論文の概要: Enhancing the Spatio-temporal Observability of Grid-Edge Resources in
Distribution Grids
- arxiv url: http://arxiv.org/abs/2102.07801v1
- Date: Mon, 15 Feb 2021 19:12:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 14:53:05.872207
- Title: Enhancing the Spatio-temporal Observability of Grid-Edge Resources in
Distribution Grids
- Title（参考訳）: 配電網におけるグリッドエッジ資源の時空間観測性の向上
- Authors: Shanny Lin and Hao Zhu
- Abstract要約: 分散エネルギー資源(DER)の凸時間観測可能性を高めることは,配電網の安全かつ効率的な運用を実現する上で重要である。
本稿では, 異種の測定値の補足強度を活用し, 集合的な住宅負荷回復枠組みについて述べる。
- 参考スコア（独自算出の注目度）: 5.815007821143811
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enhancing the spatio-temporal observability of distributed energy resources
(DERs) is crucial for achieving secure and efficient operations in distribution
grids. This paper puts forth a joint recovery framework for residential loads
by leveraging the complimentary strengths of heterogeneous types of
measurements. The proposed approaches integrate the low-resolution smart meter
data collected for every load node with the fast-sampled feeder-level
measurements provided by limited number of phasor measurement units. To address
the lack of data, we exploit two key characteristics for the loads and DERs,
namely the sparse changes due to infrequent activities of appliances and
electric vehicles (EVs) and the locational dependence of solar photovoltaic
(PV) generation. Accordingly, meaningful regularization terms are introduced to
cast a convex load recovery problem, which will be further simplified to reduce
computational complexity. The load recovery solutions can be utilized to
identify the EV charging events at each load node and to infer the total
behind-the-meter PV output. Numerical tests using real-world data have
demonstrated the effectiveness of the proposed approaches in enhancing the
visibility of these grid-edge DERs.
- Abstract（参考訳）: 分散エネルギー資源(DER)の時空間観測可能性を高めることは,配電網の安全かつ効率的な運用を実現する上で重要である。
本稿では, 異種の測定値の補足強度を活用し, 集合的な住宅負荷回復枠組みについて述べる。
提案手法は,各負荷ノードに対して収集した低分解能スマートメータデータを,限られた数のファサー測定ユニットによって提供される高速サンプリングフィードレベル測定と統合する。
データ不足に対処するために,電気機器や電気自動車(evs)の頻度の低さと太陽光発電(pv)発生の場所依存性という,負荷とdersに対する2つの重要な特徴を生かした。
したがって、凸荷重回復問題を解くために有意義な正規化項を導入し、計算複雑性を低減するためにさらに単純化する。
負荷回復ソリューションは、各負荷ノードにおけるev充電イベントを識別し、総後方pv出力を推定するために使用することができる。
実世界のデータを用いた数値実験により,これらのグリッドエッジDERの視認性を高めるための提案手法の有効性が示された。
関連論文リスト
- 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) - Federated Learning for Energy-limited Wireless Networks: A Partial Model
Aggregation Approach [79.59560136273917]
デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである
まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。
提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
論文 参考訳（メタデータ） (2022-04-20T19:09:52Z) - FedREP: Towards Horizontal Federated Load Forecasting for Retail Energy
Providers [1.1254693939127909]
我々は、エネルギー負荷予測のための新しい水平プライバシー保護フェデレーション学習フレームワーク、フェデレーション(FedREP)を提案する。
我々は、複数のREPがデータを共有することなく、共通の堅牢な機械学習モデルを構築することを可能にすることにより、制御センタと複数の小売業者からなる連合学習システムを考える。
予測には、長期の観測シーケンスを学習できるため、最先端のLong Short-Term Memory(LSTM)ニューラルネットワークを使用する。
論文 参考訳（メタデータ） (2022-03-01T04:16:19Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳（メタデータ） (2021-11-13T15:03:44Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Mixed-Integer Nonlinear Programming for State-based Non-Intrusive Load
Monitoring [2.2237337682863125]
非侵入負荷モニタリング(Non-Intrusive Load Monitoring, NILM)は、1つのスマートメーターによって記録された集約信号に対して、各アプライアンスのエネルギー消費を推定するタスクである。
エネルギー分散のための2段階最適化手法を提案する。
論文 参考訳（メタデータ） (2021-06-16T22:16:00Z) - Energy Disaggregation using Variational Autoencoders [11.940343835617046]
非侵入負荷モニタリング(NILM)は、単一のセンサーを使用して建物の総電力消費量を測定する技術です。
最近の分散アルゴリズムは、NILMシステムの性能を大幅に改善した。
本稿では,変分オートエンコーダ(VAE)フレームワークに基づくエネルギー分散手法を提案する。
論文 参考訳（メタデータ） (2021-03-22T20:53:36Z) - A Hierarchical Deep Actor-Critic Learning Method for Joint Distribution
System State Estimation [1.7205106391379026]
グリッドエッジにおける顧客のリアルタイム監視は、重要なタスクとなっている。
ほぼリアルタイムなソリューションを実現するために,新しい階層型強化学習支援フレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-04T22:38:21Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。