論文の概要: Powerformer: A Section-adaptive Transformer for Power Flow Adjustment

• arxiv url: http://arxiv.org/abs/2401.02771v2
• Date: Wed, 10 Jan 2024 07:09:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-11 16:16:28.558474
• Title: Powerformer: A Section-adaptive Transformer for Power Flow Adjustment
• Title（参考訳）: Powerformer: パワーフロー調整のためのセクション適応トランス
• Authors: Kaixuan Chen and Wei Luo and Shunyu Liu and Yaoquan Wei and Yihe Zhou and Yunpeng Qing and Quan Zhang and Jie Song and Mingli Song
• Abstract要約: 本稿では,ロバストな電力系統状態表現の学習に適したトランスフォーマーアーキテクチャを提案する。 具体的には,従来の変圧器の自己注意から分離する専用セクション適応型アテンション機構を開発する。 この機構は、電力系統状態と送信部情報とを効果的に統合し、ロバストな状態表現の開発を容易にする。
• 参考スコア（独自算出の注目度）: 38.62498083985555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a novel transformer architecture tailored for learning robust power system state representations, which strives to optimize power dispatch for the power flow adjustment across different transmission sections. Specifically, our proposed approach, named Powerformer, develops a dedicated section-adaptive attention mechanism, separating itself from the self-attention used in conventional transformers. This mechanism effectively integrates power system states with transmission section information, which facilitates the development of robust state representations. Furthermore, by considering the graph topology of power system and the electrical attributes of bus nodes, we introduce two customized strategies to further enhance the expressiveness: graph neural network propagation and multi-factor attention mechanism. Extensive evaluations are conducted on three power system scenarios, including the IEEE 118-bus system, a realistic 300-bus system in China, and a large-scale European system with 9241 buses, where Powerformer demonstrates its superior performance over several baseline methods.
• Abstract（参考訳）: 本稿では,送電区間間の電力流量調整のための電力配分の最適化を目的とした,ロバストな電力系統状態表現を学習するための新しい変圧器アーキテクチャを提案する。 特に, 提案手法であるpowerformerは, 従来の変圧器の自己着脱と分離して, 専用の部分適応型注意機構を開発した。 この機構は、電力系統状態と送信部情報とを効果的に統合し、ロバストな状態表現の開発を容易にする。 さらに,電力系統のグラフトポロジーとバスノードの電気特性を考慮することで,グラフニューラルネットワークの伝搬と多要素注意機構の表現性をさらに高めるための2つのカスタマイズ戦略を提案する。 IEEE 118バスシステム、中国の現実的な300バスシステム、9241バスを備えた大規模ヨーロッパシステムを含む3つのパワーシステムシナリオにおいて、Powerformerは複数のベースライン方式よりも優れた性能を示す。

関連論文リスト

• Comprehensive Performance Modeling and System Design Insights for Foundation Models [1.4455936781559149]
  生成AI、特に大きなトランスフォーマーモデルは、科学や産業においてHPCシステム設計を推進している。 本稿では, トランスモデルの性能特性を分析し, トランスモデルに対する感度, 並列化戦略, HPCシステムの特徴について考察する。 本分析では,システム機能を念頭に置いて,異なるトランスフォーマー型の性能モデリングを行う必要があることを強調した。
  論文  参考訳（メタデータ） (2024-09-30T22:56:42Z)
• Transmission Interface Power Flow Adjustment: A Deep Reinforcement Learning Approach based on Multi-task Attribution Map [33.929818014940054]
  本稿では,データ駆動型深部強化学習(DRL)アプローチを導入し,複数の電力流調整タスクを共同で処理する。 提案手法の中心にはマルチタスク属性マップ (MAM) があり、DRLエージェントは各送信インタフェースタスクを異なる電力系統ノードに明示的に属性付けることができる。 このMAMに基づいて、エージェントは、最適に近い操作コストでマルチタスク調整問題を解決するための効果的な戦略をさらに提供することができる。
  論文  参考訳（メタデータ） (2024-05-24T08:20:53Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• 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)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• Lite Vision Transformer with Enhanced Self-Attention [39.32480787105232]
  2つの拡張自己注意機構を持つ新しい軽量ビジョントランスネットワークLVTを提案する。 低レベルの機能については、CSA(Convolutional Self-Attention)を紹介します。 高次機能のために、再帰的アトラス自己注意(RASA)を提案する。
  論文  参考訳（メタデータ） (2021-12-20T19:11:53Z)
• Optimal Power Allocation for Rate Splitting Communications with Deep Reinforcement Learning [61.91604046990993]
  このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。 ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
  論文  参考訳（メタデータ） (2021-07-01T06:32:49Z)
• Transformers Solve the Limited Receptive Field for Monocular Depth Prediction [82.90445525977904]
  畳み込みニューラルネットワークとトランスの両方の恩恵を受けるアーキテクチャであるTransDepthを提案します。 連続ラベルを含む画素単位での予測問題にトランスフォーマーを適用する最初の論文である。
  論文  参考訳（メタデータ） (2021-03-22T18:00:13Z)
• Decision Tree Based Hardware Power Monitoring for Run Time Dynamic Power Management in FPGA [20.487660974785943]
  微細な実行時電力管理技術は電力削減に有望な解決策となるかもしれない。 我々は決定木に基づく電力モデリング手法を活用し,FPGAプラットフォーム上でのハードウェア電力の詳細なモニタリングを行う。 ハードウェア電力監視の柔軟なアーキテクチャを提案し、ランタイム電力推定のために任意のRTL設計で実装できる。
  論文  参考訳（メタデータ） (2020-09-03T03:46:12Z)

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。