論文の概要: Model Reduction of Swing Equations with Physics Informed PDE
- arxiv url: http://arxiv.org/abs/2110.14066v1
- Date: Tue, 26 Oct 2021 22:46:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 06:54:06.876972
- Title: Model Reduction of Swing Equations with Physics Informed PDE
- Title（参考訳）: 物理インフォームドPDEを用いたスウィング方程式のモデル化
- Authors: Laurent Pagnier, Michael Chertkov, Julian Fritzsch, Philippe Jacquod
- Abstract要約: この原稿は、トランスミッションレベル電力系統における過渡的ダイナミクスを捉えるために、堅牢で効率的なモデル削減手法を構築するための最初のステップである。
本研究では,各離散係数の空間的畳み込み過程から抽出したPDE係数とソース項を適切に粗い粒度にすると,結果のPDEは元のスイングダイナミクスを忠実かつ効率的に再現することを示す。
- 参考スコア（独自算出の注目度）: 3.3263205689999444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This manuscript is the first step towards building a robust and efficient
model reduction methodology to capture transient dynamics in a transmission
level electric power system. Such dynamics is normally modeled on
seconds-to-tens-of-seconds time scales by the so-called swing equations, which
are ordinary differential equations defined on a spatially discrete model of
the power grid. We suggest, following Seymlyen (1974) and Thorpe, Seyler and
Phadke (1999), to map the swing equations onto a linear, inhomogeneous Partial
Differential Equation (PDE) of parabolic type in two space and one time
dimensions with time-independent coefficients and properly defined boundary
conditions. The continuous two-dimensional spatial domain is defined by a
geographical map of the area served by the power grid, and associated with the
PDE coefficients derived from smoothed graph-Laplacian of susceptances, machine
inertia and damping. Inhomogeneous source terms represent spatially distributed
injection/consumption of power. We illustrate our method on PanTaGruEl
(Pan-European Transmission Grid and ELectricity generation model). We show
that, when properly coarse-grained, i.e. with the PDE coefficients and source
terms extracted from a spatial convolution procedure of the respective discrete
coefficients in the swing equations, the resulting PDE reproduces faithfully
and efficiently the original swing dynamics. We finally discuss future
extensions of this work, where the presented PDE-based reduced modeling will
initialize a physics-informed machine learning approach for real-time modeling,
$n-1$ feasibility assessment and transient stability analysis of power systems.
- Abstract（参考訳）: この原稿は、トランスミッションレベル電力系統における過渡的ダイナミクスを捉えるために、堅牢で効率的なモデル削減手法を構築するための最初のステップである。
このような力学は通常、パワーグリッドの空間的離散モデル上で定義される通常の微分方程式であるスイング方程式(swing equation)によって数秒から数秒の時間スケールでモデル化される。
Seymlyen (1974) と Thorpe, Seyler and Phadke (1999) に従って、2つの空間と時間非依存係数と適切に定義された境界条件を持つ1次元の放物型偏微分方程式(PDE)にスイング方程式を写像することを提案する。
連続2次元空間領域は、電力グリッドによって提供される領域の地理的マップで定義され、サセプタンス、機械慣性、減衰のスムーズなグラフ-ラプラシアンのPDE係数に関連付けられる。
不均質なソース用語は、空間的に分布した電力の注入/消費を表す。
本稿ではPanTaGruEl(Pan-European Transmission Grid and ELectricity Generation model)について述べる。
本研究では,各離散係数の空間的畳み込み過程から抽出したPDE係数とソース項を適切に粗い粒度にすると,結果のPDEは元のスイングダイナミクスを忠実かつ効率的に再現することを示す。
提案するpdeベースの縮小モデリングは,実時間モデリング,n-1$実現可能性評価,電力システムの過渡的安定性解析のための物理モデルによる機械学習アプローチを初期化する。
関連論文リスト
- Variational formulation based on duality to solve partial differential equations: Use of B-splines and machine learning approximants [0.0]
流体力学における偏微分方程式(PDE)、固体における非弾性変形、過渡放物型方程式および双曲型方程式は、正確な原始的変動構造を持たない。
与えられたPDEを制約として扱うために、双対(ラグランジュ乗算器)場に基づく変分原理が提案された。
双対汎函数の最初の変項の消滅は、双対体上のディリクレ境界条件まで、原始PDE問題の弱形式である。
線形, 一次元, 過渡対流拡散方程式の二重弱形式を導出する。
論文 参考訳（メタデータ） (2024-12-02T07:53:47Z) - Advancing Generalization in PINNs through Latent-Space Representations [71.86401914779019]
物理インフォームドニューラルネットワーク(PINN)は、偏微分方程式(PDE)によって支配される力学系のモデリングにおいて大きな進歩を遂げた。
本稿では,多種多様なPDE構成を効果的に一般化する物理インフォームドニューラルPDE解法PIDOを提案する。
PIDOは1次元合成方程式と2次元ナビエ・ストークス方程式を含む様々なベンチマークで検証する。
論文 参考訳（メタデータ） (2024-11-28T13:16:20Z) - Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - A Neural RDE-based model for solving path-dependent PDEs [5.6293920097580665]
経路依存偏微分方程式(PPDE)の概念は、金融市場における経路依存偏微分の文脈で最初に導入された。
古典的な PDE と比較して、PPDE の解は無限次元空間変数を含む。
本稿では,PPDEを学習するための大まかなニューラル微分方程式(NRDE)に基づくモデルを提案する。
論文 参考訳（メタデータ） (2023-06-01T20:19:41Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T11:29:49Z) - A gravitationally induced decoherence model using Ashtekar variables [0.0]
我々は、アシュテカール変数を用いた相対論的重力誘起デコヒーレンスモデルを導出する。
モデルは適切な幾何学時計を用いてゲージ不変レベルで定式化される。
ここでは、ここで解析されたモデルにおいて、第二マルコフ近似の適用が量子力学モデルのいくつかよりも単純ではない理由について議論する。
論文 参考訳（メタデータ） (2022-06-13T18:03:53Z) - Photoinduced prethermal order parameter dynamics in the two-dimensional
large-$N$ Hubbard-Heisenberg model [77.34726150561087]
2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。
2つの競合する位相間の光誘起遷移をシミュレートする。
論文 参考訳（メタデータ） (2022-05-13T13:13:31Z) - The Dynamics of the Hubbard Model through Stochastic Calculus and
Girsanov Transformation [0.0]
本稿では,Bose-Hubbardモデルにおける密度要素の時間発展について考察する。
正確な量子力学は、時間依存的なGross Pitaevskii方程式である ODE システムによって与えられる。
この論文は、量子多体系の効率的な計算法を考案する目的で書かれた。
論文 参考訳（メタデータ） (2022-05-04T11:43:43Z) - PAGP: A physics-assisted Gaussian process framework with active learning
for forward and inverse problems of partial differential equations [12.826754199680474]
連続時間、離散時間、ハイブリッドモデルという3つの異なるモデルを紹介します。
与えられた物理情報は、設計したGP損失関数を通してガウス過程モデルに統合される。
最後に、連続時間モデルと離散時間モデルを組み合わせた新しいハイブリッドモデルを示す。
論文 参考訳（メタデータ） (2022-04-06T05:08:01Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳（メタデータ） (2022-02-05T08:21:04Z) - Exponentially Weighted l_2 Regularization Strategy in Constructing
Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。
調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
論文 参考訳（メタデータ） (2020-07-02T15:42:15Z)
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。