Adam Neale, Michaël Kummert et Michel Bernier
Article de revue (2020)
Document en libre accès dans PolyPublie |
|
Libre accès au plein texte de ce document Version finale avant publication Conditions d'utilisation: Tous droits réservés Télécharger (517kB) |
Abstract
Existing electricity smart meter data sets lack sufficient details on building parameters to evaluate the impact that home characteristics can have on electricity consumption. An extensive, open-source virtual smart meter (VSM) data set with corresponding building characteristics is provided. The methodology used to develop the VSM data is presented in detail. The data set consists of a variety of homes representative of a subset of the Canadian single-family home building stock. The building characteristics cover a wide range of values that are based on probability distributions developed using a segmentation and characterization process. The resulting framework and VSM data set can be used by researchers to develop classification models, verify load disaggregation algorithms, and for a variety of other purposes.
Mots clés
smart meter data; building energy simulation; residential
Sujet(s): |
2100 Génie mécanique > 2100 Génie mécanique 2100 Génie mécanique > 2107 Modélisation, simulation et méthodes des éléments finis |
---|---|
Département: | Département de génie mécanique |
Centre de recherche: | IVADO - Institut de valorisation des données |
Organismes subventionnaires: | IVADO |
Numéro de subvention: | PRF-2017-12 |
URL de PolyPublie: | https://publications.polymtl.ca/5510/ |
Titre de la revue: | Journal of Building Performance Simulation (vol. 13, no 5) |
Maison d'édition: | Taylor & Francis |
DOI: | 10.1080/19401493.2020.1800096 |
URL officielle: | https://doi.org/10.1080/19401493.2020.1800096 |
Date du dépôt: | 14 déc. 2020 10:40 |
Dernière modification: | 27 sept. 2024 12:03 |
Citer en APA 7: | Neale, A., Kummert, M., & Bernier, M. (2020). Development of a stochastic virtual smart meter data set for a residential building stock - methodology and sample data. Journal of Building Performance Simulation, 13(5), 583-605. https://doi.org/10.1080/19401493.2020.1800096 |
---|---|
Statistiques
Total des téléchargements à partir de PolyPublie
Téléchargements par année
Provenance des téléchargements
Dimensions