論文の概要: Learning-based AC-OPF Solvers on Realistic Network and Realistic Loads
- arxiv url: http://arxiv.org/abs/2205.09452v1
- Date: Thu, 19 May 2022 10:11:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-20 14:53:24.843431
- Title: Learning-based AC-OPF Solvers on Realistic Network and Realistic Loads
- Title(参考訳): 実ネットワークと実負荷の学習に基づくac-opfソルバ
- Authors: Tsun Ho Aaron Cheung, Min Zhou, Minghua Chen
- Abstract要約: 我々は,タスマニアの電気ネットワークから,現実的なネットワーク情報と現実的なバス負荷を含むAC-OPF定式化対応データセットTAS-97を構築した。
我々の学習ベースのAC-OPFソルバは、現実的なテストサンプルで0.13%のコスト最適性ギャップ、99.73%の実現率、38.62倍のスピードアップを達成する。
- 参考スコア(独自算出の注目度): 12.093029482898078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning approaches for the Alternating Current-Optimal Power Flow
(AC-OPF) problem are under active research in recent years. A common
shortcoming in this area of research is the lack of a dataset that includes
both a realistic power network topology and the corresponding realistic loads.
To address this issue, we construct an AC-OPF formulation-ready dataset called
TAS-97 that contains realistic network information and realistic bus loads from
Tasmania's electricity network. We found that the realistic loads in Tasmania
are correlated between buses and they show signs of an underlying multivariate
normal distribution. Feasibility-optimized end-to-end deep neural network
models are trained and tested on the constructed dataset. Trained on samples
with bus loads generated from a fitted multivariate normal distribution, our
learning-based AC-OPF solver achieves 0.13% cost optimality gap, 99.73%
feasibility rate, and 38.62 times of speedup on realistic testing samples when
compared to PYPOWER.
- Abstract(参考訳): 近年,交流電流最適潮流(AC-OPF)問題に対するディープラーニングアプローチが活発に研究されている。
この領域における一般的な欠点は、現実的なパワーネットワークトポロジーと対応する現実的な負荷の両方を含むデータセットの欠如である。
この問題に対処するため,タスマニアの電気ネットワークから,現実的なネットワーク情報と現実的なバス負荷を含むAC-OPF定式化対応データセットTAS-97を構築した。
その結果,タスマニアの現実的な負荷はバス間で相関し,多変量正規分布の徴候を示すことがわかった。
フェーザビリティ最適化されたエンドツーエンドのディープニューラルネットワークモデルをトレーニングし、構築されたデータセット上でテストする。
適応多変量正規分布から発生するバス負荷のサンプルに基づいて,本学習用AC-OPFソルバは,PYPOWERと比較した場合の実測試験において,0.13%のコスト最適性ギャップ,99.73%の実現率,38.62倍のスピードアップを達成した。
関連論文リスト
- Drift-Resilient TabPFN: In-Context Learning Temporal Distribution Shifts on Tabular Data [39.40116554523575]
In-Context Learning with a Prior-Data Fitted Network に基づく新しいアプローチである Drift-Resilient TabPFN を提案する。
先行した合成データセットのベイズ推定を近似することを学ぶ。
精度は0.688から0.744に向上し、OC AUCは0.786から0.832に向上し、キャリブレーションも強化された。
論文 参考訳(メタデータ) (2024-11-15T23:49:23Z) - FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。
非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。
条件設定では、太陽予測において優れた性能を達成している。
論文 参考訳(メタデータ) (2024-11-12T03:03:23Z) - Application of Long-Short Term Memory and Convolutional Neural Networks for Real-Time Bridge Scour Prediction [0.0]
我々は,過去のセンサモニタリングデータに基づいて,橋脚周辺の深度変化を予測するために,ディープラーニングアルゴリズムの力を利用する。
本研究では,Long Short-Term Memory (LSTM) モデルとConvolutional Neural Network (CNN) モデルの性能について検討した。
論文 参考訳(メタデータ) (2024-04-25T12:04:36Z) - Semi-Federated Learning: Convergence Analysis and Optimization of A
Hybrid Learning Framework [70.83511997272457]
本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。
我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
論文 参考訳(メタデータ) (2023-10-04T03:32:39Z) - Wirelessly Powered Federated Learning Networks: Joint Power Transfer,
Data Sensing, Model Training, and Resource Allocation [24.077525032187893]
フェデレートラーニング(FL)は、無線ネットワークで多くの成功を収めている。
FLの実装は、モバイルデバイス(MD)のエネルギー制限と、MDにおけるトレーニングデータの可用性によって妨げられている。
無線送電と持続可能なFLネットワークの統合
論文 参考訳(メタデータ) (2023-08-09T13:38:58Z) - Learning spatiotemporal features from incomplete data for traffic flow
prediction using hybrid deep neural networks [0.28675177318965034]
本研究では,カリフォルニア・フリーウェイ・パフォーマンス・計測システム(PeMS)のトラフィックフローを,欠落した値で予測するハイブリッドディープニューラルネットワークに焦点を当てた。
RNNとCNNをベースとして,並列接続と並列接続の異なるアーキテクチャ構成が検討されている。
PeMSから得られた2つの異なるデータセットを総合的に分析した結果,平均計算手法を用いたシリーズ並列ハイブリッドネットワークは,交通流の予測において最も低い誤差を達成できることがわかった。
論文 参考訳(メタデータ) (2022-04-21T15:57:08Z) - Adaptive network reliability analysis: Methodology and applications to
power grid [0.0]
本研究では,ベイジアン付加回帰木(ANR-BART)を用いた適応代理型ネットワーク信頼性解析法を提案する。
その結果、ANR-BARTは堅牢であり、信頼性解析の計算コストを大幅に削減しつつ、ネットワーク障害確率の正確な推定値が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-11T19:58:08Z) - Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge
Computing: A Contextual-Bandit Approach [81.5261621619557]
階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。
まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。
そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
論文 参考訳(メタデータ) (2021-08-09T08:45:47Z) - Fast-Convergent Federated Learning [82.32029953209542]
フェデレーション学習は、モバイルデバイスの現代的なネットワークを介して機械学習タスクを分散するための、有望なソリューションである。
本稿では,FOLBと呼ばれる高速収束型フェデレーション学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-26T14:37:51Z) - FMA-ETA: Estimating Travel Time Entirely Based on FFN With Attention [88.33372574562824]
フィードフォワードネットワーク(FFN, FFN, 複数要素自己認識(FMA-ETA)に基づく新しいフレームワークを提案する。
異なるカテゴリの特徴に対処し,情報を意図的に集約する,新しい多要素自己認識機構を提案する。
実験の結果、FMA-ETAは予測精度において最先端の手法と競合し、推論速度は大幅に向上した。
論文 参考訳(メタデータ) (2020-06-07T08:10:47Z) - Toward fast and accurate human pose estimation via soft-gated skip
connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。
我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。
本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文 参考訳(メタデータ) (2020-02-25T18:51:51Z)
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。