論文の概要: Recent Results of Energy Disaggregation with Behind-the-Meter Solar Generation

• arxiv url: http://arxiv.org/abs/2207.03490v1
• Date: Thu, 7 Jul 2022 17:40:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-11 14:03:01.572727
• Title: Recent Results of Energy Disaggregation with Behind-the-Meter Solar Generation
• Title（参考訳）: 太陽光発電によるエネルギー分散の最近の動向
• Authors: Ming Yi and Meng Wang
• Abstract要約: 太陽光発電(PV)世代のような再生可能世代の急速な展開は、既存の電力システムの弾力性に大きな課題をもたらす。 本稿では、Behind-the-Meterソーラー発電によるサブステーションレベルでのエネルギー分散に関する最近の結果について要約する。
• 参考スコア（独自算出の注目度）: 11.845608846841804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid deployment of renewable generations such as photovoltaic (PV) generations brings great challenges to the resiliency of existing power systems. Because PV generations are volatile and typically invisible to the power system operator, estimating the generation and characterizing the uncertainty are in urgent need for operators to make insightful decisions. This paper summarizes our recent results on energy disaggregation at the substation level with Behind-the-Meter solar generation. We formulate the so-called ``partial label'' problem for energy disaggregation at substations, where the aggregate measurements contain the total consumption of multiple loads, and the existence of some loads is unknown. We develop two model-free disaggregation approaches based on deterministic dictionary learning and Bayesian dictionary learning, respectively. Unlike conventional methods which require fully annotated training data of individual loads, our approaches can extract load patterns given partially labeled aggregate data. Therefore, our partial label formulation is more applicable in the real world. Compared with deterministic dictionary learning, the Bayesian dictionary learning-based approach provides the uncertainty measure for the disaggregation results, at the cost of increased computational complexity. All the methods are validated by numerical experiments.
• Abstract（参考訳）: 太陽光発電(PV)世代のような再生可能世代の急速な展開は、既存の電力システムの弾力性に大きな課題をもたらす。 PV世代は揮発性であり、典型的には電力系統の運用者には見えないため、発生を推定し、不確実性を特徴付けることは、オペレーターが洞察力のある決定を行うために緊急に必要である。 本論文は, 変電所レベルでのエネルギー分散に関する最近の研究成果を概説するものである。 我々は, 変電所におけるエネルギー分散に関するいわゆる「部分的ラベル」問題を定式化し, 集合測定が複数の負荷の総消費を包含し, 負荷の存在が不明であることを示した。 決定論的辞書学習とベイズ辞書学習の2つのモデルフリー分散手法を開発した。 個々の負荷の完全注釈付きトレーニングデータを必要とする従来の手法とは異なり,本手法では部分的にラベル付けされた集計データから負荷パターンを抽出できる。 したがって、我々の部分ラベルの定式化は実世界ではより適切である。 決定論的辞書学習と比較して、ベイジアン辞書学習に基づくアプローチは、計算複雑性の増大を犠牲にして、デアグリゲーション結果の不確実性尺度を提供する。 すべての方法は数値実験によって検証される。

関連論文リスト

• Estimating Unknown Population Sizes Using the Hypergeometric Distribution [1.03590082373586]
  総人口と構成カテゴリーの規模が不明な場合, 個別分布の推定に挑戦する。 本研究では,連続潜伏変数上での分布条件の混合となるデータ生成過程について考察する。 実験データシミュレーションにより,本手法は数値データをモデル化する他の可能性関数よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-22T01:53:56Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Homogenising SoHO/EIT and SDO/AIA 171\AA$~$ Images: A Deep Learning Approach [0.0]
  太陽の極端紫外線画像は、宇宙天気予報タスクの不可欠な部分となっている。 我々は、SoHO/EITとSDO/AIA 171AAサーベイの時間重なりを利用して、深層学習モデルのアンサンブルを訓練し、2回の太陽周期でEUV画像の1つの均一なサーベイを作成する。
  論文  参考訳（メタデータ） (2023-08-20T17:17:27Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Provable RL with Exogenous Distractors via Multistep Inverse Dynamics [85.52408288789164]
  実世界の強化学習(RL)の応用は、メガピクセルカメラから生成されたような高次元の観察にエージェントが対処する必要がある。 従来の研究は表現学習でこのような問題に対処しており、エージェントは生の観察から内因性、潜伏状態の情報を確実に抽出することができる。 しかし、このような手法は観測において時間的に相関するノイズの存在下では失敗する可能性がある。
  論文  参考訳（メタデータ） (2021-10-17T15:21:27Z)
• Analysis of False Data Injection Impact on AI based Solar Photovoltaic Power Generation Forecasting [0.0]
  予測可能性と安定性は、太陽エネルギーの完全活用に不可欠である。 本研究では、パブリックデータセットを用いた太陽光発電予測のための機械学習モデルについてレビューし、評価する。
  論文  参考訳（メタデータ） (2021-10-12T01:44:17Z)
• Mixed-Integer Nonlinear Programming for State-based Non-Intrusive Load Monitoring [2.2237337682863125]
  非侵入負荷モニタリング(Non-Intrusive Load Monitoring, NILM)は、1つのスマートメーターによって記録された集約信号に対して、各アプライアンスのエネルギー消費を推定するタスクである。 エネルギー分散のための2段階最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-06-16T22:16:00Z)
• Enhancing the Spatio-temporal Observability of Grid-Edge Resources in Distribution Grids [5.815007821143811]
  分散エネルギー資源(DER)の凸時間観測可能性を高めることは,配電網の安全かつ効率的な運用を実現する上で重要である。 本稿では, 異種の測定値の補足強度を活用し, 集合的な住宅負荷回復枠組みについて述べる。
  論文  参考訳（メタデータ） (2021-02-15T19:12:54Z)
• Strictly Batch Imitation Learning by Energy-based Distribution Matching [104.33286163090179]
  すなわち、強化信号へのアクセスがなく、遷移力学の知識がなく、環境とのさらなる相互作用もない。 1つの解決策は、既存のアルゴリズムをオフライン環境で動作させるために、見習いの学習に適合させることである。 しかし、このようなアプローチは、政治外の評価やオフラインモデルの推定に大きく依存しており、間接的で非効率である可能性がある。 優れたソリューションは、ポリシーを明示的にパラメータ化し、ロールアウトダイナミクスから暗黙的に学習し、完全にオフラインで運用できるべきだ、と私たちは主張する。
  論文  参考訳（メタデータ） (2020-06-25T03:27:59Z)
• Continual Learning using a Bayesian Nonparametric Dictionary of Weight Factors [75.58555462743585]
  訓練されたニューラルネットワークは、シーケンシャルなタスク設定で破滅的な忘れを経験する傾向がある。 Indian Buffet Process (IBP) に基づく原則的非パラメトリック手法を提案する。 連続学習ベンチマークにおける本手法の有効性を実証し、トレーニングを通して重み要因の配分と再利用方法を分析する。
  論文  参考訳（メタデータ） (2020-04-21T15:20:19Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。