論文の概要: Towards Understanding the Unreasonable Effectiveness of Learning AC-OPF
Solutions
- arxiv url: http://arxiv.org/abs/2111.11168v1
- Date: Mon, 22 Nov 2021 13:04:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-23 17:41:47.019675
- Title: Towards Understanding the Unreasonable Effectiveness of Learning AC-OPF
Solutions
- Title(参考訳): ac-opfソリューション学習の理不尽な有効性理解に向けて
- Authors: My H. Dinh, Ferdinando Fioretto, Mostafa Mohammadian, Kyri Baker
- Abstract要約: 最適潮流(OPF)は電力系統の基本的な問題である。
近年の研究では、非常に少ないランタイムでOPF近似を見つけるためにDeep Neural Networks (DNN) が提案されている。
本稿は、この知識ギャップに対処するための一歩となる。
- 参考スコア(独自算出の注目度): 31.388212637482365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimal Power Flow (OPF) is a fundamental problem in power systems. It is
computationally challenging and a recent line of research has proposed the use
of Deep Neural Networks (DNNs) to find OPF approximations at vastly reduced
runtimes when compared to those obtained by classical optimization methods.
While these works show encouraging results in terms of accuracy and runtime,
little is known on why these models can predict OPF solutions accurately, as
well as about their robustness. This paper provides a step forward to address
this knowledge gap. The paper connects the volatility of the outputs of the
generators to the ability of a learning model to approximate them, it sheds
light on the characteristics affecting the DNN models to learn good predictors,
and it proposes a new model that exploits the observations made by this paper
to produce accurate and robust OPF predictions.
- Abstract(参考訳): 最適潮流(OPF)は電力系統の基本的な問題である。
計算的に困難であり、最近の研究の行では、古典最適化法で得られたものと比較して、非常に少ないランタイムでOPF近似を見つけるためにDeep Neural Networks (DNN) が提案されている。
これらの研究は正確さと実行性という点で奨励的な結果を示しているが、なぜこれらのモデルがOPFソリューションを正確に予測できるのか、またその堅牢性についてはほとんど分かっていない。
本稿は、この知識ギャップに対処するための一歩となる。
本論文は、発電機の出力のボラティリティを学習モデルの近似能力と結びつけ、dnnモデルに影響を及ぼす特性に光を当てて良好な予測子を学習し、本論文の観測結果を活用した新しいモデルを提案し、精度とロバストなopf予測を生成する。
関連論文リスト
- Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳(メタデータ) (2023-07-25T14:09:53Z) - Optimal Power Flow Based on Physical-Model-Integrated Neural Network
with Worth-Learning Data Generation [1.370633147306388]
本稿では,物理モデル統合ニューラルネットワーク(NN)に基づくOPF解法を提案する。
提案手法は,従来のNN解法に比べて50%以上の制約違反と最適性損失を減少させることを示した。
論文 参考訳(メタデータ) (2023-01-10T03:06:08Z) - Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。
本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文 参考訳(メタデータ) (2022-12-02T05:07:50Z) - Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian
Processes [57.70237375696411]
入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。
提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
論文 参考訳(メタデータ) (2022-08-30T09:27:59Z) - Reinforcement Learning for Battery Energy Storage Dispatch augmented
with Model-based Optimizer [0.0]
本稿では,物理モデルと学習アルゴリズムを組み合わせた分布レベルのOPF問題の解法を提案する。
提案手法の有効性をIEEE 34-bus と 123-bus の配電システムを用いて実証した。
論文 参考訳(メタデータ) (2021-09-02T14:48:25Z) - Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural
Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。
提案されたSIDNNは、幅広いOPFスキームと互換性がある。
他のLearning-to-OPFスキームとシームレスに統合できる。
論文 参考訳(メタデータ) (2021-03-27T00:45:23Z) - A Meta-Learning Approach to the Optimal Power Flow Problem Under
Topology Reconfigurations [69.73803123972297]
メタラーニング(MTL)アプローチを用いて訓練されたDNNベースのOPF予測器を提案する。
開発したOPF予測器はベンチマークIEEEバスシステムを用いてシミュレーションにより検証される。
論文 参考訳(メタデータ) (2020-12-21T17:39:51Z) - High-Fidelity Machine Learning Approximations of Large-Scale Optimal
Power Flow [49.2540510330407]
AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。
本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
論文 参考訳(メタデータ) (2020-06-29T20:22:16Z) - Data-driven Optimal Power Flow: A Physics-Informed Machine Learning
Approach [6.5382276424254995]
本稿では,SELMフレームワークに基づく最適電力フロー(OPF)のためのデータ駆動型アプローチを提案する。
データ駆動型OPF回帰フレームワークが開発され、OPFモデルの特徴を3段階に分解する。
IEEEおよびポーランドのベンチマークシステムにおいて,提案手法が他の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-05-31T15:41:24Z)
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。