論文の概要: Data-Driven Approach to form Energy Resilient Smart Microgrids with Identification of Vulnerable Nodes in Active Electrical Distribution Network

• arxiv url: http://arxiv.org/abs/2208.11682v1
• Date: Wed, 24 Aug 2022 17:39:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-25 12:34:30.705893
• Title: Data-Driven Approach to form Energy Resilient Smart Microgrids with Identification of Vulnerable Nodes in Active Electrical Distribution Network
• Title（参考訳）: アクティブ電力配電網における脆弱ノードの同定によるエネルギー回復型スマートマイクログリッド形成のためのデータ駆動アプローチ
• Authors: D Maneesh Reddy, Divyanshi Dwivedi, Pradeep Kumar Yemula, Mayukha Pal
• Abstract要約: 本稿では,脆弱なノード識別による最適なDERの割り当てを同定する手法を提案する。 これらの臨界ノードの電力変動は、他の連結ノードの動作に大きく影響する。 分布系をグラフ理論を用いて最適マイクログリッドネットワークに分割した。 分割したマイクログリッド内のクリティカルノードを特定し,これらのノード上にDERを配置することで,ネットワーク信頼性とレジリエンスが向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a methodology for identifying the optimal DERs allocation with vulnerable node identification into consideration in active electrical distribution network and named those nodes as critical nodes. Power variation in these critical nodes would significantly affect the operation of other linked nodes, thus these nodes are suitable and considered optimal for DERs placement. We demonstrated our method evaluation in a standard IEEE-123 test feeder system. Initially, we partitioned the distribution system into optimal microgrid networks using graph theory. The partitioning was validated using graph neural network architecture for suitable formation of the microgrids. Further, using an effective measurable causality analysis like granger causality, we identified critical nodes in the partitioned microgrid and placement of DERs on these nodes resulted in enhanced network reliability and resiliency. Further, to validate the system performance and energy resiliency, we computed percolation threshold for the microgrid network that indicates the system resiliency after incorporating DERs at those critical nodes. This proposed methodology for the first ensures effective microgrid partitioning, identification of critical nodes, optimal DERs allocation and system resiliency evaluation through data driven analysis approach in a distribution network.
• Abstract（参考訳）: 本研究では,能動電配電網において,脆弱なノード識別による最適ders割り当てを同定する手法を提案し,それらのノードを臨界ノードと命名した。 これらの臨界ノードの電力変動は他の連結ノードの動作に大きく影響するので、これらのノードはDERの配置に最適であると考えられる。 標準のieee-123テストフィーダシステムにおいて,提案手法の評価を行った。 まず, 分布系をグラフ理論を用いて最適マイクログリッドネットワークに分割した。 パーティショニングは、マイクログリッドの形成に適したグラフニューラルネットワークアーキテクチャを用いて検証された。 さらに,グランガー因果関係のような効果的な測定可能な因果関係解析を用いて分割マイクログリッドの臨界ノードを特定し,これらのノードにderを配置することで,ネットワークの信頼性とレジリエンスが向上した。 さらに, システム性能とエネルギー耐性を検証するため, マイクログリッドネットワークのパーコレーション閾値を計算し, これらの臨界ノードにdersを組み込んだ後, システムレジリエンスを示す。 本提案手法は,分散ネットワークにおけるデータ駆動解析手法による効率的なマイクログリッド分割,クリティカルノードの同定,最適なDER配置,システムレジリエンス評価を実現する。

関連論文リスト

• GNN-Based Joint Channel and Power Allocation in Heterogeneous Wireless Networks [9.031738020845586]
  本稿では、異種無線ネットワークにおける共同資源配分問題に対処するGNNに基づくアルゴリズムを提案する。 提案アルゴリズムは,従来の最適化アルゴリズムと比較して高い計算効率で良好な性能を実現する。
  論文  参考訳（メタデータ） (2024-07-28T04:51:00Z)
• Energy-based Epistemic Uncertainty for Graph Neural Networks [47.52218144839666]
  高品質な不確実性推定を提供するエネルギーベースモデル(EBM)を提案する。 我々は、エネルギー関数を正則化することにより、データ空間の可積分密度を確実に誘導する。 我々のフレームワークは、様々な分散シフトに敏感な事前学習GNNに適用可能な、シンプルで効果的なポストホック手法である。
  論文  参考訳（メタデータ） (2024-06-06T13:13:29Z)
• Physics-Informed Heterogeneous Graph Neural Networks for DC Blocker Placement [7.404135200545133]
  物理インフォームド・ヘテロジニアスグラフニューラルネットワーク(PIHGNN)を開発した。 我々のアプローチは、異種グラフニューラルネットワーク(HGNN)と物理インフォームドニューラルネットワーク(PINN)を組み合わせて、ac/dcネットワークの様々な種類のノードとエッジを捕捉し、電力グリッドの物理法則を組み込む。
  論文  参考訳（メタデータ） (2024-05-16T18:33:35Z)
• Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
  本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。 数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2022-11-14T01:29:09Z)
• Unsupervised Optimal Power Flow Using Graph Neural Networks [172.33624307594158]
  グラフニューラルネットワークを用いて、要求された電力と対応するアロケーションとの間の非線形パラメトリゼーションを学習する。 シミュレーションを通して、この教師なし学習コンテキストにおけるGNNの使用は、標準解法に匹敵するソリューションにつながることを示す。
  論文  参考訳（メタデータ） (2022-10-17T17:30:09Z)
• Evaluating the Planning and Operational Resilience of Electrical Distribution Systems with Distributed Energy Resources using Complex Network Theory [0.0]
  本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。 提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
  論文  参考訳（メタデータ） (2022-08-24T13:41:37Z)
• Power Flow Balancing with Decentralized Graph Neural Networks [4.812718493682454]
  汎用グリッド内の電力フローのバランスをとるために,グラフニューラルネットワーク(GNN)に基づくエンドツーエンドフレームワークを提案する。 提案するフレームワークは,ディープラーニングに基づく他の解法と比較して効率的であり,グリッドコンポーネントの物理量だけでなくトポロジにも頑健である。
  論文  参考訳（メタデータ） (2021-11-03T12:14:56Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Resource Allocation via Graph Neural Networks in Free Space Optical Fronthaul Networks [119.81868223344173]
  本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。 我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。 本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
  論文  参考訳（メタデータ） (2020-06-26T14:20:48Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。