論文の概要: Selecting Critical Scenarios of DER Adoption in Distribution Grids Using Bayesian Optimization
- arxiv url: http://arxiv.org/abs/2501.14118v1
- Date: Thu, 23 Jan 2025 22:20:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-27 20:40:39.583124
- Title: Selecting Critical Scenarios of DER Adoption in Distribution Grids Using Bayesian Optimization
- Title（参考訳）: ベイズ最適化を用いた配電系統におけるDER導入の臨界シナリオの選択
- Authors: Olivier Mulkin, Miguel Heleno, Mike Ludkovski,
- Abstract要約: 我々は、分散グリッドにおいて最も重要なDER導入シナリオを選択するための新しい手法を開発した。
本稿では,多目的ベイズ最適化に基づく高効率検索フレームワークを提案する。
200-400バスによる現実的な給餌器のケーススタディは,我々のアプローチの有効性と精度を実証している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a new methodology to select scenarios of DER adoption most critical for distribution grids. Anticipating risks of future voltage and line flow violations due to additional PV adopters is central for utility investment planning but continues to rely on deterministic or ad hoc scenario selection. We propose a highly efficient search framework based on multi-objective Bayesian Optimization. We treat underlying grid stress metrics as computationally expensive black-box functions, approximated via Gaussian Process surrogates and design an acquisition function based on probability of scenarios being Pareto-critical across a collection of line- and bus-based violation objectives. Our approach provides a statistical guarantee and offers an order of magnitude speed-up relative to a conservative exhaustive search. Case studies on realistic feeders with 200-400 buses demonstrate the effectiveness and accuracy of our approach.
- Abstract（参考訳）: 我々は、分散グリッドにおいて最も重要なDER導入シナリオを選択するための新しい手法を開発した。
追加のPV導入による将来の電圧およびラインフロー違反のリスクを予測することは、ユーティリティ投資計画の中心であるが、決定論的またはアドホックなシナリオ選択に依存し続けている。
本稿では,多目的ベイズ最適化に基づく高効率検索フレームワークを提案する。
本稿では,グリッドストレス指標を計算コストの高いブラックボックス関数として扱い,ガウシアンプロセスサロゲートを用いて近似し,Paretoクリティカルなシナリオがラインおよびバスベースの違反対象の集合にまたがる確率に基づいて,獲得関数を設計する。
我々の手法は統計的保証を提供し、保守的な徹底的な探索と比較して桁違いのスピードアップを提供する。
200-400バスによる現実的な給餌器のケーススタディは,我々のアプローチの有効性と精度を実証する。
関連論文リスト
- Preference-Guided Diffusion for Multi-Objective Offline Optimization [64.08326521234228]
オフライン多目的最適化のための優先誘導拡散モデルを提案する。
我々の指導は、ある設計が他の設計を支配する確率を予測するために訓練された選好モデルである。
本結果は,多種多様な高品質な解を生成する上での分類器誘導拡散モデルの有効性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-03-21T16:49:38Z) - Online Conformal Probabilistic Numerics via Adaptive Edge-Cloud Offloading [52.499838151272016]
本研究は, PLS が生成する HPD 集合を, 長期のカバレッジ要件を保証するため, キャリブレーションする手法を提案する。
提案手法は,クラウドからエッジへの散発的なフィードバックを前提としたオンライン共形予測PLS (OCP-PLS) と呼ばれる。
OCP-PLSの有効性は、カバレッジ、予測セットサイズ、クラウド利用のトレードオフに関する洞察をもたらす実験を通じて検証される。
論文 参考訳（メタデータ） (2025-03-18T17:30:26Z) - Representation-based Reward Modeling for Efficient Safety Alignment of Large Language Model [84.00480999255628]
大規模言語モデル(LLM)の安全性アライメントのための強化学習アルゴリズムは,分散シフトの課題に直面している。
現在のアプローチでは、ターゲットポリシーからのオンラインサンプリングを通じてこの問題に対処するのが一般的である。
モデル固有の安全判断能力を活用して報酬信号を抽出する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-13T06:40:34Z) - Enhanced Route Planning with Calibrated Uncertainty Set [7.7856491832713415]
本稿では,CQR-GAE(Conformalized Quantile Regression for Graph Autoencoders)を提案する。
実世界の交通シナリオにCQR-GAEモデルを適用することで,提案手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-13T06:31:42Z) - Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。
学習シナリオにおける同値性に基づく単一のフレームワークを提案する。
我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
論文 参考訳（メタデータ） (2024-05-09T12:52:22Z) - Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。
本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。
本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
論文 参考訳（メタデータ） (2024-01-19T01:40:58Z) - Risk-Controlling Model Selection via Guided Bayesian Optimization [35.53469358591976]
他の競合するメトリクスに対して有用でありながら、特定のリスクに対するユーザ指定の制限に固執する構成を見つけます。
提案手法は,指定された関心領域に属する最適構成の集合を同定する。
提案手法は,低誤差率,等式予測,スプリアス相関処理,生成モデルにおける速度と歪みの管理,計算コストの削減など,複数のデシダラタを用いたタスクに対する有効性を示す。
論文 参考訳（メタデータ） (2023-12-04T07:29:44Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Extreme Scenario Selection in Day-Ahead Power Grid Operational Planning [0.0]
本研究では,日頭グリッド計画における極端なシナリオ選択のための統計機能深度測定手法の提案と解析を行う。
我々の主な動機は、運用上のリスク軽減に最も関係のあるシナリオを特定するために、実現された負荷および再生可能生成のための確率的シナリオのスクリーニングである。
本研究は, 機能的深度対策, 負荷削減, 運用コスト, 貯蓄不足, 可変再生可能エネルギー削減など, さまざまな運用リスクについて検討する。
論文 参考訳（メタデータ） (2023-09-20T05:09:09Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳（メタデータ） (2023-07-25T09:45:47Z) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳（メタデータ） (2022-10-04T04:43:58Z) - A Robust Multi-Objective Bayesian Optimization Framework Considering
Input Uncertainty [0.0]
エンジニアリング設計のような現実的なアプリケーションでは、設計者は複数の目的と入力の不確実性を考慮に入れたい場合が多い。
入力の不確実性を考慮した多目的最適化を効率的に行うための新しいベイズ最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-25T17:45:26Z) - Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting [41.94295877935867]
我々は、予測と意思決定のプロセスが統合され、協調最適化される新しいクローズドループフレームワークであるアプリケーション駆動学習を提案する。
提案手法は拡張性があり,標準のオープンループ手法よりも一貫して性能が向上することを示す。
論文 参考訳（メタデータ） (2021-02-26T02:43:28Z)
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。