Variational Autoencoders for Anomaly Detection and Transfer Knowledge in Electricity and District Heating Consumption 2024 (Engelska)Ingår i: IEEE transactions on industry applications, ISSN 0093-9994, E-ISSN 1939-9367, Vol. 60, nr 5, s. 7437-7450Artikel i tidskrift (Refereegranskat) Published

Ort, förlag, år, upplaga, sidor

IEEE, 2024. Vol. 60, nr 5, s. 7437-7450

Nyckelord [en]

Anomaly Detection, Anomaly detection, Autoencoder, Buildings, CNNLSTM, District heating, Electricity, electricity and district heating Daily Consumption, Energy consumption, Resistance heating, RNN-LSTM, School buildings, transfer knowledge, VAE, Water heating

Nationell ämneskategori

Energiteknik

Forskningsämne

Distribuerade datorsystem

Identifikatorer

URN: urn:nbn:se:ltu:diva-108412DOI: 10.1109/TIA.2024.3425805ISI: 001319511900075Scopus ID: 2-s2.0-85198352210OAI: oai:DiVA.org:ltu-108412DiVA, id: diva2:1885817

Anmärkning

Validerad;2024;Nivå 2;2024-10-17 (joosat);

Tillgänglig från: 2024-07-25 Skapad: 2024-07-25 Senast uppdaterad: 2024-11-20Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Shahid, Zahraa KhaisSaguna, SagunaÅhlund, Christer

Sök vidare i DiVA

Av författaren/redaktören

Shahid, Zahraa KhaisSaguna, SagunaÅhlund, Christer

Av organisationen

Datavetenskap

I samma tidskrift

IEEE transactions on industry applications

I ämnet

Energiteknik

Sök vidare utanför DiVA

GoogleGoogle ScholarTotalt: 59 träffar