The recent advent of smart meters h

The recent advent of smart meters has led to large micro-level datasets. For the
first time, the electricity consumption at individual sites is available on a near real-time basis.
Efficient management of energy resources, electric utilities, and transmission grids, can be
greatly facilitated by harnessing the potential of this data. The aim of this study is to generate
probability density estimates for consumption recorded by individual smart meters. Such
estimates can assist decision making by helping consumers identify and minimize their
excess electricity usage, especially during peak times. For suppliers, these estimates can be
used to devise innovative time-of-use pricing strategies aimed at their target consumers. We
consider methods based on conditional kernel density (CKD) estimation with the
incorporation of a decay parameter. The methods capture the seasonality in consumption, and
enable a nonparametric estimation of its conditional density. Using eight months of halfhourly
data for one thousand meters, we evaluate point and density forecasts, for lead times
ranging from one half-hour up to a week ahead. We find that the kernel-based methods
outperform a simple benchmark method that does not account for seasonality, and compare
well with an exponential smoothing method that we use as a sophisticated benchmark. To
gauge the financial impact, we use density estimates of consumption to derive prediction
intervals of electricity cost for different time-of-use tariffs. We show that a simple strategy of
switching between different tariffs, based on a comparison of cost densities, delivers
significant cost savings for the great majority of consumers

Results (Thai) 2:

การปรากฎตัวเมื่อเร็ว ๆ นี้สมาร์ทเมตรได้นำไปสู่ชุดข้อมูลระดับจุลภาคที่มีขนาดใหญ่ สำหรับครั้งแรกปริมาณการใช้ไฟฟ้าในแต่ละเว็บไซต์ที่มีอยู่ในใกล้เวลาจริงตาม. จัดการที่มีประสิทธิภาพของแหล่งพลังงานสาธารณูปโภคไฟฟ้าและสายส่งส่งสามารถอำนวยความสะดวกอย่างมากโดยการควบคุมของข้อมูลที่อาจเกิดขึ้นนี้ จุดมุ่งหมายของการศึกษาครั้งนี้คือการสร้างการประมาณการความหนาแน่นของความน่าจะเป็นสำหรับการบริโภคที่บันทึกโดยเมตรแต่ละสมาร์ท ดังกล่าวประมาณการสามารถช่วยในการตัดสินใจด้วยการช่วยให้ผู้บริโภคในการระบุและลดของพวกเขาการใช้ไฟฟ้าส่วนเกินโดยเฉพาะอย่างยิ่งในช่วงเวลาสูงสุด สำหรับซัพพลายเออร์ประมาณการเหล่านี้สามารถนำมาใช้ในการออกแบบนวัตกรรมเวลาในการใช้กลยุทธ์การกำหนดราคามุ่งเป้าไปที่ผู้บริโภคเป้าหมายของพวกเขา เราพิจารณาวิธีการขึ้นอยู่กับความหนาแน่นของเคอร์เนลเงื่อนไข (CKD) การประมาณค่าที่มีการรวมตัวกันของพารามิเตอร์ผุ วิธีการจับภาพช่วงเวลาในการบริโภคและช่วยให้การประเมินที่ไม่อิงพารามิเตอร์ของความหนาแน่นของเงื่อนไข ใช้แปดเดือนของ halfhourly ข้อมูลหนึ่งพันเมตรเราประเมินจุดความหนาแน่นและการคาดการณ์สำหรับเวลานำตั้งแต่ครึ่งหนึ่งชั่วโมงถึงหนึ่งสัปดาห์ข้างหน้า เราพบว่าวิธีการที่ใช้เคอร์เนลมีประสิทธิภาพสูงกว่าวิธีการมาตรฐานที่เรียบง่ายที่ไม่บัญชีสำหรับฤดูกาลและเปรียบเทียบกันได้ดีกับวิธีการที่เรียบชี้แจงที่เราใช้เป็นมาตรฐานที่มีความซับซ้อน เพื่อวัดความผลกระทบทางการเงินเราใช้ประมาณการความหนาแน่นของการบริโภคที่จะได้รับการคาดการณ์ช่วงเวลาของค่าใช้จ่ายไฟฟ้าสำหรับอัตราภาษีที่เวลาในการใช้งานที่แตกต่างกัน เราแสดงให้เห็นว่าเป็นกลยุทธ์ที่เรียบง่ายของการสลับไปมาระหว่างอัตราภาษีที่แตกต่างกันขึ้นอยู่กับความหนาแน่นของการเปรียบเทียบค่าใช้จ่ายให้ประหยัดค่าใช้จ่ายอย่างมีนัยสำคัญสำหรับส่วนที่ดีของผู้บริโภค

Results (Thai) 3:

การมาถึงล่าสุดของเมตรสมาร์ทได้นําข้อมูลระดับจุลภาค ขนาดใหญ่ สำหรับ
ครั้งแรกของพลังงานไฟฟ้าที่แต่ละเว็บไซต์สามารถใช้ได้บนใกล้พื้นฐานเรียลไทม์ การจัดการที่มีประสิทธิภาพของทรัพยากรพลังงาน สาธารณูปโภค ไฟฟ้า และตารางการส่งสามารถ
อํานวยความสะดวกอย่างมากโดยการควบคุมศักยภาพของข้อมูลนี้ จุดมุ่งหมายของการศึกษานี้คือการสร้าง
ความหนาแน่นของความน่าจะเป็นการประมาณการบันทึกโดยเมตรสมาร์ทของแต่ละบุคคล การประมาณการดังกล่าว
สามารถช่วยการตัดสินใจ โดยช่วยให้ผู้บริโภคสามารถระบุและลดการใช้ไฟฟ้าส่วนเกินของพวกเขา
, โดยเฉพาะอย่างยิ่งในช่วงเวลาสูงสุด สำหรับซัพพลายเออร์ประเมินเหล่านี้สามารถใช้ในการประดิษฐ์นวัตกรรม
เวลาใช้กลยุทธ์การตั้งราคาเพื่อผู้บริโภคเป้าหมายของพวกเขา เรา
พิจารณาวิธีการขึ้นอยู่กับความหนาแน่นของเงื่อนไข ( CKD ) การประมาณค่าด้วยการสลาย
เป็นพารามิเตอร์ วิธีการจับฤดูกาลในการบริโภค และการเปิดตัวของ
มีความหนาแน่น ใช้แปดเดือนของข้อมูล halfhourly
หนึ่งพันเมตร เราประเมินจุดและความหนาแน่นของการคาดการณ์สำหรับช่วงเวลา
ตั้งแต่ครึ่งชั่วโมงถึงหนึ่งสัปดาห์ล่วงหน้าเราพบว่า เมล็ดที่ใช้วิธีการที่ง่ายที่สุดวิธีที่
outperform ไม่บัญชีสำหรับฤดูกาล และเปรียบเทียบกับวิธีการปรับให้เรียบแบบเอ็กซ์โปเนนเชียล
ดี ที่เราใช้เป็นเกณฑ์มาตรฐานที่ทันสมัย

เราใช้มาตรวัดผลกระทบทางการเงินของการประมาณการของมาทำนาย
ช่วงเวลาของต้นทุนการผลิตไฟฟ้าสำหรับเวลาที่แตกต่างกัน ค่า ใช้เราแสดงให้เห็นว่ากลยุทธ์ง่ายๆ
สลับระหว่างอัตราภาษีที่แตกต่างกันขึ้นอยู่กับการเปรียบเทียบต้นทุนความหนาแน่นให้ประหยัดค่าใช้จ่ายอย่างมีนัยสำคัญ
สำหรับส่วนใหญ่ที่ดีของผู้บริโภค