論文の概要: Generating peak-aware pseudo-measurements for low-voltage feeders using metadata of distribution system operators

• arxiv url: http://arxiv.org/abs/2409.19713v1
• Date: Sun, 29 Sep 2024 14:10:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 21:57:47.760195
• Title: Generating peak-aware pseudo-measurements for low-voltage feeders using metadata of distribution system operators
• Title（参考訳）: 配電系統運用者のメタデータを用いた低電圧給電装置のピーク対応擬似測定生成
• Authors: Manuel Treutlein, Marc Schmidt, Roman Hahn, Matthias Hertel, Benedikt Heidrich, Ralf Mikut, Veit Hagenmeyer,
• Abstract要約: 測定装置が多くの低電圧(LV)グリッドにインストールされていないことは緊急の問題である。 本稿では,各供給者のメタデータに基づいて,非測定型LV供給者の擬似測定を推定する手法を提案する。 将来的には、サブステーショントランスのような他のグリッドレベルにも適用できる。
• 参考スコア（独自算出の注目度）: 1.885025492232011
• License:
• Abstract: Distribution system operators (DSOs) must cope with new challenges such as the reconstruction of distribution grids along climate neutrality pathways or the ability to manage and control consumption and generation in the grid. In order to meet the challenges, measurements within the distribution grid often form the basis for DSOs. Hence, it is an urgent problem that measurement devices are not installed in many low-voltage (LV) grids. In order to overcome this problem, we present an approach to estimate pseudo-measurements for non-measured LV feeders based on the metadata of the respective feeder using regression models. The feeder metadata comprise information about the number of grid connection points, the installed power of consumers and producers, and billing data in the downstream LV grid. Additionally, we use weather data, calendar data and timestamp information as model features. The existing measurements are used as model target. We extensively evaluate the estimated pseudo-measurements on a large real-world dataset with 2,323 LV feeders characterized by both consumption and feed-in. For this purpose, we introduce peak metrics inspired by the BigDEAL challenge for the peak magnitude, timing and shape for both consumption and feed-in. As regression models, we use XGBoost, a multilayer perceptron (MLP) and a linear regression (LR). We observe that XGBoost and MLP outperform the LR. Furthermore, the results show that the approach adapts to different weather, calendar and timestamp conditions and produces realistic load curves based on the feeder metadata. In the future, the approach can be adapted to other grid levels like substation transformers and can supplement research fields like load modeling, state estimation and LV load forecasting.
• Abstract（参考訳）: 配電系統オペレーター(DSO)は、気候中立性経路に沿った配電網の再構築や、配電網の消費と発生を管理し制御する能力など、新たな課題に対処しなければならない。 課題を満たすため、分散グリッド内の測定は、しばしばDSOの基礎を形成する。 したがって、測定装置が多くの低電圧(LV)グリッドにインストールされていないことは緊急の問題である。 この問題を解決するために,回帰モデルを用いて,各供給者のメタデータに基づいて,非測定型LVフィードの擬似測定を推定する手法を提案する。 供給者メタデータは、グリッド接続点数、消費者及び生産者の設置電力、下流のLVグリッドにおける請求データを含む。 さらに、天気データ、カレンダーデータ、タイムスタンプ情報をモデル機能として使用しています。 既存の測定値はモデルターゲットとして使用される。 2,323LVのフィードインを特徴とする大規模実世界のデータセット上での擬似測定を広範囲に評価した。 この目的のために,BigDEAL チャレンジにインスパイアされたピークメトリクスを導入し,消費とフィードインの両面でのピークサイズ,タイミング,形状について検討する。 回帰モデルとして、XGBoost、多層パーセプトロン(MLP)、線形回帰(LR)を用いる。 XGBoost と MLP は LR よりも優れていた。 さらに, 気象, カレンダー, タイムスタンプの異なる条件に適応し, フィードのメタデータに基づいて現実的な負荷曲線を生成できることを示した。 将来的には、サブステーション変圧器のような他のグリッドレベルにも適用でき、負荷モデリングや状態推定、LV負荷予測といった研究分野を補うことができる。

関連論文リスト

• Learning When to See for Long-term Traffic Data Collection on Power-constrained Devices [7.712009864814493]
  本稿では,バッテリ駆動デバイスの観測タイミングを戦略的に決定する,新しい学習ベースのフレームワークを提案する。 スパースサンプリングされた観測結果から全データストリームを再構築し,性能損失を最小限に抑える。 RNN予測器と推定器とDRQN(Deep Recurrent Q-Network)コントローラによるPeMSデータに対する提案手法の性能評価を行った。
  論文  参考訳（メタデータ） (2024-01-25T20:50:34Z)
• Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
  オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。 本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。 多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
  論文  参考訳（メタデータ） (2023-06-14T11:41:42Z)
• A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
  本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。 モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。 本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
  論文  参考訳（メタデータ） (2023-03-02T21:48:22Z)
• Online Evolutionary Neural Architecture Search for Multivariate Non-Stationary Time Series Forecasting [72.89994745876086]
  本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。 ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。 その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-20T22:25:47Z)
• 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)
• Random vector functional link neural network based ensemble deep learning for short-term load forecasting [14.184042046855884]
  本稿では,電力負荷予測のための新しいアンサンブルディープランダム関数リンク(edRVFL)を提案する。 隠されたレイヤは、深い表現学習を強制するために積み上げられます。 モデルは各層の出力をアンサンブルすることで予測を生成する。
  論文  参考訳（メタデータ） (2021-07-30T01:20:48Z)
• DER Forecast using Privacy Preserving Federated Learning [0.0]
  分散機械学習アプローチであるFederated Learningを提案し、IoTノードのネットワークを使用してDER予測を実行する。 提案手法が消費者プライバシ保護の正確な予測に繋がることを示すため,1000 DER を含むシミュレーション研究を考察する。
  論文  参考訳（メタデータ） (2021-07-07T14:25:43Z)
• 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)
• Enhancing the Spatio-temporal Observability of Grid-Edge Resources in Distribution Grids [5.815007821143811]
  分散エネルギー資源(DER)の凸時間観測可能性を高めることは,配電網の安全かつ効率的な運用を実現する上で重要である。 本稿では, 異種の測定値の補足強度を活用し, 集合的な住宅負荷回復枠組みについて述べる。
  論文  参考訳（メタデータ） (2021-02-15T19:12:54Z)
• A Data-Driven Machine Learning Approach for Consumer Modeling with Load Disaggregation [1.6058099298620423]
  本稿では,住宅利用者の消費データから導出したデータ駆動セミパラメトリックモデルの汎用クラスを提案する。 第1段階では、固定およびシフト可能なコンポーネントへの負荷の分散をハイブリッドアルゴリズムを用いて達成する。 第2段階では、モデルパラメータはL2ノルム、エプシロン非感受性回帰法を用いて推定される。
  論文  参考訳（メタデータ） (2020-11-04T13:36:11Z)
• 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。