Matches in Ghent University Academic Bibliography for { <https://biblio.ugent.be/publication/01JABBHGFDXGMP5NQ9KAWS39T2> ?p ?o. }
Showing items 1 to 21 of
21
with 100 items per page.
- 01JABBHGFDXGMP5NQ9KAWS39T2 classification D1.
- 01JABBHGFDXGMP5NQ9KAWS39T2 promoter 26F73904-F0EE-11E1-A9DE-61C894A0A6B4.
- 01JABBHGFDXGMP5NQ9KAWS39T2 promoter FA8A5676-F0ED-11E1-A9DE-61C894A0A6B4.
- 01JABBHGFDXGMP5NQ9KAWS39T2 date "2024".
- 01JABBHGFDXGMP5NQ9KAWS39T2 language "eng".
- 01JABBHGFDXGMP5NQ9KAWS39T2 type dissertation.
- 01JABBHGFDXGMP5NQ9KAWS39T2 hasPart 01JABBQ7A2CH816E559AHAC427.pdf.
- 01JABBHGFDXGMP5NQ9KAWS39T2 hasPart urn:uuid:c0d42f18-f2b0-49d5-bc08-b2cf6976d091.
- 01JABBHGFDXGMP5NQ9KAWS39T2 subject "Technology and Engineering".
- 01JABBHGFDXGMP5NQ9KAWS39T2 isbn "9789463558983".
- 01JABBHGFDXGMP5NQ9KAWS39T2 abstract "Granulaire data van digitale meters bieden een schat aan informatie voor commerciële partijen en onderzoeksinstellingen om de energietransitie op het laagspanningsnet te versnellen. Deze data kunnen worden gebruikt om innovatieve technologische oplossingen op maat te ontwikkelen en hun rendement te maximaliseren, evenals om het aantal duurzame technologieën op het net te vergroten door bijkomende flexibiliteit te creëren. De publieke toegang tot deze data is echter beperkt vanwege hun privacygevoeligheid, waardoor het delen ervan onderhevig is aan de GDPR-regelgeving. Dit proefschrift bevindt zich binnen het domein van synthetische datamodellering en onderzoekt of synthetische data een volwaardig alternatief kunnen vormen voor privacygevoelige digitale meterdata. Op dagniveau wordt een wavelet-gebaseerde decompositie-recombinatie methodologie geïntroduceerd die leidt tot synthetische profielen met realistische variabiliteit en piekgedrag. Op jaarniveau worden generatieve netwerken ingezet om profielen te genereren met waarheidsgetrouwe tijdscorrelaties op dag-, week-, en seizoensniveau. Metadata worden ingezet om de dagprofielen op een realistische manier te integreren in de gegenereerde synthetische jaarprofielen.".
- 01JABBHGFDXGMP5NQ9KAWS39T2 abstract "Granular data from digital meters provide a wealth of information for commercial parties and research institutions to accelerate the energy transition on the low-voltage grid. These data can be used to develop tailored innovative technology solutions and maximize their efficiency, as well as to increase the number of renewable technologies on the grid by creating additional flexibility. However, public access to these data is limited due to their privacy sensitivity, making their sharing subject to GDPR regulations. This dissertation is located within the field of synthetic data modeling and explores whether synthetic data can be a viable alternative to privacy-sensitive digital meter data. At the daily level, a wavelet-based decomposition-recomposition methodology is introduced that leads to synthetic profiles with realistic variability and peak behavior. At the annual level, generative networks are deployed to generate profiles with realistic temporal correlations at the daily, weekly, and seasonal levels. Metadata are employed to integrate the daily profiles into the generated synthetic annual profiles.".
- 01JABBHGFDXGMP5NQ9KAWS39T2 author B3C79A4A-F0EE-11E1-A197-91C894A0A6B4.
- 01JABBHGFDXGMP5NQ9KAWS39T2 dateCreated "2024-10-16T19:05:43Z".
- 01JABBHGFDXGMP5NQ9KAWS39T2 dateModified "2024-12-12T21:10:43Z".
- 01JABBHGFDXGMP5NQ9KAWS39T2 name "Constructing realistic synthetic load profiles based on privacy-sensitive residential smart meter data".
- 01JABBHGFDXGMP5NQ9KAWS39T2 pagination urn:uuid:7b3cd023-1748-4988-957b-0e28f5375917.
- 01JABBHGFDXGMP5NQ9KAWS39T2 publisher urn:uuid:016ca1c3-4175-4389-9350-637e0697ccf6.
- 01JABBHGFDXGMP5NQ9KAWS39T2 sameAs LU-01JABBHGFDXGMP5NQ9KAWS39T2.
- 01JABBHGFDXGMP5NQ9KAWS39T2 sourceOrganization urn:uuid:47d9b964-941a-4232-a01c-393e1c6060c6.
- 01JABBHGFDXGMP5NQ9KAWS39T2 type D1.