Smart home energy management processes support through machine learning algorithms
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F22%3A00359531" target="_blank" >RIV/68407700:21230/22:00359531 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1016/j.egyr.2022.01.033" target="_blank" >https://doi.org/10.1016/j.egyr.2022.01.033</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.egyr.2022.01.033" target="_blank" >10.1016/j.egyr.2022.01.033</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Smart home energy management processes support through machine learning algorithms
Popis výsledku v původním jazyce
Smart Home Energy Management Systems can manifest energy consumption reduction targets in the residential sector and can be viewed as an approach to transform the consumer into an active prosumer. The present paper presents a smart home energy management system that includes flexible appliances, electric vehicles, and energy storage units. Efficient forecasting algorithms support the robust operation of the smart home energy management system. Specifically, the smart home energy management system receives as inputs forecasts of demand, renewable energy sources including photovoltaics and Wind Turbine generations, and real-time prices. In order to minimize energy costs, a variety of algorithms is compared to provide highly accurate forecasts. (C) 2022 The Author(s). Published by Elsevier Ltd.
Název v anglickém jazyce
Smart home energy management processes support through machine learning algorithms
Popis výsledku anglicky
Smart Home Energy Management Systems can manifest energy consumption reduction targets in the residential sector and can be viewed as an approach to transform the consumer into an active prosumer. The present paper presents a smart home energy management system that includes flexible appliances, electric vehicles, and energy storage units. Efficient forecasting algorithms support the robust operation of the smart home energy management system. Specifically, the smart home energy management system receives as inputs forecasts of demand, renewable energy sources including photovoltaics and Wind Turbine generations, and real-time prices. In order to minimize energy costs, a variety of algorithms is compared to provide highly accurate forecasts. (C) 2022 The Author(s). Published by Elsevier Ltd.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Energy Reports
ISSN
2352-4847
e-ISSN
2352-4847
Svazek periodika
8
Číslo periodika v rámci svazku
June
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
6
Strana od-do
1-6
Kód UT WoS článku
000770811000001
EID výsledku v databázi Scopus
2-s2.0-85123356876