Sélection de la langue

Gouvernement du Canada / Government of Canada

Recherche

Using synthetic traces for robust energy system sizing

DOITrouver le DOI : https://doi.org/10.1145/3307772.3328306
AuteurRechercher : ; Rechercher : ; Rechercher : ; Rechercher :
FormatTexte, Article
Conférencee-Energy '19: The Tenth ACM International Conference on Future Energy Systems, June 25-28, 2019, Phoenix, Arizona
Sujetmathematics of computing; solar; storage; generative models
Résumé
Due to the inherent randomness of both solar power generation and residential electrical load, jointly sizing solar panel and storage capacity to meet a given quality-of-service (QoS) constraint is challenging. The challenge is greater when there is limited representative historical data. We therefore propose generating synthetic solar and load traces, corresponding to different realizations of the underlying stochastic processes. Specifically, we compare the effectiveness of three generative models: autoregressive moving-average (ARMA) models, Gaussian mixture models (GMMs), and generative adversarial networks (GANs) -- as well as two direct sampling methods -- for synthetic trace generation. These traces are then used for robust joint sizing by a technique described in recent work. Extensive experiments based on real data show that our approach finds robust sizing with only one year's worth of hourly trace data. Moreover, assuming that solar data are available, given a database of load traces, we demonstrate how to perform robust sizing with access to only twelve data points of load, one for each month of one year.
Date de publication
Maison d’éditionACM
Dans
Langueanglais
Publications évaluées par des pairsOui
Publication du CNRC
Cette publication n’est pas du CNRC

Ce sont des publications qui ont été rédigées par un auteur du CNRC, mais avant que celui-ci soit employé du CNRC.

Exporter la noticeExporter en format RIS
Signaler une correctionSignaler une correction (s'ouvre dans un nouvel onglet)
Identificateur de l’enregistrementd5d54b0f-b3c9-4941-8fa2-3645466e7d99
Enregistrement créé2021-09-10
Enregistrement modifié2021-09-14

Détails de la page

Par :

Date de modification :