論文の概要: Predicting the power grid frequency of European islands
- arxiv url: http://arxiv.org/abs/2209.15414v1
- Date: Tue, 27 Sep 2022 10:03:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 17:10:29.533257
- Title: Predicting the power grid frequency of European islands
- Title（参考訳）: ヨーロッパ列島における電力系統周波数の予測
- Authors: Thorbj{\o}rn Lund Onsaker and Heidi S. Nyg{\aa}rd and Dami\`a Gomila
and Pere Colet and Ralf Mikut and Richard Jumar and Heiko Maass and Uwe
K\"uhnapfel and Veit Hagenmeyer and Dirk Witthaut and Benjamin Sch\"afer
- Abstract要約: 本稿では,ヨーロッパ列島で得られた電力グリッド周波数の測定値を利用する。
本研究は,北欧電力システムと比較して,その周波数をいかに予測できるかを考察する。
バレア諸島は特に決定論的であり、予測が難しいアイスランドとは対照的に予測が容易である。
- 参考スコア（独自算出の注目度）: 0.15729203067736902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modelling, forecasting and overall understanding of the dynamics of the power
grid and its frequency is essential for the safe operation of existing and
future power grids. Much previous research was focused on large continental
areas, while small systems, such as islands are less well-studied. These
natural island systems are ideal testing environments for microgrid proposals
and artificially islanded grid operation. In the present paper, we utilize
measurements of the power grid frequency obtained in European islands: the
Faroe Islands, Ireland, the Balearic Islands and Iceland and investigate how
their frequency can be predicted, compared to the Nordic power system, acting
as a reference. The Balearic islands are found to be particularly deterministic
and easy to predict in contrast to hard-to-predict Iceland. Furthermore, we
show that typically 2-4 weeks of data are needed to improve prediction
performance beyond simple benchmarks.
- Abstract（参考訳）: 電力網のダイナミクスとその周波数のモデリング、予測、および全体的な理解は、既存の電力網および将来の電力網の安全な運用に不可欠である。
以前の研究は大きな大陸地域に焦点を当てていたが、島のような小さなシステムはあまり研究されていない。
これらの自然島システムは、マイクログリッドの提案と人工島グリッド運用のための理想的なテスト環境である。
本稿では,ヨーロッパ列島(フェロー諸島,アイルランド,バレアレス諸島,アイスランド)における電力系統周波数の測定を行い,北欧の電力系統と比較し,その周波数の予測について検討した。
バレア諸島は特に決定論的であり、予測が難しいアイスランドとは対照的に予測が容易である。
さらに,単純なベンチマーク以上の予測性能向上には,通常2～4週間のデータが必要であることを示す。
関連論文リスト
- A Foundation Model for the Earth System [82.73624748093333]
我々は、100万時間以上の多様なデータに基づいてトレーニングされた地球システムのための大規模な基盤モデルであるAuroraを紹介します。
オーロラは、大気の質、海波、熱帯のサイクロンの軌道、および専用システムよりも計算コストの桁違いの高解像度の天気予報において、運用上の予測を上回っている。
論文 参考訳（メタデータ） (2024-05-20T14:45:18Z) - Day-ahead regional solar power forecasting with hierarchical temporal
convolutional neural networks using historical power generation and weather
data [2.9884358130293056]
本研究では,各地域における天気データと時系列(集約,個人)の両タイプを効果的に活用する,深層学習に基づく地域予測手法を提案する。
提案した研究は、西オーストラリアの101カ所から1年以上にわたって収集された大規模なデータセットを用いて評価され、予測を1日先延ばしにしている。
論文 参考訳（メタデータ） (2024-03-04T00:09:07Z) - MT-IceNet -- A Spatial and Multi-Temporal Deep Learning Model for Arctic
Sea Ice Forecasting [0.31410342959104726]
我々は,北極海氷濃度(SIC)予測のためのMT-IceNet - UNetに基づく空間・多時間深層学習モデルを提案する。
提案モデルでは,6ヶ月のリードタイムで予測誤差を最大60%低減し,画素ごとのSIC予測に有望な予測性能を提供する。
論文 参考訳（メタデータ） (2023-08-08T18:18:31Z) - An unsupervised learning approach for predicting wind farm power and
downstream wakes using weather patterns [0.0]
我々は,教師なしクラスタリング手法から得られた気象パターンと数値的な天気予報モデルを組み合わせた新しい風力エネルギーワークフローを開発した。
我々の長期予測は1年間のWRFシミュレーションと一致するが、計算時間は2%未満であることを示す。
提案手法は、高速で正確で柔軟な手法を提供することにより、出力および下流ファームウェイの複数年間の予測を容易にする。
論文 参考訳（メタデータ） (2023-02-12T10:05:25Z) - Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global
Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。
初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。
Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文 参考訳（メタデータ） (2022-11-03T17:19:43Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-10-17T09:14:35Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳（メタデータ） (2022-10-10T17:37:56Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1～15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳（メタデータ） (2022-02-10T11:37:00Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Deep coastal sea elements forecasting using U-Net based models [3.1733862899654643]
エネルギー提供者や政策立案者は気象情報を必要とし、情報を得た選択を行い、最適な計画を立てる。
本稿では,U-Netアーキテクチャを用いて,オランダの沿岸海域における海面要素のフレーム予測に先立つ複数のステップについて検討する。
本稿では、U-Netアーキテクチャのバリエーションを提案し、残差接続、並列畳み込み、非対称畳み込みを用いた新しいモデルをさらに拡張する。
論文 参考訳（メタデータ） (2020-11-06T12:02:31Z)
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。