論文の概要: Neuro-Dynamic State Estimation for Networked Microgrids
- arxiv url: http://arxiv.org/abs/2208.12288v1
- Date: Thu, 25 Aug 2022 18:25:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 13:35:06.905284
- Title: Neuro-Dynamic State Estimation for Networked Microgrids
- Title（参考訳）: ネットワークマイクログリッドのニューロダイナミック状態推定
- Authors: Fei Feng, Yifan Zhou, Peng Zhang
- Abstract要約: 未知のサブシステム下でのネットワークマイクログリッド(NM)に対する学習に基づく動的状態推定(DSE)アルゴリズムを考案する。
1)NMs DSEに対するデータ駆動型ニューロDSEアルゴリズムと,2)NMs状態と未知パラメータの同時推定が可能な自己精製型ニューロDSEアルゴリズム(Neuro-DSE+)と,4)拡張型ニューロDSEを用いてNMs状態と未知パラメータを推定する。
- 参考スコア（独自算出の注目度）: 11.828274912580074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We devise neuro-dynamic state estimation (Neuro-DSE), a learning-based
dynamic state estimation (DSE) algorithm for networked microgrids (NMs) under
unknown subsystems. Our contributions include: 1) a data-driven Neuro-DSE
algorithm for NMs DSE with partially unidentified dynamic models, which
incorporates the neural-ordinary-differential-equations (ODE-Net) into Kalman
filters; 2) a self-refining Neuro-DSE algorithm (Neuro-DSE+) which enables
data-driven DSE under limited and noisy measurements by establishing an
automatic filtering, augmenting and correcting framework; 3) a
Neuro-KalmanNet-DSE algorithm which further integrates KalmanNet with Neuro-DSE
to relieve the model mismatch of both neural- and physics-based dynamic models;
and 4) an augmented Neuro-DSE for joint estimation of NMs states and unknown
parameters (e.g., inertia). Extensive case studies demonstrate the efficacy of
Neuro-DSE and its variants under different noise levels, control modes, power
sources, observabilities and model knowledge, respectively.
- Abstract（参考訳）: 我々は未知のサブシステム下でのネットワークマイクログリッド(NM)の学習に基づく動的状態推定(DSE)アルゴリズムNeuro-DSEを考案した。
私たちの貢献には
1) NMs DSEのデータ駆動型ニューロDSEアルゴリズムで, ニューラル・オーディショナル・ディファレンシャル・方程式(ODE-Net)をカルマンフィルタに組み込む。
2 自動フィルタリング、拡張及び補正の枠組みを確立することにより、限られた騒音測定の下でデータ駆動型DSEを可能にする自己精製型ニューロDSEアルゴリズム(Neuro-DSE+)
3)neuro-kalmannet-dseアルゴリズムは、neuro-dseとさらに統合して、neuro-dseとneuro-dseの両方のモデルミスマッチを緩和する。
4) NMs状態と未知パラメータ(慣性等)を共同で推定するための拡張型ニューロDSE。
広範囲にわたるケーススタディでは、異なるノイズレベル、制御モード、電源、観測可能性、モデル知識の下で、ニューロDSEとその変異体の有効性が示されている。
関連論文リスト
- AI-Aided Kalman Filters [65.35350122917914]
カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。
最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。
本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
論文 参考訳（メタデータ） (2024-10-16T06:47:53Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - A critical look at deep neural network for dynamic system modeling [0.0]
本稿では,入力出力データを用いた動的システムのモデリングにおける(深度)ニューラルネットワークの能力に疑問を呈する。
線形時間不変(LTI)力学系の同定には、2つの代表的なニューラルネットワークモデルを比較する。
LTIシステムでは、LSTMとCFNNはノイズのないケースでも一貫したモデルを提供できない。
論文 参考訳（メタデータ） (2023-01-27T09:03:05Z) - SIT: A Bionic and Non-Linear Neuron for Spiking Neural Network [12.237928453571636]
スパイキングニューラルネットワーク(SNN)は、時間的情報処理能力と消費電力の低さから、研究者の関心を喚起している。
現在の最先端の手法は、ニューロンが単純な Leaky-Integrate-and-Fire (LIF) モデルに基づいて構築されているため、生物学的な可視性と性能を制限している。
高レベルの動的複雑さのため、現代のニューロンモデルがSNNの実践で実装されることはめったにない。
論文 参考訳（メタデータ） (2022-03-30T07:50:44Z) - Ranking of Communities in Multiplex Spatiotemporal Models of Brain
Dynamics [0.0]
隠れマルコフグラフモデル(HMs)と呼ぶ多重脳状態グラフモデルとして、ニューラルHMMの解釈を提案する。
この解釈により、ネットワーク分析技術の完全なレパートリーを使用して、動的脳活動を分析することができる。
ランダムウォークに基づく手法を用いて,脳領域の重要なコミュニティを決定するための新しいツールを開発した。
論文 参考訳（メタデータ） (2022-03-17T12:14:09Z) - EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。
メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文 参考訳（メタデータ） (2022-02-21T18:59:03Z) - Dynamic Neural Diversification: Path to Computationally Sustainable
Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。
学習過程において隠れた層内のニューロンの多様性を探索する。
ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2021-09-20T15:12:16Z) - Neural ODE Processes [64.10282200111983]
NDP(Neural ODE Process)は、Neural ODEの分布によって決定される新しいプロセスクラスである。
我々のモデルは,少数のデータポイントから低次元システムのダイナミクスを捉えることができることを示す。
論文 参考訳（メタデータ） (2021-03-23T09:32:06Z) - Neuro-Reachability of Networked Microgrids [7.146059733442307]
ニューラル常微分方程式ネットワーク(ODE-Net)対応到達可能性法(Neuro-Reachability)を考案し、ネットワークマイクログリッドの動的検証を行う。
データ駆動状態空間モデルを構築するためにODENetを利用した動的モデル探索手法が考案された。
物理データ統合(PDI)NMsモデルを構築し,様々なNM分析を行う。
pdi駆動動的検証の信頼性を高めるためにコンフォーマンスエンパワー到達可能性解析を開発した。
論文 参考訳（メタデータ） (2021-01-13T15:56:56Z) - Spiking Neural Networks -- Part II: Detecting Spatio-Temporal Patterns [38.518936229794214]
スパイキングニューラルネットワーク(SNN)は、符号化された時間信号で情報を検出するユニークな能力を持つ。
SNNをリカレントニューラルネットワーク(RNN)とみなす支配的アプローチのためのモデルとトレーニングアルゴリズムについてレビューする。
スパイキングニューロンの確率モデルに頼り、勾配推定による局所学習規則の導出を可能にする別のアプローチについて述べる。
論文 参考訳（メタデータ） (2020-10-27T11:47:42Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z)
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。