論文の概要: GridTracer: Automatic Mapping of Power Grids using Deep Learning and
Overhead Imagery
- arxiv url: http://arxiv.org/abs/2101.06390v1
- Date: Sat, 16 Jan 2021 07:23:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 08:53:58.951559
- Title: GridTracer: Automatic Mapping of Power Grids using Deep Learning and
Overhead Imagery
- Title(参考訳): GridTracer:ディープラーニングとオーバーヘッド画像を用いた電力グリッドの自動マッピング
- Authors: Bohao Huang, Jichen Yang, Artem Streltsov, Kyle Bradbury, Leslie M.
Collins, and Jordan Malof
- Abstract要約: 深層学習を用いた遠隔センシング画像におけるグリッドの自動マッピングを提案する。
電力網のための基礎的な真実とオーバーヘッド画像の大規模なデータセット(263km2$)を開発し,公開する。
- 参考スコア(独自算出の注目度): 9.955168581633663
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Energy system information valuable for electricity access planning such as
the locations and connectivity of electricity transmission and distribution
towers, termed the power grid, is often incomplete, outdated, or altogether
unavailable. Furthermore, conventional means for collecting this information is
costly and limited. We propose to automatically map the grid in overhead
remotely sensed imagery using deep learning. Towards this goal, we develop and
publicly-release a large dataset ($263km^2$) of overhead imagery with ground
truth for the power grid, to our knowledge this is the first dataset of its
kind in the public domain. Additionally, we propose scoring metrics and
baseline algorithms for two grid mapping tasks: (1) tower recognition and (2)
power line interconnection (i.e., estimating a graph representation of the
grid). We hope the availability of the training data, scoring metrics, and
baselines will facilitate rapid progress on this important problem to help
decision-makers address the energy needs of societies around the world.
- Abstract(参考訳): 電力網と呼ばれる送電と配電塔の位置や接続などの電気アクセス計画に有用なエネルギーシステム情報は、しばしば不完全、時代遅れ、あるいは全く利用できない。
さらに、この情報を収集する従来の手段は費用がかかり制限される。
深層学習を用いた遠隔センシング画像におけるグリッドの自動マッピングを提案する。
この目標に向けて、我々は電力グリッドのための基礎的な真実とオーバーヘッド画像の大規模なデータセット(263km^2$)を開発し、公開している。
さらに,(1)タワー認識と(2)電力線相互接続(つまり,グリッドのグラフ表現を推定する)という2つのグリッドマッピングタスクのためのスコア指標とベースラインアルゴリズムを提案する。
トレーニングデータ、評価指標、ベースラインが利用可能になることで、この重要な問題に対する迅速な進展が促進され、意思決定者が世界中の社会のエネルギーニーズに対処できるようになることを願っています。
関連論文リスト
- Foundation Models for the Electric Power Grid [53.02072064670517]
ファンデーションモデル(FM)がニュースの見出しを支配している。
多様なグリッドデータやトポロジからFMを学習することで、トランスフォーメーション能力が解放されるのではないか、と私たちは主張する。
本稿では,グラフニューラルネットワークに基づく電力グリッドFMの概念,すなわちGridFMについて論じる。
論文 参考訳(メタデータ) (2024-07-12T17:09:47Z) - Non-Intrusive Electric Load Monitoring Approach Based on Current Feature
Visualization for Smart Energy Management [51.89904044860731]
我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。
マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
論文 参考訳(メタデータ) (2023-08-08T04:52:19Z) - Evaluating Distribution System Reliability with Hyperstructures Graph
Convolutional Nets [74.51865676466056]
本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。
数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
論文 参考訳(メタデータ) (2022-11-14T01:29:09Z) - A survey on the development status and application prospects of
knowledge graph in smart grids [7.070357628640114]
電力知識グラフは、巨大な電力資源と知的アプリケーションに対する継続的な需要の矛盾を解決する機会を提供する。
この研究はまず、知識駆動型インテリジェントアプリケーション統合に関する総合的研究を提示する。
次に、スマートグリッドにおける知識グラフの概要を紹介し、さらに、スマートグリッドとクリティカルテクノロジーのためのビッグナレッジグラフプラットフォームのアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2022-11-02T05:57:05Z) - Leveraging the Potential of Novel Data in Power Line Communication of
Electricity Grids [0.5399800035598186]
電力網は、日常生活において気づかないことが多いとしても、日常生活において不可欠な部分となっている。
本稿では、ブロードバンド電力線通信インフラにおける計測に基づく2つの第一種データセットを提案する。
両方のデータセットFiN-1とFiN-2は、約440万人を供給しているドイツの低電圧グリッドの一部で実運用中に収集された。
論文 参考訳(メタデータ) (2022-09-23T11:37:02Z) - Graph Pooling for Graph Neural Networks: Progress, Challenges, and
Opportunities [128.55790219377315]
グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。
グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
論文 参考訳(メタデータ) (2022-04-15T04:02:06Z) - Temporal Graph Network Embedding with Causal Anonymous Walks
Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。
評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。
欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文 参考訳(メタデータ) (2021-08-19T15:39:52Z) - Deep Learning for Intelligent Demand Response and Smart Grids: A
Comprehensive Survey [3.0746367873237]
ディープラーニングを利用して、生成されたデータからパターンを学び、電力とピーク時間の需要を予測する。
本稿では,DLの基礎,スマートグリッド,需要応答,DLの背景にあるモチベーションについて述べる。
本稿では,電力負荷予測,状態推定,エネルギー盗難検出,エネルギー共有,取引など,スマートグリッドと需要応答におけるdlの最先端の応用について検討する。
論文 参考訳(メタデータ) (2021-01-20T08:07:41Z) - Smart Grid: A Survey of Architectural Elements, Machine Learning and
Deep Learning Applications and Future Directions [0.0]
ビッグデータ分析、機械学習(ML)、ディープラーニング(DL)は、この膨大なデータの分析と貴重な洞察の生成において重要な役割を果たす。
本稿では、スマートグリッドのコンテキストにおいて、スマートグリッドアーキテクチャ要素、機械学習、ディープラーニングベースのアプリケーションおよびアプローチを調査し、調査する。
論文 参考訳(メタデータ) (2020-10-16T01:40:24Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳(メタデータ) (2020-08-09T09:26:30Z) - From Data to Knowledge to Action: Enabling the Smart Grid [0.11726720776908521]
『グリッド』は、世紀遅れの技術に基づく多くの点において、遺物である。
多くの人々が「スマートグリッド」に彼らの希望を固定しています
スマートグリッドの当初の計画では、既存の情報技術を広範囲に活用することを示唆している。
論文 参考訳(メタデータ) (2020-07-31T19:43:48Z)
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。