論文の概要: Optimal Power Flow in Highly Renewable Power System Based on Attention Neural Networks

• arxiv url: http://arxiv.org/abs/2311.13949v1
• Date: Thu, 23 Nov 2023 12:02:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 23:54:32.699525
• Title: Optimal Power Flow in Highly Renewable Power System Based on Attention Neural Networks
• Title（参考訳）: 注意ニューラルネットワークに基づく高再生可能電力系統の最適潮流
• Authors: Chen Li, Alexander Kies, Kai Zhou, Markus Schlott, Omar El Sayed, Mariia Bilousova and Horst Stoecker
• Abstract要約: 風や太陽のような再生可能エネルギー源の統合は、その固有の変動性のために課題を提起する。 この変動は、主に気象条件の変化によって引き起こされるものであり、電力設定の頻繁な再調整を必要とする。 我々は、模倣学習と過去のヨーロッパの気象データセットを用いて訓練された最先端の物理インフォームド機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 43.19619268243832
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Optimal Power Flow (OPF) problem is pivotal for power system operations, guiding generator output and power distribution to meet demand at minimized costs, while adhering to physical and engineering constraints. The integration of renewable energy sources, like wind and solar, however, poses challenges due to their inherent variability. This variability, driven largely by changing weather conditions, demands frequent recalibrations of power settings, thus necessitating recurrent OPF resolutions. This task is daunting using traditional numerical methods, particularly for extensive power systems. In this work, we present a cutting-edge, physics-informed machine learning methodology, trained using imitation learning and historical European weather datasets. Our approach directly correlates electricity demand and weather patterns with power dispatch and generation, circumventing the iterative requirements of traditional OPF solvers. This offers a more expedient solution apt for real-time applications. Rigorous evaluations on aggregated European power systems validate our method's superiority over existing data-driven techniques in OPF solving. By presenting a quick, robust, and efficient solution, this research sets a new standard in real-time OPF resolution, paving the way for more resilient power systems in the era of renewable energy.
• Abstract（参考訳）: 最適電力フロー(opf)問題は、物理的および工学的な制約に固執しながら、最小コストで需要を満たすために発電機出力と電力分布を誘導する電力系統運用において重要な問題である。 しかし、風や太陽といった再生可能エネルギー源の統合は、その固有の変動性のために問題となる。 この変動性は、主に気象条件の変化によって引き起こされ、電源設定の頻繁な再調整を必要とする。 このタスクは、特に広範囲の電力システムにおいて、従来の数値的手法を駆使している。 本稿では,模倣学習と欧州の過去の気象データを用いて学習を行う,最先端の物理学を応用した機械学習手法を提案する。 提案手法は電力需要と気象パターンを電力供給・発電と直接相関させ,従来のOPF解決器の繰り返し要求を回避する。 これにより、リアルタイムアプリケーションに適応するより効率的なソリューションが提供される。 集約欧州電力システムにおける厳密な評価は、opf解決における既存のデータ駆動技術よりも優れていることを検証している。 高速で堅牢で効率的なソリューションを提示することにより、この研究は、再生可能エネルギー時代においてより回復力のある電力システムを実現するために、リアルタイムOPF解決の新しい標準を確立する。

関連論文リスト

• Physics-Informed GNN for non-linear constrained optimization: PINCO a solver for the AC-optimal power flow [0.0]
  この研究は、AC-OPFを解くために物理インフォームドグラフニューラルネットワーク、PINCOを探索する。 PINCOは、電力系統における様々な負荷条件を効果的に一般化する。 解法としてもハイブリッド普遍関数近似器としても機能する。
  論文  参考訳（メタデータ） (2024-10-07T08:08:36Z)
• A Physics-Informed Machine Learning for Electricity Markets: A NYISO Case Study [1.1580136767197162]
  PIMA-AS-OPFは、ネット負荷とシステムトポロジを入力として取り込む、完全に接続されたニューラルネットワークである。 このニューラルネットワークの出力には、飽和発電機や送電線などのアクティブな制約、非ゼロ負荷層や風量制限が含まれる。 ディスパッチ決定とLMPは、効率的な市場浄化結果の要件に関して、その実現可能性のためにテストされる。
  論文  参考訳（メタデータ） (2023-03-31T18:25:03Z)
• Real-time scheduling of renewable power systems through planning-based reinforcement learning [13.65517429683729]
  再生可能エネルギー源は 従来の電力スケジューリングに 重大な課題をもたらしています 強化学習の新たな発展は、この問題を解く可能性を実証している。 我々は、最先端の強化学習アルゴリズムと実電力グリッド環境に基づく体系的なソリューションを最初に提案する。
  論文  参考訳（メタデータ） (2023-03-09T12:19:20Z)
• GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow [54.94701604030199]
  Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。 CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
  論文  参考訳（メタデータ） (2023-02-16T17:59:06Z)
• Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes [57.70237375696411]
  入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。 提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
  論文  参考訳（メタデータ） (2022-08-30T09:27:59Z)
• Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
  大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。 本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。 GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
  論文  参考訳（メタデータ） (2022-07-21T23:02:35Z)
• Adversarially Robust Learning for Security-Constrained Optimal Power Flow [55.816266355623085]
  我々は、N-kセキュリティ制約付き最適電力流(SCOPF)の課題に取り組む。 N-k SCOPFは電力網の運用における中核的な問題である。 N-k SCOPF を極小最適化問題とみなす。
  論文  参考訳（メタデータ） (2021-11-12T22:08:10Z)
• Learning to Solve AC Optimal Power Flow by Differentiating through Holomorphic Embeddings [17.338923885534193]
  交流の最適電力の流れ(AC-OPF)は電力系統操作の基本的な問題の1つです。 本稿では,電力フローソルバの動作を微分することにより,この問題を回避する効率的な戦略を示す。 従来の解法に比べて12倍の速度向上と40%の堅牢性向上を報告した。
  論文  参考訳（メタデータ） (2020-12-16T18:23:51Z)
• 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)

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。