論文の概要: Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic power forecasting

• arxiv url: http://arxiv.org/abs/2406.03808v1
• Date: Thu, 6 Jun 2024 07:30:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-07 16:09:36.664588
• Title: Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic power forecasting
• Title（参考訳）: 太陽光発電電力予測用クロス可変線形積分型エンハンス変換器
• Authors: Jiaxin Gao, Qinglong Cao, Yuntian Chen, Dongxiao Zhang,
• Abstract要約: PV-ClientはENhanced Transformerモジュールを使用して、PVシステム内の様々な機能の複雑なインタラクションをキャプチャする。 PV-Clientは、デコーダモジュールをプロジェクション層に置き換えることで、埋め込み層と位置符号化層を合理化する。 PVパワー予測におけるPV-ClientのSOTA(State-of-the-art)性能を確認する実世界の3つのPVパワーデータセットの実験結果。
• 参考スコア（独自算出の注目度）: 2.1799192736303783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photovoltaic (PV) power forecasting plays a crucial role in optimizing the operation and planning of PV systems, thereby enabling efficient energy management and grid integration. However, un certainties caused by fluctuating weather conditions and complex interactions between different variables pose significant challenges to accurate PV power forecasting. In this study, we propose PV-Client (Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic power forecasting) to address these challenges and enhance PV power forecasting accuracy. PV-Client employs an ENhanced Transformer module to capture complex interactions of various features in PV systems, and utilizes a linear module to learn trend information in PV power. Diverging from conventional time series-based Transformer models that use cross-time Attention to learn dependencies between different time steps, the Enhanced Transformer module integrates cross-variable Attention to capture dependencies between PV power and weather factors. Furthermore, PV-Client streamlines the embedding and position encoding layers by replacing the Decoder module with a projection layer. Experimental results on three real-world PV power datasets affirm PV-Client's state-of-the-art (SOTA) performance in PV power forecasting. Specifically, PV-Client surpasses the second-best model GRU by 5.3% in MSE metrics and 0.9% in accuracy metrics at the Jingang Station. Similarly, PV-Client outperforms the second-best model SVR by 10.1% in MSE metrics and 0.2% in accuracy metrics at the Xinqingnian Station, and PV-Client exhibits superior performance compared to the second-best model SVR with enhancements of 3.4% in MSE metrics and 0.9% in accuracy metrics at the Hongxing Station.
• Abstract（参考訳）: 太陽光発電(PV)電力予測は、太陽光発電システムの運用と計画の最適化において重要な役割を担い、効率的なエネルギー管理とグリッド統合を実現する。 しかし、変動する気象条件と異なる変数間の複雑な相互作用によって生じる不確実性は、正確なPV電力予測に重大な課題をもたらす。 本研究では、これらの課題に対処し、PV電力予測精度を向上させるためにPV-Client (Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic Power Predictioning)を提案する。 PV-Client は ENhanced Transformer モジュールを使用して PV システムの様々な機能の複雑な相互作用をキャプチャし、線形モジュールを用いて PV 電力のトレンド情報を取得する。 異なる時間ステップ間の依存関係を学習するためにクロスタイムアテンションを使用する従来の時系列ベースのTransformerモデルとは異なり、Enhanced Transformerモジュールは、クロス変数アテンションを統合して、PVパワーと気象要因間の依存関係をキャプチャする。 さらに、PV-Clientはデコーダモジュールをプロジェクション層に置き換えることで、埋め込み層と位置符号化層を合理化する。 PVパワー予測におけるPV-ClientのSOTA(State-of-the-art)性能を実証する実世界のPVパワーデータセットの実験結果。 具体的には、PV-Clientは第2のベストモデルであるGRUを5.3%MSEのメトリクスと0.9%の精度で上回っている。 同様に、PV-ClientはMSEの10.1%の精度でSVRを上回り、PV-ClientはMSEの3.4%、香港の0.9%の精度でSVRよりも優れた性能を示している。

関連論文リスト

• Clustering-based Multitasking Deep Neural Network for Solar Photovoltaics Power Generation Prediction [16.263501526929975]
  本稿では,PV発電予測のためのマルチタスクディープニューラルネットワーク(CM-DNN)フレームワークを提案する。 各タイプに対して、ディープニューラルネットワーク(DNN)が採用され、精度が向上するまで訓練される。 特定の顧客タイプに対しては、トレーニング精度を高めるためにモデル間知識伝達を行う。 提案するCM-DNNは、現実のPV発電データセット上でテストされる。
  論文  参考訳（メタデータ） (2024-05-09T00:08:21Z)
• VST++: Efficient and Stronger Visual Saliency Transformer [74.26078624363274]
  我々は,グローバルな長距離依存関係を探索する,効率的で強力なVST++モデルを開発した。 我々は、RGB、RGB-D、RGB-T SODベンチマークデータセット上で、トランスフォーマーベースのバックボーンにまたがってモデルを評価した。
  論文  参考訳（メタデータ） (2023-10-18T05:44:49Z)
• Isomer: Isomerous Transformer for Zero-shot Video Object Segmentation [59.91357714415056]
  コンテクスト共有変換器(CST)とセマンティックガザリング散乱変換器(SGST)の2つの変種を提案する。 CSTは、軽量な計算により、画像フレーム内のグローバル共有コンテキスト情報を学習し、SGSTは、前景と背景のセマンティック相関を別々にモデル化する。 多段核融合にバニラ変換器を使用するベースラインと比較して,我々は13倍の速度向上を実現し,新しい最先端ZVOS性能を実現する。
  論文  参考訳（メタデータ） (2023-08-13T06:12:00Z)
• MATNet: Multi-Level Fusion Transformer-Based Model for Day-Ahead PV Generation Forecasting [0.47518865271427785]
  MATNetはPV発電予測のための新しい自己アテンショントランスフォーマーベースのアーキテクチャである。 これは、AIパラダイムとPV発電に関する以前の物理的知識を組み合わせたハイブリッドアプローチで構成されている。 その結果,提案アーキテクチャは現在の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-17T14:03:09Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• AutoPV: Automated photovoltaic forecasts with limited information using an ensemble of pre-trained models [0.20999222360659608]
  本稿では,日頭PV発電予測のための新しい手法であるAutoPVを提案する。 AutoPVは、異なるPV配置を表す予測モデルの重み付けアンサンブルである。 11のPVプラントを持つ現実世界のデータセットでは、AutoPVの精度は2年間のデータに基づいてトレーニングされたモデルに匹敵し、漸進的に訓練されたモデルよりも優れています。
  論文  参考訳（メタデータ） (2022-12-13T18:29:03Z)
• Solar Power Time Series Forecasting Utilising Wavelet Coefficients [0.8602553195689513]
  本研究の目的は、単一単純化モデルを用いた新しい手法を提案することにより、ウェーブレット変換(WT)の適用効率を向上させることである。 時系列とそのウェーブレット変換(WT)係数が与えられたとき、その係数を特徴として、元の時系列をラベルとして訓練する。 提案手法は、2つの実世界のデータセットから17ヶ月の集束太陽太陽光発電(PV)電力データを用いて評価される。
  論文  参考訳（メタデータ） (2022-10-01T13:02:43Z)
• Towards Lightweight Transformer via Group-wise Transformation for Vision-and-Language Tasks [126.33843752332139]
  本稿では,LW-Transformerと呼ばれる視覚・言語タスクのための,普遍的で軽量なトランスフォーマーに対するグループワイズ変換を提案する。 LW-Transformerを一組のTransformerベースのネットワークに適用し、3つの視覚・言語タスクと6つのベンチマークデータセットで定量的に測定する。 実験の結果,LW-Transformerは多数のパラメータや計算を節約しながら,視覚・言語タスクのためのトランスフォーマーネットワークと非常に競合する性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2022-04-16T11:30:26Z)
• AdaViT: Adaptive Vision Transformers for Efficient Image Recognition [78.07924262215181]
  AdaViTは、パッチ、セルフアテンションヘッド、およびトランスフォーマーブロックを使用するための利用ポリシーを導出する適応フレームワークである。 本手法は,0.8%の精度で,最先端のビジョントランスに比べて2倍以上の効率向上を実現している。
  論文  参考訳（メタデータ） (2021-11-30T18:57:02Z)
• Spatio-temporal graph neural networks for multi-site PV power forecasting [0.0]
  決定論的マルチサイト予測のための2つの新しいグラフニューラルネットワークモデルを提案する。 提案手法は,6時間前の予測地平線に対して,最先端のマルチサイト予測手法より優れていた。
  論文  参考訳（メタデータ） (2021-07-29T10:15:01Z)
• PVT v2: Improved Baselines with Pyramid Vision Transformer [112.0139637538858]
  原型ピラミドビジョントランス(PVT v1)の改良 PVT v2は、PVT v1の計算複雑性を線形に減少させる。 分類、検出、セグメンテーションといった基本的なビジョンタスクにおいて、大幅な改善が達成されている。
  論文  参考訳（メタデータ） (2021-06-25T17:51:09Z)

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。