Explainable machine learning for electrification of everything
可解释的机器学习,实现万物电气化
基本信息
- 批准号:LP230100439
- 负责人:
- 金额:$ 34.81万
- 依托单位:
- 依托单位国家:澳大利亚
- 项目类别:Linkage Projects
- 财政年份:2024
- 资助国家:澳大利亚
- 起止时间:2024-01-01 至 2026-12-31
- 项目状态:未结题
- 来源:
- 关键词:
项目摘要
The energy sector is the largest contributor to greenhouse gas emissions. "Electrification of Everything" combined with electricity generation from renewables is a key solution to decarbonise the energy and transport sectors. This project aims to develop an explainable machine learning based data-driven technology to accurately predict the impact of electrification on consumers energy consumption and cost. The expected outcome of this project includes a data-informed decision support technology to help consumers choose the best electrification technologies and solutions. This should provide significant benefits, such as increasing community engagement with electrification, and thus reducing their carbon footprint.
能源部门是温室气体排放的最大贡献者。 “万物电气化”与可再生能源发电相结合是能源和交通部门脱碳的关键解决方案。该项目旨在开发一种可解释的基于机器学习的数据驱动技术,以准确预测电气化对消费者能源消耗和成本的影响。该项目的预期成果包括基于数据的决策支持技术,以帮助消费者选择最佳的电气化技术和解决方案。这应该会带来显着的好处,例如增加社区对电气化的参与,从而减少他们的碳足迹。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Prof Mahdi Jalili其他文献
Prof Mahdi Jalili的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Prof Mahdi Jalili', 18)}}的其他基金
Integration of electric vehicles into the grid: A net-zero carbon future
电动汽车并入电网:净零碳的未来
- 批准号:
IM240100042 - 财政年份:2024
- 资助金额:
$ 34.81万 - 项目类别:
Mid-Career Industry Fellowships
Congestion control in complex networks with higher-order interactions
具有高阶交互的复杂网络中的拥塞控制
- 批准号:
DP240100963 - 财政年份:2024
- 资助金额:
$ 34.81万 - 项目类别:
Discovery Projects
Dynamic Deep Learning for Electricity Demand Forecasting
用于电力需求预测的动态深度学习
- 批准号:
LP180101309 - 财政年份:2020
- 资助金额:
$ 34.81万 - 项目类别:
Linkage Projects
Engineering evolving complex network systems through structure intervention
工程通过结构干预演化复杂的网络系统
- 批准号:
DP170102303 - 财政年份:2017
- 资助金额:
$ 34.81万 - 项目类别:
Discovery Projects
Inference, control and protection of interdependent spatial networked structures
相互依赖的空间网络结构的推理、控制和保护
- 批准号:
DE140100620 - 财政年份:2014
- 资助金额:
$ 34.81万 - 项目类别:
Discovery Early Career Researcher Award
相似国自然基金
基于可解释机器学习的科学知识角色转变预测研究
- 批准号:72304108
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
基于因果与可解释机器学习的城镇污水厂温室气体核算与减排策略研究
- 批准号:52370189
- 批准年份:2023
- 资助金额:51 万元
- 项目类别:面上项目
融合拓扑挖掘与可解释机器学习的配电网馈线模型衍生方法
- 批准号:52307121
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
基于信息流理论与可解释性机器学习的北方岩溶泉水流量动态变化机理研究
- 批准号:42307088
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
基于样本迁移和可解释性机器学习的草本湿地植物群落分类研究
- 批准号:42301429
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
相似海外基金
Synergising Process-Based and Machine Learning Models for Accurate and Explainable Crop Yield Prediction along with Environmental Impact Assessment
协同基于流程和机器学习模型,实现准确且可解释的作物产量预测以及环境影响评估
- 批准号:
BB/Y513763/1 - 财政年份:2024
- 资助金额:
$ 34.81万 - 项目类别:
Research Grant
Developing Explainable AI for Equitable Risk Stratification of Atrial Fibrillation and Stroke
开发可解释的人工智能以实现心房颤动和中风的公平风险分层
- 批准号:
10752585 - 财政年份:2023
- 资助金额:
$ 34.81万 - 项目类别:
Eligibility criteria design for Alzheimer's trials with real-world data and explainable AI
利用真实数据和可解释的人工智能设计阿尔茨海默病试验的资格标准
- 批准号:
10608470 - 财政年份:2023
- 资助金额:
$ 34.81万 - 项目类别:
Conference: Toward Explainable, Reliable, and Sustainable Machine Learning for Signal and Data Science
会议:迈向信号和数据科学的可解释、可靠和可持续的机器学习
- 批准号:
2321063 - 财政年份:2023
- 资助金额:
$ 34.81万 - 项目类别:
Standard Grant
SHF: Small: Explainable Machine Learning for Better Design of Very Large Scale Integrated Circuits
SHF:小:可解释的机器学习,用于更好地设计超大规模集成电路
- 批准号:
2322713 - 财政年份:2023
- 资助金额:
$ 34.81万 - 项目类别:
Standard Grant