論文の概要: Generating Contextual Load Profiles Using a Conditional Variational Autoencoder

• arxiv url: http://arxiv.org/abs/2209.04056v1
• Date: Thu, 8 Sep 2022 23:12:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-12 13:14:04.945744
• Title: Generating Contextual Load Profiles Using a Conditional Variational Autoencoder
• Title（参考訳）: 条件付き変分オートエンコーダを用いた文脈負荷プロファイルの生成
• Authors: Chenguang Wang, Simon H. Tindemans, Peter Palensky
• Abstract要約: 本稿では,条件付き可変オートエンコーダ(CVAE)ニューラルネットワークアーキテクチャに基づく,産業顧客および商業顧客における負荷プロファイルの生成モデルについて述べる。 実験により,提案したCVAEモデルは,過去の負荷プロファイルの時間的特徴を捉え,現実的なデータを生成することができることを示した。
• 参考スコア（独自算出の注目度）: 3.9275220564515743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating power system states that have similar distribution and dependency to the historical ones is essential for the tasks of system planning and security assessment, especially when the historical data is insufficient. In this paper, we described a generative model for load profiles of industrial and commercial customers, based on the conditional variational autoencoder (CVAE) neural network architecture, which is challenging due to the highly variable nature of such profiles. Generated contextual load profiles were conditioned on the month of the year and typical power exchange with the grid. Moreover, the quality of generations was both visually and statistically evaluated. The experimental results demonstrate our proposed CVAE model can capture temporal features of historical load profiles and generate `realistic' data with satisfying univariate distributions and multivariate dependencies.
• Abstract（参考訳）: システム計画やセキュリティアセスメントのタスク,特に履歴データが不十分な場合には,従来のシステムに類似した分散と依存性を持つ電力系統の生成が不可欠である。 本稿では,条件付き変動オートエンコーダ(CVAE)ニューラルネットワークアーキテクチャに基づく,産業顧客および商業顧客における負荷プロファイルの生成モデルについて述べる。 発生したコンテキスト負荷プロファイルは、その年の月に条件付けられ、グリッドとの典型的な電力交換が行われた。 さらに、世代ごとの質を視覚的にも統計的にも評価した。 実験により,提案したCVAEモデルは,履歴的負荷プロファイルの時間的特徴を捉え,一変量分布と多変量依存性を満たす「現実的」データを生成することができることを示した。

関連論文リスト

• Generating the Traces You Need: A Conditional Generative Model for Process Mining Data [10.914597458295248]
  条件付き変分オートエンコーダ(CVAE)に基づくプロセスデータ生成のための条件付きモデルを提案する。 プロセスマイニングのためのCVAEは、データの多面的性質と制御フロールールに従う必要性のために、特定の課題に直面している。
  論文  参考訳（メタデータ） (2024-11-04T14:44:20Z)
• Deep Generative Modeling for Financial Time Series with Application in VaR: A Comparative Review [22.52651841623703]
  ヒストリカル・シミュレーション(HS)は、翌日にリスクファクターの予測分布が戻ると、ヒストリカル・ウィンドウにおける日々のリターンの実証的な分布を利用する。 HS, GARCH および CWGAN モデルは, 歴史的USD 収率曲線データと GARCH および CIR プロセスからシミュレーションした追加データの両方で試験される。 研究によると、トップパフォーマンスモデルはHS、GARCH、CWGANモデルである。
  論文  参考訳（メタデータ） (2024-01-18T20:35:32Z)
• Generative Modeling of Regular and Irregular Time Series Data via Koopman VAEs [50.25683648762602]
  モデルの新しい設計に基づく新しい生成フレームワークであるKoopman VAEを紹介する。 クープマン理論に触発され、線形写像を用いて潜在条件事前力学を表現する。 KoVAEは、いくつかの挑戦的な合成および実世界の時系列生成ベンチマークにおいて、最先端のGANおよびVAEメソッドより優れている。
  論文  参考訳（メタデータ） (2023-10-04T07:14:43Z)
• Customized Load Profiles Synthesis for Electricity Customers Based on Conditional Diffusion Models [10.283633619387782]
  異種顧客のための条件付き拡散モデルに基づく新しい負荷プロファイル合成法を提案する。 条件付き拡散モデルを実装するために,残差層を積み重ねた雑音推定モデルを設計する。 提案手法の有効性と優位性を検証するために,公開データセットに基づく事例研究を行った。
  論文  参考訳（メタデータ） (2023-04-24T13:14:31Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• TimeVAE: A Variational Auto-Encoder for Multivariate Time Series Generation [6.824692201913679]
  可変オートエンコーダ(VAE)を用いて時系列データを合成生成する新しいアーキテクチャを提案する。 提案されたアーキテクチャには、解釈可能性、ドメイン知識をエンコードする能力、トレーニング時間の短縮など、いくつかの異なる特性がある。
  論文  参考訳（メタデータ） (2021-11-15T21:42:14Z)
• Validation Methods for Energy Time Series Scenarios from Deep Generative Models [55.41644538483948]
  一般的なシナリオ生成アプローチでは、データ分散に関する前提なしにシナリオを生成するディープ生成モデル(DGM)を使用する。 エネルギーシナリオ生成文献における現在使われている検証手法の批判的評価を行う。 過去のデータと生成されたデータの両方に4つの検証手法を適用し、検証結果の解釈と、一般的な誤り、落とし穴、検証方法の限界について議論する。
  論文  参考訳（メタデータ） (2021-10-27T14:14:25Z)
• Generating Multivariate Load States Using a Conditional Variational Autoencoder [11.557259513691239]
  本稿では,条件付き可変オートエンコーダ(CVAE)ニューラルネットワークを提案する。 このモデルは与えられた潜在ベクトルの下での出力サンプルの潜時変化を含み、この出力変数のパラメータを共最適化する。 実験により、提案したジェネレータは、他のデータ生成メカニズムより優れていることが示された。
  論文  参考訳（メタデータ） (2021-10-21T19:07:04Z)
• Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
  表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。 また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-28T16:48:44Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Transformer Hawkes Process [79.16290557505211]
  本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。 THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。 本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
  論文  参考訳（メタデータ） (2020-02-21T13:48:13Z)

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。