論文の概要: Time series forecasting based on optimized LLM for fault prediction in distribution power grid insulators
- arxiv url: http://arxiv.org/abs/2502.17341v1
- Date: Mon, 24 Feb 2025 17:17:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-25 15:56:00.807268
- Title: Time series forecasting based on optimized LLM for fault prediction in distribution power grid insulators
- Title（参考訳）: 配電系統絶縁体における故障予測のための最適化LDMに基づく時系列予測
- Authors: João Pedro Matos-Carvalho, Stefano Frizzo Stefenon, Valderi Reis Quietinho Leithardt, Kin-Choong Yow,
- Abstract要約: 本稿では,高電圧絶縁体における漏れ電流の増加を予測するためのハイブリッドディープラーニング(DL)モデルを提案する。
提案した最適化LDMは,2.24$times10-4$,1.21$times10-3$と2.24$times10-4$のルート平均二乗誤差で,最先端のDLモデルより優れている。
- 参考スコア（独自算出の注目度）: 0.6749750044497732
- License:
- Abstract: Surface contamination on electrical grid insulators leads to an increase in leakage current until an electrical discharge occurs, which can result in a power system shutdown. To mitigate the possibility of disruptive faults resulting in a power outage, monitoring contamination and leakage current can help predict the progression of faults. Given this need, this paper proposes a hybrid deep learning (DL) model for predicting the increase in leakage current in high-voltage insulators. The hybrid structure considers a multi-criteria optimization using tree-structured Parzen estimation, an input stage filter for signal noise attenuation combined with a large language model (LLM) applied for time series forecasting. The proposed optimized LLM outperforms state-of-the-art DL models with a root-mean-square error equal to 2.24$\times10^{-4}$ for a short-term horizon and 1.21$\times10^{-3}$ for a medium-term horizon.
- Abstract（参考訳）: 電力系統絶縁体の表面汚染は、放電が起こるまで漏れ電流が増加し、電力系統が停止する可能性がある。
停電の原因となる破壊的故障の可能性を軽減し、汚染や漏れ電流の監視は、故障の進行を予測するのに役立つ。
そこで本研究では,高電圧絶縁体における漏れ電流の増加を予測するためのハイブリッドディープラーニング(DL)モデルを提案する。
このハイブリッド構造は,信号雑音減衰のための入力ステージフィルタである木構造Parzen推定を用いた多条件最適化と,時系列予測に応用した大言語モデル(LLM)を併用する。
提案手法は,2.24$\times10^{-4} と2.21$\times10^{-3} と,2.24$\times10^{-4} と,2.21$\times10^{-3} の2。
関連論文リスト
- A Fuzzy Reinforcement LSTM-based Long-term Prediction Model for Fault Conditions in Nuclear Power Plants [3.386466888902435]
早期故障検出とタイムリーなメンテナンススケジューリングは、NPPの運用上のリスクを著しく軽減する。
多段階予測モデル(PHM)を開発する必要がある。
本稿では,Long Short-Term Memory(LSTM)ニューラルネットワークとExpert Fuzzy Evaluation Methodを統合した新しい予測モデルを提案する。
論文 参考訳（メタデータ） (2024-11-13T06:40:17Z) - SHIELD: LLM-Driven Schema Induction for Predictive Analytics in EV Battery Supply Chain Disruptions [52.90276059116822]
ShiELDは、大型言語モデル(LLM)とEVバッテリサプライチェーンリスクアセスメントのためのドメインの専門知識を組み合わせたものだ。
365の資料(2022-2023)から12,070段落を評価したところ、ShiELDは破壊予測においてベースラインGCNとLLM+prompt法より優れていた。
論文 参考訳（メタデータ） (2024-08-09T22:08:12Z) - Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement [4.543428299377013]
本稿では,カップアンドピンガラス絶縁体列のフラッシュオーバー確率を推定するための機械学習(ML)に基づく新しい手法を提案する。
提案手法は,絶縁体ストリングの状態を正確に判定し,資産管理技術者に適切な行動を取るよう指示する。
論文 参考訳（メタデータ） (2024-07-26T18:11:49Z) - 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) - A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。
本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
論文 参考訳（メタデータ） (2022-05-20T22:13:25Z) - Appliance Level Short-term Load Forecasting via Recurrent Neural Network [6.351541960369854]
本稿では,各家電の消費電力を効率よく予測するSTLFアルゴリズムを提案する。
提案手法は、ディープラーニングにおける強力なリカレントニューラルネットワーク(RNN)アーキテクチャに基づいている。
論文 参考訳（メタデータ） (2021-11-23T16:56:37Z) - 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) - The impact of online machine-learning methods on long-term investment
decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。
最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。
また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文 参考訳（メタデータ） (2021-03-07T11:28:54Z) - Forecasting Photovoltaic Power Production using a Deep Learning Sequence
to Sequence Model with Attention [0.0]
本稿では,PV発電のエンド・ツー・エンド予測のための教師付きディープラーニングモデルを提案する。
提案モデルは2つの基本概念に基づいており、他のシーケンス関連分野の大幅な性能向上につながった。
その結果、新しい設計は、PV電力予測技術の現在の状態以上で実行可能であることがわかった。
論文 参考訳（メタデータ） (2020-08-06T17:20:08Z) - Millimeter Wave Communications with an Intelligent Reflector:
Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。
チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。
最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-02-24T22:18:54Z)
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。