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
- BeSimulator: A Large Language Model Powered Text-based Behavior Simulator [28.112491177744783]
本研究では,BeSimulatorをテキストベースの環境下での動作シミュレーションの試みとして紹介する。
BeSimulatorはシナリオを一般化し、長距離複素シミュレーションを実現する。
論文 参考訳（メタデータ） (2024-09-24T08:37:04Z) - INSIGHT: Universal Neural Simulator for Analog Circuits Harnessing Autoregressive Transformers [13.94505840368669]
INSIGHTはアナログフロントエンド設計自動化ループにおける効果的なユニバーサルニューラルネットワークシミュレータである。
アナログ回路の性能指標を数マイクロ秒の推論時間で正確に予測する。
論文 参考訳（メタデータ） (2024-07-10T03:52:53Z) - EAGERx: Graph-Based Framework for Sim2real Robot Learning [9.145895178276822]
Sim2realは、シミュレーションから現実世界への学習制御ポリシーの移行であり、ロボット工学への関心が高まりつつある分野である。
EAGERxは,実際のロボット学習とシミュレーションロボット学習の両方に統一されたソフトウェアパイプラインを備えたフレームワークである。
論文 参考訳（メタデータ） (2024-07-05T08:01:19Z) - Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。
コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。
本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
論文 参考訳（メタデータ） (2024-06-22T11:17:50Z) - Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。
まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。
このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
論文 参考訳（メタデータ） (2024-06-21T13:48:37Z) - DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。
本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。
本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文 参考訳（メタデータ） (2024-06-04T04:53:05Z) - 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) - 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)
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。