論文の概要: Data-Driven Transient Stability Boundary Generation for Online Security Monitoring

• arxiv url: http://arxiv.org/abs/2004.01369v1
• Date: Fri, 3 Apr 2020 04:45:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 05:12:23.120818
• Title: Data-Driven Transient Stability Boundary Generation for Online Security Monitoring
• Title（参考訳）: オンラインセキュリティモニタリングのためのデータ駆動過渡安定境界生成
• Authors: Rong Yan and Guangchao Geng and Quanyuan Jiang
• Abstract要約: 過渡安定境界(TSB)は、電力システムのオンラインセキュリティ監視において重要なツールである。 TSBは、時間内に現在のOPを追跡することで定期的にリフレッシュすることができる。 特別に設計された一過性指数感度に基づく探索戦略と臨界シナリオ選択機構を提案する。
• 参考スコア（独自算出の注目度）: 0.6445605125467573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transient stability boundary (TSB) is an important tool in power system online security monitoring, but practically it suffers from high computational burden using state-of-the-art methods, such as time-domain simulation (TDS), with numerous scenarios taken into account (e.g., operating points (OPs) and N-1 contingencies). The purpose of this work is to establish a data-driven framework to generate sufficient critical samples close to the boundary within a limited time, covering all critical scenarios in current OP. Therefore, accurate TSB can be periodically refreshed by tracking current OP in time. The idea is to develop a search strategy to obtain more data samples near the stability boundary, while traverse the rest part with fewer samples. To achieve this goal, a specially designed transient index sensitivity based search strategy and critical scenarios selection mechanism are proposed, in order to find out the most representative scenarios and periodically update TSB for online monitoring. Two case studies validate effectiveness of the proposed method.
• Abstract（参考訳）: 過渡安定境界(transient stability boundary, tsb)は、電力系統のオンラインセキュリティ監視において重要なツールであるが、実際には、時間領域シミュレーション(tds)のような最先端の手法で高い計算負荷を被り、多数のシナリオ(運用ポイント(ops)やn-1コンティンジェンシーなど)が考慮されている。 この作業の目的は、制限された時間内に境界に近い十分なクリティカルなサンプルを生成し、現在のOPにおけるすべてのクリティカルなシナリオをカバーするデータ駆動フレームワークを確立することである。 したがって、時間内に電流OPを追跡することにより、正確なTSBを定期的にリフレッシュすることができる。 そのアイデアは、安定性の境界付近でより多くのデータサンプルを得るための探索戦略を開発し、残りの部分を少ないサンプルで横断する。 この目的を達成するため、オンライン監視において最も代表的なシナリオを見つけ、定期的にTSBを更新するために、特別に設計された指数感度に基づく検索戦略と臨界シナリオ選択機構を提案する。 2つのケーススタディにより提案手法の有効性が検証された。

関連論文リスト

• Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
  継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。 我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。 教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T15:48:40Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Scope Compliance Uncertainty Estimate [0.4262974002462632]
  SafeMLはそのような監視を行うためのモデルに依存しないアプローチである。 この研究は、二項決定を連続計量に変換することによってこれらの制限に対処する。
  論文  参考訳（メタデータ） (2023-12-17T19:44:20Z)
• State Sequences Prediction via Fourier Transform for Representation Learning [111.82376793413746]
  本研究では,表現表現を効率よく学習する新しい方法である,フーリエ変換(SPF)による状態列予測を提案する。 本研究では,状態系列における構造情報の存在を理論的に解析する。 実験により,提案手法はサンプル効率と性能の両面で,最先端のアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-24T14:47:02Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)
• An Efficient Anomaly Detection Approach using Cube Sampling with Streaming Data [2.0515785954568626]
  異常検出は侵入検知、健康モニタリング、故障診断、センサネットワークイベント検出など様々な分野で重要である。 孤立林(アイフォレスト)アプローチは、異常を検出するためのよく知られた手法である。 本稿では,ストリーミングデータに有効なキューブサンプリングを用いた,効率的なiForestに基づく異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-10-05T04:23:00Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• Bandit Change-Point Detection for Real-Time Monitoring High-Dimensional Data Under Sampling Control [13.249453757295083]
  本稿では,マルチアームバンディット手法を逐次変化点検出に適用し,効率的なバンディット変化点検出アルゴリズムを提案する。 適応サンプリング法はトンプソンサンプリング法を即時報酬獲得のための探索と搾取のバランスに応用し,統計的決定法は局所シリャーエフ・ロバーツ・ポラック統計を融合させ,総和縮小法によりグローバルアラームを上昇させるか否かを決定する。
  論文  参考訳（メタデータ） (2020-09-24T18:30:55Z)
• Efficient statistical validation with edge cases to evaluate Highly Automated Vehicles [6.198523595657983]
  自動運転車の大規模展開は、まだ解決されていない多くの安全上の課題にもかかわらず、差し迫っているようだ。 既存の標準は、検証が要求をカバーするテストケースのセットだけを必要とする決定論的プロセスに焦点を当てています。 本稿では, 自動生成テストケースを最悪のシナリオに偏り付け, システムの挙動の統計的特性を計算するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-04T04:35:22Z)
• Confidence Trigger Detection: Accelerating Real-time Tracking-by-detection Systems [1.6037469030022993]
  信頼強化検出(CTD)は、中間状態によく似たフレームのオブジェクト検出を戦略的に回避する革新的な手法である。 CTDは追跡速度を向上するだけでなく、既存の追跡アルゴリズムを超越して精度も維持する。 本実験はCTDフレームワークの堅牢性と汎用性を実証し,資源制約環境におけるリアルタイムトラッキングの実現の可能性を示した。
  論文  参考訳（メタデータ） (2019-02-02T01:52:53Z)

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。