Core Concepts
Ein konditioniertes Diffusionsmodell kann hochwertige synthetische Energiedaten unter Verwendung relevanter Metadaten erzeugen.
Abstract
Die Studie stellt einen neuartigen meta-getriebenen generativen Modellierungsansatz zur Synthese hochqualitativer, langfristiger Gebäudeenergieverbräuche vor. Drei konditionale generative Modelle wurden implementiert und evaluiert: Conditional VAE, Conditional GAN und ein maßgeschneidertes Diffusionsmodell. Die quantitative Analyse und visuelle Inspektion der synthetischen Zählerdaten, die unter Verwendung des BDG2-Datensatzes erzeugt wurden, zeigen die Überlegenheit des vorgeschlagenen Diffusionsmodells bei der genauen Erfassung komplexer statistischer Eigenschaften und zeitlicher Dynamiken. Insbesondere übertrifft das Modell die Konkurrenz bei Diversität und Treue, mit bemerkenswerten Verbesserungen von 36% beim FID-Score und 13% bei der KL-Divergenz im Vergleich zum zweitbesten Modell. Unser kontextbezogenes Konditionierungsframework integriert nahtlos wertvolle Metadaten wie Zähler- und Gebäudetypen, um anpassbare Energielastprofile zu erzeugen, die mit realen Randbedingungen übereinstimmen. Diese Datensynthesefähigkeit könnte Hindernisse wie Datenmangel und Datenschutzrisiken überwinden, die ein effektives Energiemanagement behindern. Die generierten Daten können eine Vielzahl von Initiativen unterstützen, darunter Simulation, Prognose, Diagnose und Planung für Gebäude.
Stats
Die Studie verwendet einen Datensatz mit 1.828 Stromzählern aus verschiedenen Gebäuden und Ländern.
Die Metadaten umfassen Standort, Gebäudetyp und Zählertyp.
Quotes
"Trotz der wachsenden Zahl installierter Zähler und der daraus gewonnenen Daten bleiben Energieunternehmen und Netzbetreiber aufgrund berechtigter Datenschutz- und Sicherheitsbedenken zögerlich oder dürfen die Energiedaten nicht teilen."
"Konventionelle regressionsbasierte Energiemodelle erfordern erhebliche Datenmenge, oft Monate historischer Messungen, um saisonale und Verhaltensänderungen angemessen zu erfassen."
"Generative Modelle wie GANs, VAEs und Diffusionsmodelle bieten einen möglichen Lösungsansatz für das Problem der Datenknapphei."