論文の概要: Imbalanced Sample Generation and Evaluation for Power System Transient
Stability Using CTGAN
- arxiv url: http://arxiv.org/abs/2112.08836v1
- Date: Thu, 16 Dec 2021 12:38:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 16:34:43.349853
- Title: Imbalanced Sample Generation and Evaluation for Power System Transient
Stability Using CTGAN
- Title(参考訳): 非平衡サンプル生成とctganを用いた電力系統過渡安定度の評価
- Authors: Gengshi Han, Shunyu Liu, Kaixuan Chen, Na Yu, Zunlei Feng, and Mingli
Song
- Abstract要約: 本稿では,CTGAN(Conditional Tabular Generative Adversarial Network)に基づく制御可能なサンプル生成フレームワークを提案する。
我々は複数の条件を1つの条件ベクトルに変換し、マルチ条件生成を可能にする。
IEEE 39-busシステムにおける実験結果から,提案手法は過渡安定サンプルを効果的にバランスさせることを示した。
- 参考スコア(独自算出の注目度): 26.531841171846505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although deep learning has achieved impressive advances in transient
stability assessment of power systems, the insufficient and imbalanced samples
still trap the training effect of the data-driven methods. This paper proposes
a controllable sample generation framework based on Conditional Tabular
Generative Adversarial Network (CTGAN) to generate specified transient
stability samples. To fit the complex feature distribution of the transient
stability samples, the proposed framework firstly models the samples as tabular
data and uses Gaussian mixture models to normalize the tabular data. Then we
transform multiple conditions into a single conditional vector to enable
multi-conditional generation. Furthermore, this paper introduces three
evaluation metrics to verify the quality of generated samples based on the
proposed framework. Experimental results on the IEEE 39-bus system show that
the proposed framework effectively balances the transient stability samples and
significantly improves the performance of transient stability assessment
models.
- Abstract(参考訳): 深層学習は電力システムの過渡的安定性評価において顕著な進歩を遂げてきたが、不十分で不均衡なサンプルは依然としてデータ駆動方式の訓練効果を阻害している。
本稿では,条件付き表型生成型adversarial network (ctgan) に基づく制御可能なサンプル生成フレームワークを提案する。
過渡安定サンプルの複雑な特徴分布に適合するため,提案手法はまずサンプルを表データとしてモデル化し,ガウス混合モデルを用いて表データの正規化を行う。
そして、複数の条件を単一の条件ベクトルに変換し、マルチ条件生成を可能にする。
さらに,提案手法に基づき,生成試料の品質を検証するための評価指標を3つ導入する。
ieee 39-busシステムにおける実験結果から,提案手法は過渡安定サンプルを効果的にバランスさせ,過渡安定評価モデルの性能を大幅に向上させることがわかった。
関連論文リスト
- Learning with Imbalanced Noisy Data by Preventing Bias in Sample
Selection [82.43311784594384]
実世界のデータセットには、ノイズの多いラベルだけでなく、クラス不均衡も含まれている。
不均衡なデータセットにおけるノイズラベルに対処する,単純かつ効果的な手法を提案する。
論文 参考訳(メタデータ) (2024-02-17T10:34:53Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [111.90150190668555]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2~5倍の速さでトレーニングを行う。
論文 参考訳(メタデータ) (2024-02-09T01:11:23Z) - Stable generative modeling using diffusion maps [0.24578723416255752]
拡散写像とランゲヴィン力学を組み合わせた生成モデルを提案する。
拡散マップは、利用可能なトレーニングサンプルからのドリフト項を近似するために使用される。
トレーニングサンプルの凸部内に生成したサンプルが残ることを保証し, 新たな分割ステップ方式を導入する。
論文 参考訳(メタデータ) (2024-01-09T06:15:45Z) - Can You Rely on Your Model Evaluation? Improving Model Evaluation with
Synthetic Test Data [75.20035991513564]
本稿では,モデル評価を容易にする深層生成モデリングフレームワークである3Sテストを紹介する。
私たちの実験では、3Sテストが従来のベースラインより優れていることが示されています。
これらの結果は、限られた実テストデータから合成テストデータへのパラダイムシフトが必要かどうかという問題を提起する。
論文 参考訳(メタデータ) (2023-10-25T10:18:44Z) - Deep learning based on Transformer architecture for power system
short-term voltage stability assessment with class imbalance [13.3281651745186]
実用的応用では、乱れ後の短期電圧不安定性が最小限であり、重大なクラス不均衡問題を引き起こす。
この課題に対処するために,Transformer ベースの STVSA 手法を提案する。
不均衡データセットの負の影響に対処するために、この研究は勾配ペナルティを持つ条件付きワッサーシュタイン生成逆数ネットワークを用いる。
論文 参考訳(メタデータ) (2023-10-18T03:36:10Z) - Generalized Robust Test-Time Adaptation in Continuous Dynamic Scenarios [18.527640606971563]
テスト時間適応(TTA)は、未ラベルのテストデータストリームのみを使用する推論フェーズにおいて、事前訓練されたモデルに分散をテストする。
本稿では,問題に効果的に対応する汎用ロバストテスト時間適応(GRoTTA)法を提案する。
論文 参考訳(メタデータ) (2023-10-07T07:13:49Z) - Breaking the Spurious Causality of Conditional Generation via Fairness
Intervention with Corrective Sampling [77.15766509677348]
条件生成モデルは、トレーニングデータセットから急激な相関を継承することが多い。
これは別の潜在属性に対して不均衡なラベル条件分布をもたらす。
この問題を緩和するための一般的な2段階戦略を提案する。
論文 参考訳(メタデータ) (2022-12-05T08:09:33Z) - Selectively increasing the diversity of GAN-generated samples [8.980453507536017]
本稿では,GAN生成サンプルの多様性を選択的に向上する手法を提案する。
本研究では,CERN における ALICE 実験のZero Degree Calorimeter から得られたデータをシミュレーションする実生活シナリオとともに,本手法の優位性を示す。
論文 参考訳(メタデータ) (2022-07-04T16:27:06Z) - Reparameterized Sampling for Generative Adversarial Networks [71.30132908130581]
本稿では,マルコフ連鎖をジェネレータの潜在空間に再配置することで,一般依存型提案を可能にする新しいサンプリング手法REP-GANを提案する。
実験的な実験により、我々のREP-GANはサンプル効率を大幅に改善し、同時により良いサンプル品質を得ることを示した。
論文 参考訳(メタデータ) (2021-07-01T10:34:55Z) - Versatile and Robust Transient Stability Assessment via Instance
Transfer Learning [6.760999627905228]
本稿では,電力系統力学の知識を取り入れたデータ駆動型アルゴリズムに新たなデータ収集手法を提案する。
不安定領域に関する重要な情報を提供する断層影響領域という新しい概念を導入する。
IEEE 39バスシステムのテスト結果は、このモデルがこれまで見つからなかった運用シナリオの安定性を正確に予測できることを検証します。
論文 参考訳(メタデータ) (2021-02-20T09:10:29Z) - Comparing Probability Distributions with Conditional Transport [63.11403041984197]
新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。
ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。
さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
論文 参考訳(メタデータ) (2020-12-28T05:14:22Z)
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。