論文の概要: Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring

• arxiv url: http://arxiv.org/abs/2102.03356v1
• Date: Thu, 21 Jan 2021 07:50:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 07:46:32.007564
• Title: Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring
• Title（参考訳）: リモート電気ネットワークコンディションモニタリングのための人工知能を用いたセンサデータ分析フレームワーク
• Authors: Tharmakulasingam Sirojan
• Abstract要約: 農村電化は、単一ワイヤアースリターン(SWER)ネットワークのような安価な技術の使用を要求する。 リモート消費者からのエネルギー需要は着実に増加しており、既存の路線の容量はすぐに不足する可能性がある。 SWERラインからの高インピーダンスアーク断層(HIF)は、2009年のブラックサタデーイベントのような壊滅的なブッシュファイアを引き起こす可能性があります。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Rural electrification demands the use of inexpensive technologies such as single wire earth return (SWER) networks. There is a steadily growing energy demand from remote consumers, and the capacity of existing lines may become inadequate soon. Furthermore, high impedance arcing faults (HIF) from SWER lines can cause catastrophic bushfires such as the 2009 Black Saturday event. As a solution, reliable remote electricity networks can be established through breaking the existing systems down into microgrids, and existing SWER lines can be utilised to interconnect those microgrids. The development of such reliable networks with better energy demand management will rely on having an integrated network-wide condition monitoring system. As the first contribution of this thesis, a distributed online monitoring platform is developed that incorporates power quality monitoring, real-time HIF identification and transient classification in SWER network. Artificial Intelligence (AI) based techniques are developed to classify faults and transients. The proposed approach demonstrates higher HIF detection accuracy (98.67%) and reduced detection latency (115.2 ms). Secondly, a remote consumer load identification methodology is developed to detect the load type from its transients. An edge computing-based architecture is proposed to facilitate the high-frequency analysis for load identification. The proposed approach is evaluated in real-time, and it achieves an average accuracy of 98% in identifying different loads. Finally, a deep neural network-based energy disaggregation framework is developed to separate the load specific energy usage from an aggregated signal. The proposed framework is evaluated using a real-world data set. It improves the signal aggregate error by 44% and mean aggregate error by 19% in comparison with the state-of-the-art techniques.
• Abstract（参考訳）: 農村電化は、単一ワイヤアースリターン(SWER)ネットワークのような安価な技術の使用を要求する。 リモート消費者からのエネルギー需要は着実に増加しており、既存の路線の容量はすぐに不足する可能性がある。 さらに、SWER線からの高インピーダンスアーク断層(HIF)は、2009年のブラック・サタデー・イベントのような大火を引き起こす可能性がある。 ソリューションとして、既存のシステムをマイクログリッドに分解することで、信頼性の高い遠隔電気ネットワークを確立することができ、既存のSWER回線を使用してマイクログリッドを相互接続することができる。 エネルギー需要管理を向上した信頼性の高いネットワークの開発は、ネットワーク全体の状態監視システムの構築に依存している。 この論文の最初の貢献として、SWERネットワークにおける電力品質モニタリング、リアルタイムHIF識別、過渡分類を含む分散オンライン監視プラットフォームを開発した。 人工知能(AI)ベースの技術は、障害と過渡性を分類するために開発されている。 提案手法は高いHIF検出精度 (98.67%) と検出遅延 (115.2 ms) を示す。 次に,その過渡状態から負荷タイプを検出するために,リモートコンシューマの負荷識別手法を開発した。 負荷同定のための高周波解析を容易にするためにエッジコンピューティングに基づくアーキテクチャを提案する。 提案手法はリアルタイムに評価され,負荷の同定において平均98%の精度が得られる。 最後に、集約信号から負荷特異的エネルギーの使用を分離するために、ディープニューラルネットワークに基づくエネルギー分散フレームワークを開発する。 提案フレームワークは実世界のデータセットを用いて評価される。 信号集約誤差を44%改善し、最先端技術と比較して平均集約誤差を19%改善する。

関連論文リスト

• Graph neural networks for power grid operational risk assessment under evolving grid topology [4.6289929100615]
  本稿では、その後の数時間で電力グリッド内の危険条件を識別するグラフニューラルネットワーク(GNN)の能力について検討する。 GNNは、電力供給と需要の異なる条件下で電力グリッドの集約されたバスレベルを予測するために、教師付き学習を使用して訓練される。 GNNに基づく信頼性とリスクアセスメントの優れた精度は、GNNモデルが状況認識を大幅に改善できることを示している。
  論文  参考訳（メタデータ） (2024-05-12T17:40:27Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• EnsembleNTLDetect: An Intelligent Framework for Electricity Theft Detection in Smart Grid [0.0]
  本稿では,堅牢でスケーラブルな電気盗難検出フレームワークであるEnsembleNTLDetectを紹介する。 一連の効率的なデータ前処理技術と機械学習モデルを使って、電気盗難を正確に検出する。 Conditional Generative Adversarial Network (CTGAN) は、堅牢なトレーニングを保証するためにデータセットを増強するために使用される。
  論文  参考訳（メタデータ） (2021-10-09T08:19:03Z)
• Quick Line Outage Identification in Urban Distribution Grids via Smart Meters [4.464184851598876]
  本稿では,理論的保証付き時系列解析に基づくデータ駆動型停止監視手法を提案する。 電力流解析により、時系列電圧測定の依存性はライン停止後の統計的に有意な変化を示すことを示した。 提案手法では,迅速な停止同定には電圧大小のみを要求できることを示した。
  論文  参考訳（メタデータ） (2021-04-01T07:10:34Z)
• An Ensemble Deep Convolutional Neural Network Model for Electricity Theft Detection in Smart Grids [2.281079191664481]
  電力盗難検知(EDT)アルゴリズムは、この非技術的損失(NTL)が電力システムにおいて重大な課題を引き起こす可能性があるため、一般的にそのような目的のために使用される。 本稿では,スマートグリッドにおけるETDのためのEnsemble Deep Convolutional Neural Network (EDCNN)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-10T18:27:13Z)
• 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)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。