modelado del comportamiento del consumidor y a las operaciones del sistema de distribución. Comienza con una descripción general de los desarrollos recientes en el análisis de datos de medidores inteligentes. Dado que la gestión de datos es la base de un mayor análisis de datos de medidores inteligentes y sus aplicaciones, posteriormente se estudian tres cuestiones sobre la gestión de datos, es decir, la compresión de datos, la detección de anomalías y la generación de datos. Los siguientes trabajos intentan modelar el comportamiento complejo del consumidor. Los trabajos específicos incluyen perfiles de carga, reconocimiento de patrones, diseño de precios personalizados, identificación de información sociodemográfica y codificación del comportamiento del hogar. Sobre esta base, el libro amplía el comportamiento del consumidor en una escala espacial y temporal. Se introducen trabajos como la agregación de consumidores, la previsión de carga individual y la previsión de carga agregada. Esperamos que este libro pueda inspirar a los lectores a definir nuevos problemas, aplicar métodos novedosos y obtener resultados interesantes con datos masivos de medidores inteligentes o incluso otros datos de monitoreo en los sistemas eléctricos. Nota de contenido: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Smart Meter Data Analytics : Electricity Consumer Behavior Modeling, Aggregation, and Forecasting [documento electrónico] / Wang, Yi, Autor ; Chen, Qixin, Autor ; Kang, Chongqing, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2020 . - XXI, 293 p. 141 ilustraciones, 125 ilustraciones en color.
ISBN : 978-981-1526244--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: La política energética Energía y estado Electric power production Recursos de energía Política Economía y Gestión Energética Ingeniería de Energía Eléctrica Economía de los recursos naturales y la energía Índice Dewey: 333.7 Recursos naturales y energía Resumen: Este libro tiene como objetivo hacer el mejor uso de los datos detallados de los medidores inteligentes para procesarlos y traducirlos en información real e incorporarlos al modelado del comportamiento del consumidor y a las operaciones del sistema de distribución. Comienza con una descripción general de los desarrollos recientes en el análisis de datos de medidores inteligentes. Dado que la gestión de datos es la base de un mayor análisis de datos de medidores inteligentes y sus aplicaciones, posteriormente se estudian tres cuestiones sobre la gestión de datos, es decir, la compresión de datos, la detección de anomalías y la generación de datos. Los siguientes trabajos intentan modelar el comportamiento complejo del consumidor. Los trabajos específicos incluyen perfiles de carga, reconocimiento de patrones, diseño de precios personalizados, identificación de información sociodemográfica y codificación del comportamiento del hogar. Sobre esta base, el libro amplía el comportamiento del consumidor en una escala espacial y temporal. Se introducen trabajos como la agregación de consumidores, la previsión de carga individual y la previsión de carga agregada. Esperamos que este libro pueda inspirar a los lectores a definir nuevos problemas, aplicar métodos novedosos y obtener resultados interesantes con datos masivos de medidores inteligentes o incluso otros datos de monitoreo en los sistemas eléctricos. Nota de contenido: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
