Fugu-MT 論文翻訳(概要): Short-Term Forecasting of CO2 Emission Intensity in Power Grids by Machine Learning

論文の概要: Short-Term Forecasting of CO2 Emission Intensity in Power Grids by Machine Learning

arxiv url: http://arxiv.org/abs/2003.05740v1
Date: Tue, 10 Mar 2020 16:34:28 GMT
ステータス: 処理完了
システム内更新日: 2022-12-24 20:53:13.176314
Title: Short-Term Forecasting of CO2 Emission Intensity in Power Grids by Machine Learning
Title（参考訳）: 機械学習による電力グリッド内のCO2排出強度の短期予測
Authors: Kenneth Leerbeck and Peder Bacher and Rune Junker and Goran Goranovi\'c and Olivier Corradi and Razgar Ebrahimy and Anna Tveit and Henrik Madsen
Abstract要約: デンマークの入札ゾーンDK2における電力グリッドのCO2排出強度を予測する機械学習アルゴリズムを開発した。この分析は、電力生産、需要、輸入、気象条件など、多くの説明変数からなるデータセット上で行われた。
参考スコア（独自算出の注目度）: 1.055404869921767
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A machine learning algorithm is developed to forecast the CO2 emission intensities in electrical power grids in the Danish bidding zone DK2, distinguishing between average and marginal emissions. The analysis was done on data set comprised of a large number (473) of explanatory variables such as power production, demand, import, weather conditions etc. collected from selected neighboring zones. The number was reduced to less than 50 using both LASSO (a penalized linear regression analysis) and a forward feature selection algorithm. Three linear regression models that capture different aspects of the data (non-linearities and coupling of variables etc.) were created and combined into a final model using Softmax weighted average. Cross-validation is performed for debiasing and autoregressive moving average model (ARIMA) implemented to correct the residuals, making the final model the variant with exogenous inputs (ARIMAX). The forecasts with the corresponding uncertainties are given for two time horizons, below and above six hours. Marginal emissions came up independent of any conditions in the DK2 zone, suggesting that the marginal generators are located in the neighbouring zones. The developed methodology can be applied to any bidding zone in the European electricity network without requiring detailed knowledge about the zone.
Abstract（参考訳）: デンマークの入札ゾーンDK2における電力グリッドのCO2排出強度を予測し、平均と限界の排出量を区別する機械学習アルゴリズムを開発した。この分析は、電力生産、需要、輸入、気象条件など、選択された近隣地域から収集された膨大な数(473)の説明変数からなるデータセット上で行われた。この数は、lasso (penalized linear regression analysis) と前方特徴選択アルゴリズムの両方を用いて50未満に削減された。データの異なる側面(非線形性や変数の結合など)を捉えた3つの線形回帰モデルを作成し,ソフトマックス重み付き平均を用いて最終モデルに組み合わせた。残差を補正するために実装された脱バイアスおよび自己回帰移動平均モデル(ARIMA)に対してクロスバリデーションを行い、最終モデルは外因性入力(ARIMAX)を持つ変種とする。対応する不確実性の予測は6時間以下と2つの時間軸で与えられる。限界放射はdk2ゾーンのあらゆる条件とは独立に発生し、限界発生器は近隣のゾーンにあることを示唆している。開発手法は欧州電力網の入札ゾーンに適用でき、このゾーンに関する詳細な知識を必要とせずに適用できる。

関連論文リスト

Spatio-Temporal Forecasting of PM2.5 via Spatial-Diffusion guided Encoder-Decoder Architecture [9.955223104442755]
本稿では,PM2.5濃度の予測に係わる依存関係を具体的に把握するS-Temporal Graph Networkアーキテクチャを提案する。本モデルは,グラフニューラルネットワーク(Transformerv)を付加した再帰単位(GRU)を利用して空間拡散を考慮したエンコーダ・デコーダアーキテクチャに基づいている。
論文参考訳（メタデータ） (2024-12-18T15:18:12Z)
Causal Deciphering and Inpainting in Spatio-Temporal Dynamics via Diffusion Model [45.45700202300292]
CaPaintは2段階のプロセスで因果推論能力を備えたデータとエンドウモデルの因果領域を特定することを目的としている。微調整未条件拡散確率モデル(DDPM)を生成前として, 環境成分として定義されたマスクを埋め込む。 5つの実世界のSTベンチマークで実施された実験は、CaPaintの概念の統合により、モデルが4.3%から77.3%の改善を達成できることを示した。
論文参考訳（メタデータ） (2024-09-29T08:18:50Z)
OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting [0.0]
Deep UNet++ベースの新しいニューラルネットワークであるEnsemble(DUNE)が導入されている。年間平均気温は2メートル(T2m)、海面温度(SST)である。これらの予測は、すべての領域に対する持続性、気候学、多重線形回帰よりも優れる。
論文参考訳（メタデータ） (2024-08-12T16:22:30Z)
Minimizing Energy Costs in Deep Learning Model Training: The Gaussian Sampling Approach [11.878350833222711]
ガウス分布からの勾配更新をサンプリングするために, em GradSamp という手法を提案する。 Em GradSampは、勾配の合理化だけでなく、エポック全体のスキップを可能にし、全体的な効率を向上させる。我々は、標準CNNとトランスフォーマーベースモデルの多種多様なセットにまたがって、我々の仮説を厳格に検証する。
論文参考訳（メタデータ） (2024-06-11T15:01:20Z)
FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文参考訳（メタデータ） (2023-11-06T18:42:05Z)
Mid-Long Term Daily Electricity Consumption Forecasting Based on Piecewise Linear Regression and Dilated Causal CNN [9.921863154466608]
既存の予測アルゴリズムは、休日のような特別な日付で精度を低下させる傾向にある。本研究は, 日常の電力消費を, 傾向, 季節, 残留の3つの構成要素に分解する。実験により,本手法は既存手法と比較して精度が高いことを示した。
論文参考訳（メタデータ） (2023-10-23T10:22:38Z)
Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文参考訳（メタデータ） (2023-09-24T19:57:22Z)
Bivariate DeepKriging for Large-scale Spatial Interpolation of Wind Fields [2.586710925821896]
高空間分解能風速データは、気候、海洋学、気象学研究における幅広い応用に不可欠である。 2次元の速度を持つ二変量風場の大規模空間計算やダウンスケーリングは難しい課題である。本稿では,空間的ラジアル基底関数によって構築された埋め込み層を持つ空間依存型ディープニューラルネットワーク(DNN)であるバイバリケートディープクリギングを提案する。提案したDNNモデルの計算効率とスケーラビリティを,従来の手法に比べて平均20倍高速な計算で実証する。
論文参考訳（メタデータ） (2023-07-16T13:34:44Z)
Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文参考訳（メタデータ） (2022-06-28T12:43:38Z)
Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
論文参考訳（メタデータ） (2020-09-07T13:01:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。