論文の概要: Unsupervised detection and open-set classification of fast-ramped flexibility activation events

• arxiv url: http://arxiv.org/abs/2111.02174v1
• Date: Wed, 3 Nov 2021 12:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-04 18:02:28.288872
• Title: Unsupervised detection and open-set classification of fast-ramped flexibility activation events
• Title（参考訳）: 高速分岐型フレキシブルアクティベーションイベントの教師なし検出とオープンセット分類
• Authors: Nils M\"uller, Carsten Heinrich, Kai Heussen, Henrik W. Bindner
• Abstract要約: 移動・暖房部門の継続的な電化は 配電網運用に新たな課題をもたらす 価格信号に対する反応として電気自動車を同時に充電するなど、フレキシブルユニットの非協調的なアクティベーションは、系統的にトランスフォーマーやラインプロテクションをトリガーする可能性がある。 このような高速な柔軟性のアクティベーションをリアルタイムに識別することは、社会的・財政的なコストを避けるために反作用を取ることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The continuous electrification of the mobility and heating sector will introduce new challenges to distribution grid operation. Uncoordinated activation of flexible units, e.g. simultaneous charging of electric vehicles as a reaction to price signals, could systematically trigger transformer or line protections. Real-time identification of such fast-ramped flexibility activations would allow taking counteractions to avoid potential social and financial cost. In this work, a novel data processing pipeline for identification of fast-ramped flexibility activation events is proposed. The pipeline combines techniques for unsupervised event detection and open-set classification. The systematic evaluation on real load data demonstrates that main building blocks of the proposed pipeline can be realized with methods that fulfill important requirements for an application in a distributed event detection architecture. For the detection of flexibility activation events an upper performance limit is identified. Moreover, it is demonstrated that application of an open-set classifier for classification of flexibility activation events can improve the performance compared to widely-applied closed-set classifiers.
• Abstract（参考訳）: モビリティと暖房の継続的な電化により、配電網運用に新たな課題がもたらされる。 価格信号に対する反応として電気自動車を同時に充電するなど、フレキシブルユニットの非協調的なアクティベーションは、系統的にトランスフォーマーやラインプロテクションをトリガーする可能性がある。 このような迅速な柔軟なアクティベーションのリアルタイムな識別は、社会的および財政的なコストを避けるために対抗措置を取ることができるだろう。 本研究では,高速なフレキシブルアクティベーションイベントを識別する新しいデータ処理パイプラインを提案する。 このパイプラインは教師なしイベント検出とオープンセット分類のテクニックを組み合わせる。 実負荷データに対する体系的な評価は、分散イベント検出アーキテクチャにおけるアプリケーションの重要な要件を満たすメソッドによって、提案パイプラインの主要なビルディングブロックを実現できることを示している。 柔軟性アクティベーションイベントの検出には、高いパフォーマンス限界が特定される。 さらに,オープンセット分類器のフレキシビリティ・アクティベーション・イベントの分類への応用により,広く適用されたクローズドセット分類器と比較して性能が向上することを示した。

関連論文リスト

• Enhancing Security in Federated Learning through Adaptive Consensus-Based Model Update Validation [2.28438857884398]
  本稿では,ラベルフリップ攻撃に対して,FL(Federated Learning)システムを構築するための高度なアプローチを提案する。 本稿では,適応的しきい値設定機構と統合されたコンセンサスに基づく検証プロセスを提案する。 以上の結果から,FLシステムのレジリエンスを高め,ラベルフリップ攻撃の顕著な緩和効果が示唆された。
  論文  参考訳（メタデータ） (2024-03-05T20:54:56Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Can Active Sampling Reduce Causal Confusion in Offline Reinforcement Learning? [58.942118128503104]
  因果的混乱(英: Causal confusion)とは、エージェントがデータ中の不完全な急激な相関を反映するポリシーを学ぶ現象である。 この現象は特にロボット工学などの領域で顕著である。 本稿では,オフライン強化学習における因果的混乱について検討する。
  論文  参考訳（メタデータ） (2023-12-28T17:54:56Z)
• GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
  我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。 本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。 動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
  論文  参考訳（メタデータ） (2023-09-28T07:46:01Z)
• Event-Triggered Islanding in Inverter-Based Grids [2.318444700742163]
  この研究は、グリッドを自律島に分割できる適応的な隔離手法を提案する。 適応的な分離ロジックは、偽陽性を防止し、検出精度を高め、計算オーバーヘッドを低減するためにイベントトリガーされる。 シミュレーションの結果,22m秒以内で100%精度で異常な挙動を検知できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-27T13:18:04Z)
• Poisoning Network Flow Classifiers [10.055241826257083]
  本稿では,ネットワークトラフィックフロー分類器に対する毒性攻撃,特にバックドア攻撃に焦点を当てた。 学習データのみを改ざんすることを相手の能力に制約するクリーンラベル中毒の難易度シナリオについて検討した。 本稿では, モデル解釈可能性を利用したトリガー製作戦略について述べる。
  論文  参考訳（メタデータ） (2023-06-02T16:24:15Z)
• Unsupervised Visible-Infrared Person ReID by Collaborative Learning with Neighbor-Guided Label Refinement [53.044703127757295]
  教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。 本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。 提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T04:40:30Z)
• Self-supervised Pretraining with Classification Labels for Temporal Activity Detection [54.366236719520565]
  時間的アクティビティ検出は、1フレーム当たりのアクティビティクラスを予測することを目的としている。 検出に必要なフレームレベルのアノテーションが高価なため、検出データセットの規模は限られている。 本研究では,分類ラベルを利用した自己教師付き事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-26T18:59:28Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Reinforcement Learning based Proactive Control for Transmission Grid Resilience to Wildfire [2.944988240451469]
  山火事時の電力系統の運転には弾力性駆動型能動制御が必要である。 本研究では,テストベッド・テンポラル・ファイア・プロポーザルとアクティブ・パワー・システム・オペレーションを統合的に導入する。 提案手法は, 極端イベント時の負荷損失低減に有効であることを示す。
  論文  参考訳（メタデータ） (2021-07-12T22:04:12Z)
• The Impact of Activation Sparsity on Overfitting in Convolutional Neural Networks [1.9424280683610138]
  オーバーフィッティングは畳み込みニューラルネットワークのトレーニングにおける基本的な課題の1つです。 本研究では,レイヤワイドアクティベーション対策の導出と可視化を目的としたパープレキシティに基づく空間性定義を提案する。
  論文  参考訳（メタデータ） (2021-04-13T12:55:37Z)

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。