論文の概要: DeepOPF-U: A Unified Deep Neural Network to Solve AC Optimal Power Flow in Multiple Networks

• arxiv url: http://arxiv.org/abs/2309.12849v1
• Date: Fri, 22 Sep 2023 13:22:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 14:42:39.443971
• Title: DeepOPF-U: A Unified Deep Neural Network to Solve AC Optimal Power Flow in Multiple Networks
• Title（参考訳）: DeepOPF-U: 複数のネットワークで交流最適潮流を解く統合ディープニューラルネットワーク
• Authors: Heng Liang, Changhong Zhao
• Abstract要約: 本稿では,1つの統合ディープニューラルネットワーク(DNN)を用いて,異なる電力ネットワークにおける交流(AC)OPF問題を解決するDeepOPF-Uを提案する。 具体的には、与えられた負荷のベクトルに対して弾性的な入力層と出力層を設計し、異なるネットワークで異なる長さのOPFソリューションを設計する。
• 参考スコア（独自算出の注目度）: 0.8158530638728501
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The traditional machine learning models to solve optimal power flow (OPF) are mostly trained for a given power network and lack generalizability to today's power networks with varying topologies and growing plug-and-play distributed energy resources (DERs). In this paper, we propose DeepOPF-U, which uses one unified deep neural network (DNN) to solve alternating-current (AC) OPF problems in different power networks, including a set of power networks that is successively expanding. Specifically, we design elastic input and output layers for the vectors of given loads and OPF solutions with varying lengths in different networks. The proposed method, using a single unified DNN, can deal with different and growing numbers of buses, lines, loads, and DERs. Simulations of IEEE 57/118/300-bus test systems and a network growing from 73 to 118 buses verify the improved performance of DeepOPF-U compared to existing DNN-based solution methods.
• Abstract（参考訳）: 最適電力フロー(OPF)を解決する従来の機械学習モデルは、主に所定の電力ネットワークのために訓練されており、様々なトポロジを持ち、プラグアンドプレイの分散エネルギーリソース(DER)が増加する今日の電力ネットワークに一般化性がない。 本稿では,1つの統合ディープニューラルネットワーク(DNN)を用いて,異なる電力ネットワークにおける交流(AC)OPF問題を解決するDeepOPF-Uを提案する。 具体的には,与えられた負荷とopf 解のベクトルに対して,異なるネットワークで異なる長さの弾性入力層と出力層を設計する。 提案手法は, 単一統一DNNを用いて, バス, ライン, ロード, および DER の多種多様な数に対応可能である。 IEEE 57/118/300バステストシステムと73から118バスのネットワークのシミュレーションにより、既存のDNNベースのソリューション手法と比較してDeepOPF-Uの性能改善が検証された。

関連論文リスト

• Power Flow Analysis Using Deep Neural Networks in Three-Phase Unbalanced Smart Distribution Grids [0.7037008937757394]
  本稿では3つのディープニューラルネットワーク(DNN)を提案し,PF(Power Flow)ソリューションの予測を行った。 トレーニングデータとテストデータは、OpenDSS-MATLAB COMインターフェースを介して生成される。 提案手法の新規性は、モデルが不均衡分布格子に対するPF解を正確に予測できることである。
  論文  参考訳（メタデータ） (2024-01-15T04:43:37Z)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• Proximal Policy Optimization with Graph Neural Networks for Optimal Power Flow [4.27638925658716]
  グラフニューラルネットワーク(GNN)は、データに機械学習(ML)アルゴリズムを自然に使用可能にする。 深層強化学習(DRL)は、複雑な意思決定問題を解決する強力な能力で知られている。 問題を解決する方法を学ぶアーキテクチャを提案し、同時にシナリオを発見できるアーキテクチャを提案します。
  論文  参考訳（メタデータ） (2022-12-23T17:00:00Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural Networks [52.32646357164739]
  最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。 提案されたSIDNNは、幅広いOPFスキームと互換性がある。 他のLearning-to-OPFスキームとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-03-27T00:45:23Z)
• A Meta-Learning Approach to the Optimal Power Flow Problem Under Topology Reconfigurations [69.73803123972297]
  メタラーニング(MTL)アプローチを用いて訓練されたDNNベースのOPF予測器を提案する。 開発したOPF予測器はベンチマークIEEEバスシステムを用いてシミュレーションにより検証される。
  論文  参考訳（メタデータ） (2020-12-21T17:39:51Z)
• DeepOPF: A Feasibility-Optimized Deep Neural Network Approach for AC Optimal Power Flow Problems [25.791128241015684]
  我々は、従来の解法で使用されるわずかな時間でAC-OPF問題を解決するために、DeepOPFと呼ばれるディープニューラルネットワーク(DNN)アプローチを開発した。 我々はDeepOPFが最先端の解法と比較して最大2桁の計算時間を高速化することを示した。
  論文  参考訳（メタデータ） (2020-07-02T10:26:46Z)
• High-Fidelity Machine Learning Approximations of Large-Scale Optimal Power Flow [49.2540510330407]
  AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。 本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
  論文  参考訳（メタデータ） (2020-06-29T20:22:16Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。