Constructing Realistic Synthetic Load Profiles Based on Privacy Sensitive Residential Smart Meter Data
- Promovendus/a
- Claeys, Robbert
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- Master of Engineering Physics, Universiteit Gent, 2017
- Academische graad
- Doctor in de ingenieurswetenschappen: werktuigkunde-elektrotechniek
- Taal proefschrift
- Engels
- Vertaling titel
- Realistische synthetische belastingsprofielen construeren op basis van privacygevoelige gegevens van residentiële slimme meters
- Promotor(en)
- prof. Jan Desmet, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Jos Knockaert, vakgroep Elektromechanica, Systeem- en Metaalengineering
- Examencommissie
- voorzitter prof. Filip De Turck (academisch secretaris) - prof. Geert Deconinc, KU Leuven - prof. Chris Develder, vakgroep Informatietechnologie - dr. Sam Hamels, vakgroep Economie - prof. Dirk Saelens, KU Leuven - promotor prof. Jan Desmet, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Jos Knockaert, vakgroep Elektromechanica, Systeem- en Metaalengineering
Korte beschrijving
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.
Praktisch
- Datum
- Maandag 7 oktober 2024, 16:00
- Locatie
- Auditorium Vandenhove (Paviljoen Charles Vandenhove), Rozier 1, 9000 Gent
Meer info
- Contact
- doctoraat.ea@UGent.be