論文の概要: MATNet: Multi-Level Fusion and Self-Attention Transformer-Based Model
for Multivariate Multi-Step Day-Ahead PV Generation Forecasting
- arxiv url: http://arxiv.org/abs/2306.10356v1
- Date: Sat, 17 Jun 2023 14:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 22:46:42.322877
- Title: MATNet: Multi-Level Fusion and Self-Attention Transformer-Based Model
for Multivariate Multi-Step Day-Ahead PV Generation Forecasting
- Title(参考訳): MATNet:マルチレベルフュージョンとセルフアテンション・トランスフォーマを用いた多段マルチステップPV生成予測
- Authors: Matteo Tortora, Francesco Conte, Gianluca Natrella, Paolo Soda
- Abstract要約: 本稿では,PV発電予測のための自己注意型トランスフォーマーアーキテクチャであるMATNetを提案する。
これは、AIパラダイムとPV発電に関する以前の物理的知識を組み合わせたハイブリッドアプローチで構成されている。
その結果,提案アーキテクチャはRMSEが0.0460に等しい現状の手法よりも優れていた。
- 参考スコア(独自算出の注目度): 1.3821435467741148
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The integration of renewable energy sources (RES) into modern power systems
has become increasingly important due to climate change and macroeconomic and
geopolitical instability. Among the RES, photovoltaic (PV) energy is rapidly
emerging as one of the world's most promising. However, its widespread adoption
poses challenges related to its inherently uncertain nature that can lead to
imbalances in the electrical system. Therefore, accurate forecasting of PV
production can help resolve these uncertainties and facilitate the integration
of PV into modern power systems. Currently, PV forecasting methods can be
divided into two main categories: physics-based and data-based strategies, with
AI-based models providing state-of-the-art performance in PV power forecasting.
However, while these AI-based models can capture complex patterns and
relationships in the data, they ignore the underlying physical prior knowledge
of the phenomenon. Therefore, we propose MATNet, a novel self-attention
transformer-based architecture for multivariate multi-step day-ahead PV power
generation forecasting. It consists of a hybrid approach that combines the AI
paradigm with the prior physical knowledge of PV power generation of
physics-based methods. The model is fed with historical PV data and historical
and forecast weather data through a multi-level joint fusion approach. The
effectiveness of the proposed model is evaluated using the Ausgrid benchmark
dataset with different regression performance metrics. The results show that
our proposed architecture significantly outperforms the current
state-of-the-art methods with an RMSE equal to 0.0460. These findings
demonstrate the potential of MATNet in improving forecasting accuracy and
suggest that it could be a promising solution to facilitate the integration of
PV energy into the power grid.
- Abstract(参考訳): 再生可能エネルギー源(RES)の現代の電力システムへの統合は、気候変動とマクロ経済と地政学の不安定さによってますます重要になっている。
resの中で、太陽光発電(pv)エネルギーは世界で最も有望な1つとして急速に発展している。
しかし、その普及は、電気系統の不均衡につながる固有の不確実性に関連する課題を提起している。
したがって、PV生産の正確な予測は、これらの不確実性を解消し、現代の電力システムへのPVの統合を促進するのに役立つ。
現在、PV予測方法は、物理ベースの戦略とデータベースの戦略の2つの主要なカテゴリに分けることができる。
しかし、これらのAIベースのモデルは、データ内の複雑なパターンや関係をキャプチャできるが、その現象の物理的な事前知識を無視している。
そこで本稿では,多段型マルチステップ型日頭PV発電予測のための自己注意型トランスフォーマーアーキテクチャであるMATNetを提案する。
aiパラダイムと、物理ベースの手法のpv発電に関する事前の物理知識を組み合わせたハイブリッドアプローチで構成されている。
このモデルは、歴史的pvデータと、多層融合アプローチによる過去の気象データと予測予報データによって供給される。
回帰性能指標の異なるausgridベンチマークデータセットを用いて,提案モデルの有効性を評価した。
その結果,提案アーキテクチャはRMSEが0.0460に等しい現状の手法よりも優れていた。
これらの結果はmatnetが予測精度を向上させる可能性を示し、太陽光発電の電力網への統合を促進するための有望な解決策であることを示唆している。
関連論文リスト
- CoCoGen: Physically-Consistent and Conditioned Score-based Generative
Models for Forward and Inverse Problems [1.2277343096128712]
この研究は生成モデルの到達範囲を物理的問題領域に拡張する。
基礎となるPDEとの整合性を促進するための効率的なアプローチを提案する。
各種物理課題におけるスコアベース生成モデルの可能性と汎用性を示す。
論文 参考訳(メタデータ) (2023-12-16T19:56:10Z) - Exploring Progress in Multivariate Time Series Forecasting:
Comprehensive Benchmarking and Heterogeneity Analysis [72.18987459587682]
MTS予測における公正な比較のために設計されたベンチマークであるBasicTSを紹介する。
MTSデータセットの不均一性を強調し、時間的特徴と空間的特徴に基づいて分類する。
論文 参考訳(メタデータ) (2023-10-09T19:52:22Z) - Forecasting Intraday Power Output by a Set of PV Systems using Recurrent
Neural Networks and Physical Covariates [0.0]
PhotoVoltaic(PV)システムによる出力の正確な予測は、エネルギー分配グリッドの動作を改善するために重要である。
このような日内予測を実現することを目的とした神経自己回帰モデルについて述べる。
論文 参考訳(メタデータ) (2023-03-15T09:03:58Z) - Evaluating generative models in high energy physics [7.545095780512178]
生成モデルの故障モードに対する評価指標とその感度に関する最初の体系的レビューと調査を行う。
我々はFr'echetとカーネル物理距離(FPDとKPD)の2つの新しい指標を提案し、その性能を計測する様々な実験を行った。
提案手法の有効性を検証し, 新規な注目型生成逆数粒子変換器と, 最先端のメッセージ通過型生成逆数ネットワークジェットシミュレーションモデルとの比較を行った。
論文 参考訳(メタデータ) (2022-11-18T15:36:28Z) - Your Autoregressive Generative Model Can be Better If You Treat It as an
Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。
E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。
我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文 参考訳(メタデータ) (2022-06-26T10:58:41Z) - An Adaptive Deep Learning Framework for Day-ahead Forecasting of
Photovoltaic Power Generation [0.8702432681310401]
本稿では,従来のデータから一般知識を取得するだけでなく,新たなデータから特定の知識を動的に学習するDLフレームワークである適応LSTM(AD-LSTM)モデルを提案する。
開発したAD-LSTMモデルは,特にコンセプトドリフトの存在下で,オフラインのLSTMモデルよりも高い予測能力を示す。
論文 参考訳(メタデータ) (2021-09-28T02:39:56Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳(メタデータ) (2021-04-28T16:48:44Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [55.28436972267793]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳(メタデータ) (2020-10-25T18:51:15Z) - 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) - Forecasting Photovoltaic Power Production using a Deep Learning Sequence
to Sequence Model with Attention [0.0]
本稿では,PV発電のエンド・ツー・エンド予測のための教師付きディープラーニングモデルを提案する。
提案モデルは2つの基本概念に基づいており、他のシーケンス関連分野の大幅な性能向上につながった。
その結果、新しい設計は、PV電力予測技術の現在の状態以上で実行可能であることがわかった。
論文 参考訳(メタデータ) (2020-08-06T17:20:08Z)
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。