論文の概要: Leveraging the Potential of Novel Data in Power Line Communication of Electricity Grids

• arxiv url: http://arxiv.org/abs/2209.12693v2
• Date: Thu, 23 Mar 2023 15:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 18:18:15.883880
• Title: Leveraging the Potential of Novel Data in Power Line Communication of Electricity Grids
• Title（参考訳）: 電力網の電力線通信における新しいデータの可能性の活用
• Authors: Christoph Balada, Max Bondorf, Sheraz Ahmed, Andreas Dengela, Markus Zdrallek
• Abstract要約: 電力網は、日常生活において気づかないことが多いとしても、日常生活において不可欠な部分となっている。 本稿では、ブロードバンド電力線通信インフラにおける計測に基づく2つの第一種データセットを提案する。 両方のデータセットFiN-1とFiN-2は、約440万人を供給しているドイツの低電圧グリッドの一部で実運用中に収集された。
• 参考スコア（独自算出の注目度）: 0.9712140341805069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electricity grids have become an essential part of daily life, even if they are often not noticed in everyday life. We usually only become particularly aware of this dependence by the time the electricity grid is no longer available. However, significant changes, such as the transition to renewable energy (photovoltaic, wind turbines, etc.) and an increasing number of energy consumers with complex load profiles (electric vehicles, home battery systems, etc.), pose new challenges for the electricity grid. To address these challenges, we propose two first-of-its-kind datasets based on measurements in a broadband powerline communications (PLC) infrastructure. Both datasets FiN-1 and FiN-2, were collected during real practical use in a part of the German low-voltage grid that supplies around 4.4 million people and show more than 13 billion datapoints collected by more than 5100 sensors. In addition, we present different use cases in asset management, grid state visualization, forecasting, predictive maintenance, and novelty detection to highlight the benefits of these types of data. For these applications, we particularly highlight the use of novel machine learning architectures to extract rich information from real-world data that cannot be captured using traditional approaches. By publishing the first large-scale real-world dataset, we aim to shed light on the previously largely unrecognized potential of PLC data and emphasize machine-learning-based research in low-voltage distribution networks by presenting a variety of different use cases.
• Abstract（参考訳）: 電力網は、たとえ日常的に意識されていなくても、日常生活の重要な部分となっている。 私たちは通常、電力網が使えなくなるまでには、この依存に特に気付くだけです。 しかし、再生可能エネルギー(太陽光発電、風力タービンなど)への移行や、複雑な負荷プロファイル(電気自動車、家庭用バッテリーシステムなど)を持つエネルギー消費の増加といった大きな変化は、電力網に新たな課題をもたらしている。 これらの課題に対処するために,ブロードバンド電力線通信(plc)インフラにおける計測に基づく2つの最初のits-kindデータセットを提案する。 両方のデータセットFiN-1とFiN-2は、約440万人を供給し、5100以上のセンサーで収集された13億以上のデータポイントを示すドイツの低電圧グリッドの一部で実際に使用中に収集された。 さらに, 資産管理, グリッド状態の可視化, 予測, 予測保守, 新規性検出において, この種のデータの利点を浮き彫りにするために, さまざまなユースケースを提示する。 これらのアプリケーションでは、従来のアプローチでは捉えられない実世界のデータからリッチな情報を抽出するために、新しい機械学習アーキテクチャを使うことを特に強調する。 最初の大規模実世界のデータセットを公開することで、これまで認識されていなかったPLCデータの可能性に光を当て、さまざまなユースケースを提示して低電圧分布ネットワークにおける機械学習に基づく研究を強調することを目指している。

関連論文リスト

• Fast and interpretable electricity consumption scenario generation for individual consumers [0.0]
  予測クラスタリング木(PCT)に基づく高速かつ解釈可能なシナリオ生成手法を提案する。 提案手法は, トレーニングや予測において, 少なくとも7倍の精度で, 最先端の時系列を生成する。
  論文  参考訳（メタデータ） (2024-10-23T13:41:58Z)
• Foundation Models for the Electric Power Grid [53.02072064670517]
  ファンデーションモデル(FM)がニュースの見出しを支配している。 多様なグリッドデータやトポロジからFMを学習することで、トランスフォーメーション能力が解放されるのではないか、と私たちは主張する。 本稿では,グラフニューラルネットワークに基づく電力グリッドFMの概念,すなわちGridFMについて論じる。
  論文  参考訳（メタデータ） (2024-07-12T17:09:47Z)
• Faraday: Synthetic Smart Meter Generator for the smart grid [0.0]
  本稿では,英国のエネルギー供給業者から3億以上のスマートメーターデータ読取を訓練した変分自動エンコーダ(VAE)モデルを提案する。 将来のエネルギーグリッドをモデル化することに関心のあるグリッドモデラーによる実世界の応用にモデルをどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2024-04-05T13:18:10Z)
• Home Electricity Data Generator (HEDGE): An open-access tool for the generation of electric vehicle, residential demand, and PV generation profiles [0.0]
  Home Electricity Data Generator (HEDGE)は、現実的な住宅エネルギーデータをランダムに生成するためのオープンアクセスツールである。 住宅用太陽光発電、家庭用電気負荷、電気自動車の消費および家庭での可用性に関する現実的な日々のプロファイルを生成する。 次に、GAN(Generative Adversarial Network)を訓練し、各行動群を代表する現実的な合成データを生成する。
  論文  参考訳（メタデータ） (2023-10-02T21:51:42Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• PSML: A Multi-scale Time-series Dataset for Machine Learning in Decarbonized Energy Grids [11.03026038752202]
  PSMLはオープンアクセス型マルチスケール時系列データセットである。 我々は,将来の電力網の信頼性向上に向けたデータ駆動機械学習(ML)手法の開発を支援するためにPSMLを提案する。 このデータセットは、動的システムにおけるMLの進歩を可能にすると同時に、ML研究者がカーボンニュートラル電気と移動性に貢献できることを期待している。
  論文  参考訳（メタデータ） (2021-10-12T20:18:49Z)
• GridTracer: Automatic Mapping of Power Grids using Deep Learning and Overhead Imagery [9.955168581633663]
  深層学習を用いた遠隔センシング画像におけるグリッドの自動マッピングを提案する。 電力網のための基礎的な真実とオーバーヘッド画像の大規模なデータセット(263km2$)を開発し,公開する。
  論文  参考訳（メタデータ） (2021-01-16T07:23:42Z)

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。