論文の概要: Detection of Critical Events in Renewable Energy Production Time Series
- arxiv url: http://arxiv.org/abs/2401.17814v2
- Date: Thu, 1 Feb 2024 08:26:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 11:53:37.818098
- Title: Detection of Critical Events in Renewable Energy Production Time Series
- Title(参考訳): 再生可能エネルギー生産時系列における臨界事象の検出
- Authors: Laurens P. Stoop, Erik Duijm, Ad J. Feelders, Machteld van den Broek
- Abstract要約: 我々は、極端再生可能エネルギー発生の期間を見つけるために、外れ値検出アルゴリズムを用いて検討する。
歴史的に分析したところ、気候変動によって引き起こされる可能性のある異常値の強度や変化や長さの傾向は見つからなかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The introduction of more renewable energy sources into the energy system
increases the variability and weather dependence of electricity generation.
Power system simulations are used to assess the adequacy and reliability of the
electricity grid over decades, but often become computational intractable for
such long simulation periods with high technical detail. To alleviate this
computational burden, we investigate the use of outlier detection algorithms to
find periods of extreme renewable energy generation which enables detailed
modelling of the performance of power systems under these circumstances.
Specifically, we apply the Maximum Divergent Intervals (MDI) algorithm to power
generation time series that have been derived from ERA5 historical climate
reanalysis covering the period from 1950 through 2019. By applying the MDI
algorithm on these time series, we identified intervals of extreme low and high
energy production. To determine the outlierness of an interval different
divergence measures can be used. Where the cross-entropy measure results in
shorter and strongly peaking outliers, the unbiased Kullback-Leibler divergence
tends to detect longer and more persistent intervals. These intervals are
regarded as potential risks for the electricity grid by domain experts,
showcasing the capability of the MDI algorithm to detect critical events in
these time series. For the historical period analysed, we found no trend in
outlier intensity, or shift and lengthening of the outliers that could be
attributed to climate change. By applying MDI on climate model output, power
system modellers can investigate the adequacy and possible changes of risk for
the current and future electricity grid under a wider range of scenarios.
- Abstract(参考訳): エネルギーシステムへのより再生可能エネルギー源の導入により、発電の変動性と天候依存性が増大する。
電力系統シミュレーションは、何十年にもわたって電力網の精度と信頼性を評価するのに使われてきたが、高い技術的詳細を持つ長いシミュレーション期間において計算が困難になることが多い。
この計算負担を軽減するため,これらの状況下での電力系統の性能を詳細にモデル化できる極端再生可能エネルギー発生の期間を見つけるために,異常検出アルゴリズムを用いて検討する。
具体的には,1950年から2019年までの歴史気候再分析である era5 から派生した発電時系列に最大発散間隔 (mdi) アルゴリズムを適用する。
これらの時系列にMDIアルゴリズムを適用し, 極低エネルギー・高エネルギー生産間隔を同定した。
間隔の異なるばらつき対策の外れ度を判定する。
交差エントロピー測度がより短く、強くピークとなる場合、不偏のクルバック・リーバーの発散はより長く持続的な間隔を検出する傾向がある。
これらの間隔は、ドメインの専門家によって電力網の潜在的なリスクと見なされ、MDIアルゴリズムがこれらの時系列における臨界事象を検出する能力を示している。
分析された時代については,気候変動に起因する可能性のある異常値の変動や延長傾向は見られなかった。
気候モデル出力にMDIを適用することで、電力系統モデリング者は、より広い範囲のシナリオで、現在の電力網と将来の電力網の精度とリスクの変化を調査できる。
関連論文リスト
- Learning from Polar Representation: An Extreme-Adaptive Model for
Long-Term Time Series Forecasting [10.892801642895904]
本稿では,距離重み付き自己正規化ニューラルネットワーク(DAN)を提案する。これは極性表現学習によって強化されたストラムフローの長距離予測のための新しい極性適応モデルである。
実生活における4つの水文流れデータセットにおいて、DANは、最先端の水文時系列予測法と長期時系列予測のための一般的な方法の両方を著しく上回っていることを実証した。
論文 参考訳(メタデータ) (2023-12-14T09:16:01Z) - Deep Generative Methods for Producing Forecast Trajectories in Power
Systems [0.0]
トランスポート・システム・オペレーター(TSO)は、将来の電力系統の機能をシミュレートするための分析を行う必要がある。
これらのシミュレーションは意思決定プロセスの入力として使用される。
論文 参考訳(メタデータ) (2023-09-26T14:43:01Z) - 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) - Validation Methods for Energy Time Series Scenarios from Deep Generative
Models [55.41644538483948]
一般的なシナリオ生成アプローチでは、データ分散に関する前提なしにシナリオを生成するディープ生成モデル(DGM)を使用する。
エネルギーシナリオ生成文献における現在使われている検証手法の批判的評価を行う。
過去のデータと生成されたデータの両方に4つの検証手法を適用し、検証結果の解釈と、一般的な誤り、落とし穴、検証方法の限界について議論する。
論文 参考訳(メタデータ) (2021-10-27T14:14:25Z) - Time Series Anomaly Detection for Smart Grids: A Survey [2.3853342967891074]
異常な行動は ユーザーの異常な消費パターン 欠陥のあるグリッドインフラ 停電 外部のサイバー攻撃 エネルギー詐欺によって引き起こされる
電力グリッド時系列データにおける異常検出のための様々な手法が提案されている。
本稿では,電力網異常検出領域における現在の研究課題について概説し,主要な異常検出手法について概説する。
論文 参考訳(メタデータ) (2021-07-16T14:33:59Z) - 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) - Learning Interpretable Deep State Space Model for Probabilistic Time
Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。
本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。
実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文 参考訳(メタデータ) (2021-01-31T06:49:33Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳(メタデータ) (2020-11-23T20:13:37Z) - 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) - Deep Switching Auto-Regressive Factorization:Application to Time Series
Forecasting [16.934920617960085]
DSARFは、時間依存重みと空間依存因子の間の積変数による高次元データを近似する。
DSARFは、深い切替ベクトル自己回帰因子化の観点から重みをパラメータ化するという最先端技術とは異なる。
本実験は, 最先端手法と比較して, DSARFの長期的, 短期的予測誤差において優れた性能を示すものである。
論文 参考訳(メタデータ) (2020-09-10T20:15:59Z)
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。