論文の概要: An Active Learning-based Approach for Hosting Capacity Analysis in
Distribution Systems
- arxiv url: http://arxiv.org/abs/2305.07818v1
- Date: Sat, 13 May 2023 02:08:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 19:27:46.696642
- Title: An Active Learning-based Approach for Hosting Capacity Analysis in
Distribution Systems
- Title（参考訳）: 配電系統におけるキャパシティ解析をホストするアクティブラーニング手法
- Authors: Kiyeob Lee, Peng Zhao, Anirban Bhattacharya, Bani K. Mallick, Le Xie
- Abstract要約: 将来の配電網のホスティング能力(HC)をモデル化し分析する必要性は大きい。
本稿では,HCAにおける2つの要因 (a) と (b) を捉えることにより,研究ギャップを解消する。
我々は,データ駆動型HCAフレームワークを提案し,シナリオを効果的に探求するために,HCAにおけるアクティブラーニングを導入する。
- 参考スコア（独自算出の注目度）: 12.606338719938572
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the increasing amount of distributed energy resources (DERs)
integration, there is a significant need to model and analyze hosting capacity
(HC) for future electric distribution grids. Hosting capacity analysis (HCA)
examines the amount of DERs that can be safely integrated into the grid and is
a challenging task in full generality because there are many possible
integration of DERs in foresight. That is, there are numerous extreme points
between feasible and infeasible sets. Moreover, HC depends on multiple factors
such as (a) adoption patterns of DERs that depend on socio-economic behaviors
and (b) how DERs are controlled and managed. These two factors are intrinsic to
the problem space because not all integration of DERs may be centrally planned,
and could largely change our understanding about HC. This paper addresses the
research gap by capturing the two factors (a) and (b) in HCA and by identifying
a few most insightful HC scenarios at the cost of domain knowledge. We propose
a data-driven HCA framework and introduce active learning in HCA to effectively
explore scenarios. Active learning in HCA and characteristics of HC with
respect to the two factors (a) and (b) are illustrated in a 3-bus example.
Next, detailed large-scale studies are proposed to understand the significance
of (a) and (b). Our findings suggest that HC and its interpretations
significantly change subject to the two factors (a) and (b).
- Abstract（参考訳）: 分散エネルギー資源(ders)の統合が増加するにつれて、将来の電力配電網のためのホスティングキャパシティ(hc)をモデル化し、分析する必要がある。
ホスティングキャパシティ分析(hca)は、グリッドに安全に統合できるdersの量を調べ、全一般性において挑戦的なタスクである。
すなわち、実現可能集合と実現不可能集合の間には、多くの極点が存在する。
さらに、HCは複数の因子に依存する。
(a)社会経済的行動に依存したDrの採用パターン
b)DERの制御方法と管理方法
これらの2つの要因は、dersのすべての統合が集中的に計画されているわけではなく、hcに関する我々の理解を大きく変える可能性があるため、問題空間に固有のものである。
本稿では2つの要因を捉えることで研究ギャップを解消する。
(a)及び
b) HCAやいくつかの最も洞察に富んだHCシナリオをドメイン知識の犠牲にして特定すること。
我々は,データ駆動型HCAフレームワークを提案し,シナリオを効果的に探求するために,HCAにおけるアクティブラーニングを導入する。
HCAにおけるアクティブラーニングとHCの特性
(a)及び
(b) は 3 行の例で示される。
次に,その意義を理解するために,詳細な大規模研究を提案する。
(a)及び
(b)
HCとその解釈は2つの要因によって大きく変化することが示唆された。
(a)及び
(b)
関連論文リスト
- Multi-Agent Coordination across Diverse Applications: A Survey [48.80487202140282]
多様なマルチエージェントシステム(MAS)のトレンド拡散を可能にする基盤機構に関する研究
本調査は,4つの基本的な調整質問に答える統一的な理解を通じて,アプリケーション全体での協調研究の現状を概説する。
論文 参考訳（メタデータ） (2025-02-20T17:12:45Z) - Continual Learning Should Move Beyond Incremental Classification [51.23416308775444]
連続学習(Continuous Learning, CL)は、動的環境における知識の蓄積に関わる機械学習のサブフィールドである。
ここでは、このような焦点を維持することは、CL法の理論的発展と実践的適用性の両方を制限すると論じる。
C1) 学習課題における連続性の性質,(C2) 類似性を測定するための適切な空間とメトリクスの選択,(C3) 学習目標が分類を超えた役割である。
論文 参考訳（メタデータ） (2025-02-17T15:40:13Z) - Towards Empowerment Gain through Causal Structure Learning in Model-Based RL [35.933469787075]
本稿では,学習効率と制御性を向上させるための新しいフレームワークであるEmpowerment through Causal Learning (ECL)を提案する。
ECLは、まず、収集されたデータに基づいて環境の因果ダイナミクスモデルを訓練する。
そして、探索によって収集されたデータを同時に利用して、因果ダイナミクスモデルをより制御しやすいように更新する。
論文 参考訳（メタデータ） (2025-02-14T10:59:09Z) - Generalized Cauchy-Schwarz Divergence and Its Deep Learning Applications [37.349358118385155]
多様性の尺度は、深層学習において中心的な役割を担い、ますます不可欠になりつつある。
一般化コーシーシュワルツ発散(GCSD)と呼ばれる複数の分布に適した新しい測度を導入する。
論文 参考訳（メタデータ） (2024-05-07T07:07:44Z) - Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。
近年のSRID進歩の総合的なレビューと分析を行っている。
様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
論文 参考訳（メタデータ） (2024-01-27T04:52:24Z) - Kernel Density Estimation for Multiclass Quantification [52.419589623702336]
量子化は、クラス有病率の正確な予測値を取得することに関する教師付き機械学習タスクである。
分散マッチング(DM)アプローチは、これまでの文献で提案されている定量化手法の中で、最も重要なファミリーの1つである。
カーネル密度推定(KDE)によりモデル化した多変量密度に基づく新しい表現機構を提案する。
論文 参考訳（メタデータ） (2023-12-31T13:19:27Z) - Towards Human-like Perception: Learning Structural Causal Model in
Heterogeneous Graph [26.361815957385417]
本研究では,HG-SCM(構造因果モデルとしての異種グラフ)という新しい解を提案する。
グラフスキーマから派生したセマンティクスに基づく無知変数の構築と、高度な因果発見技術を導入して、これらの変数間のタスクレベルの因果関係を自動的に学習する。
HG-SCMは標準偏差を最小限に抑え、予測力と一般化性の両方の観点からその有効性と優位性を実証した。
論文 参考訳（メタデータ） (2023-12-10T04:34:35Z) - Causality is all you need [63.10680366545293]
因果グラフルーティング(Causal Graph Routing, CGR)は、データに隠された原因影響力を明らかにするための介入機構を完全に依存した統合因果スキームである。
CGRは、Visual Question AnswerとLong Document Classificationタスクの両方において、最先端のメソッドを超越することができる。
論文 参考訳（メタデータ） (2023-11-21T02:53:40Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳（メタデータ） (2021-01-27T16:20:23Z) - Towards Understanding Cooperative Multi-Agent Q-Learning with Value
Factorization [28.89692989420673]
因子化多エージェントQ-ラーニングを解析するための多エージェント適合Q-イテレーションフレームワークを形式化する。
さらなる分析により、オンライン学習やよりリッチなジョイントバリュー関数クラスは、その局所的あるいは大域的収束特性を改善することができる。
論文 参考訳（メタデータ） (2020-05-31T19:14:03Z) - Understanding Global Feature Contributions With Additive Importance
Measures [14.50261153230204]
我々は,各特徴に関連付けられた予測力を通じて,特徴の重要性を定義する視点について検討する。
予測力(モデルベースと普遍性)の2つの概念を導入し、付加的重要度尺度の枠組みを用いてこのアプローチを定式化する。
次に,機能的相互作用を考慮に入れながら予測力を定量化するモデルに依存しないSAGEを提案する。
論文 参考訳（メタデータ） (2020-04-01T19:17:58Z)
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。