論文の概要: Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks

• arxiv url: http://arxiv.org/abs/2502.00552v1
• Date: Sat, 01 Feb 2025 20:44:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:52:26.627024
• Title: Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks
• Title（参考訳）: 物理インフォームニューラルネットワークを用いた変圧器の最適センサ配置
• Authors: Sirui Li, Federica Bragone, Matthieu Barreau, Tor Laneryd, Kateryna Morozovska,
• Abstract要約: 本研究は,物理インフォームドニューラルネットワーク(PIN)を用いた電力変圧器内の温度条件のシミュレーションと予測を目的とした。 得られた予測は、限られた数のセンサの制約の下で、変圧器内の温度センサの最適配置を決定するために使用され、効率的な性能モニタリングを可能にする。
• 参考スコア（独自算出の注目度）: 2.417157180025263
• License:
• Abstract: Our work aims at simulating and predicting the temperature conditions inside a power transformer using Physics-Informed Neural Networks (PINNs). The predictions obtained are then used to determine the optimal placement for temperature sensors inside the transformer under the constraint of a limited number of sensors, enabling efficient performance monitoring. The method consists of combining PINNs with Mixed Integer Optimization Programming to obtain the optimal temperature reconstruction inside the transformer. First, we extend our PINN model for the thermal modeling of power transformers to solve the heat diffusion equation from 1D to 2D space. Finally, we construct an optimal sensor placement model inside the transformer that can be applied to problems in 1D and 2D.
• Abstract（参考訳）: 本研究では,Physical-Informed Neural Networks (PINN) を用いた電力変換器内の温度条件のシミュレーションと予測を目的とした。 得られた予測は、限られた数のセンサの制約の下で、変圧器内の温度センサの最適配置を決定するために使用され、効率的な性能モニタリングを可能にする。 本手法は, PINNとMixed Integer Optimization Programmingを組み合わせることで, 変圧器内部の最適温度再構成を実現する。 まず, 熱拡散方程式を1次元空間から2次元空間まで解くため, 電力変換器の熱モデリングのためのPINNモデルを拡張した。 最後に、1Dと2Dの問題に適用可能な変換器の内部に最適なセンサ配置モデルを構築する。

関連論文リスト

• Shrinking the Giant : Quasi-Weightless Transformers for Low Energy Inference [0.30104001512119216]
  高速でエネルギー効率のよい推論モデルの構築は、様々なトランスフォーマーベースのアプリケーションを実現するために不可欠である。 拡張有限差分法によりLUTネットワークを直接学習する手法を構築した。 これにより、トランスベースのモデルに対する計算的でエネルギー効率の良い推論ソリューションが実現される。
  論文  参考訳（メタデータ） (2024-11-04T05:38:56Z)
• Unveil Benign Overfitting for Transformer in Vision: Training Dynamics, Convergence, and Generalization [88.5582111768376]
  本研究では, ソフトマックスを用いた自己保持層と, 勾配勾配下での完全連結層からなるトランスフォーマーの最適化について検討した。 この結果から,データモデルにおける信号対雑音比に基づいて,小さなテストエラー位相と大規模なテストエラー状態とを区別できるシャープ条件を確立した。
  論文  参考訳（メタデータ） (2024-09-28T13:24:11Z)
• Residual-based Attention Physics-informed Neural Networks for Spatio-Temporal Ageing Assessment of Transformers Operated in Renewable Power Plants [0.6223528900192875]
  本稿では,変圧器の巻線温度と経年変化に関する時間モデルを紹介する。 物理ベースの偏微分方程式とデータ駆動ニューラルネットワークを用いる。 フローティング太陽光発電プラントで動作する配電変圧器を用いて, 実験結果を検証した。
  論文  参考訳（メタデータ） (2024-05-10T12:48:57Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Constrained optimization of sensor placement for nuclear digital twins [1.7247618645684337]
  センサ配置のための最適化フレームワークに制約を組み込んだデータ駆動手法を開発した。 低次元力学系に対する全ての実現可能な構成を網羅的に計算することで最適化されたセンサの有効性を実証する。
  論文  参考訳（メタデータ） (2023-06-23T17:47:06Z)
• 2-D SSM: A General Spatial Layer for Visual Transformers [79.4957965474334]
  コンピュータビジョンの中心的な目的は、適切な2次元帰納バイアスを持つモデルを設計することである。 多次元状態空間モデルの表現的変動を利用する。 本稿では,効率的なパラメータ化,高速化計算,適切な正規化方式を提案する。
  論文  参考訳（メタデータ） (2023-06-11T09:41:37Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• Efficient Localness Transformer for Smart Sensor-Based Energy Disaggregation [8.828396559882954]
  非侵襲負荷モニタリング(NILM)のための効率的な局所性変換器を提案する。 具体的には正規化関数を利用し、行列乗算の順序を近似自己アテンションに切り替える。 提案するELTransformerの有効性と有効性は,最先端のベースラインと比較して著しく向上した。
  論文  参考訳（メタデータ） (2022-03-29T22:58:39Z)

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。