Core Concepts
メタデータを活用した条件付き拡散モデルを用いて、長期的な高品質の合成エネルギーデータを生成することができる。
Abstract
本研究では、メタデータを活用した条件付き拡散モデルを提案し、長期的な建物エネルギー消費データの生成を行った。
- 建物のタイプやメーター種類などのメタデータを活用することで、実際の消費パターンに即した合成データを生成できる。
- 従来の回帰モデルやシミュレーションツールとは異なり、大量の過去データを必要とせず、メタデータを活用して効率的にデータを生成できる。
- 提案モデルは、FIDスコアで36%、KL divergenceで13%の改善を示し、他の生成モデルと比べて優れた性能を発揮した。
- 生成されたデータは、建物エネルギー管理、シミュレーション、予測、診断などの様々な用途に活用できる。
Stats
世界中の1,828台のメーターから収集された2年分のデータを使用した。
メーターの種類には、電気、冷水、蒸気、温水、ガス、水、灌漑、太陽光などがある。
建物の種類には、教育、オフィス、エンターテインメント/公共施設、宿泊/住宅、公共サービスなどがある。
Quotes
"メタデータを活用した条件付き生成モデルは、従来の回帰モデルやシミュレーションツールとは異なり、大量の過去データを必要とせず、効率的にデータを生成できる。"
"提案モデルは、FIDスコアで36%、KL divergenceで13%の改善を示し、他の生成モデルと比べて優れた性能を発揮した。"