論文の概要: Data-Driven Modelling for Harmonic Current Emission in Low-Voltage Grid
Using MCReSANet with Interpretability Analysis
- arxiv url: http://arxiv.org/abs/2311.15420v1
- Date: Sun, 26 Nov 2023 21:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 17:41:02.305484
- Title: Data-Driven Modelling for Harmonic Current Emission in Low-Voltage Grid
Using MCReSANet with Interpretability Analysis
- Title（参考訳）: MCReSANetを用いた低電圧グリッドにおける高調波電流発生のためのデータ駆動モデリング
- Authors: Jieyu Yao, Hao Yu, Paul Judge, Jiabin Jia, Sasa Djokic, Verner P\"uvi,
Matti Lehtonen, Jan Meyer
- Abstract要約: PE負荷は、グリッドにおけるハーモニクスの主要な源である。
本稿では,高調波電圧と電流の間の高非線形性を構築するためにMCReSANetを用いたデータ駆動モデルを提案する。
- 参考スコア（独自算出の注目度）: 3.6571057050567566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Even though the use of power electronics PE loads offers enhanced electrical
energy conversion efficiency and control, they remain the primary sources of
harmonics in grids. When diverse loads are connected in the distribution
system, their interactions complicate establishing analytical models for the
relationship between harmonic voltages and currents. To solve this, our paper
presents a data-driven model using MCReSANet to construct the highly nonlinear
between harmonic voltage and current. Two datasets from PCCs in Finland and
Germany are utilized, which demonstrates that MCReSANet is capable of
establishing accurate nonlinear mappings, even in the presence of various
network characteristics for selected Finland and Germany datasets. The model
built by MCReSANet can improve the MAE by 10% and 14% compared to the CNN, and
by 8% and 17% compared to the MLP for both Finnish and German datasets, also
showing much lower model uncertainty than others. This is a crucial
prerequisite for more precise SHAP value-based feature importance analysis,
which is a method for the model interpretability analysis in this paper. The
results by feature importance analysis show the detailed relationships between
each order of harmonic voltage and current in the distribution system. There is
an interactive impact on each order of harmonic current, but some orders of
harmonic voltages have a dominant influence on harmonic current emissions:
positive sequence and zero sequence harmonics have the dominant importance in
the Finnish and German networks, respectively, which conforms to the pattern of
connected load types in two selected Finnish and German datasets. This paper
enhances the potential for understanding and predicting harmonic current
emissions by diverse PE loads in distribution systems, which is beneficial to
more effective management for optimizing power quality in diverse grid
environments.
- Abstract（参考訳）: 電力エレクトロニクス PE の負荷は、電力変換効率と制御を向上させるが、グリッドにおけるハーモニクスの主要な源はそれらである。
分布系で多様な負荷が結合されると、その相互作用は調和電圧と電流の関係に関する解析モデルを確立する。
そこで本論文では,mresanetを用いた高調波電圧と電流の非線形なデータ駆動モデルを提案する。
フィンランドとドイツのpccsから得られた2つのデータセットを用いて、マクレサネットが選択されたフィンランドとドイツのデータセットの様々なネットワーク特性が存在する場合でも、正確な非線形マッピングを確立できることを実証する。
MCReSANetが構築したモデルでは、CNNと比較してMAEが10%、CNNが14%改善され、フィンランドとドイツの両方のデータセットのMLPに比べて8%と17%改善され、モデルの不確実性が他のモデルよりもはるかに低い。
本論文は,モデル解釈可能性解析の手法である,より正確なSHAP値に基づく特徴重要度解析のための重要な前提条件である。
特徴量分析の結果,分布系における高調波電圧の次数と電流の関係が詳細に示された。
それぞれの高調波電流の順序にはインタラクティブな影響があるが、高調波電圧の順序は高調波電流の放出に支配的な影響を与えている: 正の列とゼロの列の高調波は、それぞれフィンランドとドイツのネットワークにおいて支配的な重要性を持ち、2つの選択されたフィンランドとドイツのデータセットで接続された負荷タイプのパターンに準拠している。
本稿では,配電系統における多種多様PE負荷による高調波電流放出の理解と予測の可能性を高めるとともに,多種多様グリッド環境における電力品質の最適化に有効であることを示す。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Improving Low-Fidelity Models of Li-ion Batteries via Hybrid Sparse Identification of Nonlinear Dynamics [1.5728609542259502]
本稿では,低次リチウムイオン電池モデルの忠実度向上のためのデータインスパイアされたアプローチを提案する。
提案手法は, 遺伝的アルゴリズムとGA-stridgeとを組み合わせて, 低忠実度モデル (LFM) と高忠実度モデル (HFM) の差分を識別・補償する。
物理に基づく手法とデータ駆動方式を組み合わせたハイブリッドモデルは、ベースラインFMと比較して電圧予測誤差を著しく低減できることを示すために、異なる駆動サイクルで試験される。
論文 参考訳（メタデータ） (2024-11-20T00:00:11Z) - Multivariate Physics-Informed Convolutional Autoencoder for Anomaly Detection in Power Distribution Systems with High Penetration of DERs [0.0]
本稿では,物理インフォームド・コンボリューション・オートエンコーダ(PIConvAE)モデルを提案する。
提案モデルの性能評価は,カリフォルニア州リバーサイドのIEEE 123バスシステムと実世界の給電システムを用いて行った。
論文 参考訳（メタデータ） (2024-06-05T04:28:57Z) - A comparative assessment of deep learning models for day-ahead load
forecasting: Investigating key accuracy drivers [2.572906392867547]
短期負荷予測(STLF)は電力グリッドとエネルギー市場の効果的かつ経済的な運用に不可欠である。
STLFの文献ではいくつかのディープラーニングモデルが提案されており、有望な結果を報告している。
論文 参考訳（メタデータ） (2023-02-23T17:11:04Z) - Additive Covariance Matrix Models: Modelling Regional Electricity Net-Demand in Great Britain [0.0]
我々は、イギリスの電力網を構成する14の地域において、ネット需要の同時分布を予測した。
統合モデリングは、地域ごとの需要変動と地域間の依存関係が、時間的、社会経済的、気象的要因によって異なるという事実によって複雑である。
論文 参考訳（メタデータ） (2022-11-14T15:27:11Z) - Multi-fidelity power flow solver [0.0]
提案モデルでは、直流近似を低忠実度データとしてトレーニングした第1のネットワークと、低忠実度と高忠実度の両方の電力フローデータでトレーニングした第2のネットワークで構成されている。
14-および118-busのテストケースで実験を行い、不均衡な並行性データと高-低忠実度サンプル比に対して、n-k$の電力流量予測精度に基づいて性能評価を行った。
論文 参考訳（メタデータ） (2022-05-26T13:43:26Z) - Enhanced physics-constrained deep neural networks for modeling vanadium
redox flow battery [62.997667081978825]
本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。
ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
論文 参考訳（メタデータ） (2022-03-03T19:56:24Z) - Principal Component Density Estimation for Scenario Generation Using
Normalizing Flows [62.997667081978825]
低次元空間における正規化フローを設定する線形主成分分析(PCA)に基づく次元還元フロー層を提案する。
当社は、2013年から2015年までのドイツにおけるPVおよび風力発電のデータと負荷需要に関する主成分フロー(PCF)を訓練しています。
論文 参考訳（メタデータ） (2021-04-21T08:42:54Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳（メタデータ） (2020-12-23T16:21:34Z) - Physics-Informed Gaussian Process Regression for Probabilistic States
Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。
PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。
提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文 参考訳（メタデータ） (2020-10-09T14:18:31Z) - 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)
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。