論文の概要: Exploring deterministic frequency deviations with explainable AI
- arxiv url: http://arxiv.org/abs/2106.09538v1
- Date: Mon, 14 Jun 2021 08:30:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-19 14:31:03.331498
- Title: Exploring deterministic frequency deviations with explainable AI
- Title(参考訳): 説明可能なAIによる決定論的周波数偏差の探索
- Authors: Johannes Kruse, Benjamin Sch\"afer, Dirk Witthaut
- Abstract要約: DFDは近年、欧州のグリッドで成長している。
本稿では、DFDの詳細な分析と、説明可能な人工知能の手法を用いた外部特徴との関係について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deterministic frequency deviations (DFDs) critically affect power grid
frequency quality and power system stability. A better understanding of these
events is urgently needed as frequency deviations have been growing in the
European grid in recent years. DFDs are partially explained by the rapid
adjustment of power generation following the intervals of electricity trading,
but this intuitive picture fails especially before and around noonday. In this
article, we provide a detailed analysis of DFDs and their relation to external
features using methods from explainable Artificial Intelligence. We establish a
machine learning model that well describes the daily cycle of DFDs and
elucidate key interdependencies using SHapley Additive exPlanations (SHAP).
Thereby, we identify solar ramps as critical to explain patterns in the Rate of
Change of Frequency (RoCoF).
- Abstract(参考訳): 決定論的周波数偏差(DFD)は電力グリッドの周波数品質と電力系統の安定性に重大な影響を及ぼす。
近年ヨーロッパでは周波数偏差が増加しているため、これらの出来事をより深く理解する必要がある。
DFDは、電力取引の期間を経て、発電の急速な調整によって部分的に説明されるが、この直感的な図は特に昼前後に失敗する。
本稿では,説明可能な人工知能を用いたdfdsの詳細な解析と,その外部特徴との関係について述べる。
dfdの日周期をよく記述し,shapley additive explanations (shap) を用いて重要な相互依存を解明する機械学習モデルを構築した。
これにより、太陽ランプは周波数変化率(RoCoF)のパターンを説明するのに重要であると認識する。
関連論文リスト
- Attractor Memory for Long-Term Time Series Forecasting: A Chaos
Perspective [66.79255404792849]
本稿では,カオス理論を長期時系列予測(LTSF)タスクに導入する。
我々のモデルである textbftextitAttraos はカオス理論をLTSFに組み込み、未知の高次元カオス力学系からの観測として実世界の時系列を知覚する。
歴史的力学構造を記憶し、周波数を拡大した局所進化戦略によって予測する。
論文 参考訳(メタデータ) (2024-02-18T05:35:01Z) - Revisiting VAE for Unsupervised Time Series Anomaly Detection: A
Frequency Perspective [40.21603048003118]
変分オートエンコーダ(VAE)は、より優れたノイズ除去能力のために近年人気を集めている。
FCVAEは、グローバルとローカルの両方の周波数特徴を条件付き変分オートエンコーダ(CVAE)の条件に同時に統合する革新的なアプローチを利用する
提案手法は, パブリックデータセットと大規模クラウドシステムを用いて評価され, その結果, 最先端の手法よりも優れた結果が得られた。
論文 参考訳(メタデータ) (2024-02-05T09:06:57Z) - Non-contact Sensing for Anomaly Detection in Wind Turbine Blades: A
focus-SVDD with Complex-Valued Auto-Encoder Approach [2.967390112155113]
我々は、FMCWレーダを非破壊検知モードとして利用する製造の品質保証を強化する。
焦点支援ベクトルデータ記述(focus-SVDD)と呼ばれる新しい異常検出手法を提案する。
提案手法の有効性は, 収集データへの適用を通して実証する。
論文 参考訳(メタデータ) (2023-06-19T09:54:34Z) - Instructed Diffuser with Temporal Condition Guidance for Offline
Reinforcement Learning [71.24316734338501]
テンポラリ・コンポラブル・ディフューザ(TCD)を用いた実効時間条件拡散モデルを提案する。
TCDは、相互作用シーケンスから時間情報を抽出し、時間条件で生成を明示的にガイドする。
提案手法は,従来のSOTAベースラインと比較して最高の性能を達成または一致させる。
論文 参考訳(メタデータ) (2023-06-08T02:12:26Z) - CARD: Channel Aligned Robust Blend Transformer for Time Series
Forecasting [50.23240107430597]
本稿では,CARD(Channel Aligned Robust Blend Transformer)という特殊なトランスを設計する。
まず、CARDはチャネルに沿ったアテンション構造を導入し、信号間の時間的相関をキャプチャする。
第二に、マルチスケール知識を効率的に活用するために、異なる解像度のトークンを生成するトークンブレンドモジュールを設計する。
第3に,潜在的な過度な問題を軽減するため,時系列予測のためのロバストな損失関数を導入する。
論文 参考訳(メタデータ) (2023-05-20T05:16:31Z) - Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。
TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。
共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
論文 参考訳(メタデータ) (2022-12-20T17:40:03Z) - Switching Recurrent Kalman Networks [19.262453343037116]
本稿では,非線形およびマルチモーダル時系列データに対する効率的な推測と予測のためのスイッチング・リカレント・カルマン・ネットワーク(SRKN)を提案する。
我々は、ポルト市内のタクシーから得られたおもちゃのデータセットと実際の運転データに基づいて、その結果のスケーラブルで解釈可能なディープステートスペースモデルを実証的にテストする。
論文 参考訳(メタデータ) (2021-11-16T08:31:25Z) - Frequency fluctuations of ferromagnetic resonances at milliKelvin
temperatures [50.591267188664666]
ノイズはデバイスの性能、特に量子コヒーレント回路に有害である。
最近の研究は、超伝導量子ビットへの単一のマグノンをベースとした量子技術にマグノンシステムを活用するためのルートを実証している。
時間的挙動を研究することは、基礎となるノイズ源を特定するのに役立つ。
論文 参考訳(メタデータ) (2021-07-14T08:00:37Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳(メタデータ) (2020-10-08T20:25:52Z) - Predictability of Power Grid Frequency [0.0]
重み付きアレスト近傍(WNN)予測器を開発し,周波数軌跡の予測可能性について検討する。
1時間までの予測は日平均プロファイルよりも正確であり、周波数制御の効率を高めることができる。
論文 参考訳(メタデータ) (2020-04-17T08:12:33Z)
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。