論文の概要: Identifying drivers and mitigators for congestion and redispatch in the German electric power system with explainable AI

• arxiv url: http://arxiv.org/abs/2307.12636v1
• Date: Mon, 24 Jul 2023 09:19:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 14:50:48.316472
• Title: Identifying drivers and mitigators for congestion and redispatch in the German electric power system with explainable AI
• Title（参考訳）: 説明可能なaiによるドイツの電力系統における混雑と再配置のドライバと緩和要因の同定
• Authors: Maurizio Titz, Sebastian P\"utz, Dirk Witthaut
• Abstract要約: 我々は,ドイツの送電網における混雑に関するデータ駆動分析を行った。 我々は、再パッチと対トラの体積を予測するための説明可能な機械学習モデルを開発した。 予想通り、風力発電が主要因であるが、水力発電と国境を越えた電力取引もまた重要な役割を担っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The transition to a sustainable energy supply challenges the operation of electric power systems in manifold ways. Transmission grid loads increase as wind and solar power are often installed far away from the consumers. In extreme cases, system operators must intervene via countertrading or redispatch to ensure grid stability. In this article, we provide a data-driven analysis of congestion in the German transmission grid. We develop an explainable machine learning model to predict the volume of redispatch and countertrade on an hourly basis. The model reveals factors that drive or mitigate grid congestion and quantifies their impact. We show that, as expected, wind power generation is the main driver, but hydropower and cross-border electricity trading also play an essential role. Solar power, on the other hand, has no mitigating effect. Our results suggest that a change to the market design would alleviate congestion.
• Abstract（参考訳）: 持続可能なエネルギー供給への移行は、多様体的な方法で電力システムの運用に挑戦する。 送電網の負荷は、風力や太陽エネルギーが消費者から遠く離れた場所に設置されるにつれて増加する。 極端な場合、システムオペレータはグリッド安定性を確保するために、カウンタートレーディングまたは再パッチを介して介入しなければならない。 本稿では,ドイツの送電網における混雑に関するデータ駆動分析を行う。 我々は,時間単位で再配布と反取引の量を予測するために,説明可能な機械学習モデルを開発した。 モデルは、グリッドの混雑を駆動または緩和し、その影響を定量化する要因を明らかにする。 予想通り、風力発電が主要因であるが、水力発電と国境を越えた電力取引もまた重要な役割を担っている。 一方、太陽光発電は緩和効果をもたない。 その結果,市場デザインの変更は混雑を緩和する可能性が示唆された。

関連論文リスト

• Foundation Models for the Electric Power Grid [53.02072064670517]
  ファンデーションモデル(FM)がニュースの見出しを支配している。 多様なグリッドデータやトポロジからFMを学習することで、トランスフォーメーション能力が解放されるのではないか、と私たちは主張する。 本稿では,グラフニューラルネットワークに基づく電力グリッドFMの概念,すなわちGridFMについて論じる。
  論文  参考訳（メタデータ） (2024-07-12T17:09:47Z)
• Contingency Analysis of a Grid of Connected EVs for Primary Frequency Control of an Industrial Microgrid Using Efficient Control Scheme [0.0]
  電気自動車(EV)は、負荷とソースの両方として動作することができる。 産業用マイクログリッドは、風力発電所や太陽光発電所、貯蔵システム、負荷など、さまざまなエネルギー源で構成されている。 周波数管理のための制御方式を提案する。
  論文  参考訳（メタデータ） (2024-02-02T18:14:16Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• Power Grid Congestion Management via Topology Optimization with AlphaZero [0.27998963147546135]
  本稿では,AlphaZeroをベースとしたグリッドトポロジ最適化手法を提案する。 WCCI 2022ではL2RPN(Learning to Run a Power Network)コンペで1位にランクインした。
  論文  参考訳（メタデータ） (2022-11-10T14:39:28Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• Stabilizing Voltage in Power Distribution Networks via Multi-Agent Reinforcement Learning with Transformer [128.19212716007794]
  本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。 さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
  論文  参考訳（メタデータ） (2022-06-08T07:48:42Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Secondary control activation analysed and predicted with explainable AI [0.0]
  ドイツにおける二次制御の活性化のための説明可能な機械学習モデルを構築した。 我々の分析は、ドイツの電力システムに高い予備需要をもたらすドライバーを明らかにしている。
  論文  参考訳（メタデータ） (2021-09-10T11:39:53Z)
• EVGen: Adversarial Networks for Learning Electric Vehicle Charging Loads and Hidden Representations [4.273017002805776]
  我々は、電気自動車(EV)の充電セッションと非絡み合い表現を学ぶために、GAN(Generative Adversarial Network)を開発した。 このモデル構造は,非ラベル付き時間・電力パターンのパラメータ化に成功し,これらのパラメータを条件とした合成データを生成することができることを示す。
  論文  参考訳（メタデータ） (2021-08-09T00:23:47Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• From Data to Knowledge to Action: Enabling the Smart Grid [0.11726720776908521]
  『グリッド』は、世紀遅れの技術に基づく多くの点において、遺物である。 多くの人々が「スマートグリッド」に彼らの希望を固定しています スマートグリッドの当初の計画では、既存の情報技術を広範囲に活用することを示唆している。
  論文  参考訳（メタデータ） (2020-07-31T19:43:48Z)

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。