論文の概要: End-to-End Learning with Multiple Modalities for System-Optimised Renewables Nowcasting

• arxiv url: http://arxiv.org/abs/2304.07151v1
• Date: Fri, 14 Apr 2023 14:20:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 13:17:26.701580
• Title: End-to-End Learning with Multiple Modalities for System-Optimised Renewables Nowcasting
• Title（参考訳）: システム最適化リニューアブルのマルチモーダリティによるエンドツーエンド学習
• Authors: Rushil Vohra, Ali Rajaei, Jochen L. Cremer
• Abstract要約: 本稿では,再生可能電力をエネルギー管理システムの中間として活用するためのマルチモーダル(MM)学習とエンド・ツー・エンド(E2E)学習について検討する。 MMは、再生可能発電を予測するための2つのモダリティとして、オールスキー画像と気象センサデータの特徴を組み合わせる。 MMは、期待されるシステムコストを最小化するモデルのE2Eトレーニングと初めて組み合わせられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increasing penetration of renewable power sources such as wind and solar, accurate short-term, nowcasting renewable power prediction is becoming increasingly important. This paper investigates the multi-modal (MM) learning and end-to-end (E2E) learning for nowcasting renewable power as an intermediate to energy management systems. MM combines features from all-sky imagery and meteorological sensor data as two modalities to predict renewable power generation that otherwise could not be combined effectively. The combined, predicted values are then input to a differentiable optimal power flow (OPF) formulation simulating the energy management. For the first time, MM is combined with E2E training of the model that minimises the expected total system cost. The case study tests the proposed methodology on the real sky and meteorological data from the Netherlands. In our study, the proposed MM-E2E model reduced system cost by 30% compared to uni-modal baselines.
• Abstract（参考訳）: 風力や太陽などの再生可能エネルギーの浸透が進み、正確な短期的、再生可能エネルギー予測の重要性が高まっている。 本稿では,再生可能電力をエネルギー管理システムの中間として活用するためのマルチモーダル(MM)学習とエンド・ツー・エンド(E2E)学習について検討する。 mmは、全空画像と気象センサデータの特徴を2つのモードとして組み合わせ、再生可能発電を予測する。 組み合わせて予測された値は、エネルギー管理をシミュレートする微分可能な最適電力フロー(OPF)に入力される。 MMは、期待されるシステムコストを最小化するモデルのE2Eトレーニングと初めて組み合わせられる。 このケーススタディは、オランダの実際の空と気象データに関する提案手法をテストする。 本研究では,mm-e2eモデルにより,ユニモーダルベースラインと比較してシステムコストを30%削減した。

関連論文リスト

• LTPNet Integration of Deep Learning and Environmental Decision Support Systems for Renewable Energy Demand Forecasting [5.240979281331069]
  本稿では,ディープラーニング技術と環境意思決定支援システムを組み合わせた新しいアプローチを提案する。 このモデルはLSTMやTransformerなどの高度なディープラーニング技術とパラメータ最適化のためのPSOアルゴリズムを統合している。 結果から,本モデルが様々な指標で大幅な改善を達成できたことが示唆された。
  論文  参考訳（メタデータ） (2024-10-20T04:53:50Z)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
  高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。 本研究では,協調拡散回復可能性 (CDRL) を提案する。
  論文  参考訳（メタデータ） (2023-09-10T22:05:24Z)
• Cascaded Deep Hybrid Models for Multistep Household Energy Consumption Forecasting [5.478764356647437]
  本研究は,多段階家庭電力消費予測のための2つのハイブリッドキャスケードモデルを提案する。 提案したハイブリッドモデルでは,既存のマルチステップ電力消費予測手法よりも優れた予測性能が得られる。
  論文  参考訳（メタデータ） (2022-07-06T11:02:23Z)
• Transformers for prompt-level EMA non-response prediction [62.41658786277712]
  エコロジー・モメンタリー・アセスメント(Ecological Momentary Assessments、EMA)は、認知状態、影響、行動、環境要因を測定するための重要な心理的データ源である。 参加者がEMAプロンプトに反応しない非応答は、内因性問題である。 非応答を正確に予測できる能力は、EMAのデリバリを改善し、コンプライアンスの介入を開発するために利用することができる。
  論文  参考訳（メタデータ） (2021-11-01T18:38:47Z)
• Weather-based forecasting of energy generation, consumption and price for electrical microgrids management [0.0]
  炭素を含まない社会への移行は、エネルギー混合における再生可能エネルギーのシェアを必然的に増加させる。 本論文は, 発電システムにおける再生可能エネルギーの統合について, 予測・意思決定ツールについて検討するものである。
  論文  参考訳（メタデータ） (2021-07-01T09:02:36Z)
• Deep generative modeling for probabilistic forecasting in power systems [34.70329820717658]
  本研究では,近年のディープラーニング技術である正規化フローを用いて,正確な確率予測を行う。 我々の方法論は他の最先端のディープラーニング生成モデルと競合していることを示す。
  論文  参考訳（メタデータ） (2021-06-17T10:41:57Z)
• 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)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。