論文の概要: Predictability and Fairness in Load Aggregation with Deadband

• arxiv url: http://arxiv.org/abs/2305.17725v2
• Date: Wed, 09 Oct 2024 10:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-10 14:26:00.144337
• Title: Predictability and Fairness in Load Aggregation with Deadband
• Title（参考訳）: デッドバンドによる負荷凝集の予測可能性と公正性
• Authors: F. V. Difonzo, M. Roubalik, J. Marecek,
• Abstract要約: 制御器の交流電流モデルとデッドバンドにおける損失の影響を考察する。 フィリポフ不変測度は予測可能性と公平性についての推論を可能にすることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Virtual power plants and load aggregation are becoming increasingly common. There, one regulates the aggregate power output of an ensemble of distributed energy resources (DERs). Marecek et al. [Automatica, Volume 147, January 2023, 110743, arXiv:2110.03001] recently suggested that long-term averages of prices or incentives offered should exist and be independent of the initial states of the operators of the DER, the aggregator, and the power grid. This can be seen as predictability, which underlies fairness. Unfortunately, the existence of such averages cannot be guaranteed with many traditional regulators, including the proportional-integral (PI) regulator with or without deadband. Here, we consider the effects of losses in the alternating current model and the deadband in the controller. This yields a non-linear dynamical system (due to the non-linear losses) exhibiting discontinuities (due to the deadband). We show that Filippov invariant measures enable reasoning about predictability and fairness while considering non-linearity of the alternating-current model and deadband.
• Abstract（参考訳）: 仮想発電所と負荷集約はますます一般的になりつつある。 ここでは、分散エネルギー資源(DER)のアンサンブルの総出力を規制する。 Marecek et al [Automatica, Volume 147, January 2023, 110743, arXiv:2110.03001] は、最近、提供された価格やインセンティブの長期平均は、DER、アグリゲーター、電力網の運営者の初期状態とは独立して存在するべきであると示唆した。 これは予測可能性と見なすことができ、公平さの根底にある。 残念ながら、そのような平均値の存在は、デッドバンドの有無にかかわらず、比例積分(PI)規制を含む多くの伝統的な規制機関では保証できない。 本稿では、制御器の交流電流モデルとデッドバンドにおける損失の影響について考察する。 これにより(非線形損失による)非線形力学系が不連続性を示す(デッドバンドによる)。 そこで本研究では,Filippov不変測度により,交流電流モデルとデッドバンドの非線形性を考慮しつつ,予測可能性と公平性を推論できることを示す。

関連論文リスト

• Fair CoVariance Neural Networks [34.68621550644667]
  本稿では,Fair CoVariance Neural Networks (FVNN) を提案する。 我々は,FVNNが類似のPCAアプローチよりも本質的に公平であることを証明する。
  論文  参考訳（メタデータ） (2024-09-13T06:24:18Z)
• A Non-negative VAE:the Generalized Gamma Belief Network [49.970917207211556]
  ガンマ信念ネットワーク(GBN)は、テキストデータ中の多層解釈可能な潜在表現を明らかにする可能性を実証している。 本稿では、一般化ガンマ信念ネットワーク(Generalized GBN)を導入し、元の線形生成モデルをより表現力のある非線形生成モデルに拡張する。 また、潜伏変数の後方分布を近似する上向きのワイブル推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-06T18:18:37Z)
• Mind the Graph When Balancing Data for Fairness or Robustness [73.03155969727038]
  データバランシングのためのトレーニングディストリビューションの条件を定義し、公正またはロバストなモデルに導く。 その結果、多くの場合、バランスの取れた分布は、望ましくない依存関係を選択的に除去することには対応しないことがわかった。 その結果,データバランシングを行う前に因果グラフを考慮に入れることの重要性を強調した。
  論文  参考訳（メタデータ） (2024-06-25T10:16:19Z)
• Forecasting with an N-dimensional Langevin Equation and a Neural-Ordinary Differential Equation [0.0]
  我々は,非定常電気価格時系列を体系的にモデル化し,予測する枠組みを開発した。 その結果,NODEはLEを良好に補完し,定常的および非定常的電気価格の双方に対処するための包括的戦略を提供することがわかった。
  論文  参考訳（メタデータ） (2024-05-12T18:45:30Z)
• Scalable Optimal Design of Incremental Volt/VAR Control using Deep Neural Networks [2.018732483255139]
  深層ニューラルネットワーク(DNN)のトレーニングとして最適ルール設計(ORD)を改訂し,スケーラブルなソリューションを提案する。 我々は、深層ニューラルネットワーク(DNN)のトレーニングとしてORDを再構成することでスケーラブルなソリューションを考案した。 分析結果と数値実験により,提案したORD溶液が単相/多相供給装置に適切に適用可能であることが確認された。
  論文  参考訳（メタデータ） (2023-01-04T04:19:12Z)
• Distributed Nonlinear State Estimation in Electric Power Systems using Graph Neural Networks [1.1470070927586016]
  本稿では,非線形電力系統SEの増乗係数グラフ上での独自のグラフニューラルネットワークに基づくSEの実装を提案する。 提案した回帰モデルは、一度訓練された推論時間中に線形計算複雑性を持ち、分散実装の可能性がある。
  論文  参考訳（メタデータ） (2022-07-23T08:54:24Z)
• Learning to Estimate Without Bias [57.82628598276623]
  ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。 本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
  論文  参考訳（メタデータ） (2021-10-24T10:23:51Z)
• Predictability and Fairness in Load Aggregation and Operations of Virtual Power Plants [3.8113588584597187]
  電力システムでは、分散エネルギー資源の集合的需要を規制したい。 我々は,価格やインセンティブの長期平均が,DERの運営者の初期状態から独立すべきであることを示唆する,予測可能性と公平性の概念を提案する。
  論文  参考訳（メタデータ） (2021-10-06T18:20:07Z)
• Principal Component Density Estimation for Scenario Generation Using Normalizing Flows [62.997667081978825]
  低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。 当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
  論文  参考訳（メタデータ） (2021-04-21T08:42:54Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Sparse Identification of Nonlinear Dynamical Systems via Reweighted $\ell_1$-regularized Least Squares [62.997667081978825]
  本研究は, 非線形系の制御方程式をノイズ状態測定から復元するための繰り返しスパース規則化回帰法を提案する。 本研究の目的は、状態測定ノイズの存在下での手法の精度とロバスト性を改善することである。
  論文  参考訳（メタデータ） (2020-05-27T08:30:15Z)

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。