論文の概要: Identification of AC Networks via Online Learning

• arxiv url: http://arxiv.org/abs/2003.06210v3
• Date: Sun, 19 Sep 2021 18:58:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 01:22:02.027555
• Title: Identification of AC Networks via Online Learning
• Title（参考訳）: オンライン学習による交流ネットワークの同定
• Authors: Emanuele Fabbiani, Pulkit Nahata, Giuseppe De Nicolao, Giancarlo Ferrari-Trecate
• Abstract要約: 本稿では,トポロジ情報と線パラメータを抽出したネットワークアクセタンス行列を推定するオンライン学習手法を提案する。 提案手法は既存の手法を改良し,現実的なテストベッドの数値的研究によりその有効性を実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing penetration of intermittent distributed energy resources in power networks calls for novel planning and control methodologies which hinge on detailed knowledge of the grid. However, reliable information concerning the system topology and parameters may be missing or outdated for temporally varying electric distribution networks. This paper proposes an online learning procedure to estimate the network admittance matrix capturing topological information and line parameters. We start off by providing a recursive identification algorithm exploiting phasor measurements of voltages and currents. With the goal of accelerating convergence, we subsequently complement our base algorithm with a design-of-experiment procedure which maximizes the information content of data at each step by computing optimal voltage excitations. Our approach improves on existing techniques, and its effectiveness is substantiated by numerical studies on realistic testbeds.
• Abstract（参考訳）: 電力ネットワークにおける断続的な分散型エネルギー資源の浸透の増大は、グリッドの詳細な知識を頼りにする新しい計画と制御手法を要求する。 しかしながら、システムトポロジとパラメータに関する信頼性のある情報は、時間的に変化する電気配電ネットワークにおいて欠落または時代遅れになる可能性がある。 本稿では,位相情報と線パラメータを捉えたネットワークアドミタンス行列を推定するオンライン学習手法を提案する。 まず,電圧と電流のファサー計測を利用した再帰的同定アルゴリズムを提案する。 収束を加速する目的で, 最適電圧励振を演算することで各ステップにおけるデータの情報内容の最大化を行う実験手順を, 基礎アルゴリズムを補完する。 本手法は既存の手法を改良し,現実的なテストベッドに関する数値的研究によりその効果を実証する。

関連論文リスト

• Learning State-Augmented Policies for Information Routing in Communication Networks [92.59624401684083]
  我々は,グラフニューラルネットワーク(GNN)アーキテクチャを用いて,ソースノードの集約情報を最大化する,新たなステート拡張(SA)戦略を開発した。 教師なし学習手法を利用して、GNNアーキテクチャの出力を最適情報ルーティング戦略に変換する。 実験では,実時間ネットワークトポロジの評価を行い,アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2023-09-30T04:34:25Z)
• Online Network Source Optimization with Graph-Kernel MAB [62.6067511147939]
  大規模ネットワークにおける最適なソース配置をオンラインで学習するためのグラフカーネルマルチアームバンディットアルゴリズムであるGrab-UCBを提案する。 適応グラフ辞書モデルを用いて,ネットワークプロセスを記述する。 我々は、ネットワークパラメータに依存する性能保証を導出し、シーケンシャルな意思決定戦略の学習曲線にさらに影響を及ぼす。
  論文  参考訳（メタデータ） (2023-07-07T15:03:42Z)
• Learning Distribution Grid Topologies: A Tutorial [0.2578242050187029]
  このチュートリアルは、トポロジの同定と検出スキームに関する最近の研究の間の有用なリンクを要約し、対比し、確立する。 主な焦点は、分散グリッドにおける測定装置の可用性の制限を克服する手法を強調することである。 このチュートリアルは、研究者やエンジニアに、トラクタブルな分散グリッド学習における最先端の知識を提供することを目的としている。
  論文  参考訳（メタデータ） (2022-06-22T04:32:13Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Solving AC Power Flow with Graph Neural Networks under Realistic Constraints [3.114162328765758]
  本稿では,現実的な制約下での交流電力流問題の解法として,グラフニューラルネットワークアーキテクチャを提案する。 本稿では,グラフニューラルネットワークを用いて電力フローの物理的制約を学習するフレームワークの開発を実演する。
  論文  参考訳（メタデータ） (2022-04-14T14:49:34Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Bayesian Error-in-Variables Models for the Identification of Power Networks [0.0]
  アクセタンス行列の信頼できる推定は、時間的に異なる格子に対して欠落するか、すぐに時代遅れになる可能性がある。 マイクロPMUから収集した電圧と電流を利用したデータ駆動型識別手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T15:10:47Z)
• Estimate Three-Phase Distribution Line Parameters With Physics-Informed Graphical Learning Method [5.410616652484168]
  3相配電システムのネットワークパラメータを推定する物理情報を用いたグラフィカルラーニングアルゴリズムを開発。 提案アルゴリズムは, 利用可能なスマートメータデータのみを用いて, 一次分布線セグメントの3相直列抵抗と反応性を推定する。
  論文  参考訳（メタデータ） (2021-02-17T20:52:55Z)
• Resilient Identification of Distribution Network Topology [0.0]
  本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。 提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。 計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
  論文  参考訳（メタデータ） (2020-11-16T14:23:56Z)
• Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth [51.40441097625201]
  疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。 提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
  論文  参考訳（メタデータ） (2020-10-29T06:32:53Z)
• Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
  本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。 接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。 この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
  論文  参考訳（メタデータ） (2020-08-19T04:53:31Z)

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。