論文の概要: Unsupervised Congestion Status Identification Using LMP Data

• arxiv url: http://arxiv.org/abs/2411.10058v1
• Date: Fri, 15 Nov 2024 09:21:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:36:58.302637
• Title: Unsupervised Congestion Status Identification Using LMP Data
• Title（参考訳）: LMPデータを用いた非教師付き混雑状況同定
• Authors: Kedi Zheng, Qixin Chen, Yi Wang, Chongqing Kang, Le Xie,
• Abstract要約: 本稿では,非教師的手法を用いて,高次元ユークリッド空間におけるLMPの混雑部分の基本分布について検討する。 損失のないDC最適電力流(DC-OPF)に基づくLMPモデルを解析し,LMPデータの重なり合う部分空間特性を示す。 提案手法は,LMPデータのサブスペースにまたがる基底ベクトルを階層的に探索する。
• 参考スコア（独自算出の注目度）: 2.8769583283012756
• License:
• Abstract: Having a better understanding of how locational marginal prices (LMPs) change helps in price forecasting and market strategy making. This paper investigates the fundamental distribution of the congestion part of LMPs in high-dimensional Euclidean space using an unsupervised approach. LMP models based on the lossless and lossy DC optimal power flow (DC-OPF) are analyzed to show the overlapping subspace property of the LMP data. The congestion part of LMPs is spanned by certain row vectors of the power transfer distribution factor (PTDF) matrix, and the subspace attributes of an LMP vector uniquely are found to reflect the instantaneous congestion status of all the transmission lines. The proposed method searches for the basis vectors that span the subspaces of congestion LMP data in hierarchical ways. In the bottom-up search, the data belonging to 1-dimensional subspaces are detected, and other data are projected on the orthogonal subspaces. This procedure is repeated until all the basis vectors are found or the basis gap appears. Top-down searching is used to address the basis gap by hyperplane detection with outliers. Once all the basis vectors are detected, the congestion status can be identified. Numerical experiments based on the IEEE 30-bus system, IEEE 118-bus system, Illinois 200-bus system, and Southwest Power Pool are conducted to show the performance of the proposed method.
• Abstract（参考訳）: 地域的限界価格(LMP)の変化をよりよく理解することは、価格予測や市場戦略の立案に役立ちます。 本稿では,非教師的手法を用いて,高次元ユークリッド空間におけるLMPの混雑部分の基本分布について検討する。 損失のないDC最適電力流(DC-OPF)に基づくLMPモデルを解析し,LMPデータの重なり合う部分空間特性を示す。 LMPの混雑部は、電力伝達分布係数(PTDF)行列の特定の行ベクトルで区切られ、LMPベクトルのサブスペース属性は、すべての伝送線路の瞬間的な混雑状態を反映している。 提案手法は,LMPデータのサブスペースにまたがる基底ベクトルを階層的に探索する。 ボトムアップ探索では、1次元部分空間に属するデータが検出され、その他のデータが直交部分空間に投影される。 この手順は、すべての基底ベクトルが見つかるか、基底ギャップが現れるまで繰り返される。 トップダウン探索は、外れ値を持つ超平面検出による基底ギャップに対処するために用いられる。 すべての基底ベクトルが検出されると、渋滞状態が特定される。 提案手法の性能を示すため,IEEE 30-busシステム,IEEE 118-busシステム,イリノイ 200-busシステム,サウスウェスト パワープールを用いた数値実験を行った。

関連論文リスト

• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Subspace Representation Learning for Sparse Linear Arrays to Localize More Sources than Sensors: A Deep Learning Methodology [19.100476521802243]
  我々はスパース線形アレイ(SLA)のサンプル共分散からコアレイ部分空間を推定する新しい手法を開発した。 このような表現を学習するために、所望部分空間と推定部分空間との分離を測る損失関数を提案する。 異なる次元の学習部分空間の計算は、新しいバッチサンプリング戦略によって高速化される。
  論文  参考訳（メタデータ） (2024-08-29T15:14:52Z)
• Memory-Efficient LLM Training with Online Subspace Descent [8.393403749426097]
  特異値分解を伴わない新しいサブスペース降下系である Online Subspace Descent を提案する。 Online Subspace Descentは柔軟性があり、トレーニングに最小限のオーバーヘッドしか導入しない。 C4データセット上の60Mから7BパラメータのLLaMAモデルを事前学習するタスクにおいて、オンラインサブスペースDescentは低いパープレキシティと下流タスクのパフォーマンス向上を実現する。
  論文  参考訳（メタデータ） (2024-08-23T05:54:53Z)
• Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
  本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。 データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。 非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
  論文  参考訳（メタデータ） (2024-03-05T17:49:09Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model [13.082805815235975]
  行列データに対して行次元と列次元の両方に隠れたバリエーションを抽出するために,モードワイド・プリンシパル・サブスペース・スーツ (MOP-UP) と呼ばれる新しいフレームワークを導入する。 提案フレームワークの有効性と実用性は、シミュレーションと実データの両方の実験を通して実証される。
  論文  参考訳（メタデータ） (2023-07-02T13:59:47Z)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• Unsupervised Learning Discriminative MIG Detectors in Nonhomogeneous Clutter [0.8984888893275712]
  主成分分析(PCA)は、高次元データをデータ分散を最大化する低次元空間にマッピングする。 PCAの原理にインスパイアされた新しいタイプの学習識別行列情報幾何(MIG)検出器を開発した。 3つの差別的なMIG検出器が、異なる幾何学的測度に関して説明されている。
  論文  参考訳（メタデータ） (2022-04-24T13:50:05Z)
• Greedier is Better: Selecting Multiple Neighbors per Iteration for Sparse Subspace Clustering [18.888312436971187]
  本稿では,一般化OMP(GOMP)を用いた新しいSSC方式を提案する。 GOMPはイテレーションが少ないため、アルゴリズムの複雑さが低い。 提案した停止規則は,部分空間次元と雑音パワーのオフライン推定が不要である。
  論文  参考訳（メタデータ） (2022-04-06T04:20:35Z)
• Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
  GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。 実際には、意味情報はデータから学んだ潜在的な分布によって表現される。 ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-28T09:17:50Z)
• Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
  TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。 前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
  論文  参考訳（メタデータ） (2020-05-19T05:54:14Z)

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。