Fugu-MT 論文翻訳(概要): Outing Power Outages: Real-time and Predictive Socio-demographic Analytics for New York City

論文の概要: Outing Power Outages: Real-time and Predictive Socio-demographic Analytics for New York City

arxiv url: http://arxiv.org/abs/2202.11066v1
Date: Tue, 22 Feb 2022 17:51:00 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 15:07:14.593570
Title: Outing Power Outages: Real-time and Predictive Socio-demographic Analytics for New York City
Title（参考訳）: 停電:ニューヨークにおけるリアルタイム・予測的社会デマトグラフィー分析
Authors: Samuel Eckstrom, Graham Murphy, Eileen Ye, Samrat Acharya, Robert Mieth, Yury Dvorkin
Abstract要約: 私たちは、2020年7月以降ニューヨーク市で停電に関するデータを取得し収集するように設計されたツールについて説明する。電気障害はフロントエンドアプリケーションに表示され、公開されています。収集した機能停止データを用いて、これらの機能停止とその社会経済的影響を分析する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electrical outages continue to occur despite technological innovations and improvements to electric power distribution infrastructure. In this paper, we describe a tool that was designed to acquire and collect data on electric power outages in New York City since July 2020. The electrical outages are then displayed on a front-end application, which is publicly available. We use the collected outage data to analyze these outages and their socio-economic impacts on electricity vulnerable population groups. We determined that there was a slightly negative linear relationship between income and number of outages. Finally, a Markov Influence Graph was created to better understand the spatial and temporal relationships between outages.
Abstract（参考訳）: 技術革新と電力供給インフラの改善にもかかわらず、電気の停電は続いている。本稿では,2020年7月以降,ニューヨーク市における停電に関するデータを取得し収集するツールについて述べる。電気障害はフロントエンドアプリケーションに表示され、公開されています。収集した停電データを用いて、これらの停電と、その社会経済的影響が電気の脆弱な人口集団に与える影響を分析した。我々は、収入と停電数の間にわずかに負の線形関係があることを決定した。最後に、障害間の空間的および時間的関係をよりよく理解するためにマルコフ影響グラフが作成された。

関連論文リスト

Spatio-Temporal Conformal Prediction for Power Outage Data [7.006561750578409]
本研究では,広範囲な四半期毎の停止データを解析し,グラフ整列予測法を開発した。本手法の有効性を, 極度気象事象の影響を受けやすいいくつかの州で, 広範囲な数値実験により実証した。
論文参考訳（メタデータ） (2024-11-26T04:34:38Z)
Correlating Power Outage Spread with Infrastructure Interdependencies During Hurricanes [5.2878398959711985]
本研究では, 臨界インフラのネットワークと停電伝播の関係を解析し, ハリケーン時の停電の広がりについて検討した。分析の結果,いくつかのステップでアクセス可能な重要なインフラストラクチャコンポーネントの量との間には,一貫した正の相関関係が明らかとなった。この知見は、重要なインフラ要素間の相互接続性を理解することが、極端な気象事象によって間接的に影響を受ける領域を特定する上で重要であることを示唆している。
論文参考訳（メタデータ） (2024-07-13T18:05:07Z)
Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文参考訳（メタデータ） (2024-04-08T09:13:16Z)
Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning [51.02352381270177]
Split Federated Learning (SFL)は、最近、有望な分散学習技術として登場した。 SFLにおけるカット層の選択は、クライアントのエネルギー消費とプライバシに大きな影響を与える可能性がある。本稿では、SFLプロセスの概要を概観し、エネルギー消費とプライバシを徹底的に分析する。
論文参考訳（メタデータ） (2023-11-15T23:23:42Z)
Tracking electricity losses and their perceived causes using nighttime light and social media [0.0]
この研究は、衛星画像、ソーシャルメディア、情報抽出がブラックアウトとその認識された原因をいかに監視できるかを示す。夜間光データ(2019年3月、ベネズエラのカラカスで)は、ブラックアウト地域を示すために使用される。 Twitterのデータは感情やトピックの傾向を決定するのに使われ、統計分析とトピックモデリングはブラックアウトの原因に関する一般の認識を掘り下げた。
論文参考訳（メタデータ） (2023-10-18T21:44:39Z)
Price-Aware Deep Learning for Electricity Markets [58.3214356145985]
深層学習層として電力市場浄化最適化を組み込むことを提案する。このレイヤを差別化することで、予測と価格エラーのバランスをとることができる。風力発電予測と短期電力市場浄化のネクサスにおける価格認識深層学習について紹介する。
論文参考訳（メタデータ） (2023-08-02T21:16:05Z)
Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文参考訳（メタデータ） (2023-07-14T06:50:02Z)
Assess and Summarize: Improve Outage Understanding with Large Language Models [45.39343325427484]
我々は,このタスクにおいて技術者を支援する新しいアプローチ(Oasisと呼ばれる)を提示し,実証的に検証する。 Oasisは自動的に障害の影響範囲を評価でき、人間の読みやすい要約を生成することができる。その結果、Oasisは機能停止を効果的かつ効率的に要約し、Microsoftに最初のプロトタイプをデプロイさせることができた。
論文参考訳（メタデータ） (2023-05-29T13:36:19Z)
The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文参考訳（メタデータ） (2021-03-07T11:28:54Z)
From Data to Knowledge to Action: Enabling the Smart Grid [0.11726720776908521]
『グリッド』は、世紀遅れの技術に基づく多くの点において、遺物である。多くの人々が「スマートグリッド」に彼らの希望を固定していますスマートグリッドの当初の計画では、既存の情報技術を広範囲に活用することを示唆している。
論文参考訳（メタデータ） (2020-07-31T19:43:48Z)
Explaining the distribution of energy consumption at slow charging infrastructure for electric vehicles from socio-economic data [2.1294627833637576]
本研究では,低速帯電インフラ周辺環境の動作,機能,特性を解析し,低速帯電インフラで消費される電気の分布に影響を及ぼすようなデータ中心型アプローチを開発する。
論文参考訳（メタデータ） (2020-06-02T14:44:52Z)

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。