論文の概要: Exploration of AI-Oriented Power System Transient Stability Simulations
- arxiv url: http://arxiv.org/abs/2110.00931v1
- Date: Sun, 3 Oct 2021 06:01:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:16:06.549433
- Title: Exploration of AI-Oriented Power System Transient Stability Simulations
- Title(参考訳): AI指向電力系統過渡安定シミュレーションの探索
- Authors: Tannan Xiao, Ying Chen, Jianquan Wang, Shaowei Huang, Weilin Tong,
Tirui He
- Abstract要約: 将来の電力系統の過渡安定シミュレーションがAIと深く統合されることは予測できる。
既存の電力システムの動的シミュレーションツールは、AIフレンドリーではない。
AI指向の電力系統過渡安定シミュレータの汎用設計を提案する。
- 参考スコア(独自算出の注目度): 2.182997852215525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI) has made significant progress in the past 5
years and is playing a more and more important role in power system analysis
and control. It is foreseeable that the future power system transient stability
simulations will be deeply integrated with AI. However, the existing power
system dynamic simulation tools are not AI-friendly enough. In this paper, a
general design of an AI-oriented power system transient stability simulator is
proposed. It is a parallel simulator with a flexible application programming
interface so that the simulator has rapid simulation speed, neural network
supportability, and network topology accessibility. A prototype of this design
is implemented and made public based on our previously realized simulator.
Tests of this AI-oriented simulator are carried out under multiple scenarios,
which proves that the design and implementation of the simulator are
reasonable, AI-friendly, and highly efficient.
- Abstract(参考訳): 人工知能(AI)は過去5年間で大きな進歩を遂げ、電力系統の分析と制御において、より重要な役割を担っている。
将来の電力系統の過渡安定シミュレーションがAIと深く統合されることは予測できる。
しかし、既存の電力系統の動的シミュレーションツールは、十分なAIフレンドリではない。
本稿では,ai指向の電力系統過渡安定シミュレータの汎用設計を提案する。
フレキシブルなアプリケーションプログラミングインタフェースを備えた並列シミュレータで、シミュレータは高速なシミュレーション速度、ニューラルネットワークのサポート性、ネットワークトポロジアクセシビリティを有する。
この設計のプロトタイプが実装され、以前実現したシミュレータに基づいて公開された。
このai指向シミュレータのテストは、複数のシナリオで実行され、シミュレータの設計と実装が合理的でaiフレンドリーで、高い効率であることを証明する。
関連論文リスト
- GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes
and Minimalist Workflow [24.789118651720045]
光実写シーンを用いた自律走行シミュレータを提案する。
シミュレータはROS2またはSocket.IOを介して外部アルゴリズムと通信することができる。
シミュレータ内に高精度な車両力学モデルを実装し,車体効果の現実性を高める。
論文 参考訳(メタデータ) (2024-01-28T23:26:15Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳(メタデータ) (2023-10-12T20:49:15Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-16T16:54:10Z) - Autonomous Driving Simulator based on Neurorobotics Platform [11.25880077022107]
自動運転車には人工知能アルゴリズムがたくさんあるが、これらのアルゴリズムを直接車両にインストールするのは非現実的で高価だ。
同時に、これらのアルゴリズムの多くは、トレーニングと最適化のための環境を必要としています。
このレポートは、Neurorobotics Platformに関する小さな研究から始まり、真の現実世界のシミュレーション目標を達成するための新しいシミュレータの開発の可能性と可能性を分析する。
論文 参考訳(メタデータ) (2022-12-31T01:12:27Z) - DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to
Reality [64.51295032956118]
我々は人型ロボットの手で頑健な操作を行える政策を訓練する。
本研究は,各種ハードウェアおよびシミュレータのデクスタラス操作におけるsim-to-real転送の可能性を再確認する。
論文 参考訳(メタデータ) (2022-10-25T01:51:36Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳(メタデータ) (2021-11-23T18:58:10Z) - Robot Learning from Randomized Simulations: A Review [59.992761565399185]
ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。
最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。
本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
論文 参考訳(メタデータ) (2021-11-01T13:55:41Z) - SimNet: Computer Architecture Simulation using Machine Learning [3.7019798164954336]
この研究では、機械学習(ML)を使用して離散イベントシミュレーションを加速する共同作業について説明します。
提案した命令遅延予測器に基づいて,GPU加速並列シミュレータを実装した。
そのシミュレーション精度とスループットを、最先端シミュレータに対して検証し、評価する。
論文 参考訳(メタデータ) (2021-05-12T17:31:52Z) - Simulation of an Elevator Group Control Using Generative Adversarial
Networks and Related AI Tools [0.6481500397175589]
Generative Adversarial Networks (GAN) は、様々なタスクのための新しいデータを生成する強力なツールである。
本稿では,シミュレーションにおけるGANの適用性について検討する。
論文 参考訳(メタデータ) (2020-09-03T14:22:26Z)
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。