論文の概要: Deep Learning for Intelligent Demand Response and Smart Grids: A
Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2101.08013v1
- Date: Wed, 20 Jan 2021 08:07:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 01:15:14.835955
- Title: Deep Learning for Intelligent Demand Response and Smart Grids: A
Comprehensive Survey
- Title（参考訳）: インテリジェント需要応答とスマートグリッドのためのディープラーニング:包括的調査
- Authors: Prabadevi B, Quoc-Viet Pham, Madhusanka Liyanage, N Deepa, Mounik
VVSS, Shivani Reddy, Praveen Kumar Reddy Maddikunta, Neelu Khare, Thippa
Reddy Gadekallu, Won-Joo Hwang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.0746367873237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electricity is one of the mandatory commodities for mankind today. To address
challenges and issues in the transmission of electricity through the
traditional grid, the concepts of smart grids and demand response have been
developed. In such systems, a large amount of data is generated daily from
various sources such as power generation (e.g., wind turbines), transmission
and distribution (microgrids and fault detectors), load management (smart
meters and smart electric appliances). Thanks to recent advancements in big
data and computing technologies, Deep Learning (DL) can be leveraged to learn
the patterns from the generated data and predict the demand for electricity and
peak hours. Motivated by the advantages of deep learning in smart grids, this
paper sets to provide a comprehensive survey on the application of DL for
intelligent smart grids and demand response. Firstly, we present the
fundamental of DL, smart grids, demand response, and the motivation behind the
use of DL. Secondly, we review the state-of-the-art applications of DL in smart
grids and demand response, including electric load forecasting, state
estimation, energy theft detection, energy sharing and trading. Furthermore, we
illustrate the practicality of DL via various use cases and projects. Finally,
we highlight the challenges presented in existing research works and highlight
important issues and potential directions in the use of DL for smart grids and
demand response.
- Abstract（参考訳）: 今日、電気は人類にとって必須の商品の1つである。
従来の送電網における課題や課題に対処するため,スマートグリッドと需要応答の概念が開発されている。
このようなシステムでは、発電(風力タービンなど)、送電・配電(マイクログリッドや故障検知装置)、負荷管理(スマートメータやスマート家電など)といった様々なソースから、大量のデータが毎日生成される。
近年のビッグデータとコンピューティング技術の進歩により、Deep Learning(DL)は、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ために利用することができる。
スマートグリッドの深層学習の利点を活かした本論文では,知的スマートグリッドに対するDLの適用状況と需要応答に関する総合的な調査を行う。
まず、DLの基本、スマートグリッド、需要応答、そしてDLの使用の背後にあるモチベーションを示す。
第2に、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、スマートグリッドおよび需要応答におけるDLの最先端応用について概観する。
さらに,様々なユースケースやプロジェクトを通じて,DLの実用性を説明する。
最後に,既存研究における課題を強調し,スマートグリッドと需要応答におけるDLの利用における重要な課題と潜在的方向性を強調した。
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) - From Generative AI to Generative Internet of Things: Fundamentals,
Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。
GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-10-27T02:58:11Z) - 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) - Machine-learned Adversarial Attacks against Fault Prediction Systems in
Smart Electrical Grids [17.268321134222667]
本研究では、スマートグリッドシナリオにおける機械学習(ML)アプリケーションのセキュリティに関する課題について検討する。
まず、スマートグリッドで使用されるディープニューラルネットワーク手法が、逆方向の摂動の影響を受けやすいことを実証する。
そこで本研究では,スマートグリッドにおける現在のMLアルゴリズムの弱点を,障害の局所化と型分類によって明らかにする方法について述べる。
論文 参考訳（メタデータ） (2023-03-28T10:19:03Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - 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) - Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。
HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
論文 参考訳（メタデータ） (2022-08-31T17:47:22Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Knowledge- and Data-driven Services for Energy Systems using Graph
Neural Networks [0.9809636731336702]
グラフニューラルネットワーク(GNN)の枠組みに基づくエネルギーシステムのためのデータおよび知識駆動型確率的グラフィカルモデルを提案する。
このモデルは、グリッドトポロジや物理制約の形で、明らかにドメイン知識をファクタリングし、スパーアーキテクチャとはるかに小さなパラメータの寸法性をもたらす。
実世界のスマートグリッドデモプロジェクトから得られた結果は、グリッドの混雑予測や市場入札サービスにどのようにGNNを使用したかを示している。
論文 参考訳（メタデータ） (2021-03-12T13:00:01Z) - 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) - 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。