論文の概要: Clustering Rooftop PV Systems via Probabilistic Embeddings

• arxiv url: http://arxiv.org/abs/2505.10699v1
• Date: Thu, 15 May 2025 20:44:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.569849
• Title: Clustering Rooftop PV Systems via Probabilistic Embeddings
• Title（参考訳）: 確率的埋め込みによる屋根上PVシステムのクラスタリング
• Authors: Kutay Bölat, Tarek Alskaif, Peter Palensky, Simon Tindemans,
• Abstract要約: 大規模で空間的に分散した時系列データは高次元であり、欠落した値に影響される。 これらの問題に対処するために、確率エンティティ埋め込みベースのクラスタリングフレームワークが提案されている。 複数年間の住宅PVデータセットに適用すると、物理ベースのベースラインを代表性とロバスト性で上回る不確実性を認識したクラスタプロファイルを生成する。
• 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: As the number of rooftop photovoltaic (PV) installations increases, aggregators and system operators are required to monitor and analyze these systems, raising the challenge of integration and management of large, spatially distributed time-series data that are both high-dimensional and affected by missing values. In this work, a probabilistic entity embedding-based clustering framework is proposed to address these problems. This method encodes each PV system's characteristic power generation patterns and uncertainty as a probability distribution, then groups systems by their statistical distances and agglomerative clustering. Applied to a multi-year residential PV dataset, it produces concise, uncertainty-aware cluster profiles that outperform a physics-based baseline in representativeness and robustness, and support reliable missing-value imputation. A systematic hyperparameter study further offers practical guidance for balancing model performance and robustness.
• Abstract（参考訳）: 屋上太陽光発電(PV)の設置数が増加するにつれて、アグリゲータやシステムオペレーターはこれらのシステムを監視し、分析する必要がある。 本研究では,これらの問題に対処するために,確率的エンティティ埋め込みに基づくクラスタリングフレームワークを提案する。 本手法は,各PVシステムの特性発電パターンと不確かさを確率分布として符号化し,その統計的距離と凝集クラスタリングによって系をグループ化する。 複数年間の住宅PVデータセットに適用すると、物理ベースのベースラインを代表性とロバスト性で上回る正確で不確実性を認識したクラスタプロファイルを生成し、信頼性のある欠落値計算をサポートする。 体系的なハイパーパラメーター研究は、モデル性能とロバストネスのバランスをとるための実践的なガイダンスを提供する。

関連論文リスト

• Privacy-Preserving Personalized Federated Learning for Distributed Photovoltaic Disaggregation under Statistical Heterogeneity [13.146806294562474]
  パーソナライズド・フェデレーション・ラーニング(PFL)を用いて,プライバシー保護型分散PVデアグリゲーションフレームワークを提案する。 提案手法は局所モデリングとグローバルモデリングを組み合わせた2段階のフレームワークを用いる。 実世界のデータを用いた実験では,提案フレームワークの有効性が示され,ベンチマーク手法と比較して精度と堅牢性が向上した。
  論文  参考訳（メタデータ） (2025-04-25T05:09:27Z)
• Improving $(α, f)$-Byzantine Resilience in Federated Learning via layerwise aggregation and cosine distance [7.8973037023478785]
  フェデレートラーニング(FL)は、分散機械学習におけるデータプライバシの課題に対する潜在的な解決策である。 FLシステムは、悪意のあるノードが破損したモデル更新に寄与するビザンティン攻撃に弱いままである。 本稿では,高次元設定における規則の堅牢性向上を目的とした新しいアグリゲーション手法であるLayerwise Cosine Aggregationを紹介する。
  論文  参考訳（メタデータ） (2025-03-27T08:07:39Z)
• Interaction-Aware Gaussian Weighting for Clustered Federated Learning [58.92159838586751]
  フェデレートラーニング(FL)は、プライバシを維持しながらモデルをトレーニングするための分散パラダイムとして登場した。 本稿では,新たなクラスタリングFL法であるFedGWC(Federated Gaussian Weighting Clustering)を提案する。 ベンチマークデータセットを用いた実験により,FedGWCはクラスタの品質と分類精度において,既存のFLアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-02-05T16:33:36Z)
• An Agglomerative Clustering of Simulation Output Distributions Using Regularized Wasserstein Distance [0.0]
  本稿では,正規化ワッサーシュタイン距離をクラスタシミュレーション出力に利用した新しいクラスタリングアルゴリズムを提案する。 このフレームワークには、異常検出、事前最適化、オンライン監視など、いくつかの重要なユースケースがある。
  論文  参考訳（メタデータ） (2024-07-16T18:07:32Z)
• AgentOhana: Design Unified Data and Training Pipeline for Effective Agent Learning [98.26836657967162]
  textbfAgentOhanaは、さまざまなシナリオにまたがって、異なる環境からエージェントのトラジェクトリを集約する。 AIエージェント用に調整された大規模なアクションモデルである textbfxLAM-v0.1 は、さまざまなベンチマークで例外的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-23T18:56:26Z)
• Evaluating the Planning and Operational Resilience of Electrical Distribution Systems with Distributed Energy Resources using Complex Network Theory [0.0]
  本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。 提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
  論文  参考訳（メタデータ） (2022-08-24T13:41:37Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• 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)
• ClusterVO: Clustering Moving Instances and Estimating Visual Odometry for Self and Surroundings [54.33327082243022]
  ClusterVOはステレオビジュアルオドメトリーで、エゴと周囲の固いクラスタ/オブジェクトの両方の動きを同時にクラスタし、推定する。 以前のソリューションでは、バッチ入力やシーン構造や動的オブジェクトモデルへの事前の指示に頼っていたが、ClusterVOは一般的にオンラインであり、屋内のシーン理解や自律運転など、さまざまなシナリオで使用することができる。
  論文  参考訳（メタデータ） (2020-03-29T09:06:28Z)

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。