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/2208.11682v2
- Date: Sat, 25 Mar 2023 18:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 02:55:27.731480
- 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: 電気配電網におけるノード識別の弱いDERを最適に割り当てる手法を提案する。
分布系をグラフ理論とグラフニューラルネットワーク(GNN)アーキテクチャを用いて最適マイクログリッドに分割した。
脆弱なノード上のDERの配置により、ネットワークの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: With the commitment to climate, globally many countries started reducing
brownfield energy production and strongly opting towards green energy
resources. However, the optimal allocation of distributed energy resources
(DERs) in electrical distribution systems still pertains as a challenging issue
to attain the maximum benefits. It happens due to the systems complex behaviour
and inappropriate integration of DERs that adversely affects the distribution
grid. In this work, we propose a methodology for the optimal allocation of DERs
with vulnerable node identification in active electrical distribution networks.
A failure or extreme event at the vulnerable node would interrupt the power
flow in the distribution network. Also, the power variation in these vulnerable
nodes would significantly affect the operation of other linked nodes. Thus,
these nodes are found suitable for the optimal placement of DERs. We
demonstrate the proposed data-driven approach on a standard IEEE-123 bus test
feeder. Initially, we partitioned the distribution system into optimal
microgrids using graph theory and graph neural network (GNN) architecture.
Further, using Granger causality analysis, we identified vulnerable nodes in
the partitioned microgrid; suitable for DERs integration. The placement of DERs
on the vulnerable nodes enhanced network reliability and resilience.
Improvement in resilience is validated by computing the percolation threshold
for the microgrid networks. The results show a 20.45% improvement in the
resilience of the system due to the optimal allocation of DERs.
- Abstract（参考訳）: 気候へのコミットメントにより、世界中の多くの国がブラウンフィールドエネルギー生産を減らし、グリーンエネルギー資源を強く選択し始めた。
しかし, 配電系統における分散型エネルギー資源(der)の最適配分は, 最大利益を達成するための課題である。
これはシステムの複雑な振る舞いと、分散グリッドに悪影響を及ぼすderの不適切な統合によって起こる。
本研究では,アクティブな電気配信ネットワークにおいて,脆弱なノード識別を伴うDERを最適に割り当てる手法を提案する。
脆弱なノードでの障害や極端なイベントは、分散ネットワーク内の電力の流れを中断する。
また、これらの脆弱な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。
したがって、これらのノードはDERの最適配置に適している。
本稿では,IEEE-123バステストの標準供給装置にデータ駆動方式を提案する。
まず,分布系をグラフ理論とグラフニューラルネットワーク(gnn)アーキテクチャを用いて最適マイクログリッドに分割した。
さらに,Granger因果解析を用いて,パーティショニングされたマイクログリッド内の脆弱なノードを同定した。
脆弱なノード上のDERの配置により、ネットワークの信頼性とレジリエンスが向上した。
マイクログリッドネットワークのパーコレーションしきい値を計算することでレジリエンスの改善を検証する。
その結果,dersの最適配置により,システムの弾力性が20.45%向上した。
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。