論文の概要: A Multivariate Density Forecast Approach for Online Power System Security Assessment

• arxiv url: http://arxiv.org/abs/2105.03047v1
• Date: Fri, 7 May 2021 03:30:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-10 12:11:26.251544
• Title: A Multivariate Density Forecast Approach for Online Power System Security Assessment
• Title（参考訳）: オンライン電力系統セキュリティ評価のための多変量密度予測手法
• Authors: Zichao Meng, Ye Guo, Wenjun Tang, Hongbin Sun, Wenqi Huang
• Abstract要約: 提案手法は予測対象の分布に関する事前仮説を必要としない。 ニューラルネットワークの普遍近似能力に基づいて、提案手法の値領域は、全ての連続JCDFを含むことが証明されている。 決定論的セキュリティ評価指標は、セキュリティマージンよりもオペレーターにとって有益であることが示されている。
• 参考スコア（独自算出の注目度）: 5.981903479250517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A multivariate density forecast model based on deep learning is designed in this paper to forecast the joint cumulative distribution functions (JCDFs) of multiple security margins in power systems. Differing from existing multivariate density forecast models, the proposed method requires no a priori hypotheses on the distribution of forecasting targets. In addition, based on the universal approximation capability of neural networks, the value domain of the proposed approach has been proven to include all continuous JCDFs. The forecasted JCDF is further employed to calculate the deterministic security assessment index evaluating the security level of future power system operations. Numerical tests verify the superiority of the proposed method over current multivariate density forecast models. The deterministic security assessment index is demonstrated to be more informative for operators than security margins as well.
• Abstract（参考訳）: 本稿では,電力系統における複数のセキュリティマージンの積算分布関数(JCDF)を予測するために,ディープラーニングに基づく多変量密度予測モデルを構築した。 既存の多変量密度予測モデルとは異なり,提案手法では予測対象の分布を事前仮定する必要がなくなる。 さらに、ニューラルネットワークの普遍近似能力に基づいて、提案手法の値領域が全ての連続JCDFを含むことが証明されている。 予測されたJCDFは、将来の電力系統のセキュリティレベルを評価する決定論的セキュリティ評価指標を計算するためにさらに使用される。 現在の多変量密度予測モデルよりも提案手法が優れていることを検証する。 決定論的セキュリティ評価指標は、セキュリティマージンよりもオペレーターにとって有益であることが示されている。

関連論文リスト

• Diverse Randomized Value Functions: A Provably Pessimistic Approach for Offline Reinforcement Learning [11.304227281260896]
  Q$-値の後方分布を推定するために,多種多様なランダム化値関数を用いた新しい戦略を導入する。 堅牢な不確実性定量化と、$Q$-値の低い信頼境界(LCB)を推定する。 また、ランダム化値関数内の多様性を強調し、ダイバーシティ正規化手法を導入し、ネットワークの必要数を減らすことで効率を向上させる。
  論文  参考訳（メタデータ） (2024-04-09T10:15:18Z)
• Tractable Function-Space Variational Inference in Bayesian Neural Networks [72.97620734290139]
  ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。 本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。 提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-28T18:33:26Z)
• Uncertainty Estimation for Safety-critical Scene Segmentation via Fine-grained Reward Maximization [12.79542334840646]
  不確実性推定は、安全クリティカルなシナリオにおけるディープセグメンテーションモデルの将来の信頼性の高い展開において重要な役割を果たす。 本研究では,不確実性推定に対処する新たな微粒化報酬(FGRM)フレームワークを提案する。 本手法は,不確実性推定のキャリブレーション指標のすべてに対して,最先端の手法よりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2023-11-05T17:43:37Z)
• Probabilistic load forecasting with Reservoir Computing [10.214379018902914]
  本研究は,コア時系列予測手法としての貯水池計算に焦点を当てた。 RC文献は主に点予測に重点を置いているが、この研究は一般的な不確実性定量法と貯水池の設定との整合性を探究するものである。
  論文  参考訳（メタデータ） (2023-08-24T15:07:08Z)
• Conformal Prediction for Federated Uncertainty Quantification Under Label Shift [57.54977668978613]
  Federated Learning(FL)は、多くのクライアントが協力してモデルをトレーニングする機械学習フレームワークである。 我々は、量子回帰に基づく新しいコンフォメーション予測法を開発し、プライバシー制約を考慮した。
  論文  参考訳（メタデータ） (2023-06-08T11:54:58Z)
• Which models are innately best at uncertainty estimation? [15.929238800072195]
  ディープニューラルネットワークは、リスクに敏感なタスクにデプロイされる場合、不確実性推定機構を備える必要がある。 本稿では,深層建築とその訓練体制との関係について,その選択予測と不確実性推定性能について検討する。
  論文  参考訳（メタデータ） (2022-06-05T11:15:35Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• Providing reliability in Recommender Systems through Bernoulli Matrix Factorization [63.732639864601914]
  本稿では,予測値と信頼性値の両方を提供するためにBernoulli Matrix Factorization (BeMF)を提案する。 BeMFはメモリベースのフィルタリングではなく、モデルベースの協調フィルタリングに作用する。 予測の信頼性が高ければ高いほど、それが間違っているという責任は少なくなる。
  論文  参考訳（メタデータ） (2020-06-05T14:24:27Z)

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。