論文の概要: Data-driven Small-signal Modeling for Converter-based Power Systems
- arxiv url: http://arxiv.org/abs/2108.13046v1
- Date: Mon, 30 Aug 2021 08:10:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-31 19:29:28.988956
- Title: Data-driven Small-signal Modeling for Converter-based Power Systems
- Title（参考訳）: データ駆動型コンバータ電力系統の小型信号モデリング
- Authors: Francesca Rossi, Eduardo Prieto-Araujo, Marc Cheah-Mane, Oriol
Gomis-Bellmunt
- Abstract要約: 本稿では,コンバータを用いた電力系統の研究に有用な,データ駆動型小型信号ベースモデルを導出するための完全な手順を詳述する。
モデルを計算するために、単一DTとアンサンブルDTとスプライン回帰の両方を用いて決定木回帰(DT)を用いた。
モデルの適用可能性について論じ、さらなる電力系統小信号関連研究において、開発モデルの可能性を強調した。
- 参考スコア（独自算出の注目度）: 7.501426386641255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article details a complete procedure to derive a data-driven
small-signal-based model useful to perform converter-based power system related
studies. To compute the model, Decision Tree (DT) regression, both using single
DT and ensemble DT, and Spline regression have been employed and their
performances have been compared, in terms of accuracy, training and computing
time. The methodology includes a comprehensive step-by-step procedure to
develop the model: data generation by conventional simulation and mathematical
models, databases (DBs) arrangement, regression training and testing, realizing
prediction for new instances. The methodology has been developed using an
essential network and then tested on a more complex system, to show the
validity and usefulness of the suggested approach. Both power systems test
cases have the essential characteristics of converter-based power systems,
simulating high penetration of converter interfaced generation and the presence
of HVDC links. Moreover, it is proposed how to represent in a visual manner the
results of the small-signal stability analysis for a wide range of system
operating conditions, exploiting DT regressions. Finally, the possible
applications of the model are discussed, highlighting the potential of the
developed model in further power system small-signal related studies.
- Abstract（参考訳）: 本稿では,コンバータを用いた電力系統研究に有用なデータ駆動型小信号モデルを提案する。
このモデルを計算するために、単一のdtとアンサンブルdtの両方を用いた決定木(dt)回帰とスプライン回帰が採用され、その性能は精度、トレーニング、計算時間の観点から比較されている。
この方法論には、従来のシミュレーションと数学的モデルによるデータ生成、データベース(DB)のアレンジメント、回帰トレーニングとテスト、新しいインスタンスの予測の実現といった、モデルを開発するための包括的なステップバイステップの手順が含まれている。
提案手法は,本質的なネットワークを用いて開発され,提案手法の有効性と有用性を示すために,より複雑なシステム上でテストされている。
どちらのパワーシステムテストケースもコンバータベースのパワーシステムの本質的な特性を持ち、コンバータインタフェース生成の高浸透とHVDCリンクの存在をシミュレートしている。
さらに, dt回帰を利用して, 幅広いシステム動作条件に対する小信号安定解析の結果を視覚的に表現する方法を提案する。
最後に, 電力系統小信号関連研究における発展モデルの可能性に注目し, モデルの適用可能性について考察した。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。
ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文 参考訳（メタデータ） (2024-01-09T11:54:54Z) - Analysis of Numerical Integration in RNN-Based Residuals for Fault
Diagnosis of Dynamic Systems [0.6999740786886536]
本論文は,重度トラックの後処理システムの事例スタディを含み,これらの技術が故障診断性能を向上させる可能性を明らかにする。
データ駆動モデリングと機械学習は、動的システムの振る舞いをモデル化するために広く使われている。
論文 参考訳（メタデータ） (2023-05-08T12:48:18Z) - Learning a model is paramount for sample efficiency in reinforcement
learning control of PDEs [5.488334211013093]
RLエージェントの訓練と並行して動作モデルを学ぶことで,実システムからサンプリングしたデータ量を大幅に削減できることを示す。
また、RLトレーニングのバイアスを避けるために、モデルを反復的に更新することが重要であることも示している。
論文 参考訳（メタデータ） (2023-02-14T16:14:39Z) - Low-dimensional Data-based Surrogate Model of a Continuum-mechanical
Musculoskeletal System Based on Non-intrusive Model Order Reduction [0.0]
データ駆動型モデルオーダーリダクションを用いた代理モデルのような従来の手法は、高忠実度モデルをより広く利用するために用いられる。
ヒト上腕部の複素有限要素モデルに対する代理モデル手法の利点を実証する。
論文 参考訳（メタデータ） (2023-02-13T17:14:34Z) - Using Neural Networks by Modelling Semi-Active Shock Absorber [0.0]
絶え間なく増加する自動車制御システムには、デジタルマッピングに対する新しいアプローチが必要である。
ニューラルネットワーク(NN)を適用する様々な手法は、自動車制御系設計における関連するデジタルツイン(DT)ツールの候補となる。
本稿では, 半能動衝撃吸収器のモデリングにより, 回帰タスクを効率的に処理する方法を示す。
論文 参考訳（メタデータ） (2022-07-19T09:21:21Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Data-driven Residual Generation for Early Fault Detection with Limited
Data [4.129225533930966]
多くの複雑なシステムでは、システムのための高精度なモデルを開発することは不可能である。
データ駆動型ソリューションは、いくつかの実践的な理由から、産業システムにおいて大きな注目を集めている。
モデルに基づく手法とは異なり、圧力や電圧などの時系列測定を他の情報源と組み合わせることが直接の前進である。
論文 参考訳（メタデータ） (2021-09-28T03:18:03Z) - Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。
我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文 参考訳（メタデータ） (2021-06-25T22:08:51Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳（メタデータ） (2020-12-15T16:29:49Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [55.28436972267793]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z)
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。