論文の概要: Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee

• arxiv url: http://arxiv.org/abs/2309.07157v1
• Date: Sun, 10 Sep 2023 21:11:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-15 17:38:04.946804
• Title: Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee
• Title（参考訳）: 未知パターンと性能保証を用いた配電系統の故障同定
• Authors: Chenhan Xiao, Yizheng Liao, Yang Weng
• Abstract要約: 配電網におけるライン停止同定は, 持続可能なグリッド運用に不可欠である。 本稿では,手軽に利用できる電圧等級のみを利用する実用的かつ頑健な検出手法を提案する。
• 参考スコア（独自算出の注目度）: 6.72184534513047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Line outage identification in distribution grids is essential for sustainable grid operation. In this work, we propose a practical yet robust detection approach that utilizes only readily available voltage magnitudes, eliminating the need for costly phase angles or power flow data. Given the sensor data, many existing detection methods based on change-point detection require prior knowledge of outage patterns, which are unknown for real-world outage scenarios. To remove this impractical requirement, we propose a data-driven method to learn the parameters of the post-outage distribution through gradient descent. However, directly using gradient descent presents feasibility issues. To address this, we modify our approach by adding a Bregman divergence constraint to control the trajectory of the parameter updates, which eliminates the feasibility problems. As timely operation is the key nowadays, we prove that the optimal parameters can be learned with convergence guarantees via leveraging the statistical and physical properties of voltage data. We evaluate our approach using many representative distribution grids and real load profiles with 17 outage configurations. The results show that we can detect and localize the outage in a timely manner with only voltage magnitudes and without assuming a prior knowledge of outage patterns.
• Abstract（参考訳）: 配電網におけるライン停止同定は, 持続可能なグリッド運用に不可欠である。 本研究では,容易に利用可能な電圧等級のみを利用する実用的かつロバストな検出手法を提案し,コストのかかる位相角やパワーフローデータの必要性を解消する。 センサデータを考えると、変更点検出に基づく既存の検出方法は、実際の停止シナリオでは未知の停止パターンの事前知識を必要とする。 この非現実的要件を解消するために、勾配降下による後分布のパラメータを学習するデータ駆動手法を提案する。 しかし、勾配降下を用いると実現可能性の問題が生じる。 この問題に対処するために,パラメータ更新の軌跡を制御するために,Bregman分散制約を追加することで,実現可能性の問題を排除する。 近年,タイムリー動作が鍵となるため,電圧データの統計的・物理的特性を活用し,コンバージェンス保証により最適パラメータを学習できることを実証する。 我々は17の障害構成で,多数の分散グリッドと実負荷プロファイルを用いてアプローチを評価した。 その結果,停止パターンの事前の知識を前提とせず,電圧のマグニチュードのみをタイムリーに検出し,ローカライズできることが判明した。

関連論文リスト

• Anomaly Detection in Power Grids via Context-Agnostic Learning [4.865842426618145]
  グリッド上のセンサの固定セットから得られる時系列測定値を考えると、ネットワークトポロジや測定データの異常を識別できるだろうか? 近年のデータ駆動型ML技術は、現在のデータと過去のデータを組み合わせて異常検出を行っている。 本稿では,正規位相と負荷/世代変化の影響を考慮した,文脈認識型異常検出アルゴリズムGridCALを提案する。
  論文  参考訳（メタデータ） (2024-04-11T16:37:01Z)
• An Adaptive Method for Weak Supervision with Drifting Data [11.035811912078216]
  非定常的な環境では,厳格な品質保証を施した適応手法を導入する。 我々は、弱い監督源の精度が時間とともにドリフトできる非定常的なケースに焦点を当てる。 我々のアルゴリズムはドリフトの大きさに関する仮定を一切必要とせず、入力に基づいて適応する。
  論文  参考訳（メタデータ） (2023-06-02T16:27:34Z)
• A Log-Linear Non-Parametric Online Changepoint Detection Algorithm based on Functional Pruning [5.202524136984542]
  シーケンスの分布の変化を検出するために,フレキシブルな非パラメトリック手法を構築した。 機能的プルーニングのアイデアのおかげで、NP-FOCuSは観測回数の対数直線的な計算コストを持つ。 検出能力の面では、NP-FOCuSは様々な設定で現在の非パラメトリックオンライン変更ポイント技術より優れている。
  論文  参考訳（メタデータ） (2023-02-06T11:50:02Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)
• Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
  ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。 分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。 本手法は精度と不確実性の両方を向上することを示す。
  論文  参考訳（メタデータ） (2021-09-27T01:09:08Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Bayesian Error-in-Variables Models for the Identification of Power Networks [0.0]
  アクセタンス行列の信頼できる推定は、時間的に異なる格子に対して欠落するか、すぐに時代遅れになる可能性がある。 マイクロPMUから収集した電圧と電流を利用したデータ駆動型識別手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T15:10:47Z)
• Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
  階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。 本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-11T09:50:24Z)
• Quick Line Outage Identification in Urban Distribution Grids via Smart Meters [4.464184851598876]
  本稿では,理論的保証付き時系列解析に基づくデータ駆動型停止監視手法を提案する。 電力流解析により、時系列電圧測定の依存性はライン停止後の統計的に有意な変化を示すことを示した。 提案手法では,迅速な停止同定には電圧大小のみを要求できることを示した。
  論文  参考訳（メタデータ） (2021-04-01T07:10:34Z)

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。