論文の概要: Encoding Frequency Constraints in Preventive Unit Commitment Using Deep
Learning with Region-of-Interest Active Sampling
- arxiv url: http://arxiv.org/abs/2102.09583v1
- Date: Thu, 18 Feb 2021 19:04:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 13:18:42.982717
- Title: Encoding Frequency Constraints in Preventive Unit Commitment Using Deep
Learning with Region-of-Interest Active Sampling
- Title（参考訳）: 地域別アクティブサンプリングを用いた深層学習による予防ユニットコミットメントにおける符号化周波数制約
- Authors: Yichen Zhang and Hantao Cui and Jianzhe Liu and Feng Qiu and Tianqi
Hong and Rui Yao and Fangxing Li
- Abstract要約: 本稿では,周波数制約単位コミットメント(FCUC)のための汎用データ駆動型フレームワークを提案する。
深層ニューラルネットワーク(dnn)を訓練し、実データや高忠実度シミュレーションデータを用いて周波数応答を予測する。
データ生成フェーズでは、すべての可能な電力注入を考慮し、uflcしきい値に近い周波数nadirの電力注入サンプルを含む領域間アクティブサンプリングを提案する。
- 参考スコア（独自算出の注目度）: 8.776029771500689
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increasing penetration of renewable energy, frequency response and
its security are of significant concerns for reliable power system operations.
Frequency-constrained unit commitment (FCUC) is proposed to address this
challenge. Despite existing efforts in modeling frequency characteristics in
unit commitment (UC), current strategies can only handle oversimplified
low-order frequency response models and do not consider wide-range operating
conditions. This paper presents a generic data-driven framework for FCUC under
high renewable penetration. Deep neural networks (DNNs) are trained to predict
the frequency response using real data or high-fidelity simulation data. Next,
the DNN is reformulated as a set of mixed-integer linear constraints to be
incorporated into the ordinary UC formulation. In the data generation phase,
all possible power injections are considered, and a region-of-interests active
sampling is proposed to include power injection samples with frequency nadirs
closer to the UFLC threshold, which significantly enhances the accuracy of
frequency constraints in FCUC. The proposed FCUC is verified on the the IEEE
39-bus system. Then, a full-order dynamic model simulation using PSS/E verifies
the effectiveness of FCUC in frequency-secure generator commitments.
- Abstract（参考訳）: 再生可能エネルギーの普及に伴い、周波数応答とそのセキュリティは、信頼性の高い電力システムの運用にとって重要な懸念事項です。
周波数制約ユニットコミットメント(FCUC)は、この課題に対処するために提案されている。
ユニットコミットメント(UC)における周波数特性のモデリングにおける既存の取り組みにもかかわらず、現在の戦略は単純化した低階周波数応答モデルのみを扱うことができ、広い範囲の動作条件を考慮しない。
本稿では, FCUCの汎用データ駆動型フレームワークについて述べる。
深層ニューラルネットワーク(dnn)を訓練し、実データや高忠実度シミュレーションデータを用いて周波数応答を予測する。
次に、DNNは通常のUCの定式化に組み込む混合整数線形制約の集合として再構成される。
データ生成フェーズでは、全ての可能な電力注入を考慮し、uflcしきい値に近い周波数nadirの電力注入サンプルを含む領域間アクティブサンプリングを提案し、fcucにおける周波数制約の精度を大幅に向上させる。
提案するFCUCはIEEE 39-busシステム上で検証される。
そして,pss/eを用いた全次動的モデルシミュレーションにより,fcucの有効性を検証する。
関連論文リスト
- DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
次世代の細胞概念は、大量の高周波サンプルの処理に依存している。
RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。
RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
論文 参考訳（メタデータ） (2024-03-05T17:42:39Z) - Power-Efficient Indoor Localization Using Adaptive Channel-aware
Ultra-wideband DL-TDOA [7.306334571814026]
本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。
畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
論文 参考訳（メタデータ） (2024-02-16T09:04:04Z) - Properties and Potential Applications of Random Functional-Linked Types
of Neural Networks [81.56822938033119]
ランダム関数リンクニューラルネットワーク(RFLNN)は、深い構造を学習する別の方法を提供する。
本稿では周波数領域の観点からRFLNNの特性について考察する。
本稿では,より優れた性能でBLSネットワークを生成する手法を提案し,ポゾン方程式を解くための効率的なアルゴリズムを設計する。
論文 参考訳（メタデータ） (2023-04-03T13:25:22Z) - One-shot Generative Distribution Matching for Augmented RF-based UAV Identification [0.0]
この研究は、限られたRF環境下でRFフィンガープリントを用いて無人航空機(UAV)を特定するという課題に対処する。
RF信号の複雑さと可変性は、環境干渉やハードウェアの不完全性の影響を受け、従来のRFベースの識別手法を効果的にしないことが多い。
変換されたRF信号を増強するためのワンショット生成法は、UAV識別を著しく改善する。
論文 参考訳（メタデータ） (2023-01-20T02:35:43Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - FreGAN: Exploiting Frequency Components for Training GANs under Limited
Data [3.5459430566117893]
限られたデータの下でのGANのトレーニングは、しばしば差別者が過度に適合し、記憶する問題を引き起こす。
本稿では、FreGANを提案する。FreGANは、モデルの周波数認識を高め、高周波信号の生成により多くの注意を払っている。
実画像と生成画像の両方の周波数情報を活用することに加えて、実画像の周波数信号を自己監督的制約として含む。
論文 参考訳（メタデータ） (2022-10-11T14:02:52Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Learning Likelihoods with Conditional Normalizing Flows [54.60456010771409]
条件正規化フロー(CNF)はサンプリングと推論において効率的である。
出力空間写像に対する基底密度が入力 x 上で条件づけられた CNF について、条件密度 p(y|x) をモデル化する。
論文 参考訳（メタデータ） (2019-11-29T19:17:58Z)
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。