スマートメーターデータからの電気自動車識別
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19316v1発表種別：クロス
要旨：スマートメーター記録から電気自動車（EV）充電負荷を特定することは、電力系統の信頼性に関する情報に基づいた賢明な意思決定をエネルギー供給事業者にとって可能にする不可欠な側面です。EV充電がメーター後方（BTM）で行われる場合、充電はメーターの顧客側に発生し、これは全体の電力消費量を測定します。言い換えれば、EVの充電は顧客の負荷の一部と見なされ、配電事業者（DNOs）によって個別に測定されません。DNOsは、自らのネットワークにおけるEVの存在に関する完全な知識を必要としています。EV充電需要の特定は、配電網をより適切に計画・管理するために不可欠です。本論文は、教師あり学習法とは異なり、異常検知技術に基づく教師なし学習アプローチを用いて、低周波スマートメーターからの非侵入型のEV充電負荷特定の問題に取り組んでいます。本手法は、EV充電プロファイルの事前知識を必要としません。実用上豊富な非EVユーザーの実電力消費データのみを必要とします。深層時間畳み込みエンコーディングデコーディング（TAE）ネットワークを提案します。TAEはオーストラリアのビクトリア州の家庭からのスマートBTMからの電力消費量に適用され、EVを有する世帯の特定において優れた性能を示します。
原文（英語）を表示
Title (EN): Electric Vehicle Identification from Behind Smart Meter Data
arXiv:2509.19316v1 Announce Type: cross
Abstract: Electric vehicle (EV) charging loads identification from behind smart meter recordings is an indispensable aspect that enables effective decision-making for energy distributors to reach an informed and intelligent decision about the power grid’s reliability. When EV charging happens behind the meter (BTM), the charging occurs on the customer side of the meter, which measures the overall electricity consumption. In other words, the charging of the EV is considered part of the customer’s load and not separately measured by the Distribution Network Operators (DNOs). DNOs require complete knowledge about the EV presence in their network. Identifying the EV charging demand is essential to better plan and manage the distribution grid. Unlike supervised methods, this paper addresses the problem of EV charging load identification in a non-nonintrusive manner from low-frequency smart meter using an unsupervised learning approach based on anomaly detection technique. Our approach does not require prior knowledge of EV charging profiles. It only requires real power consumption data of non-EV users, which are abundant in practice. We propose a deep temporal convolution encoding decoding (TAE) network. The TAE is applied to power consumption from smart BTM from Victorian households in Australia, and the TAE shows superior performance in identifying households with EVs.
Published: 2025-09-24 19:00 UTC