Feature Augmentation of Classifiers Using Learning Time Series Shapelets Transformation for Night Setback Classification of District Heating Substations

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Los sistemas de calefacción urbana que distribuyen calor a través de tuberías a edificios residenciales y comerciales han sido ampliamente utilizados en el norte de Europa, y según el último estudio, la calefacción urbana comparte la mayor parte del mercado de suministro de calor en Suecia. Por lo tanto, la eficiencia energética de los sistemas de calefacción urbana es de gran interés para los actores energéticos. Sin embargo, no es raro que los sistemas de calefacción urbana no logren alcanzar el rendimiento esperado debido a diversas fallas u operaciones inapropiadas. El retroceso nocturno es una estrategia de control que se ha demostrado que no es una configuración adecuada para edificaciones modernas bien aisladas en términos tanto de factores económicos como de eficiencia energética. Según la literatura, los algoritmos de shapelets no solo proporcionan resultados interpretables, sino que también se ha demostrado que son efectivos en la clasificación de series temporales. Sin embargo, no se han explorado para resolver problemas en el
Citación recomendada (normas APA)
: Hindawi, "Feature Augmentation of Classifiers Using Learning Time Series Shapelets Transformation for Night Setback Classification of District Heating Substations", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3842344/), el día 2025-05-02.

Información adicional